[发明专利]使用声学信号确定电化学系统的特性

说明书

使用声学信号预测电池的充电状态(SOH)、健康状况(SOC)及其他特性的系统及方法，包括确定在两个或更多个充电状态下的声学数据及确定表示在所述两个或更多个充电状态下的所述声学数据的精简声学数据集。所述精简声学数据集包括与所述充电状态相关的飞行时间(TOF)位移、总信号振幅或其他数据点。机器学习模型使用至少所述精简声学数据集结合如电压及温度的非声学数据来预测任何其他独立电池的特性。

相关申请案的交叉引用

本专利申请主张2017年9月1日申请的、正在审查的、已让渡于本申请案的受让人的、且全文以引用方式明确并入本申请中的名称为“超声方法用于确定电化学系统的充电状态和健康状态的用途”的临时专利申请第62/553,287号的权益。

联邦政府赞助研究或开发的声明

本发明是在美国联邦政府的支持下依据高级能量研究计划署授予的授权案第DE-AR0000621号完成的。美国联邦政府拥有本发明的特定权利。

技术领域

本公开的实施方式涉及电化学系统的检测及诊断。更具体而言，实施方式涉及超声波信号在测定电化学系统的特性(如充电状态(SOC)及健康状况(SOH))中的用途。

背景技术

出于各种原因(包括电池寿命的改良、更高的生产效率、故障的提早预测等)，追踪电化学系统(如电池)的特性(如充电状态(SOC)、健康状况(SOH)、内部损坏等)是重要的。然而，在操作中，有效且低成本地可靠追踪或测定此类特性的能力是一项挑战。

例如，在常规的实施方案中，SOC预测可包括与库仑计数(簿记(bookkeeping))组合的电压监测(直接测量)。出于各种原因，这可能带来挑战。首先，对于电压测量，大多数电池容量(尤其是磷酸铁锂(LFP)电池)上的电压读数的平坦度存在困难。此外，电压衰减、变化的电池电阻抗及变动的放电速率影响基于电压的SOC测量的准确度。其次，库仑计数也是一门不精确科学，因为放电速率、环境因素(如温度)及电池劣化都会影响用于任何给定放电周期的实际充电容量。这可能导致滥用循环，使得放电条件导致对SOC的不正确估计，且电池因此无意中变得过度放电。这可能引起电池的损坏且导致SOC预测的进一步不准确，从而致使持续的过度放电及电池损坏。

因此，需要可直接测量电池的机械及物理状态以增强SOC、SOH及电池故障的测定的低成本且高准确度技术。

发明内容

本发明的示例性实施方式涉及使用声学信号预测电池的充电状态(SOH)、健康状况(SOC)及其他特性的系统及方法，且包含确定在两个或更多个充电状态下的声学数据，及确定表示在该两个或更多个充电状态下的该声学数据的一精简声学数据集。该精简声学数据集包含与所述充电状态相关的飞行时间(TOF)位移、总信号振幅或其他数据点。机器学习模型使用至少该精简声学数据集结合例如电压及温度的非声学数据来预测任何其他独立电池的特性。

例如，一个示例性实施方式涉及一种非侵入式分析电化学系统的方法，所述方法包括使至少一第一电池经受充电-放电循环的至少一部分。在所述充电-放电循环的至少所述部分期间的两个或更多个时间例项下，通过所述第一电池的至少一部分传输声学信号且接收对应响应信号，其中，所述两个或更多个时间例项对应于所述第一电池的两个或更多个充电状态。确定至少一精简声学数据集，所述精简声学数据集包括表示在所述两个或更多个充电状态下的所传输的声学信号或所述响应信号中的一者或多者的一个或多个数据点。

另一示例性实施方式涉及一种非侵入式分析电化学系统的方法，所述方法包括：使用至少一第一数据库以及一第二电池的声学数据或非声学数据中的一者或多者预测所述第二电池的特性，其中，所述第一数据库包括至少一精简声学数据集，所述精简声学数据集包括一个或多个数据点，所述一个或多个数据点表示在第一电池的两个或更多个充电状态下通过所述第一电池的至少一部分传输的声学信号以及对所述传输信号的响应信号中的一者或多者。