[发明专利]一种储能电池寿命预测方法及管理系统

说明书

本发明提供了一种储能电池寿命预测方法及管理系统，方法包括：获取前期实测数据和应用工况下实际采集数据，作为大数据文件；通过提取大数据文件，建立储能电池寿命预测模型；导入应用场景下用户需求曲线；根据特定的用户需求曲线，解析出储能电池电流曲线，电压曲线及温升曲线，并进行同步实验，获取该工况下实测数据；进行寿命预测，对比，寿命预测评估及改善。本发明通过将电池循环寿命衰减及日历寿命衰减叠加考虑，能够贴切地对电池寿命进行预测，预测准确度更高，并可以在管理系统中进行预测评估及提出改善建议。

技术领域

本发明涉及电池技术领域，具体而言，涉及一种储能电池寿命预测方法及管理系统。

背景技术

近年来，各国都在积极开展研究新能源汽车，而锂离子电池以能量密度大、工作电压高、循环寿命长和自放电率低等特点，在动力电池领域的应用越来越多。锂离子动力电池的开发过程包括电性能、核心功能、寿命、安全等方面，其中，寿命开发是重中之重。

通常而言，锂离子电池寿命衰减包括循环寿命衰减及日历寿命衰减。传统电池寿命预测方法一般仅关注电池生命周期的循环寿命衰减，对日历寿命衰减做了忽略处理，会存在一定的预测偏差，也不能完全表征电池生命周期衰退机制。

发明内容

有鉴于此，本发明实施例的目的在于，提供一种储能电池寿命预测方法及管理系统以解决上述问题。

本发明实施例提供了一种储能电池寿命预测方法，包括以下步骤：

获取前期实测数据和应用工况下实际采集数据，作为大数据文件；

通过提取大数据文件，建立储能电池寿命预测模型；

导入应用场景下用户需求曲线；

根据特定的用户需求曲线，解析出储能电池电流曲线，电压曲线及温升曲线，并进行同步实验，获取该工况下实测数据；

进行寿命预测，得到预测数据，

将预测数据与实测数据进行对比；

寿命预测评估及改善。

进一步的，建立储能电池寿命预测模型，具体包括以下步骤：

预设网络模型，获取寿命衰减因素间函数映射关系；

采用训练样本实时训练模型；

确定训练样本中不同类别样本散度差值；

基于散度差值构建学习模型，确定损失函数最小值；

寿命预测模型建立。

进一步的，所述寿命衰减因素包括循环寿命衰减因素和日历寿命衰减因素，所述循环寿命衰减因素包括平均剩余电量，放电深度，电池表面温度，循环次数和充放电电流，所述日历寿命衰减因素包括平均剩余电量和存储天数。

进一步的，所述函数映射关系满足以下公式：

Q＝1-Qloss_cyc-Qloss_stor；

其中，Q为剩余容量百分比，Qloss_cyc为循环寿命损失率，Qloss_stor为日历寿命损失率。

具体的，根据以下公式计算循环寿命损失率：

Qloss_cyc＝k0*(T/T_ref)*exp((k1*F/R)*(SOC_equ-SOC_cyc_ref))*(△DOD/△DOD_ref)^k2*(I/I_ref)^k3*N