Processing

Please wait...

PATENTSCOPE will be unavailable a few hours for maintenance reason on Tuesday 27.07.2021 at 12:00 PM CEST
Settings

Settings

Goto Application

1. CN110750874 - Retired power battery life prediction method

Note: Text based on automatic Optical Character Recognition processes. Please use the PDF version for legal matters

[ ZH ]

权利要求书

1.一种退役动力电池寿命预测方法,其特征在于包括如下步骤:
步骤一、以若干个动力电池作为实验组,分别在不同放电倍率以及温度下进行充放电循环,记录循环寿命实验值以及循环后动力电池的剩余容量,并绘制动力电池各工况下的放电特性曲线;
步骤二、根据动力电池的剩余容量分别计算实验组各工况以及循环寿命下动力电池的容量损失率;
步骤三、根据步骤一所记录的循环寿命实验值以及步骤二所得到的容量损失率建立各工况下寿命衰减曲线;
步骤四、根据影响动力电池寿命的因素建立寿命预测模型,并将寿命预测模型与寿命衰减曲线拟合;
步骤五、根据拟合后的曲线,获得各工况下容量损失率所对应的循环寿命;
步骤六、建立放电倍率与温度的乘积、容量损失率以及循环寿命的三维图;
步骤七、求解同类型动力电池的剩余寿命时,根据步骤二计算容量损失率以及实际工况下放电倍率与温度的乘积,并代入步骤六所建立的三维图中,得到循环寿命,然后求解循环寿命与标称寿命的差值得到剩余寿命;
所述步骤四中寿命衰减模型建立的过程如下:
S1、考虑响动力电池循环寿命的因素包括温度T,放电倍率C和放电深度DOD;
S2、确定放电深度DOD为100%,并建立动力电池循环寿命模型:Q loss =f(T,C,t);
S3、根据动力电池循环寿命衰减规律符合幂函数的特征,建立幂指数模型:Q loss =xμ+d,其中d为温度常数;
S4、基于考虑温度的影响,进一步建立如下数学模型:其中B是系数,K a 为与活化能相关的函数,K T K C 为温度T与放电倍率C共同影响Q loss 的函数,α为幂函数因子,Q为实验过程中的放电容量Q=n·C,T表示热力学温度,b为常数;
S5、根据幂函数因子α以及活化能a取值,α=0.287,a=3116-170·C,最终确定电池寿命预测模型为:Q loss (f)=Be(-lg(3116-170·C))·T·C(n·C)0.287+c,其中c为常数。

2.根据权利要求1所述的一种退役动力电池寿命预测方法,其特征在于:所述步骤二中容量损失率求解公式为:Q loss =ΔQ/Q τ ×100%,其中Q loss 表示容量损失率,ΔQ表示电池容量衰减量,Q τ 为动力电池额定容量;所述电池容量衰减量通过:ΔQ=Q τ -Q n 获得,Q n 为电池经过n次循环后电池的剩余容量。

3.根据权利要求1所述的一种退役动力电池寿命预测方法,其特征在于:所述步骤六中三维图的建立包括利用MATLAB工具绘制放电倍率与温度的乘积、容量损失率以及循环寿命的三维散点图,再利用插值拟合将三维散点图拟合成三维图。

4.根据权利要求1所述的一种退役动力电池寿命预测方法,其特征在于:所述步骤七中剩余寿命的计算公式为:N 剩余 =N 标称 -N,其中N 标称 表示标称寿命,N表示循环寿命。