锂纽扣电池可靠性预测和应用寿命估算 工业设备尤其是便携式设备均离不开嵌入的锂纽扣电池--系统的“源动力”。据此,锂纽扣电池的制造厂商及产品又是层出无穷、品种繁多,从而导致使许多最终用户在对其锂纽扣电池的使用寿命和选用上不是茫茫然就是束手无策。为此,如何解决这致关系统可靠安全的重要问题及如何寻找出新方案、新产品等新途径就成为其重中之重。目前国际上有不少著名制造厂商, 能提供有备用锂纽扣电池的非易失存储器(NVM—Non volatile MEMORY)或实时时钟(RTC)的应用产品,以确保当系统(微控制器、嵌入式等系统)掉电时保存数据或信息。这些产品的典型规格是在没有系统电源的条件下提供10年的使用寿命。因为最终应用是不确定的,所以对使用寿命的预测还是比较保守的。最终用户针对锂纽扣电池的具体应用, 应评估(电池结构/特征、电池测试/筛选、容量等)或预期出使用寿命,特别是对那些工作环境超出了典型范围或所需应用时间超过10年的用户来说。必须了解这电池可靠性模型,这将有助于用户单独选购电池控制器, 从而又将电池控制器与电池组装在一起构成性能价格比较高的锂纽扣电池,也就解决了不必购买包含电池控制器和电池在内的高成本模块问题。本文论述了备用锂纽扣电池应用寿命估算及寿命对IC集成电路(指SRAM--静态随机存取存储器或RTC)影响的有关问题。这儿指IC均属于是由系统电源供电或锂备用电池供电。为此,首先要说明为何选用备用电池?为何选用备用电池众所周知,系统断电时,有多种保存数据的方案,当对读写速度或周期数要求比较严格时,有备用电池的SRAM是一种较为可靠的替代方案。闪存或EEPROM同样提供NV(非易失)数据存储,但在简易性和速度指标上存在不足。而有备用电池的SRAM, 其主要缺陷是电池是一个消耗品,产品选择必须慎重考虑电池容量并确定其产品最终的使用寿命。对于没有系统电源供电同时要保持信息或计时功能,并需要提供一定的电能才能维持晶振工作,则用电池提供电流是非常适合的.IC集成电路所需电流如果IC(SRAM或RTC)将由电池供电,则需要在IC工作时的电流、使用寿命与电池容量之间加以匹配。购买电池和IC时,其数据手册将提供与IC负载相对应的有关估算电池寿命的信息,如果购买集IC和电池于一体的模块,则最终用户应依靠模块厂商对模块产品的适当筛选来保证系统使用寿命的要求。半导体制造厂商为其所有电池供电产品制订了测试条件,以保证在电池容量的允许范围内为最终器件提供10年的使用时间。而Dallas Semiconductor公司对这种应用的IC进行优化设计并利用先进的处理工艺满足低电流的需求。对于其它供货商提供的高密度SRAM需作特殊的筛选才能满足模块使用寿命的要求。图1来自于由锂纽扣电池供货商-松下公司提供的电池容量报告,图中四条线代表最常用的电池尺寸(BRl225、BRl632、BR2330和BR3032)。电池供应商提供的额定电池容量(单位为mAH-毫安时)与电池尺寸相对应。电池结构/特征在其需要有备用电池的模块内选用一次性锂钮扣电池,这些电池的额定电压为3V,对系统典型工作电压为2.7V来说,则该锂钮扣电池作为备用电源非常合适。电池电压在放电状态下保持稳定平坦(见图2所示),电池放电接近终止时仍能提供与新电池几乎相同的电压。平坦的放电曲线对于备用电池而言是极为理想的特性,但它为估算电池的剩余电量增添了难度。一次性锂钮扣电池具有较好的可预测性,它的开路电压或内部阻抗等关键参数的离散性极小,极小的离散性使电池厂商筛选电池时很容易设置电池检测的条件,从而便于剔除有缺陷的电池,同时也有助于电池用户鉴别有故障的IC/电池系统。例如,电池电压离散性或电压与电池负载的对应关系是已知的,则电池加载后的电池电压可用以指示其电池的负载情况。如果电池负载与IC所需要的电流一致,则负载电压的离散性极小。根据从外部测得的负载电压可以检测异常IC或电池,从而排除潜在的可靠性风险。电池测试/筛选电池制造商经过100%的测试使产品性能极其一致,但是,任何用户为其系统选用电池时还需对电池作进一步测试,以确保最终产品选用工作正常的电池。经过适当的筛选可以检测出三种类型的缺陷:首先是那些被电池制造商的测试系统所遗漏的电池,这类电池最易检测;第二类缺陷是低水平的内部泄漏,这些电池可能经过一段时间后才能显现出它的内部故障,对于这类电池的检测不仅要了解其合适的测试电平,还要预先了解其测试结果的离散性;第三类缺陷是电池用户在处理或系统制造过程中产生的,由于电池容量是有限的,如果有意想不
动力电池剩余寿命预测 锂离子动力电池的内部机理十分复杂,导致其性能衰退的原因众多,而且多种因素相互耦合,最终形成了极具挑战性的工程问题。动力电池的性能衰退问题贯穿于使用和维护的全过程,随着动力电池充放电循环次数的增加,动力电池内部往往会发生一些不可逆转的化学反应,导致内阻增大,最大可用容量、能量以及峰值功率能力衰减,从而大大地削减了电动汽车的续驶里程,甚至带来了一些安全隐患。可靠的RUL预测可以充分解决用户对剩余续驶里程不明的焦虑以及对安全问题的担忧,保障动力电池组安全高效运行,还能在很大程度上确保电动汽车在运行过程中的安全性和可靠性,降低故障率和运行成本,提升用户体验,避免事故发生。因此,动力电池RUL预测是动力电池管理的核心内容之一。本章首先将介绍动力电池RUL 预测的相关概念,再对当前主流的RUL预测方法进行总结与分类,最后从原理和实践层面详细介绍两种具有代表性的动力电池RUL预测方法,指导动力电池系统RUL的精确预测。
6.1 剩余寿命预测的概述 6.1.1 问题描述 动力电池的RUL是指在一定的充放电制度下,动力电池的最大可用容量衰减退化到某一规定的失效阈值所需要经历的循环周期数量。RUL预测是一个基于动力电池历史数据运用一定的数学手段对其残值寿命进行预测计算的过程。随着动力电池在各领域上的广泛应用,动力电池RUL预测技术得到了广泛的关注和研究。 目前,数据驱动是动力电池RUL预测的主要手段,其核心在于对容量衰减轨迹和历史数据的挖掘、提炼和推广。应用数据驱动的手段进行动力电池的RUL预测,首先需要获取动力电池老化实验的容量数据或容量衰减轨迹,从中挖掘和提炼动力电池寿命衰减的内在规律,进而对容量数据进行推广和延伸,最终实现动力电池未来寿命轨迹的预测。一般来说,基于数据驱动的动力电池RUL预测方法具有过程简单、计算量少且无须考虑动力电池复杂机理等优势,能够有效减轻BMS的运行负担,适用于实车的运行环境。 6.1.2 方法分类
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910341857.2 (22)申请日 2019.04.26 (71)申请人 华中科技大学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 袁烨 马贵君 程骋 张永 周倍同 (74)专利代理机构 华中科技大学专利中心 42201 代理人 曹葆青 李智 (51)Int.Cl. G06Q 10/04(2012.01) G01R 31/367(2019.01) G01R 31/392(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称一种锂电池剩余寿命预测方法(57)摘要本发明公开了一种锂电池剩余寿命预测方法,包括:采集锂电池多个充放电循环的电容量,并进行归一化;对归一化后的多个电容量进行窗口划分,得到训练数据集;将所述训练数据集输入包括卷积神经网络和长短记忆循环神经网络的退化状态模型进行训练;将所述训练数据集最后一个窗口数据输入到训练好的退化状态模型中进行滑动预测,直至预测的电容量达到容量退化阈值点;根据预测的容量值对应的滑动循环次数预测待测锂电池的剩余寿命。本发明融合卷积神经网络的特征提取能力和长短记忆循环神经网络的时间序列预测能力,有效的对锂电池的退化特征进行提取和预测,提高了预测精度。且使用假最邻近法自动对退化指标进行窗口大小的确定, 提高了计算效率。权利要求书2页 说明书8页 附图3页CN 110188920 A 2019.08.30 C N 110188920 A
目录 1 电池荷电状态(SOC)估算的几个基本概念 (2) 2 常用SOC估算方法 (2) 3 电池等效模型 (3) 4 模型相关参数获取 (4)
1 电池荷电状态(SOC )估算的几个基本概念 电池的荷电状态(SOC ),即指电池中剩余可用电荷的状态,用百分比表示,当电池完全充满电时,其SOC 值为100%,而当电池完全放电时,则其SOC 为0%。SOC 基本定义可以用下式表示 max 1()SOC i t dt Q η =? ? 式中: Q max – 电池最大允许充放电容量 i – 充放电电流,充电为负 η – 充放电的库伦效率 电池的放电容量Q dis 指的是电池以某一固定倍率进行放电,直至它的端电压达到电池的放电截止电压时所放出的电量。因为电池放电容量依据的是电池的端电压而非开路电压,所以其与电池内阻密切相关,是放电速率和温度的函数。由于电池内阻的存在,放电容量Q dis 总是小于电池的总容量Q ,除非放电倍率无穷小。同样,当电池端电压以无限小的倍率放电至截止电压时,SOC 也不会为零。 电荷在充放电过程中不会损失,故库伦效率通常都很高,在 99%左右。 2 常用SOC 估算方法 电池的 SOC 估算主要有开路电压法、安时积分法、阻抗谱法、神经网络法及卡尔曼滤波法。行业主流算法:卡尔曼滤波法。
离线测量获取曲线 离线测量修正曲线 对初始状态有依赖有累计误差 只能用于初始化SOC 阶段 需要训练数据动态过程阻抗变化小误差大 在线估计 应用尚未成熟 在线估计 算法复杂度并不高抑制白噪声 SOC 中间区域电压平坦,误差大 3 电池等效模型 电池建模是电池设计、制造和使用的有效工具,电池状态的估算算法(如SOC 和SOH 估算)都必须以电池的模型开发作为工作的基础,在此基础上才能有效地进行模型参数的辨识和电池状态估计算法的实现。 常用的电池模型有Rint 模型(又称内阻等效模型)、Thevennin 模型(又称一阶RC 模型)、PNGV 模型、DP 模型(又称二阶RC 模型)等,一般选用二阶RC 模型。
锂电池梯次利用 集团文件版本号:(M928-T898-M248-WU2669-I2896-DQ586-M1988)
背景 近年来,受益于政策、补贴,我国新能源汽车呈现快速增长,进而导致动力锂电池的需求量和报废量不断增长。统计数据显示,2015年中国锂电池总产量47.13Gwh,其中,动力电池产量16.9Gwh,占比36.07%;消费锂电池产量23.69Gwh,占比50.26%;储能锂电池产量1.73Gwh,占比3.67%。《报告》测算,到2020年动力锂电池的需求量将达到 125Gwh,报废量将达32.2Gwh,约50万吨;到2023年,报废量将达到101Gwh,约116万吨。 当前,电池金属材料资源的供需不平衡正逐渐显现。随着新能源车下游需求逐步明确,国内动力电池厂商2016-2017年纷纷扩大产能,尤其是三元电池的扩张,进一步提升了对钴的需求因此从废旧电池中回收再利用钴也越来越具有经济性。对企业而言,动力电池回收蕴藏着巨大的商机,经过回收处理,可以为电池生产商节约原材料成本。此外,动力电池回收还与政府建设低碳经济和环境友好型社会密切相关。 电动汽车的动力电池性能会随着充电次数的增加而衰减,当电池容量衰减至额定容量的80%以下时,动力电池就不适于应用在电动汽车上,这意味着其在电动汽车上的使用寿命终止。如果直接将电池淘汰,必将造成资源的严重浪费,同时也会导致环境污染。 国标GB/T34013-2017《电动汽车用动力蓄电池产品规格尺寸》明确规定了电动汽车用动力蓄电池的单体、模块和标准箱尺寸规格要求。这一标准可有效解决此前存在于动力电池梯次利用中,动力电池由于尺寸不一难以匹配储能电站或家用储能设备结构的难题,也降低了动力电池的梯次回收利用的门槛。 国标GB/T34014-2017《汽车动力蓄电池编码规则》规定了动力电池编码基本原则、编码对象、代码结构和数据载体。该标准发布,可在动力电池生产管理、维护和溯源、电动汽车关键参数监控,特别是在动力电池回收利用环节,凭借可追溯性和唯一性,更加准确地确定动力电池回收的责任主体。 国标GB/T34015-2017《车用动力电池回收利用余能检测》。则规范了动力电池外观检查、极性检测、电压判别、充放电电流判别、余能测试等检测流程,为车用动力电池的余能检测提供评价依据,有助于提高废旧动力蓄电池余能检测的安全性和科学性。 随着新能源汽车保有量的增长,动力锂电池的梯次利用和回收成为一个必须面对的问题。在动力锂电池梯次利用和回收尚未发展成熟的情况下,运营模式就显得尤为重要,这关乎成本和盈利等企业切身利益。目前国内已有企业在动力锂电池的梯次利用和回收方面展开布局,运营模式也各有不同。 动力电池梯次利用的意义在于从电池原材料—电池—电池系统—汽车应用—二次利用—资源回收—电池原材料的电池全生命周期使用角度考虑,可以降低电池成本,避免环境污染。
一、荷电状态(SOC)定义 SOC即State of Charge,指电池的荷电状态。从电量、能量等不同的角度,SOC 有多种不同的定义方式。美国先进电池联合会(USABC)定义的SOC被广泛采用,即电池在一定的放电倍率下,剩余电量与相同条件下额定容量的比值。相应的计算公式为: 式中,Q m为电池按照恒定的电流I进行放电时的最大放电容量;Q(I n)为在t 时间里,标准的放电电流I下电池所释放的电量。 二、锂电池荷电状态预测方法 锂电池的荷电状态是电池管理系统的重要参数之一,也是整个汽车的充放电控制策略和电池均衡工作的依据。但是由于锂电池本身结构的复杂性,其荷电状态不能通过直接测量得到,仅能根据电池的某些外特性,如电池的内阻、开路电压、温度、电流等相关参数,利用相关的特性曲线或计算公式完成对荷电状态的预测工作。 锂电池的荷电状态估算是非线性的,目前常用的方法主要有放电实验法、开路电压法、安时积分法、卡尔曼滤波法、神经网络法等。 1 放电实验法放电实验法的原理是:以恒定的电流使电池处于不间断的放电状态,当放电到达截止电压时对所放电量进行计算。放电电量值为放电时所采用的恒定电流值与放电时间的乘积值。放电实验法经常在实验室条件下估算电池的荷电状态,并且目前许多电池厂商也采用放电法进行电池的测试。 它的显著优点是方法简单,估算精度也相对较高。其缺点也很突出:不可以带负载测量,需要占用大量的测量时间,并且放电测量时,必须中断电池之前进行的工作,使电池置于脱机状态,因此不能在线测量。行驶中的电动汽车电池一直处于工作状态,其放电电流并不恒定,此法不适用。但放电实验法可在电池检修和参数模型的确定中使用。