基于膨胀应力的动力电池老化与健康状态估计方法及系统

本发明动力电池老化分析，尤其涉及一种基于膨胀应力的动力电池老化与健康状态估计方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、近年来，锂离子电池由于其高能量密度、长寿命和低成本等优势，在众多领域得到了广泛的应用。然而，随着充放电循环次数的增加，锂离子电池性能会不断下降，进而可能导致形变甚至爆炸等安全问题。因此，准确分析电池老化机理以及估计电池老健康状态(state of health, soh)，对保证电池管理系统的安全高效运行至关重要。

3、锂离子电池的老化与内部多种退化机理密切相关。在锂电池使用过程中，锂离子在电池正负极不断脱嵌，从而引起电池体积膨胀与收缩。同时，随着充放电次数的增加，电池内部会发生锂损失、sei膜增厚、电解液分解并产生气体等现象，进而造成电池容量衰减，并产生不可逆的形变。因此，有必要对电池老化机理以及其内部力学变化机理进行深入分析。

4、不同学者针对电池内部机理的分析以及soh的估计展开了大量研究，但目前对soh的估计方法以及对电池老化机理的分析较为单一，通常基于电化学角度进行研究分析。比如：

5、现有技术仅提取例如电压、时间等外部参数用于估计电池soh，并未深入分析电池老化机理与考虑电池内部力学特征，估计精度低。

6、现有技术基于容量增量曲线及其对应电压值输入神经网络模型，实现对电池容量的估计，但该方法仅考虑了电池的电化学特性变化机理及特征，很难进一步提高电池包电池容量估计精度；并且，容量增量曲线的绘制需要获取电池的容量值，这在一定程度上增加了数据获取的难度。

7、现有技术通过构建电池老化数学模型实现电池老化分析及寿命预测，该方法高度依赖于所构建的模型，易受电池老化程度与外界环境影响，计算量大且适用性差。

技术实现思路

1、为了解决上述问题，本发明提出了一种基于膨胀应力的动力电池老化与健康状态估计方法及系统，基于电池膨胀增量曲线的变化规律，实现电池老化特性的分析；同时基于膨胀增量曲线上提取各峰值信息作为特征，实现对电池soh的估计。

2、在一些实施方式中，采用如下技术方案：

3、一种基于膨胀应力的动力电池老化与健康状态估计方法，包括：

4、获取锂电池全寿命周期的充放电电压、应力膨胀数据和容量数据，并进行预处理；

5、利用预处理后的充放电电压和应力膨胀数据，计算膨胀增量，绘制各充放电循环的膨胀增量曲线；基于容量数据计算对应的soh；

6、提取各膨胀增量曲线的峰值或峰谷数据，每一条膨胀增量曲线的峰值或峰谷与对应的soh数据构成数据集；利用所述数据集对电池健康状态预测模型进行训练，得到训练好的电池健康状态预测模型；

7、获取同类型待测锂电池当前的充电电压和应力膨胀数据，绘制膨胀增量曲线；提取膨胀增量曲线的峰值或峰谷数据，将所述峰值或峰谷数据作为输入，利用训练好的电池健康状态预测模型，得到电池健康状态预测结果。

8、作为进一步的方案，计算膨胀增量的过程具体为：

9、；

10、其中，iek为k时刻的膨胀增量值；vk与vk-1分别为k时刻和k-1时刻的电池电压值；ek与ek-1分别为k时刻和k-1时刻的电池膨胀应力。

11、作为进一步的方案，所述电池膨胀应力值通过在电池表面设置应变片测量得到。

12、作为进一步的方案，所述膨胀增量曲线的横坐标为电压值，纵坐标为与电压值对应的膨胀增量值。

13、作为进一步的方案，所述电池健康状态预测模型为神经网络模型。

14、作为进一步的方案，还包括：锂电池全寿命周期中不同膨胀增量曲线峰值或峰谷位置的变化，与电池的老化状态密切相关；建立膨胀增量曲线峰值或峰谷位置与电池老化状态的对应关系，基于待测锂电池当前膨胀增量曲线的峰值或峰谷位置，确定该锂电池的老化状态。

15、在另一些实施方式中，采用如下技术方案：

16、一种基于膨胀应力的动力电池老化与健康状态估计系统，包括：

17、数据获取模块，用于获取锂电池全寿命周期的充放电电压、应力膨胀数据和容量数据，并进行预处理；

18、曲线绘制模块，用于利用预处理后的充放电电压和应力膨胀数据，计算膨胀增量，绘制各充放电循环的膨胀增量曲线；基于容量数据计算对应的soh；

19、模型训练模块，用于提取各膨胀增量曲线的峰值或峰谷数据，每一条膨胀增量曲线的峰值或峰谷与对应的soh数据构成数据集；利用所述数据集对电池健康状态预测模型进行训练，得到训练好的电池健康状态预测模型；

20、状态预测模块，用于获取同类型待测锂电池当前的充电电压和应力膨胀数据，绘制膨胀增量曲线；提取膨胀增量曲线的峰值或峰谷数据，将所述峰值或峰谷数据作为输入，利用训练好的电池健康状态预测模型，得到电池健康状态预测结果。

21、在另一些实施方式中，采用如下技术方案：

22、一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的基于膨胀应力的动力电池老化与健康状态估计方法。

23、在另一些实施方式中，采用如下技术方案：

24、一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于膨胀应力的动力电池老化与健康状态估计方法。

25、在另一些实施方式中，采用如下技术方案：

26、一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述的基于膨胀应力的动力电池老化与健康状态估计方法。

27、与现有技术相比，本发明的有益效果是：

28、（1）本发明基于膨胀增量曲线上各峰值或峰谷与电池soh之间的强相关性，通过绘制电池膨胀增量曲线，提取峰值或峰谷数据作为输入，利用神经网络模型，实现对电池soh的预测；预测过程充分考虑了电池的力学特征，提高了估计准确性与鲁棒性。

29、（2）本发明通过分析电池不同膨胀增量曲线的规律性及特征变化，建立膨胀增量曲线峰值或峰谷位置的变化与电池的老化状态的对应关系，可以帮助分析电池老化状态；通过绘制不同工况或者老化条件下的电池膨胀增量曲线，根据其波峰或波谷的位置信息，在不拆解电池的前提下，帮助分析电池内部机理。

30、（3）本发明只需要获取电池的膨胀增量和电压数据，即可绘制膨胀增量曲线，这些数据相对比较容易获取到，并且这些数据结合了电池机械和电化学特性，利用其峰值或峰谷特征可以帮助模型更好地捕捉电池内部老化状态，提高估计精度和鲁棒性。

31、本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。

技术特征：

1.一种基于膨胀应力的动力电池老化与健康状态估计方法，其特征在于，包括：

2.如权利要求1所述的一种基于膨胀应力的动力电池老化与健康状态估计方法，其特征在于，计算膨胀增量的过程具体为：

3.如权利要求2所述的一种基于膨胀应力的动力电池老化与健康状态估计方法，其特征在于，所述电池膨胀应力值通过在电池表面设置应变片测量得到。

4.如权利要求1所述的一种基于膨胀应力的动力电池老化与健康状态估计方法，其特征在于，所述膨胀增量曲线的横坐标为电压值，纵坐标为与电压值对应的膨胀增量值。

5.如权利要求1所述的一种基于膨胀应力的动力电池老化与健康状态估计方法，其特征在于，所述电池健康状态预测模型为神经网络模型。

6.如权利要求1所述的一种基于膨胀应力的动力电池老化与健康状态估计方法，其特征在于，还包括：锂电池全寿命周期中不同膨胀增量曲线峰值或峰谷位置的变化，与电池的老化状态密切相关；建立膨胀增量曲线峰值或峰谷位置与电池老化状态的对应关系，基于待测锂电池当前膨胀增量曲线的峰值或峰谷位置，确定该锂电池的老化状态。

7.一种基于膨胀应力的动力电池老化与健康状态估计系统，其特征在于，包括：

8.一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-6任一项所述的基于膨胀应力的动力电池老化与健康状态估计方法。

9.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-6任一项所述的基于膨胀应力的动力电池老化与健康状态估计方法。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述的基于膨胀应力的动力电池老化与健康状态估计方法。

技术总结
本发明涉及动力电池老化分析技术领域，具体公开了一种基于膨胀应力的动力电池老化与健康状态估计方法及系统，方法包括：获取锂电池全寿命周期的充放电电压、应力膨胀数据和容量数据；利用预处理后的充放电电压和应力膨胀数据，计算膨胀增量，绘制各充放电循环的膨胀增量曲线；每一条膨胀增量曲线的峰值或峰谷与对应的SOH数据构成数据集；对电池健康状态预测模型进行训练；获取同类型待测锂电池当前的充电电压和应力膨胀数据，绘制膨胀增量曲线；提取膨胀增量曲线的峰值或峰谷数据，利用训练好的电池健康状态预测模型，得到电池健康状态预测结果。本发明预测过程充分考虑了电池的力学特征，提高了估计准确性与鲁棒性。

技术研发人员：张承慧,于淼,商云龙,朱昱豪
受保护的技术使用者：山东大学
技术研发日：
技术公布日：2025/2/10