一种基于化成曲线的锂离子电池筛选和分析方法与流程

本技术涉及锂离子电池领域，具体涉及一种基于化成曲线的锂离子电池筛选和分析方法。

背景技术：

1、传统的锂离子电池制造过程中,电池的筛选主要包括容量、电压、内阻、自放电压降/k值、温度等电热性能参数和质量、保液量、尺寸等物理参数的一致性标准筛选。然而，在上述筛选机制下，仍然会遗漏一些潜在风险电芯，如健康状况不良、跳水等；即传统的锂离子电池制造筛选体系存在一定漏洞，需要进一步增加实际可行的筛选参数，密织筛选网络，进一步提升电池制造质量和可靠性。

2、锂离子电池化成指在电芯封装注液后第一次充放电过程。化成过程涉及正负极材料活化、sei膜成膜、电解液和极片杂质副反应、各类电/化学反应产气、电极材料膨胀及颗粒界面重构等复杂物理、化学和电化学过程，因此化成对于锂离子电池最终的性能和健康状态至关重要。锂离子电池化成曲线即电芯在化成过程中的充放电曲线(通常为容量-电压曲线或电压-时间曲线)，是记录锂离子电池化成过程特征的关键信息，是化成过程中各类复杂电化学过程的综合体现，其中也蕴藏了复杂的电芯健康状态特征。然而，传统的锂离子电池制造体系在电芯筛选方面却未能充分利用电芯化成曲线特征，仅通过简单的起始电压、终止电压、阶段电压、充放电容量和时间等参数做一致性统计，基于一定的阈值标准筛除离群电芯。

3、现有生产技术中基于化成曲线的锂离子电池筛选方法，主要基于化成充放电设备直接采集的过程数据点进行筛选，可能包括：充电前开路电压，充电终止电压、开路电压、电流，工步时间、容量、电量、平均电压、中值电压，温度。通过上述某一项或几项参数进行统计分布，制定合格品阈值标准，筛选离群电芯。

4、专利cn110496799b公开了通过化成曲线识别异常电芯的方法，其通过检测注液后的搁置电压绘制i-mr控制图，在化成中实时绘制q-v二次导数曲线，并在化成结束后检测电芯电压、内阻及容量，通过以上多种因素判断电芯异常。在通过q-v二次导数曲线识别时，具体的判断标准为所绘制d(dq/dv)/dv-v曲线中的点的值大于或者小于d(dq/dv)/dv-v曲线的平均值的5％。现有技术未能充分利用化成曲线所蕴含的特征信息，筛选结果可能遗漏一些异常风险电芯，遗留产品风险和生产隐患。现有技术采用的筛选参数主要为某单一时间点的采样数据，可能存在设备、环境因素导致的采样偏差，造成误判。

5、专利cn114200329a公开了一种利用化成曲线特征识别电池异常的方法，其在化成充电阶段，对电芯电压和极化特征即压差进行检测并记录，判断并筛选出异常电芯。

6、专利cn113640683a公开了在化成分容阶段识别异常电池的方法，在区分电池种类的基础上，通过检测电池的特征量(电压、电流、容量、电压变化率、温度等)，利用神经网络进行识别。

7、专利cn113884908a、专利cn109164146a分别公开了利用化成dq/dv-v曲线评估电池水含量的方法；

8、专利cn112415402b公开了一种采集电池充电数据、通过预测以判断电芯异常的方法。

技术实现思路

1、本技术提供了一种基于化成曲线的锂离子电池筛选和分析方法，通过数值处理从化成曲线中提取关键特征参数，识别锂离子电池健康状态潜在风险，用于锂离子电池研发、试制及量产制造中异常电芯筛选和风险识别。

2、具体的，本技术采用如下技术方案：

3、本技术公开了一种基于化成曲线的锂离子电池电芯异常的筛选方法，包括，

4、对锂离子电池电芯进行化成，采集数据，得到容量(q)-电压(v)化成曲线；

5、对容量(q)-电压(v)化成曲线进行第一次微分，得到一次微分曲线dq/dv-v；

6、对一次微分曲线dq/dv-v进行第二次微分，得到二次微分曲线d(dq/dv)/dv-v，

7、基于一次微分曲线或二次微分曲线确定副反应平台电压vpeak和分界点电压vside；

8、根据电压vpeak和vside确定峰值容量qpeak和平台容量qside，根据qpeak和qside确定电芯的异常情况；

9、所述vpeak是指一次微分曲线dq/dv-v中dq/dv第一次出现特征峰值时的电压，

10、所述vside是指一次微分曲线dq/dv-v中dq/dv第一次出现特征谷值时的电压，

11、所述特征峰和谷指由于电池化成反应而形成的本征电压变化，而非数据因采集、测试、数据处理等因素造成的数值波动或噪音导致的数值峰和谷，

12、所述qpeak是指出现vpeak时所对应的容量，

13、所述qside是指出现vside时所对应的容量。

14、一种优选的实施方式，所述确定副反应平台电压vpeak和分界点电压vside是指在一次微分曲线dq/dv-v中通过读取第一次出现峰值时的电压确定vpeak和第一次出现谷值时的电压确定vside；或者

15、在二次微分曲线d(dq/dv)/dv-v中与x轴第一次出现交点(d(dq/dv)/dv＝0)的电压确定vpeak和与x轴第二次出现交点(d(dq/dv)/dv＝0)的电压确定vside。

16、一种优选的实施方式，所述确定副反应平台峰值容量qpeak和平台容量qside是指通过化成曲线容量(q)-电压(v)直接读取qpeak和qside；或者

17、通过一次微分曲线dq/dv-v积分得到qpeak和qside。

18、一种优选的实施方式，所述qpeak是指dq/dv-v曲线、dq/dv＝0、v＝vpeak和v＝v0围成的面积值；

19、所述qside是指dq/dv-v曲线、dq/dv＝0、v＝vside和v＝v0围成的面积值，其中v0为化成充电电压起点。

20、一种优选的实施方式，所述根据qpeak和qside确定电芯的异常情况是指qpeak和qside越大，电芯异常的可能性越大。

21、一种优选的实施方式，所述方法还包括，

22、确定qpeak的标准阈值kpeak和qside的标准阈值kside，通过qside和qpeak作为特征参数进行在线或离线监测，筛选异常电芯。

23、一种优选的实施方式，qside>kside和/或qpeak>kpeak，表明电芯异常，存在风险。

24、一种优选的实施方式，所述确定qpeak的标准阈值kpeak和qside的标准阈值kside是指：通过统计一定数量的已知正常电芯的qpeak和qside，获取qpeak和qside数值分布范围[qpeak_min～qpeak_max]和[qside_min～qside_max]，确定正常电芯的标准阈值kpeak＝qpeak_max和kside＝qside_max。

25、本技术进一步公开一种基于化成曲线的锂离子电池电芯异常的系统，其包括：

26、化成曲线获取模块，其用于获取容量(q)-电压(v)化成曲线；

27、计算模块，其用于对容量(q)-电压(v)化成曲线进行第一次微分，得到一次微分曲线dq/dv-v；对一次微分曲线dq/dv-v进行第二次微分，得到二次微分曲线d(dq/dv)/dv-v；

28、判断模块，其用于基于一次微分曲线或二次微分曲线确定副反应平台电压vpeak和分界点电压vside；根据电压vpeak和vside确定峰值容量qpeak和平台容量qside，根据qpeak和qside确定电芯的异常情况；

29、其中，所述vpeak是指一次微分曲线dq/dv-v中dq/dv第一次出现特征峰值时的电压，

30、所述vside是指一次微分曲线dq/dv-v中dq/dv第一次出现特征谷值时的电压，

31、所述特征峰和谷指由于电池化成反应而形成的本征电压变化，而非数据因采集、测试、数据处理等因素造成的数值波动或噪音导致的数值峰和谷，

32、所述qpeak是指出现vpeak时所对应的容量，

33、所述qside是指出现vside时所对应的容量。

34、一种优选的实施方式，基于化成曲线的锂离子电池电芯异常的系统执行如上所述任一种基于化成曲线的锂离子电池电芯异常的筛选方法。

35、发明效果

36、1、本发明提供了一种基于化成曲线的锂离子电池筛选和分析方法，可以通过电芯化成数据有效分析和识别电芯异常风险，快速无损诊断和筛选出异常电芯。

37、2、相比于传统电芯筛选，在化成最初阶段增加了一项风险识别的特征参数，提升了异常电芯筛选效果，强化了电芯试制潜在风险识别能力，提升生产制造可靠性，降低生产和产品风险。化成初期识别电芯和试制异常，提前识别风险，避免风险电芯流入下一工步，节约电芯制造成本。