一种磷酸铁锂能量型电池寿命预估方法与流程

本发明属于电能技术领域，具体涉及一种磷酸铁锂能量型电池寿命预估方法。

背景技术：

电池容量衰减是由于电池内部副反应，钝化膜的产生造成对反应物质的报过效应和sei膜增厚对锂离子的消耗等，使得电池内部的可逆锂离子在寿命过程总量不断减少，最终达到寿命终止状态(行业一般定义为80％eol)由于锂电池都有一定的使用寿命，当锂电池的使用寿命接近完毕时，需要及时更换新的锂电池，因为我们最初在设计产品时就要把握好产品的设计使用周期。此外，在对已经使用过的锂电池进行估价时，也需要检测锂电池的实际的使用寿命情况。

关于电池寿命预测目前有很多方法，现有的基于模型的寿命预测方法可以分为基于电化学模型的方法，基于等效电路的方法，基于性能的方法和基于解析模型的方法，现有的寿命预测方法偏差较大，而且评估时间较长，适用范围较窄。

技术实现要素：

为了解决上述问题，本发明提供了一种磷酸铁锂能量型电池寿命预估方法，可以快速准确地评估出电池寿命。

本发明的技术方案为：一种磷酸铁锂能量型电池寿命预估方法，包括以下步骤：

(a)根据所选样本设定相应的测试流程及测试参数，对所选样本进行多次充放电循环测试，每次充放电循环测试结束之后，记录放电容量数据，拟合出指定eol下的理论剩余容量值y与循环次数t之间的拟合关系式(1)：

y＝m·t^x+b(1)；

其中，y为指定eol下的理论剩余容量值；m和b分别为拟合公式中的斜率和截距常量；x为预估指数因子；t为循环次数，即指定eol下的循环寿命数值；

(b)经由多次充放电循环之后，截取第e次至第f次充放电循环的数据，其中e＜f≤t，代入公式(1)中计算指定eol下的理论剩余容量值，即寿命的预估值，并求解出t值；

(d)继续对所选样本进行充放电循环测试，直至测试至寿命的真实值为止；

(e)将预估值与真实值进行对比，得出预估值与真实值的偏差范围。

因为不同类型的电池差异性很大，无法获取一个固定的m和b常量来适应所有的样本，需要我们根据电池真实的循环性能进行计算得来，在确定预估模型后本发明可以通过公式迭代计算，得到每个测试样本真实的动态常量，作为优选，m的数值大小计算方式如下：

将所测的第e次至第f次充放电循环的放电容量数据，导入公式(2)中，计算得到的b的数值即为m的数值，

其中，x代表当前循环次数^0.5(0.5是一个修正系数)，y代表当前循环次数下的剩余容量值，和分别每个循环样本平均值和指定eol下的理论剩余容量值的平均值。

作为优选，b的数值大小计算：

将所测的第e次至第f次循环的放电容量数据，导入公式(2)和公式(3)中，计算得到的a的数值即为b的数值，

作为优选，拟合判定系数r²(fit)的确定

r²(fit)＝linest(known_y′s,[known_x′s],[const],[stats])(4)；

其中，y和x分别代表拟合关系式中的y和t^x，通过迭代计算出最佳的判定系数；

判定系数r²(fit)是y的估计值与真实值之比，范围在0到1之间，如果为1，则样本有很好的相关性，y的估计值与真实值之间没有差别；相反，如果判定系数为0，则拟合关系式(1)不能用来预测y值。

回归分析时，会计算每一点的y的估计值和真实值的平方差；这些平方差之和称为残差平方和ssresid，总平方和sstotal；当参数const＝true或被省略时，总平方和sstotal是y的实际值和平均值的平方差之和；当参数const＝false时，总平方和sstotal是y的实际值的平方和，不需要从每个y值中减去平均值，回归平方和ssreg可通过公式(6)计算出来，

回归平方和ssreg＝总平方和sstotal–残差平方和ssresid(6)

残差平方和ssresid与总平方和sstotal的比值越小，判定系数r²的值就越大，r²是用来判断从回归分析求得的公式是否足以说明变量之间关系的指示器，

r²＝回归平方和ssreg/总平方和sstotal(7)。

通过计算拟合r²的值来判定我们得出的剩余容量预估值与真实值之间相关性是否很强，比如r²低于0.9系数以下，说明预估出的理论值与真实值相关性不是很强，数据可靠性不强，需要检查测试过程数据，0.9以上，说明相关性很强，结果有参考意义。如果为0，那就说明该预估模型不合适，不能用来预估。总平方和sstotal是每个循环下实际容量值的平方和。

作为优选，计算m和b时，首先将所测的第e次至第f次循环的放电容量数据中大于邻近值5％的数据剔除，并用紧邻的3个数据的平均值代替，然后再将所测的第e次至第f次循环的放电容量数据进行计算。长周期循环测试中由于外部因素的干扰，测试的容量数据可能有不间断跳点出现，需要对所得剩余容量数据进行优化，因此本发明中删除高于5％的数据点。

作为优选，x值的计算，通过公式(1)求得公式(5)，求得x，

x＝log((y-b)/m)/logt(5)

其中x为每个充放电循环测试时的平均值。

作为优选，将所选样本安装于高精密测试柜夹具中，并启动测试流程进行多次充放电循环测试。

作为优选，所述高精密测试柜需要实现恒流充放电5％％以上的电流电压精度，并带有温度探头，测试环境温度控制在25±0.3℃，每次充放电之间静置30min。

作为优选，所述所选样本为低倍率1c及以下倍率的储能磷酸铁锂电池。低倍率1c及以下倍率的储能磷酸铁锂电池寿命衰减(接近线性的指数函数曲线)更符合该预估模型，大倍率下的充放电导致电池内部极化阻抗快速变化，电池的衰减寿命加快，后期走势不稳定，因此本发明优选为低倍率1c及以下倍率的储能磷酸铁锂电池。

作为优选，所述e为50，所述f为150。磷酸铁锂电池前期因sei成膜等化学体系过程，初期的放电容量不稳定，本发明中测试容量数据选取从50到150之间，另外，一般默认预估eol为80％。

与现有技术相比，本发明的有益效果体现在：

(1)本发明在一定的测试环境温度下，利用高精密锂电池测试柜收集每个电池循环的实际剩余容量，通过大量实测循环数据，计算出电池循环寿命次数与剩余容量之间的数学拟合曲线，实时修正最佳拟合判定系数，建立稳定有效的拟合动态函数，本发明实时修改拟合最佳判定系数，能够短时间快速检测等特点。因本发明需要短时间内测试150个循环数据，相比于纯数据公式模型，面对每个电池电化学体系的个体差异性，更能实时反映出所测对象的真实有效性。

(2)本发明在原有循环测试流程基础上，对实验数据进行选取、趋势拟合分析，即可实现长期循环寿命的预测，与纯理论推导及经验模型相比更具有普遍性，预测准确度更高，因此具有普遍的适用性。

(3)本发明中的拟合关系式模型是建立在部分真实循环数据基础上，较其他模型来说，5～10％的预估偏差更能反映出待测电池类型的真实情况，比较适用于广大电池制造厂，研发实验室对新材料，新流程工艺，梯次电池等短时间内快速评估，经验大量数据验证，为一种高效的磷酸铁锂电池评估方法。

附图说明

图1为本发明的流程示意图。

图2为本发明实施例1的寿命预估指数因子x-factor拟合示意图。.

图3为本发明实施例1中农实际寿命曲线与拟合曲线对比示意图。

具体实施方式

实施例1

一种磷酸铁锂能量型电池寿命预估方法，寿命预测方法具体实施包括如下过程：

(a)根据所选电池样本类型设定相应测试流程，选用0.2/0.3/0.5/1c的充放电电流(或其他低倍率)，每次充放电之间间隔30min，环境温度设置在25℃±0.3℃，100％dod。测试设备选用高精密测试柜，电压/电流精度在5％％偏差以内。小容量圆柱型电池采用顶针式安装夹具，大容量软包或方形电池采用压片式或螺栓连接模式。本实施例选用2种不同类型的磷酸铁锂电池(18/26)，每种类型各200个样本，每个样本实测到1000次充放电循环，在测试过程中收集相应的测试环境温度，每次循环的充放电容量，充放电电流，时间等，采集频率为2s，收集并保存每次循环后的放电容量数据。

(a1)导出循环寿命数据工作表，选取循环寿命数据中第50次到第150次的电池放电容量数据复制到minitab软件工作表中，进入“统计”选项进行趋势分析，并得到线性趋势模型，利用数理统计中的回归分析，得到线性回归方程模型：

y＝m·t^x+b(1)

其中：y为指定eol下的理论剩余容量值，m和b为斜率和截距常量，x为预估指数因子，t为指定eol下的循环寿命数值。

(a2)因为不同类型的电池差异性很大，无法获取一个固定的m和b常量来适应所有的样本，需要我们根据电池真实的循环性能进行计算得来，在确定预估模型后我们建立预估软件，通过公式迭代计算，得到每个测试样本真实的动态常量。

计算预估模型中的m：将所测的150次循环的放电容量截出，剔除其中大于邻近值5％的数据点，并用紧邻3个数据点的平均值代替。导入公式：

其中公式中所述x和y分别是每个cycle次数样本平均值average(know_x’s)和剩余容量的average(know_y’s)

计算预估模型中的b：将所测的150次循环的放电容量截出，剔除其中大于邻近值5％的数据点，并用紧邻3个数据点的平均值代替。导入公式(2)和(3)：

其中公式中所述x和y分别是每个cycle样本平均值average(know_x’s)和average(know_y’s)

(a3)寿命预估指数因子x(x-factor)的确立：根据电池放电容量y与循环次数t拟合关系式：y＝m·t^x+b，求得x＝log((y-b)/m)/logt(8)，其中x为每个循环时的平均值，可通过反复计算获得。

(b)拟合判定系数r²(fit)的确定：

利用公式计算最佳拟合判定系数：r²(fit)＝linest(known_y's,[known_x's],[const],[stats])，(4)

其中上述公式中的y和x分别代表预估模型中的放电容量y和t^x。判定系数r²(fit)是y的估计值与实际值之比，范围在0到1之间。如果为1，则样本有很好的相关性，y的估计值与实际值之间没有差别。相反，如果判定系数为0，则回归公式不能用来预测y值。回归分析时，excel会计算每一点的y的估计值和实际值的平方差。这些平方差之和称为残差平方和(ssresid)，然后excel会计算总平方和(sstotal)。r²＝ssreg/sstotal，当残差平方和与总平方和的比值越小，判定系数r²的值就越大，r²是用来判断从回归分析求得的公式是否足以说明变量之间关系的指示器。

(c)根据上述寿命预估模型y＝m·t^x+b，设置相应的eol，计算出理论的临界容量y，求解出t＝((y-b)/m)^(1/x)

(d)建立excel预估模板，选取需要预估的数据源，设置所需的eol，点击“fit”按键，进行拟合计算，至r²(fit)稳定为止，得到相应的寿命预估值。

(e)为了进一步验证，继续将样本测试到n次，得到n次循环后真实的剩余容量，求得真实eol，然后将eol值反代入公式(1)中，进行预估，求得预估值，将预估值与真实值进行对比，得出这一预估模型的偏差范围。