电池寿命预测参数确定方法、电池寿命预测方法和装置与流程

1.本技术涉及电池技术领域，特别是涉及一种电池寿命预测参数确定方法、装置、计算机设备、存储介质和计算机程序产品，以及一种电池寿命预测方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着动力电池行业的蓬勃发展，动力电池凭借其高能量和高功率密度的优势成为当代电动汽车的主要动力来源，但是，动力电池的老化问题制约了电动汽车的发展与推广，电池的老化会对电池性能甚至内部结构产生影响，甚至引发安全问题。因此，对动力电池的老化程度进行评估，预测电池的寿命已变得越来越重要。
3.目前，数据驱动的电池寿命预测方法是目前常用的方法，通过对电池退化早期的数据提取相关特征，再通过算法建立特征-寿命之间的映射关系，最终实现对电池的寿命进行预测。但是，这种方法的弊端在于预测精度取决于数据训练量，无法保证电池寿命预测的准确度。
4.因此，需要提供一种能够提高电池寿命预测准确度的方案。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种支持电池寿命准确预测的电池寿命预测参数确定方法、装置、计算机设备、存储介质和计算机程序产品，以及可以实现电池寿命准确预测的电池寿命预测方法、装置、计算机设备、存储介质和计算机程序产品。
6.第一方面，本技术提供了一种电池寿命预测参数确定方法。所述方法包括：
7.对待测电池进行循环老化测试，获取待测电池在不同充放电循环周期下的测试结果数据；
8.基于测试结果数据，确定电池寿命预测参数，电池寿命预测参数包括热力学预测参数、动力学预测参数和材料特性预测参数。
9.本技术实施例的方案中，通过对待测电池进行循环充放电测试，获取待测电池在不同充放电循环周期下的测试结果数据，基于待测电池在不同充放电循环周期下的测试结果数据，确定出包括热力学预测参数、动力学预测参数和材料特性预测参数在内的电池寿命预测参数。上述方案，不仅考虑了材料特性衰减因素和热力学衰减因素，还考虑了动力学衰减因素，从多维度分析了可能影响电池寿命的寿命衰减来源，能够支持定量分析各不同预测参数对电池寿命衰减的影响，更有利于设计出更为长寿的电池。
10.在一些实施例中，基于测试结果数据，确定电池寿命预测参数包括：
11.采用已构建的电池寿命衰减模型对测试结果数据进行处理，确定电池寿命预测参数；
12.其中，电池寿命衰减模型基于不同电池寿命衰减机理和待测电池在循环充放电周期下的历史测试结果数据构建。
13.本技术实施例的方案中，基于电池寿命衰减机理，结合待测电池在不同循环充放电周期下的历史测试结果数据，预先构建电池寿命衰减模型，再通过构建好的电池寿命衰减模型对测试结果数据进行处理，能够直接高效地确定电池寿命预测参数，且保证电池寿命预测参数的准确度。
14.在一些实施例中，材料特性预测参数包括不同充放电循环周期下的正负极活性材料剩余量；
15.采用已构建的电池寿命衰减模型对测试结果数据进行处理，确定电池寿命预测参数包括以下步骤：
16.根据热力学充放电容量计算原理对测试结果数据进行处理，得到最优正负极活性材料剩余量；
17.根据最优正负极活性材料剩余量、预设正负极活性材料总量和预设电芯吞吐量，确定不同充放电循环周期下的正负极活性材料剩余量。
18.本技术实施例的方案中，考虑了电芯吞吐量对正负极材质损失的影响，并结合热力学充放电容量计算原理以及参数寻优算法，客观且准确地得到了不同充放电循环周期下的正负极活性材料剩余量。
19.在一些实施例中，根据最优正负极活性材料剩余量、预设正负极活性材料总量和预设电芯吞吐量，确定不同充放电循环周期下的正负极活性材料剩余量包括：
20.根据最优正负极活性材料剩余量和预设的正负极活性材料总量，得到正负极活性材料损失量；
21.根据正负极活性材料损失量和预设电芯吞吐量，得到正负极材料损失速率；
22.根据正负极材料损失速率、预设电芯吞吐量以及预设正负极活性材料总量，确定不同充放电循环周期下的正负极活性材料剩余量。
23.本技术实施例的方案中，从电芯吞吐量和正负极材料损失速率两个维度，确定正负极活性材料剩余量，能够准确得到不同循环周期下与电芯吞吐量相关联的正负极材料剩余量。
24.在一些实施例中，待测电池包括待测锂电池，测试结果数据包括sei成膜反应参数、析锂反应参数以及正负极ocv(open circuit voltage，开路电压)曲线，热力学预测参数包括不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量；
25.采用已构建的电池寿命衰减模型对测试结果数据进行处理，确定电池寿命预测参数包括以下步骤：
26.根据正负极活性材料总量、正负极活性材料损失量、sei(solid electrolyte interface，固体电解质界面)成膜反应参数以及析锂反应参数，确定不同充放电循环周期下的锂剩余量；
27.基于正负极ocv曲线、锂剩余量、预设上下限截止电压以及预设电极嵌锂量初始值，采用牛顿迭代算法进行ocv曲线重构，得到不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量。
28.本技术实施例的方案中，首先确定不同充放电循环周期下的锂剩余量，进而结合正负极ocv曲线和预设参量，对ocv进行重构，能够准确得到不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量。
29.在一些实施例中，sei成膜反应参数包括多孔sei成膜反应参数和破碎sei成膜反应参数；
30.基于正负极活性材料总量、正负极活性材料损失量、sei成膜反应参数以及析锂反应参数，确定不同充放电循环周期下的锂剩余量包括：
31.根据多孔sei成膜反应参数和破碎sei成膜反应参数，获取由sei成膜造成的第一锂损失量；
32.根据析锂反应参数，获取由析锂反应造成的第二锂损失量；
33.根据第一锂损失量、第二锂损失量和正负极活性材料损失量，得到锂损失总量；
34.根据锂损失总量和正负极活性材料总量，确定不同充放电循环周期下的锂剩余量。
35.本技术实施例的方案中，不仅考虑了正负极材质损失造成的锂损失，还考虑了由sei成膜造成的锂损失以及析锂反应造成的锂损失，能够更为准确地确定不同充放电循环周期下的锂剩余量，进而确保正负极的最大嵌锂量和最小嵌锂量的准确度。
36.在一些实施例中，待测电池包括待测锂电池，动力学预测参数包括正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据；
37.对待测锂电池进行循环老化测试，获取待测锂电池在不同充放电循环周期下的测试结果数据包括：
38.对待测锂电池进行循环电化学阻抗测试，获取不同循环充放电周期下的初始正负极固相扩散系数和初始正负极反应速率常数；
39.采用已构建的电池寿命衰减模型对测试结果数据进行处理，确定电池寿命预测参数包括以下步骤：
40.针对每一循环充放电周期，获取初始正负极固相扩散系数与预设的动力学衰减系数的倍数的乘积，得到每一循环充放电周期下的目标正负极固相扩散系数，获取初始正负极反应速率常数和预设的正负极反应速率常数系数的乘积，得到每一循环充放电周期下的目标正负极反应速率常数；
41.基于每一循环充放电周期下的目标正负极固相扩散系数和目标正负极反应速率常数，得到正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据。
42.本技术实施例的方案中，考虑了阻抗增加对于电池寿命衰减的参数，以正负极固相扩散系数和表面反应速率常数为代表，从新的视角，确定了包括了正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据的动力学预测参数。
43.在一些实施例中，测试结果数据包括正负极单层极片增加厚度、sei膜厚、电芯夹具初始预紧力以及主材料弹性模量，动力学预测参数包括由电解液消耗导致的正负极极片和隔离膜的第一材料参数的变化数据，第一材料参数包括厚度、固相体积分数、液相体积分数和布鲁格曼系数；
44.采用已构建的电池寿命衰减模型对测试结果数据进行处理，确定电池寿命预测参数包括以下步骤：
45.根据sei膜厚、电芯夹具初始预紧力、主材料弹性模量以及预设的膨胀力平衡方程，得到不同充放电循环周期下的正负极极片和隔离膜的第一材料参数，预设的膨胀力平衡方程基于夹具锁附螺栓、正负极极片以及隔离膜的弹性模量构建；
46.基于不同充放电循环周期下的正负极极片和隔离膜的第一材料参数，得到正负极极片和隔离膜的第一材料参数的变化数据。
47.本技术实施例的方案中，考虑了由sei膜生成导致的电芯膨胀力影响的正负极/隔离膜的固相体积分数、液相体积分数和布鲁格曼系数的变化，从动力学角度确定了影响电池寿命衰减的来源。
48.在一些实施例中，测试结果数据包括总孔隙体积、初始活性面积、电解液临界体积比、正负极极片和隔离膜的初始液相体积分数、以及不同充放电循环周期下的当前剩余电解液体积，锂电池预测参数包括由电解液消耗导致的正负极极片和隔离膜的第二材料参数的变化数据，第二材料参数包括液相体积分数和有效活性面积；
49.采用已构建的电池寿命衰减模型对测试结果数据进行处理，确定电池寿命预测参数包括以下步骤：
50.获取不同充放电循环周期下当前剩余电解液体积与总孔隙体积的比值；
51.根据比值、以及正负极极片和隔离膜的初始液相体积分数，得到不同充放电循环周期下正负极极片和隔离膜的液相体积分数；
52.基于每一充放电循环周期下的当前剩余电解液体积、总孔隙体积、初始活性面积以及电解液临界体积比，得到不同充放电循环周期下的正负极极片和隔离膜的有效活性面积；
53.根据不同充放电循环周期下的正负极极片的液相体积分数和有效活性面积，得到正负极极片的液相体积分数的变化数据和有效活性面积的变化数据；
54.根据不同充放电循环周期下的隔离膜的液相体积分数和有效活性面积，得到隔离膜的液相体积分数的变化数据和有效活性面积的变化数据。
55.本技术实施例的方案中，考虑了sei成膜与电解液消耗的联系，进而确定了因sei成膜消耗电解液影响电池寿命衰减的相关参数，考虑更为全面，能够有利于设计出寿命更长的电池。
56.第二方面，本技术提供了一种电池寿命预测方法。所述方法包括：
57.获取待测电池的电池寿命预测参数；
58.基于电池寿命预测参数对待测电池进行寿命衰减迭代预测，得到待测电池的寿命衰减预测数据；
59.其中，电池寿命预测参数基于上述电池寿命预测参数确定方法得到。
60.本技术实施例的方案中，获取待测电池的包括热力学预测参数、动力学预测参数和材料特性预测参数在内的电池寿命预测参数，基于热力学预测参数、动力学预测参数和材料特性预测参数对待测电池进行寿命衰减迭代预测，从多维度考虑了影响电池寿命衰减的因素，能够使得到的寿命衰减预测数据更为准确，并且，能够支持定量分析热力学预测参数、动力学预测参数和材料特性预测参数对电池寿命衰减的影响，更有利于找到影响电池寿命衰减的瓶颈，设计出更为长寿的电池。
61.在一些实施例中，基于电池寿命预测参数对待测电池进行寿命衰减迭代预测，得到待测电池的寿命衰减预测数据包括：
62.根据电池寿命预测参数对待测电池进行寿命衰减的仿真，得到初始寿命衰减预测数据和寿命衰减参数；
63.根据寿命衰减参数，更新电池寿命预测参数；
64.返回根据电池寿命预测参数对待测电池进行寿命衰减的仿真，得到初始寿命衰减预测数据和寿命衰减参数的步骤，直至达到预设的迭代结束条件，得到待测电池的寿命衰减预测数据。
65.本技术实施例的技术方案中，根据寿命衰减参数，更新电池寿命预测参数，进而根据更新后的寿命预测参数再次对待测电池进行寿命衰减的仿真，经过迭代循环的预测，保证了寿命衰减预测数据的准确性。
66.第三方面，本技术还提供了一种电池寿命预测参数确定装置。所述装置包括：
67.测试结果数据获取模块，用于获取待测电池在不同充放电循环周期下的测试结果数据；
68.电池寿命预测参数确定模块，用于基于所述测试结果数据，确定电池寿命预测参数，所述电池寿命预测参数包括热力学预测参数、动力学预测参数和材料特性预测参数。
69.第四方面，本技术还提供了一种电池寿命预测装置。所述装置包括：
70.电池寿命预测参数获取模块，用于获取待测锂电池的电池寿命预测参数；
71.电池寿命预测模块，用于基于所述电池寿命预测参数对所述待测电池进行寿命衰减迭代预测，得到所述待测电池的寿命衰减预测数据；
72.其中，所述电池寿命预测参数基于上述的电池寿命预测参数确定方法得到。
73.第五方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述电池寿命预测参数确定方法中和电池寿命预测方法中的步骤。
74.第六方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述电池寿命预测参数确定方法中和电池寿命预测方法中的步骤。
75.第七方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述电池寿命预测参数确定方法中和电池寿命预测方法中的步骤。
76.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
77.图1为一个实施例中电池寿命预测参数确定方法的应用环境图；
78.图2为一个实施例中电池寿命预测参数确定方法的流程示意图；
79.图3为另一个实施例中电池寿命预测参数确定方法的流程示意图；
80.图4为一个实施例中得到正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据步骤的流程示意图；
81.图5为另一个实施例中电池寿命预测参数确定方法的详细流程示意图；
82.图6为一个实施例中电池寿命预测方法的应用环境图；
83.图7为一个实施例中电池寿命预测方法的流程示意图；
84.图8为另一个实施例中电池寿命预测方法的流程示意图；
85.图9为一个实施例中电池寿命预测参数确定装置的结构框图；
86.图10为一个实施例中电池寿命预测装置的结构框图；
87.图11为一个实施例中计算机设备的内部结构图。
具体实施方式
88.下面将结合附图对本技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本技术的技术方案，因此只作为示例，而不能以此来限制本技术的保护范围。
89.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
90.在本技术实施例的描述中，技术术语“第一”“第二”等仅用于区别不同对象，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本技术实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
91.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
92.目前，从市场形势的发展来看，动力电池的应用越加广泛。动力电池不仅被应用于水力、火力、风力和太阳能电站等储能电源系统，而且还被广泛应用于电动自行车、电动摩托车、电动汽车等电动交通工具，以及军事装备和航空航天等多个领域。随着动力电池应用领域的不断扩大，其市场的需求量也在不断地扩增。在动力电池凭借其高能量和高功率密度的优势成为当代电动汽车的主要动力来源的同时，动力电池老化问题也制约了电动汽车的发展与推广，动力电池的老化会对电池性能甚至内部结构产生影响，甚至引发安全问题。因此，预测电池性能，设计出更为寿命更长的动力电池变得愈发重要。
93.传统技术中，由于电池的存储寿命或循环寿命测试都需要花费大量的时间，因此，电池领域研究者均采取寿命预测的方法来评估电池的可靠性。目前，数据驱动的电池寿命预测方法是目前常用的方法，通过对电池退化早期的数据提取相关特征，再通过算法建立特征-寿命之间的映射关系，最终实现对电池的寿命进行预测。然而这种方法也存在一些弊端：第一，预测精度取决于数据训练量；第二，预测维度单一，仅考虑了单一变量变化带来的活性锂损失，而没有综合考虑正负极材料损失，电解液消耗，膨胀力等因素耦合对寿命的影响，无预测电池在不同寿命阶段的倍率充放电性能、功率性能、温度性能等，更无法通过eol阶段的性能来反向优化电池设计。
94.本发明人注意到，在循环或存储过程中，正负极材质损失与电芯吞吐量相关联。随着电池的充放电循环中正极活性物质和负极活性物质嵌入或脱出离子，电芯体系副反应堆积厚度及石墨片层剥离等导致电芯会发生鼓胀，即正极片和负极片向外膨胀。极片膨胀对电池的性能及使用寿命有不利影响，例如，受力挤压可能导致极片孔隙率降低影响电解液
对极片的浸润，引起离子传输路径发生改变，带来析锂问题；极片在长期承受较大挤压力时，还可能断裂引发电池内短路风险等等。此外，电池在充放电循环中电解液也会被不断消耗，在电芯使用一定时间后，甚至会发生局部电解液枯竭，电芯鼓胀则会更进一步加剧局部电解液不足的状况。考虑动力学衰减因素，正负极固相扩散系数和表面反应速率的衰减也是引起电池寿命衰减的因素之一。
95.基于上述问题，本技术提供了一种从多维度分析电池寿命衰减来源的电池寿命衰减确定方法，通过对待测锂电池进行循环老化测试，获取待测锂电池在不同充放电循环周期下的测试结果数据，然后，基于测试结果数据和电化学数据，确定电池寿命预测参数，电池寿命预测参数包括热力学预测参数、动力学预测参数和材料特性预测参数，即实现了从热力学衰减、动力学衰减和材料特性衰减方面，分析得到可能引起电池寿命衰减的因素，更有利于反向优化电池的设计。
96.本技术实施例提供的电池寿命预测参数确定方法，可以应用于如图1所示的应用环境中。其中，控制器102通过网络与待测电池104的测试装置106进行通信。数据存储系统可以存储控制器102需要处理的数据。数据存储系统可以集成在控制器102上，也可以放在云上或其他网络服务器上。具体的，可以是测试人员对待测电池104环老化周期测试，测试装置106记录测试结果数据，并将每一充放电周期下的测试结果数据发送至控制器102，然后，发送电池寿命预测参数确定指令至控制器102，控制器102响应该指令，获取待测电池104在放电循环周期下的测试结果数据，然后，基于测试结果数据，确定电池寿命预测参数，其中，电池寿命预测参数包括热力学预测参数、动力学预测参数和材料特性预测参数。其中，控制器102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
97.在一些实施例中，如图2所示，提供了一种电池寿命预测参数确定方法，以该方法应用于图1中的控制器102为例进行说明，包括以下步骤：
98.步骤100，获取待测电池在不同充放电循环周期下的测试结果数据。
99.测试结果数据包括每一次充放电循环周期下的电池容量数据、截止电压数据、正负极的平衡电位数据、soc-ocv曲线以及温度等。在实际应用中，可以是每隔固定循环次数例如100次循环，以预设充放电倍率如0.04c对待测电池进行小电流充放电测试，然后，记录每一充放电循环周期下的测试结果数据。待测电池可以是锂离子电池(以下简称锂电池)。可以理解的是，循环次数和充放电倍率还可以是其他数值，具体可根据实际情况而定，在此不做限定。
100.步骤200，基于测试结果数据，确定电池寿命预测参数，电池寿命预测参数包括热力学预测参数、动力学预测参数和材料特性预测参数。
101.电池寿命预测参数是指可用于预测电池寿命的参数。热力学预测参数是指与温度相关的用于预测电池寿命的参数。动力学预测参数是指与电池反应速率和扩散系数相关的用于预测电池寿命的参数。材料特性预测参数是指因活性材料的变化相关的用于预测电池寿命的参数。在得到测试结果数据后，可以是结合多维度的电池寿命衰减机制，分析影响电池寿命衰减的来源，确定影响电池寿命衰减的预测参数。具体实施时，可以是从电极材料晶格结构的改变，电极材料发生分解、剥落或腐蚀造成活性材料减少，电解液分解消耗引起的
导电性下降和阻抗增加，副反应生成的气体、不溶物质以及粘结剂改性和集流体腐蚀引起的阻抗增加等衰减机理，以及其他可能导致容量衰减的机理，对测试结果数据进行处理，确定多个电池寿命预测参数。从维度层面来讲的话，确定出来的电池寿命预测参数可概括为热力学预测参数、动力学预测参数和材料特性预测参数。其中，热力学预测参数可以包括可脱嵌的活性物质的嵌入量。动力学预测参数可以包括正负极固相扩散系数、表面反应速率等。材料特性预测参数可以包括活性材料损失量、活性材料剩余量、电极液相体积分数变化以及有效活性面积变化等。
102.本技术实施例的方案中，通过对待测电池进行循环充放电测试，获取待测电池在不同充放电循环周期下的测试结果数据，基于待测电池在不同充放电循环周期下的测试结果数据和，确定出包括热力学预测参数、动力学预测参数和材料特性预测参数在内的电池寿命预测参数。上述方案，不仅考虑了材料特性衰减因素和热力学衰减因素，还考虑了动力学衰减因素，从多维度分析了可能影响电池寿命的寿命衰减来源，能够支持定量分析各不同预测参数对电池寿命衰减的影响，更有利于设计出更为长寿的电池。
103.如图3所示，在一些实施例中，步骤200包括：
104.步骤210，采用已构建的电池寿命衰减模型对测试结果数据进行处理，确定电池寿命预测参数，其中，电池寿命衰减模型基于不同电池寿命衰减机理和待测电池在循环充放电周期下的历史测试结果数据构建。
105.具体实施时，可以是基于上述电池寿命衰减机理，结合待测电池在不同循环充放电周期下的历史测试结果数据，构建电池寿命衰减模型。本实施例中，电池寿命衰减模型可以是由多个电池寿命衰减子模型组成的模型。具体的，电池寿命衰减子模型可以包括正负极材质损失衰减子模型、动力学衰减子模型、膨胀力子模型、电解液消耗衰减子模型、sei膜生长子模型和析锂子模型。可以理解的是，在其他实施例中，电池寿命衰减子模型还可以包括其他衰减子模型，具体可根据不同的电池寿命衰减机理构建，在此不做限定。本实施例中，可以是根据正负极材质损失衰减子模型、析锂子模型以及sei膜生长子模型对测试结果数据进行处理，确定热力学预测参数，根据动力学衰减子模型和膨胀力子模型对测试结果数据进行处理，确定动力学预测参数，根据电解液消耗模型和膨胀力子模型对测试结果数据进行处理，确定材料特性预测参数。
106.本技术实施例的方案中，基于电池寿命衰减机理，结合待测电池在不同循环充放电周期下的历史测试结果数据，预先构建电池寿命衰减模型，再通过构建好的电池寿命衰减模型对测试结果数据进行处理，能够直接高效地确定电池寿命预测参数，且保证电池寿命预测参数的准确度。
107.在一些实施例中，材料特性预测参数包括不同充放电循环周期下的正负极活性材料剩余量；
108.步骤210包括以下步骤：
109.步骤220，根据热力学充放电容量计算原理对测试结果数据进行处理，得到最优正负极活性材料剩余量。
110.步骤222，根据最优正负极活性材料剩余量、预设的正负极活性材料总量和预设电芯吞吐量，确定不同充放电循环周期下的正负极活性材料剩余量。
111.充放电容量是指电池在指定的充放电条件下所能接受或释放的总电荷量。正负极
材质损失指的是锂离子电池在循环或存储过程中，由于颗粒表面相变，颗粒破碎，结构破坏或者随着电解液消耗局部材料不能被浸润出现被隔离而导致的活性材料减少量。本实施例中，正负极活性材料剩余量包括正极活性材料剩余量和负极活性材料剩余量，正负极活性材料总量包括正极活性材料总量和负极活性材料总量。
112.本实施例可以是针对采用正负极材质损失衰减子模型对测试结果数据进行处理，确定不同充放电循环周期下的正负极活性材料剩余量的详细说明。热力学充放电容量计算原理即指电芯热力学充放电容量计算原理，具体的，计算原理可以是：
113.cap_cell＝(socmax_pos-socmin_pos)*pos_eff*q_pos
114.cap_cell＝(socmax_negsocmin_neg)*neg_eff*q_neg
115.其中，neg_eff为负极活性材料剩余量、pos_eff为正极活性材料剩余量、cap_cell为小倍率充放电容量，socmax_pos为正极最大嵌锂量，socmin_pos为正极最小嵌锂量，q_pos为正极克容量，q_neg为负克容量，socmax_neg为负极最大嵌锂量，socmin_neg为负极最小嵌锂量。测试结果数据可以是在固定循环次数如100次循环的小倍率充放电测试下的soc-ocv曲线、充放电容量数据、正负极克容量、正负极材料的平衡电位曲线。具体的，可以预先给出正极最小嵌锂量的初始值和负极最小嵌锂量的初始值，结合正负极材料的平衡电位曲线，再基于上述热力学充放电容量计算原理，可以得到相应的固定循环次数下的正极最大嵌锂量、正极最小嵌锂量、负极最大嵌锂量、负极最大嵌锂量、正极活性材料剩余量和负极活性材料剩余量。然后，基于正极最大嵌锂量、正极最小嵌锂量、负极最大嵌锂量、负极最大嵌锂量，构建预测soc-ocv曲线，比较得到的预测soc-ocv曲线与实际测试得到的soc-ocv曲线是否一致，若不一致，则可采用牛顿迭代算法不断调整正极最大嵌锂量、负极最大嵌锂量，正极活性材料剩余量和负极活性材料剩余量，若寻优得到的soc-ocv曲线与实际测试得到的soc-ocv曲线的误差满足预设要求，即两条曲线基本一致，则得到最优的正极最大嵌锂量、负极最大嵌锂量，正极活性材料剩余量和负极活性材料剩余量。得到最优的正极活性材料剩余量和负极活性材料剩余量后，可以是将最优的正极活性材料剩余量、负极活性材料剩余量、预设的正负极活性材料总量和预设电芯吞吐量，输入至正负极材质损失衰减子模型，得到不同充放电循环周期下的正负极活性材料剩余量。可以理解的是，在其他实施例中，还可以采用其他参数寻优算法进行优化，例如模拟退化算法。
116.本技术实施例的方案中，考虑了电芯吞吐量对正负极材质损失的影响，并结合热力学充放电容量计算原理以及参数寻优算法，客观且准确地得到了不同充放电循环周期下的正负极活性材料剩余量。
117.在一些实施例中，步骤222包括：
118.步骤224，根据最优正负极活性材料剩余量和预设正负极活性材料总量，得到正负极活性材料损失量。
119.步骤226，根据正负极活性材料损失量和预设电芯吞吐量，得到正负极材料损失速率。
120.步骤228，根据正负极材料损失速率、预设电芯吞吐量以及预设正负极活性材料总量，确定不同充放电循环周期下的正负极活性材料剩余量。
121.正负极材料损失速率包括正极材料损失速率和负极材料损失速率。正负极材质损失衰减子模型包括正极材质损失衰减子模型和负极材质损失衰减子模型。其中，正极材质
损失衰减子模型的控制方程可以是pos_eff(i)＝pos_eff_0
–
k_am_pos*q，负极材质损失衰减子模型的控制方程可以是neg_eff(i)＝neg_eff_0
–
k_am_neg*q。其中，pos_eff(i)为第i个cycle正极活性材料剩余量，其中，q为预设的电芯吞吐量，pos_eff_0为第0个cycle正极活性材料总量，k_am_pos为正极材质损失速率，neg_eff(i)为第i个cycle负极活性材料剩余量，neg_eff_0为第0个cycle负极活性材料总量。承接上述实施例，得到最优正负极活性材料剩余量后，可以将预设的正负极活性材料总量减去最优正负极活性材料剩余量，得到正负极活性材料损失量，然后，根据正负极活性材料损失量和电芯吞吐量，构建正负极活性材料损失量和电芯吞吐量的关系曲线，获取正负极活性材料损失量与电芯吞吐量的斜率，得到正负极材料损失速率。然后，分别从正极和负极两个维度，将正极材料损失速率、预设电芯吞吐量和预设正极活性材料总量代入至正极材质损失衰减子模型，得到正极活性材料剩余量，将负极材料损失速率、预设电芯吞吐量和预设负极活性材料总量代入至负极材质损失衰减子模型，得到负极活性材料剩余量。可以理解的是，本实施例中，考虑与电芯吞吐量相关的正负极材质损失表达式仅是一种实施方式，在其他实施例中，还可以是包括但不限于其他诸如考虑颗粒破碎，表面相变等的正负极材质损失控制方程。
122.本技术实施例的方案中，从电芯吞吐量和正负极材料损失速率两个维度，确定正负极活性材料剩余量，能够准确得到不同循环周期下与电芯吞吐量相关联的正负极材料剩余量。
123.在一些实施例中，待测电池包括待测锂电池，测试结果数据包括sei成膜反应参数、析锂反应参数以及正负极ocv曲线，热力学预测参数包括不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量；
124.步骤210包括以下步骤：
125.步骤230，根据正负极活性材料总量、正负极活性材料损失量、sei成膜反应参数以及析锂反应参数，确定不同充放电循环周期下的锂剩余量。
126.步骤232，基于正负极ocv曲线、锂剩余量、预设上下限截止电压以及预设电极嵌锂量初始值，采用牛顿迭代算法进行ocv曲线重构，得到不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量。
127.本实施例中，待测电池以锂电池为例。sei膜指的是负极颗粒表面的一层固态电解质。sei成膜反应参数是指在sei膜形成过程(成膜反应)中所涉及的参数。例如，sei成膜电流、sei成膜反应传递系数、sei成膜过电位、溶剂扩散系数以及1库伦sei成膜电流生成的sei体积等等。析锂反应参数只指在锂电池充电阶段，锂离子析出在负极表面，形成一层灰色物质的过程所涉及的参数。例如，锂析出局部电流密度，锂析出的交换电流密度以及锂析出阴极传递系数等。
128.本实施例是针对基于析锂子模型和测试结果数据，计算得到正负极的最大嵌锂量和最小嵌锂量的详细说明。在实际应用中，在每一充放电循环周期中，考虑了sei成膜造成的锂损失量，考虑了析锂反应造成的锂损失量，以及正负极活性材料损失造成的锂损失量，再结合正负极活性材料总量，得到不同充放电循环周期下的锂剩余量。进一步的，结合锂剩余量确定方程：li_left*f＝socmax_pos*pos_eff*q_pos+socmin_neg*neg_eff*q_neg＝socmin_pos*pos_eff*q_pos+socmax_neg*neg_eff*q_neg，已知li_left、pos_eff、neg_eff、q_pos、q_neg，以及给定socmin_pos初始值，可以计算得到socmax_neg，根据正负极ocv
曲线可以得到正负极的平衡电位，此时的正极平衡电位减去负极平衡电位即为电芯的上下限截止电压，其与预设的上下限截止电压差值为δv，通过牛顿迭代算法，不断调整socmin_pos使得δv小于预设误差值。这样就得到了不同充放电循环周期下的socmin_pos，socmax_neg。同理可得到socmax_pos和socmin_neg，其中，li_left为锂剩余量。
129.本技术实施例的方案中，首先确定不同充放电循环周期下的锂剩余量，进而结合正负极ocv曲线和预设参量，对ocv进行重构，能够准确得到不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量。
130.在一些实施例中，sei成膜反应参数包括多孔sei成膜反应参数和破碎sei成膜反应参数；
131.步骤230包括：根据多孔sei成膜反应参数和破碎sei成膜反应参数，获取由sei成膜造成的第一锂损失量，根据析锂反应参数，获取由析锂反应造成的第二锂损失量，根据第一锂损失量、第二锂损失量和正负极活性材料损失量，得到锂损失总量，根据锂损失总量和正负极活性材料总量，确定不同充放电循环周期下的锂剩余量。
132.承接上述实施例，针对获取sei成膜造成的第一锂损失量的过程，可以是采用考虑以溶剂扩散为主导的sei膜生长子模型计算得到。具体的，该sei膜生长子模型同时考虑了多孔sei和破碎sei两部分不同的形成速率，即多孔sei成膜反应参数包括多孔sei膜形成速率，和破碎sei成膜形成速率。sei膜生长控制方程表达式如下：
133.i_sei＝(1+h*kcrd)*j/(exp(α*η
sei
*f/(r*t))+q
sei
*f*j)
134.kcrd＝2*i_charge/i_1c,x《0.3，kcrd＝1*i_charge/i_1c,x》0.7；kcrd＝0,0.3＜x＜0.7，f＝v/(c*ds_ec*f*a2)，(1+h*kcrd)中的1为多孔sei成膜部分，h*kcrd为破碎sei成膜部分。
135.其中，i_sei为sei成膜电流；h为与温度相关联的常量；kcrd为破碎sei成膜系数，j为与温度相关联的常量；α为sei成膜反应传递系数；η
sei
为sei成膜过电位；f为法拉第常数；r为理想气体常数；t为温度；q
sei
为累计生成sei库伦值；i_charge为充电电流大小；i_1c为1c电流大小；x为阳极嵌锂量；v为1库伦sei成膜电流生成的sei体积；c为溶剂浓度；ds_ec为溶剂扩散系数，与温度相关联；a为阳极颗粒表面积。可以理解的是，本技术实施例中的sei膜生长控制方程表达式仅是一种实施方式，在其他实施例中，还可以是考虑其他因素的sei膜生长控制方程表达式。
136.上述控制方程通过活化能考虑不同温度对ds_ec(溶剂扩散系数)和h的影响，从而得到不同存储时间或循环周期，不同温度下的sei成膜电流大小，进而得到锂损失摩尔量。具体的，可以是基于上述控制方程对测试结果数据进行处理，得到sei成膜电流i_sei，然后，获取i_sei与充放电循环周期时长t的乘积，将该乘积与法拉第常数f的比值，确定为由sei成膜造成的锂损失量，即第一锂损失量。
137.针对获取析锂反应造成的第二锂损失量，可以是通过析锂子模型对测试结果数据进行处理得到。具体的，
138.锂析出的电流密度为：
139.锂层等效厚度为：
140.锂层和sei膜增厚的总厚度为：
141.锂层和sei膜增厚造成负极颗粒表面内阻增大：
142.膜厚的增加会降低阳极孔隙率：
143.其中，j
lpl
为锂析出的局部电流密度，j
tot
为总电流密度，i
0，lpl
为锂析出的交换电流密度，α
c，lpl
为锂析出阴极传递系数，φs为固相电势，φe为液相电势，a为比表面积，c
sei
、ρ
sei
、m
sei
、ω
sei
、κ
sei
分别为sei膜的浓度、密度、摩尔质量、sei膜在总膜厚的体积分数、离子电导率，r
film
、δ
film
分别为膜阻、膜厚。
144.具体实施时，可以是利用上述析锂子模型对测试结果数据进行处理，得到锂析出的电流密度，同样的，获取锂析出的电流密度与充放电循环周期时长t的乘积，将该乘积与法拉第常数f的比值，确定为由析锂反应造成的锂损失量，即第二锂损失量。可以理解的是，本实施例中采用的析锂子模型仅用于示例，在其他实施例中，还可以是采用析锂控制方程。
145.承接上述过程，得到不同充放电循环周期下的第一锂损失量、第二锂损失量和正负极活性材料损失量后，将第一锂损失量、第二锂损失量和正负极活性材料损失量相加，得到锂损失总量，再将正负极活性材料总量减去锂损失总量，得到不同充放电循环周期下的锂剩余量。
146.本技术实施例的方案中，不仅考虑了正负极材质损失造成的锂损失，还考虑了由sei成膜造成的锂损失以及析锂反应造成的锂损失，能够更为准确地确定不同充放电循环周期下的锂剩余量，进而确保正负极的最大嵌锂量和最小嵌锂量的准确度。
147.如图4所示，在一些实施例中，待测电池包括待测锂电池，动力学预测参数包括正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据；
148.步骤100包括：步骤120，对待测锂电池进行循环电化学阻抗测试，获取不同循环充放电周期下的初始正负极固相扩散系数和初始正负极反应速率常数。
149.步骤210包括以下步骤：
150.步骤240，针对每一循环充放电周期，获取初始正负极固相扩散系数与预设的动力学衰减系数的倍数的乘积，得到每一循环充放电周期下的目标正负极固相扩散系数，获取初始正负极反应速率常数和预设的正负极反应速率常数系数的乘积，得到每一循环充放电周期下的目标正负极反应速率常数；
151.步骤242，基于每一循环充放电周期下的目标正负极固相扩散系数和目标正负极反应速率常数，得到正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据。
152.本实施例中，考虑的动力学衰减参数为正负极固相扩散系数和表面反应速率常数。具体的，考虑正负极固相扩散系数和表面反应速率常数衰减的倍数与时间相关联，预先构建阴极固相扩散系数和表面反应速率常数衰减的倍数λ＝1/(a*t+1)。然后，对待测锂电池进行循环电化学阻抗测试，获取不同循环充放电周期下的初始正负极固相扩散系数ds1和初始正负极反应速率常数k1，然后，对其进行归一化处理，具体的，可以是第1圈循环测试时，初始化正负极固相扩散系数和表面反应速率常数为1，针对后续的每一循环充放电周期，获取初始正负极固相扩散系数ds1与λ的乘积，得到每一循环充放电周期下的目标正负
极固相扩散系数ds，获取初始正负极反应速率常数k1和λ的乘积，得到每一循环充放电周期下的目标正负极反应速率常数k。最后，再分析每一循环充放电周期下的ds和k，得到正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据。
153.本技术实施例的方案中，考虑了阻抗增加对于电池寿命衰减的参数，以正负极固相扩散系数和表面反应速率常数为代表，从新的视角，确定了包括正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据的动力学预测参数。
154.在一些实施例中，测试结果数据包括正负极单层极片增加厚度、sei膜厚、电芯夹具初始预紧力以及主材料弹性模量，动力学预测参数包括由电解液消耗导致的正负极极片和隔离膜的第一材料参数的变化数据，第一材料参数包括厚度、固相体积分数、液相体积分数和布鲁格曼系数；
155.步骤210包括：步骤250，根据sei膜厚、电芯夹具初始预紧力、主材料弹性模量以及预设的膨胀力平衡方程，得到不同充放电循环周期下的正负极极片和隔离膜的第一材料参数，预设的膨胀力平衡方程基于夹具锁附螺栓、正负极极片以及隔离膜的弹性模量构建。
156.步骤252，基于不同充放电循环周期下的正负极极片和隔离膜的第一材料参数，得到正负极极片和隔离膜的第一材料参数的变化数据。
157.弹性模量是一种测量物体或物质的到弹性变形阻力。物体的弹性模量定义为其在弹性变形区域的应力-应变曲线的斜率：越硬的材料将具有越高的弹性模量。在实际应用中，本技术发明人意识到，sei膜厚的增加会增加电芯膨胀力，进而导致极片膨胀，而极片膨胀对电池的性能及使用寿命有不利影响。因此，结合夹具锁附螺栓、正负极片和隔离膜的弹性模量构建了膨胀力子模型。
158.具体的，膨胀力子模型中，假设负极极片厚度增加的比例与负极单颗粒体积增长的比例一致，即：
159.其中，δl指负极单层极片增加的厚度，l_neg指负极极片厚度，rp
_neg3
指负极颗粒半径，th_film指sei膜厚度，δl乘以电芯负极极片总层数即为电芯的自由膨胀增加的厚度。实际电芯在膨胀过程中，夹具锁附螺栓被拉长产生反作用力，与电芯自由膨胀后的压缩产生的力相等，再基于膨胀力子模型的平衡方程可以得到此时膨胀力的大小与δl之间的关系。根据不同循环周期下，基于sei膜厚度计算得到的δl的大小，可以得到相应的膨胀力大小，再基于正负极极片和隔离膜的弹性模量可以得到被压缩后的正负极极片和隔离膜的厚度大小，记为l_pos/neg/sep。正负极极片和隔离膜的厚度被压缩，假设总固相体积不变(各种物质所占体积均一致)，可以计算得到正负极极片和隔离膜的固相体积分数的大小，记为epss_pos/neg/sep，进而计算得到液相体积分数(epsl_pos/neg/sep＝1-epss_pos/neg/sep)的大小。同时由液相体积分数与布鲁格曼系数的关系可以得到正负极、隔离膜的布鲁格曼系数的变化(brug_pos/neg/sep＝a*(1-b*ln(epsl_pos/neg/sep)))，其中a，b为常数。可以理解的是，本实施例中，构建的膨胀力模型仅仅作为示例，在其他实施例中，还可以是采用考虑诸如可逆膨胀，产气膨胀等膨胀力子模型，具体可根据实际情况而定。
160.本技术实施例的方案中，考虑了由sei膜生成导致的电芯膨胀力影响的正负极/隔离膜的固相体积分数、液相体积分数和布鲁格曼系数的变化，从动力学角度确定了影响电池寿命衰减的来源。
161.在一些实施例中，测试结果数据包括总孔隙体积、初始活性面积、电解液临界体积比、正负极极片和隔离膜的初始液相体积分数、以及不同充放电循环周期下的当前剩余电解液体积，锂电池预测参数包括由电解液消耗导致的正负极极片和隔离膜的第二材料参数的变化数据，第二材料参数包括液相体积分数和有效活性面积；
162.步骤210包括以下步骤：
163.步骤260，获取不同充放电循环周期下当前剩余电解液体积与总孔隙体积的比值。
164.步骤262，根据比值、以及正负极极片和隔离膜的初始液相体积分数，得到不同充放电循环周期下正负极极片和隔离膜的液相体积分数。
165.步骤264，基于每一充放电循环周期下的当前剩余电解液体积、总孔隙体积、初始活性面积以及电解液临界体积比，得到不同充放电循环周期下的正负极极片和隔离膜的有效活性面积。
166.步骤266，根据不同充放电循环周期下的正负极极片的液相体积分数和有效活性面积，得到正负极极片的液相体积分数的变化数据和有效活性面积的变化数据。
167.步骤268，根据不同充放电循环周期下的隔离膜的液相体积分数和有效活性面积，得到隔离膜的液相体积分数的变化数据和有效活性面积的变化数据。
168.本实施例中，考虑电解液消耗与sei成膜相关联。确定由电解液消耗导致的正负极极片和隔离膜的第二材料参数的变化数据可以是根据预先构建的电解液消耗模型计算得到。具体的，可以是假设电解液中ec溶剂的组分与sei成膜成比例关系，如每生成一摩尔的sei，即消耗一摩尔的ec溶剂。研究发现，随着电解液消耗，极片中的孔隙不能被填满，从而影响了正负极极片和隔离膜的液相体积分数。此时，可认为：epsl’_pos/neg/sep＝el_v/epsa*epsl_pos/neg/sep，其中，el_v为当前剩余电解液体积，epsa为总空隙体积(定值)，epsl_pos为极片中的孔隙完全被电解液填充时的液相体积分数。当电解液进一步消耗，活性颗粒不能够完全被浸润，会出现活性比表面积下降，可基于每一充放电循环周期下的当前剩余电解液体积、总孔隙体积、初始活性面积以及电解液临界体积比，得到不同充放电循环周期下的正负极极片和隔离膜的有效活性面积。具体的，当活性比表面积下降，则有：a_pos＝el_v/(epsa*x)*a_pos，其中，a_pos为当前有效的活性面积，x为电解液临界体积比，a_pos为初始活性面积。然后，分析不同充放电循环周期下的正负极极片的液相体积分数和有效活性面积，得到正负极极片的液相体积分数的变化数据和有效活性面积的变化数据，根据不同充放电循环周期下的隔离膜的液相体积分数和有效活性面积，得到隔离膜的液相体积分数的变化数据和有效活性面积的变化数据。可以理解的是，本实施例中的电解液消耗模型仅是一种实现方式，在其他实施例中，还可以是考虑其他因素影响电解液消耗的电解液消耗模型。
169.本技术实施例的方案中，考虑了sei成膜与电解液消耗的联系，进而确定了因sei成膜消耗电解液影响电池寿命衰减的相关参数，考虑更为全面，能够有利于设计出寿命更长的电池。
170.如图5所示，为了对本技术提供的电池寿命预测参数确定方法做出更为详细的说明，下面结合一个具体实施例进行说明，该实施例中，待测电池以锂电池为例，包括以下步骤：
171.步骤1：对待测锂电池进行循环老化周期测试，获取待测锂电池在不同充放电循环
周期下的测试结果数据。测试结果数据包括每一次充放电循环周期下的电池容量数据、截止电压数据、正负极的平衡电位数据、soc-ocv曲线以及温度等。
172.步骤2：采用已构建的正负极材质损失衰减子模型对测试结果数据进行处理，根据热力学充放电容量计算原理对测试结果数据进行处理，得到最优正负极活性材料剩余量，根据最优正负极活性材料剩余量和预设正负极活性材料总量，得到正负极活性材料损失量，根据正负极活性材料损失量和预设电芯吞吐量，得到正负极材料损失速率，根据正负极材料损失速率、预设电芯吞吐量以及预设正负极活性材料总量，确定不同充放电循环周期下的正负极活性材料剩余量。
173.步骤3：采用已构建的sei膜生长子模型对测试结果数据进行计算处理，获取由sei成膜造成的第一锂损失量，采用已构建的析锂子模型对测试结果数据进行处理，获取由析锂反应造成的第二锂损失量，然后基于第一锂损失量、第二锂损失量和正负极活性材料总量，确定不同充放电循环周期下的锂剩余量，基于正负极ocv曲线、锂剩余量、预设上下限截止电压以及预设电极嵌锂量初始值，采用牛顿迭代算法进行ocv曲线重构，得到不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量。
174.步骤4：对待测锂电池进行循环电化学阻抗测试，获取不同循环充放电周期下的初始正负极固相扩散系数和初始正负极反应速率常数，基于已构建的动力学衰减子模型，针对每一循环充放电周期，获取初始正负极固相扩散系数与预设的动力学衰减系数的倍数的乘积，得到每一循环充放电周期下的目标正负极固相扩散系数，获取初始正负极反应速率常数和预设的正负极反应速率常数系数的乘积，得到每一循环充放电周期下的目标正负极反应速率常数，进而基于每一循环充放电周期下的目标正负极固相扩散系数和目标正负极反应速率常数，得到正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据。
175.步骤5：根据sei膜厚、电芯夹具初始预紧力、主材料弹性模量以及预设的膨胀力平衡方程，得到不同充放电循环周期下的正负极极片和隔离膜的第一材料参数，基于不同充放电循环周期下的正负极极片和隔离膜的第一材料参数，得到正负极极片和隔离膜的第一材料参数的变化数据，第一材料参数包括厚度、固相体积分数、液相体积分数和布鲁格曼系数。
176.步骤6：基于电解液消耗子模型，获取不同充放电循环周期下当前剩余电解液体积与总孔隙体积的比值，根据比值、以及正负极极片和隔离膜的初始液相体积分数，得到不同充放电循环周期下正负极极片和隔离膜的液相体积分数。根据不同充放电循环周期下的正负极极片和隔离膜的液相体积分数和有效活性面积，得到正负极极片和隔离膜关于液相体积分数的变化数据和有效活性面积的变化数据。
177.本技术实施例提供的电池寿命预测确定方法，可以应用于如图6所示的应用环境中。其中，终端108通过网络与服务器110进行通信。数据存储系统可以存储服务器110需要处理的数据。数据存储系统可以集成在服务器110上，也可以放在云上或其他网络服务器上。具体的，可以是测试人员通过终端108发送携带电池寿命预测参数的电池寿命预测指令至服务器110，服务器110响应该指令，获取待测电池的电池寿命预测参数，基于电池寿命预测参数对待测电池进行寿命衰减迭代预测，得到待测电池的寿命衰减预测数据，其中，电池寿命预测参数基于上述的电池寿命预测参数确定方法得到。其中，服务器110可以但不限于
是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
178.在一些实施例中，如图7所示，提供了一种电池寿命预测参数确定方法，以该方法应用于图6中的服务器110为例进行说明，包括以下步骤：
179.步骤300，获取待测电池的电池寿命预测参数，其中，电池寿命预测参数基于上述电池寿命预测参数确定方法得到。
180.由上述电池寿命预测参数确定方法的实施例可知，电池寿命预测参数包括动力学预测参数、热力学预测参数以及材料特性预测参数。具体的，热力学预测参数包括不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量。材料特性预测参数包括不同充放电循环周期下的正负极活性材料剩余量、正负极极片和隔离膜的厚度、固相体积分数、液相体积分数和布鲁格曼系数的变化数据、正负极极片和隔离膜的液相体积分数的变化数据和有效活性面积的变化数据。动力学预测参数包括正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据。
181.步骤400，基于电池寿命预测参数对待测电池进行寿命衰减迭代预测，得到待测电池的寿命衰减预测数据。
182.寿命衰减预测数据包括容量衰减曲线。在得到上述电池预测参数后，可以是基于电池寿命预测参数对待测电池进行寿命衰减迭代预测，得到待测电池的寿命衰减预测数据。具体的，寿命衰减迭代预测可以通过电池仿真模型进行，可以是将寿命衰减迭代预测输入至电池仿真模型，以预设的容量下限值作为迭代结束条件，以得到相应的寿命衰减预测数据。
183.本技术实施例的方案中，获取待测电池的包括热力学预测参数、动力学预测参数和材料特性预测参数在内的电池寿命预测参数，基于热力学预测参数、动力学预测参数和材料特性预测参数对待测电池进行寿命衰减迭代预测，从多维度考虑了影响电池寿命衰减的因素，能够使得到的寿命衰减预测数据更为准确，并且，能够支持定量分析热力学预测参数、动力学预测参数和材料特性预测参数对电池寿命衰减的影响，更有利于找到影响电池寿命衰减的瓶颈，设计出更为长寿的电池。
184.如图8所示，一些实施例中，步骤400包括：
185.步骤420，根据电池寿命预测参数对待测电池进行寿命衰减的仿真，得到初始寿命衰减预测数据和寿命衰减参数。
186.步骤440，根据寿命衰减参数，更新电池寿命预测参数，返回步骤420。
187.步骤460，若达到预设的迭代结束条件，停止迭代，得到待测电池的寿命衰减预测数据。
188.本实施例中，寿命衰减预测数据包括容量衰减预测数据和功率衰减预测数据。根据电池寿命预测参数对待测电池进行寿命衰减的仿真可以是将电池寿命预测参数输入至预设的电化学模型中进行容量衰减和功率衰减的仿真，预设的电化学模型可以是p2d电化学/热模型。如上述实施例所述，电池寿命预测参数是基于电池寿命衰减模型确定得到。本实施例中，根据寿命衰减参数，更新电池寿命预测参数可以是将寿命衰减参数反馈至电池寿命衰减模型，以使电池寿命衰减模型更新电池寿命预测参数，然后继续将更新后的电池
寿命预测参数输入至p2d电化学/热模型中，进行迭代预测。电池寿命衰减模型可以是由正负极材质损失衰减子模型、动力学衰减子模型、膨胀力子模型、电解液消耗衰减子模型、sei膜生长子模型和析锂子模型组成的模型，也可以是包括正负极材质损失衰减子模型、动力学衰减子模型、膨胀力子模型、电解液消耗衰减子模型、sei膜生长子模型、析锂子模型和其他衰减子模型的模型。
189.具体实施时，可以是在获取电池寿命预测参数后，可以是将电池寿命预测参数输入至p2d电化学/热模型进行容量与功率衰减的仿真，p2d电化学/热模型会基于电池寿命预测参数，计算出阳极电位、温度、液相电势、固相电势以及容量等寿命衰减参数，然后将寿命衰减参数反馈至寿命衰减模型，具体的，可以是将阳极电位反馈给sei膜生长子模型，将温度值反馈给正负极材质损失衰减子模型、动力学衰减子模型，以更新正负极材质损失速率、sei膜增长溶剂扩散系数/h值、正负极固相扩散系数和表面反应速率常数k的衰减，将液相电势、固相电势反馈给析锂子模型，以使得个电池寿命衰减子模型更新输出的电池寿命预测参数，再将更新后的电池寿命预测参数输入至预设的电化学模型进行容量与功率衰减的仿真，以更新p2d电化学/热模型输出的容量预测数据、初始功率衰减预测数据和寿命衰减参数，按照上述方式进行迭代循环，直至p2d电化学/热模型输出的容量值满足预设的迭代停止条件，如容量值达到预设的容量阈值如70％，停止迭代计算，得到待测电池的容量衰减曲线和功率衰减曲线。
190.本技术实施例的技术方案中，根据寿命衰减参数，更新电池寿命预测参数，进而根据更新后的寿命预测参数再次对待测电池进行寿命衰减的仿真，经过迭代循环的预测，保证了寿命衰减预测数据的准确性。
191.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
192.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的电池寿命预测参数确定方法的电池寿命预测参数确定装置以及电池寿命预测方法的电池寿命预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电池寿命预测参数确定装置实施例中的具体限定可以参见上文中对于电池寿命预测参数确定方法的限定，在此不再赘述。
193.在一些实施例中，如图9所示，提供了一种池寿命预测参数确定装置，包括：测试结果数据获取模块和电池寿命预测参数确定模块，其中：
194.测试结果数据获取模块910，用于获取待测电池在不同充放电循环周期下的测试结果数据。
195.电池寿命预测参数确定模块920，用于基于测试结果数据，确定电池寿命预测参数，电池寿命预测参数包括热力学预测参数、动力学预测参数和材料特性预测参数。
196.本技术实施例的方案中，通过对待测电池进行循环充放电测试，获取待测电池在
不同充放电循环周期下的测试结果数据，基于待测电池在不同充放电循环周期下的测试结果数据，确定出包括热力学预测参数、动力学预测参数和材料特性预测参数在内的电池寿命预测参数。上述方案，不仅考虑了材料特性衰减因素和热力学衰减因素，还考虑了动力学衰减因素，从多维度分析了可能影响电池寿命的寿命衰减来源，能够支持定量分析各不同预测参数对电池寿命衰减的影响，更有利于设计出更为长寿的电池。
197.在一些实施例中，电池寿命预测参数确定模块920还用于采用已构建的电池寿命衰减模型对测试结果数据进行处理，确定电池寿命预测参数，其中，电池寿命衰减模型基于不同电池寿命衰减机理和待测电池在循环充放电周期下的历史测试结果数据构建。
198.在一些实施例中，材料特性预测参数包括不同充放电循环周期下的正负极活性材料剩余量；电池寿命预测参数确定模块920还用于根据热力学充放电容量计算原理对测试结果数据进行处理，得到最优正负极活性材料剩余量，根据最优正负极活性材料剩余量、预设正负极活性材料总量和预设电芯吞吐量，确定不同充放电循环周期下的正负极活性材料剩余量。
199.在一些实施例中，电池寿命预测参数确定模块920还用于根据最优正负极活性材料剩余量和预设的正负极活性材料总量，得到正负极活性材料损失量，根据正负极活性材料损失量和预设电芯吞吐量，得到正负极材料损失速率，根据正负极材料损失速率、预设电芯吞吐量以及预设正负极活性材料总量，确定不同充放电循环周期下的正负极活性材料剩余量。
200.在一些实施例中，待测电池包括待测锂电池，测试结果数据包括sei成膜反应参数、析锂反应参数以及正负极ocv曲线，热力学预测参数包括不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量；
201.电池寿命预测参数确定模块920还用于根据正负极活性材料总量、正负极活性材料损失量、sei成膜反应参数以及析锂反应参数，确定不同充放电循环周期下的锂剩余量，基于正负极ocv曲线、锂剩余量、预设上下限截止电压以及预设电极嵌锂量初始值，采用牛顿迭代算法进行ocv曲线重构，得到不同充放电循环周期下的正负极的最大嵌锂量和最小嵌锂量。
202.在一些实施例中，sei成膜反应参数包括多孔sei成膜反应参数和破碎sei成膜反应参数；
203.电池寿命预测参数确定模块920还用于根据多孔sei成膜反应参数和破碎sei成膜反应参数，获取由sei成膜造成的第一锂损失量，根据析锂反应参数，获取由析锂反应造成的第二锂损失量，根据第一锂损失量、第二锂损失量和正负极活性材料损失量，得到锂损失总量，根据锂损失总量和正负极活性材料总量，确定不同充放电循环周期下的锂剩余量。
204.在一些实施例中，待测电池包括待测锂电池，动力学预测参数包括正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据；
205.测试结果数据获取模块910还用于对待测锂电池进行循环电化学阻抗测试，获取不同循环充放电周期下的初始正负极固相扩散系数和初始正负极反应速率常数；
206.电池寿命预测参数确定模块920还用于针对每一循环充放电周期，获取初始正负极固相扩散系数与预设的动力学衰减系数的倍数的乘积，得到每一循环充放电周期下的目标正负极固相扩散系数，获取初始正负极反应速率常数和预设的正负极反应速率常数系数
的乘积，得到每一循环充放电周期下的目标正负极反应速率常数，基于每一循环充放电周期下的目标正负极固相扩散系数和目标正负极反应速率常数，得到正负极固相扩散系数的变化数据和正负极表面反应速率常数的变化数据。
207.在一些实施例中，测试结果数据包括正负极单层极片增加厚度、sei膜厚、电芯夹具初始预紧力以及主材料弹性模量，动力学预测参数包括由电解液消耗导致的正负极极片和隔离膜的第一材料参数的变化数据，第一材料参数包括厚度、固相体积分数、液相体积分数和布鲁格曼系数；
208.电池寿命预测参数确定模块920还用于根据sei膜厚、电芯夹具初始预紧力、主材料弹性模量以及预设的膨胀力平衡方程，得到不同充放电循环周期下的正负极极片和隔离膜的第一材料参数，预设的膨胀力平衡方程基于夹具锁附螺栓、正负极极片以及隔离膜的弹性模量构建，基于不同充放电循环周期下的正负极极片和隔离膜的第一材料参数，得到正负极极片和隔离膜的第一材料参数的变化数据。
209.在一些实施例中，测试结果数据包括总孔隙体积、初始活性面积、电解液临界体积比、正负极极片和隔离膜的初始液相体积分数、以及不同充放电循环周期下的当前剩余电解液体积，锂电池预测参数包括由电解液消耗导致的正负极极片和隔离膜的第二材料参数的变化数据，第二材料参数包括液相体积分数和有效活性面积；
210.电池寿命预测参数确定模块920还用于获取不同充放电循环周期下当前剩余电解液体积与总孔隙体积的比值，根据比值、以及正负极极片和隔离膜的初始液相体积分数，得到不同充放电循环周期下正负极极片和隔离膜的液相体积分数，基于每一充放电循环周期下的当前剩余电解液体积、总孔隙体积、初始活性面积以及电解液临界体积比，得到不同充放电循环周期下的正负极极片和隔离膜的有效活性面积，根据不同充放电循环周期下的正负极极片的液相体积分数和有效活性面积，得到正负极极片的液相体积分数的变化数据和有效活性面积的变化数据，根据不同充放电循环周期下的隔离膜的液相体积分数和有效活性面积，得到隔离膜的液相体积分数的变化数据和有效活性面积的变化数据。
211.在一些实施例中，如图10所示，提供了一种电池寿命预测装置，包括：电池寿命预测参数获取模块960和电池寿命预测模块980，其中：
212.电池寿命预测参数获取模块960，用于获取待测锂电池的电池寿命预测参数。
213.电池寿命预测模块980，用于基于所述电池寿命预测参数对所述待测电池进行寿命衰减迭代预测，得到所述待测电池的寿命衰减预测数据。
214.其中，电池寿命预测参数基于上述电池寿命预测参数确定方法得到。
215.本技术实施例的方案中，获取待测电池的包括热力学预测参数、动力学预测参数和材料特性预测参数在内的电池寿命预测参数，基于热力学预测参数、动力学预测参数和材料特性预测参数对待测电池进行寿命衰减迭代预测，从多维度考虑了影响电池寿命衰减的因素，能够使得到的寿命衰减预测数据更为准确，并且，能够支持定量分析热力学预测参数、动力学预测参数和材料特性预测参数对电池寿命衰减的影响，更有利于找到影响电池寿命衰减的瓶颈，设计出更为长寿的电池。
216.在一些实施例中，电池寿命预测模块980还用于根据电池寿命预测参数对待测电池进行寿命衰减的仿真，得到初始寿命衰减预测数据和寿命衰减参数，根据寿命衰减参数，更新电池寿命预测参数；控制电池寿命预测参数获取模块960执行根据电池寿命预测参数
对待测电池进行寿命衰减的仿真，得到初始寿命衰减预测数据和寿命衰减参数的操作，直至达到预设的迭代结束条件，得到待测电池的寿命衰减预测数据。
217.上述电池寿命预测参数确定装置和电池寿命预测中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
218.在一些实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待测电池的测试结果数据、容量衰减预测数据和功率衰减预测数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电池寿命预测参数确定方法和一种电池寿命预测方法。
219.本领域技术人员可以理解，图11中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
220.在一些实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述电池寿命预测参数确定方法和电池寿命预测方法中的步骤。
221.在一些实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述电池寿命预测参数确定方法和电池寿命预测方法中的步骤。
222.在一些实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述电池寿命预测参数确定方法和电池寿命预测方法中的步骤。
223.需要说明的是，本技术所涉及的数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
224.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，
ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
225.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
226.最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围，其均应涵盖在本技术的权利要求和说明书的范围当中。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本技术并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。