一种锂电子电池析锂检测模型构建方法与流程

1.本发明涉及电池检测技术领域，具体为一种锂电子电池析锂检测模型构建方法。


背景技术：

2.目前，商用锂离子电池在3c数码、电动汽车、储能设备等领域得到广泛引用，促使锂离子电池的产量日益剧增。在锂离子电池普及使用的背景下，锂电池的安全性问题或者是锂电池的电化学性能尤为重要，例如电池的寿命、倍率性能、安全性能、析锂特性等。其中锂离子电池的析锂一直是制造商以及用户关注的重点问题，析锂不仅对电池的循环性能具有较大的影响，对电池的安全性能也是不可忽视的隐患。
3.现在电池的析锂检测方法主要有两种方法：其分别为有损析锂检测和无损析锂检测。顾名思义，有损析锂检测就是对电池进行拆解，然后结合极片表面现象以及一些物理表征来判断电池是否析锂。而无损析锂检测通过提取锂电池充放电过程的充放电数据，并从中提取能表征电池析锂特性的参数，对这些参数进行后处理，以此来评判电池的析锂特性，在实际运用中更倾向于无损析锂检测，但是目前市面上的无损析锂检测以及在电池循环析锂早期的检测精度都不高。


技术实现要素：

4.本发明的目的在于提供一种锂电子电池析锂检测模型构建方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种锂电子电池析锂检测模型构建方法，其构建步骤如下：
6.s1：选取多个型号和规格一致的电池包，并且按照不同的实验条件将多个电池包等比例的分为多个实验组；
7.s2：将每一个实验组内部的所有电池包均放置于与其相对应实验条件中，并对每个实验组内的所有电池包进行恒流恒压充电和恒流放电的周期性充放电循环，并记录每个恒流恒压充电和恒流放电周期中的充放电数据；
8.s3：循环至n个恒流恒压充电和恒流放电周期后，在每个实验组中选择至少一个充满电的电池包进行物理拆解，并观察其电芯负极表面是否析锂，将其结果分别记录为“析锂”和“不析锂”，其中，n为大于1的正整数；
9.s4：将每个拆解过的电池包所对应的第n个循环周期数和第m个循环周期数的满充充电数据进行处理，提取充电过程中恒流阶段的电压和容量数据，绘制出对应的q-v曲线，其分别为q-vn曲线和q-vm曲线，并通过对上述得到的q-v曲线进行微分得到ic曲线，通过q-vn曲线和q-vm曲线得到对应的icn曲线和icm曲线，其中n＞m，且m为正整数；
10.s5：通过特征分析，选取每一个电池包icm曲线和icn曲线之间的多个特征值形成特征值组，其中将z个电池包中得到的z个特征值组进行汇总，形成特征值合集，其中z为拆解的电池包数量，为正整数；
11.s6：采用支持向量机对上述特征值合集进行建模分析，并经过建模训练后，输出预测精度较高的锂电子电池析锂检测模型。
12.本技术方案中优选的，在s1步骤中不同的实验条件设定为不同的实验温度和不同的充电倍率，且每一种实验条件所对应的实验组中设置5至15个平行样。
13.本技术方案中优选的，在步骤s1中实验组包含20个，其中，每个实验组所对应的实验温度分别为10℃、25℃、35℃和45℃中的任意一个，并且每个实验组所对应的充电倍率为0.33c、0.50c、1.00c、1.50c和2.00c中的任意一个。
14.本技术方案中优选的，在s2步骤中每个电池包的充电截止倍率为0.05c，其放电时采用1c的放电倍率进行恒流放电，充放电数据记录的踩点频率为0.1s。
15.本技术方案中优选的，n为100的倍数并且n小于电池包中电芯的寿命终止循环数，m的具体范围为2至20。
16.本技术方案中优选的，在步骤s4中通过q-v曲线得到ic曲线的方法为：利用三次抽样插值拟合对q-v曲线进行线性插值，然后计算得到ic曲线，其中：线性插值电压的范围在处理全部数据时必须保持一致且能覆盖ic曲线的全部特征值。
17.本技术方案中优选的，在线性插值电压的范围内，线性插值点的个数为500至1000个。
18.本技术方案中优选的，在步骤s5中特征值包括icm曲线和icn曲线之间差值的平均值、最小值、最大值、中值、方差、icn曲线中的峰1、峰2和峰3的峰面积和高度与icm曲线中对应的峰1、峰2和峰3的峰面积和高度的比值，其中，峰1的起始电压为线性插值电压的范围的初始值，终止电压为峰1和峰2之间的最低处所对应的电压；峰2的起始电压为峰1和峰2之间的最低处所对应的电压，终止电压为峰2和峰3之间的最低处所对应的电压；峰3的起始电压为峰2和峰3之间的最低处所对应的电压，终止电压为线性插值电压的范围的终止值。
19.本技术方案中优选的，在s6步骤中采用支持向量机得到锂电子电池析锂检测模型的具体步骤如下：
20.s61：首先采用特征值归一法将特征值合集z个特征值组中的特征值进行归一化处理；
21.s62：然后采用5折交叉验证的方法将数据集分成5份，其中4份作为训练集，另外1份作为测试集，依次进行交叉验证；
22.s63：通过优化支持向量机内部的核函数、惩罚系数c、degree以及gamma的选择进行建模训练，直至输出预测精度较高的锂电子电池析锂检测模型。
23.与现有技术相比，本发明的有益效果是：
24.该锂电子电池析锂检测模型构建方法，通过提取ic曲线特征结合支持向量机二分类算法对锂离子电池的析锂进行预测，其预测精度为91.4％，精度较高，对后续的锂电池在循环过程中是否发生析锂具有很好的预测效果。
25.该方法不仅可以对电池是否发生析锂进行预测，还可以将最终的模型应用在商业锂离子电池厂和终端设备上进行检测，电池发生析锂，往往预示这电池性能的快速退化，因此可以给制造商和终端设备发出警示，制造商可以改善电池的后续测试措施来提高电池的循环性能，或者终端设备可以考虑对电池进行检修和更换。
附图说明
26.图1为本发明实施例中的q-v曲线图(试验条件：25℃，0.50c)；
27.图2为本发明实施例中的ic曲线图(试验条件：25℃，0.50c)；
28.图3为本发明峰1、峰2和峰3的分割示意图；
29.图4为本发明实施例的模型混淆矩阵图。
具体实施方式
30.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.需要说明的是，在本发明的描述中，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件所必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
32.此外，应当理解，为了便于描述，附图中所示出的各个部件的尺寸并不按照实际的比例关系绘制，例如某些层的厚度或宽度可以相对于其他层有所夸大。
33.应注意的是，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义或说明，则在随后的附图的说明中将不需要再对其进行进一步的具体讨论和描述。
34.在了解本发明之前，需要清楚的是，目前市面上对锂离子电池的无损析锂检测的方法主要为提取电池循环过程的特征量，通过设置阈值，判断电池是否发生析锂。例如：公开号为cn114200322a，名称为一种锂离子电池析锂检测方法和公开号为cn112240984a，名称为锂离子电池析锂检测方法及其检测装置。均是通过设置阈值的方式来判断锂电池是否析锂，但是此种检测方法精准度不高。而本发明方法采用机器学习的方法，通过提取多个特征量，通过建模来实现锂离子电池析锂检测。
35.需要清楚的是，q-v曲线是指，电芯在进行充电时，其电容量和电压之间的对应关系曲线。而ic曲线(容量增值曲线)则是指电芯在充电过程中q-v曲线的微分，即是dq/dv曲线。ic曲线的每一个波峰都代表电芯充电过程的一个电压平台，同时也反映了材料的相变。ic曲线中包含了正极特征峰、负极特征峰以及表征其他特性的特征峰，特征峰与特征峰之间或独立、或交融。因此对ic曲线进行分析并提取相应的表征析锂特性的特征值进行建模就能对电池是否发生析锂进行判定。
36.而支持向量机(support vector machines,svm)是本技术领域常用的一种机器学习算法，其本质上是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，但在在线性不可行的时候通过核函数向高维空间映射，求解最大边距超平面，实现线性可行。因此针对电池来讲，电芯只存在析锂和不析锂两种分类，支持向量机模型是一种很好的分类方法。
37.因此，本发明提供一种技术方案：一种锂电子电池析锂检测模型构建方法，其构建步骤如下：
38.s1：选取多个型号和规格一致的电池包，并且按照不同的实验条件将多个电池包等比例的分为多个实验组。在本发明的实施例中，电池包选用lfp/石墨体系，额定容量为5.5ah，电压体系为2.5-3.65v的软包电池。总共选用100个此类的软包电池进行备用。100个软包电池按照不同的实验温度和不同的充电倍率进行分组。具体的其分组的条件如下：温度为10℃，充电倍率为0.33c；温度为10℃，充电倍率为0.50c；温度为10℃，充电倍率为1.00c；温度为10℃，充电倍率为1.50c；温度为10℃，充电倍率为2.00c；温度为25℃，充电倍率为0.33c；温度为25℃，充电倍率为0.50c；温度为25℃，充电倍率为1.00c；温度为25℃，充电倍率为1.50c；温度为25℃，充电倍率为2.00c；温度为35℃，充电倍率为0.33c；温度为35℃，充电倍率为0.50c；温度为35℃，充电倍率为1.00c；温度为35℃，充电倍率为1.50c；温度为35℃，充电倍率为2.00c；温度为14℃，充电倍率为0.33c；温度为45℃，充电倍率为0.50c；温度为45℃，充电倍率为1.00c；温度为45℃，充电倍率为1.50c；温度为45℃，充电倍率为2.00c。上述分组共计20组，因此每一组中具有5个软包电池作为平行样。在本发明的其他实施例中，可以选取5至15个平行样。具体的，其可以为6个、7个、8个、9个、10个、11个、12个、13个、14个或者15个中的任意一个。
39.s2：将每一个实验组内部的所有电池包均放置于与其相对应实验条件中，并对每个实验组内的所有电池包进行恒流恒压充电和恒流放电的周期性充放电循环，并记录每个恒流恒压充电和恒流放电周期中的充放电数据。在本发明一个具体的实施例中，每个电池包的充电截止倍率为0.05c，其放电时采用1c的放电倍率进行恒流放电，充放电数据记录的踩点频率为0.1s。
40.s3：循环至n个恒流恒压充电和恒流放电周期后，在每个实验组中选择至少一个充满电的电池包进行物理拆解，并观察其电芯负极表面是否析锂，将其结果分别记录为“析锂”和“不析锂”，其中，n为大于1的正整数。具体的，n可以为100的倍数，并且小于电池包中电芯的寿命终止循环数。在本发明的实施例中，n为200。
41.s4：将每个拆解过的电池包所对应的第n个循环周期数和第m个循环周期数的满充充电数据进行处理，提取充电过程中恒流阶段的电压和容量数据，绘制出对应的q-v曲线(如图1所示)，其分别为q-vn曲线和q-vm曲线，并通过对上述得到的q-v曲线进行微分得到ic曲线(如图2所示)，通过q-vn曲线和q-vm曲线得到对应的icn曲线和icm曲线，其中n＞m，且m为正整数。在此需要清楚的是，m的具体范围为2至20。而m不取1的原因为，为了避免新电池包第一次充电不稳定而导致数据失真。在本发明的实施例中，m为10。同时，通过q-v曲线得到ic曲线的方法为：利用三次抽样插值拟合对q-v曲线进行线性插值，然后计算得到ic曲线，其中：线性插值电压的范围在处理全部数据时必须保持一致且能覆盖ic曲线的全部特征值。并且在线性插值电压的范围内，线性插值点的个数为500至1000个。具体的，其可以是500个、550个、600个、650个、700个、750个、800个、850个、900个、950个和1000个中的任意一个，也可以是上述相邻个数中的任意个数。在本发明的实施例中，线性插值电压的范围选取为2.9v至3.5v，并且在该范围内所选取的线性插值点的个数为1000个。
42.s5：通过特征分析，选取每一个电池包icm曲线和icn曲线之间的多个特征值形成特征值组，其中将z个电池包中得到的z个特征值组进行汇总，形成特征值合集，其中z为拆解的电池包数量，为正整数。在本发明的实施例中，在每一个实验组中选取一个电池包进行拆解，因此z为20。同时，上述的特征值包括icm曲线和icn曲线之间差值的平均值、最小值、最大
值、中值、方差、icn曲线中的峰1与icm曲线中对应的峰1的面积比值和高度比值、icn曲线中的峰2与icm曲线中对应的峰2的面积比值和高度比值和icn曲线中的峰3与icm曲线中对应的峰3的面积比值和高度比值。其中，峰1、峰2和峰3具体的分割示意图，如图3所示。峰1的起始电压为线性插值电压的范围的初始值(在本实施例中即为2.9v)，终止电压为峰1和峰2之间的最低处所对应的电压。峰2的起始电压为峰1和峰2之间的最低处所对应的电压，终止电压为峰2和峰3之间的最低处所对应的电压；峰3的起始电压为峰2和峰3之间的最低处所对应的电压，终止电压为线性插值电压的范围的终止值(在本实施例中即为3.5v)。s6：采用支持向量机对上述特征值合集进行建模分析，并经过建模训练后，输出预测精度较高的锂电子电池析锂检测模型。
43.具体的，采用支持向量机得到锂电子电池析锂检测模型的具体步骤如下：
44.s61：首先采用特征值归一法将特征值合集z个特征值组中的特征值进行归一化处理；
45.s62：然后采用5折交叉验证的方法将数据集分成5份，其中4份作为训练集，另外1份作为测试集，依次进行交叉验证；
46.s63：通过优化支持向量机内部的核函数、惩罚系数c、degree以及gamma的选择进行建模训练，直至输出预测精度较高的锂电子电池析锂检测模型。具体的，在本发明的实施例中，支持向量机选用的核函数为线性核函数(linear)、多项式核函数(poly，其中核函数的参数degree设置为2和3)、高斯核函数(rbf，其中核函数参数gamma设置为0.1～10)，正则化参数的设置范围为0.1～1000，最后进行训建模训练。经过训练后，支持向量机算法选用的核函数为高斯核函数(rbf)，正则化参数为100，核函数参数gamma为0.5，其中预测精度为91.4％。其具体验证结果如图4所示。
47.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。