电池容量衰减模型参数的辨识方法、系统、设备、装置及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112198434A(43)申请公布日2021.01.08(21)申请号202011056559.8(22)申请日2020.09.29(71)申请人蜂巢能源科技有限公司地址213200江苏省常州市金坛区鑫城大道8899号(72)发明人赵龙灿廖磊梁赛(74)专利代理机构北京润平知识产权代理有限公司11283代理人肖冰滨王晓晓(51)Int.Cl.G01R31/367(2019.01)G01R31/388(2019.01)权利要求书2页说明书6页附图1页(54)发明名称电池容量衰减模型参数的辨识方法、系统、设备、装置及介质(57)摘要本发明提供一种电池容量衰减模型参数的辨识方法、系统、设备、装置及介质，属于动力电池技术领域。所述方法包括：根据试验用例中充电参数和放电参数，循环执行电池的充电和放电，获得至少两组的循环测试试验数据；根据所述采集参数与所述电池的电池充电或放电容量，确定与循环次数对应的容量衰减率；确定所述电池的容量衰减模型和所述容量衰减模型的容量衰减率；根据所述循环测试试验数据和通过所述容量衰减模型获得的模型计算数据，构建多目标优化数据模型，并通过遗传算法求解所述多目标优化数据模型，获得辨识的衰减参数。本发明用于电池多循环试验的参数辨识。CN112198434ACN112198434A权利要求书1/2页1.一种电池容量衰减模型参数的辨识方法，其特征在于，该辨识方法包括：根据试验用例中充电参数和放电参数，循环执行电池的充电和放电，获得至少两组的循环测试试验数据，其中，所述循环测试试验数据具有所述电池的采集参数；根据所述采集参数与所述电池的电池充电或放电容量，确定与循环次数对应的容量衰减率；确定所述电池的容量衰减模型和所述容量衰减模型的容量衰减率，其中，所述容量衰减模型具有待辨识的衰减参数和与所述循环次数对应的采集参数；根据所述循环测试试验数据和通过所述容量衰减模型获得的模型计算数据，构建多目标优化数据模型，并通过遗传算法求解所述多目标优化数据模型，获得辨识的衰减参数。2.根据权利要求1所述的电池容量衰减模型参数的辨识方法，其特征在于，所述根据试验用例中充电参数和放电参数，循环执行电池的充电和放电，获得至少两组的循环测试试验数据，包括：根据至少两种试验用例中充电参数和放电参数，分别循环执行电池的充电和放电，获得至少两组的循环测试试验数据，其中，所述至少两种试验用例中充电参数包括相同的充电电流、环境温度和放电深度；所述至少两种试验用例中放电参数包括放电倍率，所述放电倍率在任意一种试验用例中不同。3.根据权利要求2所述的电池容量衰减模型参数的辨识方法，其特征在于，所述根据所述采集参数与所述电池的电池充电或放电容量，确定与循环次数对应的容量衰减率，包括：根据所述采集参数与各次循环中放电时间的积分，获得所述电池的电池放电容量，其中，所述采集参数为各次循环中的采集电流；根据第一次循环的放电容量和余下各次循环的放电容量，获得试验的与循环次数对应的容量衰减率。4.根据权利要求1或3所述的电池容量衰减模型参数的辨识方法，其特征在于，所述确定所述电池的容量衰减模型和所述容量衰减模型的容量衰减率，包括：根据阿伦尼乌斯模型，获得关于电流的加速因子的容量衰减模型，其中，所述容量衰减模型为：式中，i为第i次循环的循环次数值，K(i)为所述第i次循环的容量衰减率，A为指前因子，Ea为表观活化能，T为开尔文摄氏度，R为摩尔气体常数，m为常数，I为所述第i次循环的采集电流，所述指前因子A和所述常数m作为待辨识的衰减参数；通过所述容量衰减模型，获得各次循环中的拟合的容量衰减率。5.根据权利要求4所述的电池容量衰减模型参数的辨识方法，其特征在于，所述根据所述循环测试试验数据和通过所述容量衰减模型获得的模型计算数据，构建多目标优化数据模型，包括：通过与各组循环测试试验数据对应的容量衰减率，分别与所述模型计算数据对应的容量衰减率做差，通过做差差值的绝对值，构建多个目标函数；2CN112198434A权利要求书2/2页分别配置各个目标函数的权重系数；通过各个目标函数与配置的权重系数的乘积和的最小值，获得多目标优化数据模型。6.根据权利要求5所述的电池容量衰减模型参数的辨识方法，其特征在于，所述通过遗传算法求解所述多目标优化数据模型，获得辨识的衰减参数，包括：确定所述多目标优化数据模型的初始种群，并对所述初始种群进行二进制编码；配置适应度函数，并结合所述适应度函数，对所述多目标优化数据模型进行遗传迭代计算，遗传迭代计算后获得所述待辨识的衰减参数的最优解。7.一种电池容量衰减模型参数的辨识系统，其特征在于，该辨识系统包括：数据获取模块，用于根据试验用例中充电参数和放电参数，循环执行电池的充电和