长寿命快充型磷酸铁锂电池的寿命预测方法的制作流程

本技术涉及磷酸铁锂电池，具体涉及一种长寿命快充型磷酸铁锂电池的寿命预测方法。寿命预测方法包括如下过程：利用快充型智能充放电测试仪

收集磷酸铁锂电池响因子；计算寿命预测模型修正系数；基于历史数据拟合的电池剩余有效容量Cy储能循环次数x拟合关系式：f(Cy)＝

1+k1*x+k2*n2+k3*x3，长寿命磷酸铁锂电池寿命衰减因子动态函数NNow＝Nδ*f(Cy)；本技术相对于现有技术的优点在于：将预测数据存入数据

库，对数据进行自学习，修正寿命预测模型修正系数，使预测结果更准确。

技术要求

1.一种长寿命快充型磷酸铁锂电池的寿命预测方法，所述长寿命快充型磷酸铁锂电池包含至少1个电池单体，其特征在于，寿命预测方法包括如下过程：

(一)利用快充型智能充放电测试仪收集磷酸铁锂电池影响因子，包括：截止电压U、充电截止电流I、充电周期内平均温度T、充放电电流倍率C、放电深度DO

(二)计算寿命预测模型修正系数δ＝k*δ1*δ2*δ3*δ4*δ5；其中，δ1为充电截止电压对电池寿命的影响系数、δ2充电截止电流对电池寿命的影响系数、δ3

寿命的影响系数、δ5放电深度对电池寿命的影响系数；

(三)基于历史数据拟合电池剩余有效容量Cy与储能循环次数x拟合关系式为：f(Cy)＝1+k1(DOD)*x+k2(DOD)*x2+k3(DOD)*x3

其中，k1(DOD)、k2(DOD)、k3(DOD)为拟合参数，是放电深度DOD的函数，各拟合参数分别为：

k1(DOD)＝-2.667e-6*DOD+8.722e-5，

k2(DOD)＝7.342e-10*DOD-2.859e-8，

k3(DOD)＝1.495e-12*DOD-1.514e-12，

Cy＝γ*g(Cii*Δt)，其中，γ为容量衰减率，Cii为各电池单体的充电容量，△t为测试有效时间；

(四)长寿命磷酸铁锂电池寿命衰减因子动态函数NNow＝N-δ*f(Cy)＝N-δ*f(γ*g(Cii*Δt))；δ为寿命预测模型修正系数，NNow为当前动力电池的剩余寿命，N为

(五)寿命预测模型修正系数及容量衰减率计算步骤如下：

基于影响动力电池的寿命因素，建立人工神经网络算法模型，共4层和14个节点(节点编号i＝1、2、3、4、5、6、7、8、9、10、11、12、13、14)，各节点是前的修正系数δ'、测试前的储能单体电池容量一致性系数k'，则δ1、δ2、δ3、δ4、δ5、k、γ作为输出量，M为测试次数；

设定每次计算网络输出只有一个输出Oj(j＝1、2、3、4……14)分别为δ1、δ2、δ3、δ4、δ5、k、γ，将历史测试数据划分为M个样本(xz，yz)，(z＝1、2、3……

任何一个节点i的输出为Ozi；对任何一个节点，如果输入为xz，输出为yz，则节点i的输出为Ozi，

输入层与第一个隐含层以及另外两个隐含层之间的传递函数均采用双曲正切s型激活函数，当第L层的第i个节点输入z(z＝1、2、3……M)个样本时，节点i的输

示第L-1层第i个节点的输出；输入第z个样本时，第i个节点的输出

第L-1输入层与第L输出层之间的关系如下：

其中：Xi为各层输入量，M为测试次数，A为输出量，b为变量偏差，是神经网络的实际输出；

总误差为

Em为第m次测试结果下的误差；

存在如下关系：为各层各节点的修正权值；

若节点i为输出单元，则

若节点i不为输出单元，则

前一层的输出为下一层的输入，正向计算各层的输出netL-1z、反向计算各层的输出，并设置修正权值

2.根据权利要求1所述的一种长寿命快充型磷酸铁锂电池的寿命预测方法，其特征在于，所述快充型智能充放电测试仪可以实现恒流恒压充电，脉冲充电，多

3.根据权利要求1所述的一种长寿命快充型磷酸铁锂电池的寿命预测方法，其特征在于，所述快充型智能充放电测试仪包含数据测试系统、控制动作系统、数

4.根据权利要求3所述的一种长寿命快充型磷酸铁锂电池的寿命预测方法，其特征在于，所述快充型智能充放电测试仪可通过控制动作系统生成控制方波，通

5.根据权利要求1-4任何一项所述的一种长寿命快充型磷酸铁锂电池的寿命预测方法，其特征在于：所述的快充型智能充放电测试仪的充放电接口符合SAEJ1

6.根据权利要求1-4任何一项所述的一种长寿命快充型磷酸铁锂电池的寿命预测方法，其特征在于：快充型智能充放电测试仪的数据测试系统可以获取每个电

技术说明书

一种长寿命快充型磷酸铁锂电池的寿命预测方法

技术领域：

本技术涉及磷酸铁锂电池，具体涉及一种长寿命快充型磷酸铁锂电池的寿命预测方法。

背景技术：

容量是描述锂离子电池健康状态的典型性能参数，随充放电周期的增加，容量逐渐退化，当容量退化到无法维持设备工作或者退化到人为设定的失效阈值时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。考虑到诸多变量对电池寿命的命试验数据得到相关寿命预测动态函数，进而得出不同工况及影响因子下的储能剩余寿命。

技术内容：

本技术目的在于提供一种长寿命快充型磷酸铁锂电池的寿命预测方法，具体技术方案如下：

一种长寿命快充型磷酸铁锂电池的寿命预测方法，所述长寿命快充型磷酸铁锂电池包含至少1个电池单体，寿命预测方法包括如下过程：

(一)利用快充型智能充放电测试仪收集磷酸铁锂电池影响因子，包括：充电截止电压U、充电截止电流I、充电周期内平均温度T、充放电电流倍率C、放电深

(二)计算寿命预测模型修正系数δ＝k*δ1*δ2*δ3*δ4*δ5；其中，δ1为充电截止电压对电池寿命的影响系数、δ2充电截止电流对电池寿命的影响系数、δ3

寿命的影响系数、δ5放电深度对电池寿命的影响系数；

(三)基于历史数据拟合的电池剩余有效容量Cy与储能循环次数x拟合关系式：