一种镍氢电池循环寿命预测方法

1.本发明属于储氢合金性能测试技术领域，更具体地说，涉及一种镍氢电池循环寿命预测方法。


背景技术：

2.随着科学技术的发展，特别是汽车产业的发展对电池性提出了越来越高的要求，在能量和功率方面传统电池已不能满足。在这一背景下，镍氢电池得到了大发展，引起了各国的重视，国家和电池企业投入了大量的人力和物力对镍氢电池进行了深入细致的研究开发。相较于传统电池，镍氢电池主要具有能量密度高、充放电性能优良、无明显记忆效应、耐过充过放能力强、电池镍元素可回收污染小等优点。因为镍氢电池所具有的这些优点，使其在国防军工、民生等领域有着广泛应用。尤其是近年来日益严苛的环保压力及人民环保意识的增强，使得新能源汽车得到迅速发展，镍氢电池所具有优点特别适用于新能源汽车。
3.镍氢电池的负极材料为贮氢合金，正极材料为ni(oh)2。充电时，正极中的质子转移至负极成为氢原子，吸收能量；放电时，负极中的氢原子转移至正极成为质子放出能量。在整个可逆的电化学反应中，电解液不参与化学反应，只起到离子迁移电荷作用，但在整个反应过程中，水分子是参与反应的。电池经历一次充电放电过程，称之为一个循环。随着电池充放电循环次数的增加，电池容量必然会衰减，这个过程是不可逆的，因此根据使用需要给电池容量设定了标准，给出电池寿命的概念。就是在一定的充放电条件下，电池容量在衰减至标准规定值之前所能承受的最大循环次数，称之为循环使用寿命。可以看出循环寿命是镍氢电池最关键最重要的指标。为了保证电池的安全使用以及为设计阶段提供参考有必要建立镍氢电池循环寿命数学模型。
4.经检索，中国专利申请号为2021109947859的申请案公开了一种基于电池模型参数的锂电池寿命预测方法，该申请案的预测方法，包括设定的soc处以固定的时间间隔采集锂电池数据并测量电池内阻，拟合出指定soc下电池等效电路模型参数，得到每个电池模型参数的特征。将电池分为训练集和测试集两组；把训练集每个电池的模型参数特征和电池寿命输入预测模型中进行训练；将所训练模型的特征权重和特征偏移取出并预测测试集电池寿命，使用均方根误差与绝对平均误差率验证预测结果精度。但该申请案的电池寿命预测方法操作相对复杂，预测效率较低。


技术实现要素：

5.1.要解决的问题
6.本发明的目的在于克服现有技术中难以对镍氢电池循环寿命进行快速、精确预测的不足，提供了一种镍氢电池循环寿命预测方法。采用本发明的预测模型可以对镍氢电池的循环寿命进行快速预测，操作较为简单，且预测精度高。
7.2.技术方案
8.为了解决上述问题，本发明所采用的技术方案如下：
9.本发明的一种镍氢电池循环寿命预测方法，首先获得待测电池的储氢合金质量、负极导电剂质量、电解液质量、高温陈化时间和n/p比值，然后用以下模型对镍氢电池的循环寿命进行预测：
10.l＝34 729[h] 32.79[sp] 2167[pc] 868.39[np][t]-368.56[pc]
2-0.3[t]2[0011]
式中，l――镍氢电池循环寿命；
[0012]
[h]――储氢合金质量；
[0013]
[sp]――负极导电剂质量；
[0014]
[pc]——电解液质量；
[0015]
[np]——n/p比值；
[0016]
[t]——高温陈化时间。
[0017]
更进一步的，所述预测模型的构建过程为：对影响镍氢电池循环寿命因素的特征分析，进行特征筛选，确定镍氢电池循环寿命的以下影响特征：储氢合金质量、负极导电剂质量、电解液质量、高温陈化时间和n/p比值，以筛选得到的上述特征为自变量，循环寿命作为因变量构造样本数据集；采用人工智能回归算法，利用样本数据集进行回归训练，并结合物理性能分析，即得到镍氢电池循环寿命的基本预测模型。
[0018]
更进一步的，样本数据集的构造方法为：(1)确定每一试样的储氢合金质量，负极导电剂质量，电解液质量，高温陈化时间和n/p比值；(2)利用循环寿命测试系统对样本的循环寿命进行测量，并以样本编号作为关键值记录各项数据；(3)将所有样本的自变量放在一起构造成自变量矩阵x，矩阵x中的元素x
i,
表示第i个样本的第j个自变量，以测试所得所有样本的循环寿命为因变量构造循环寿命矩阵y，矩阵y中的元素yi表示第i个样本的循环寿命，每一个试样的储氢合金质量，负极导电剂质量，电解液质量，高温陈化时间，n/p比值以及循环寿命构成一个数据样本，所有数据样本的集合即构成样本数据集。
[0019]
更进一步的，构造样本数据集后，对样本数据集中的各自变量和因变量进行方差分析，依据拉依达准则，剔除超标数据。
[0020]
本发明采用机器学习回归算法的思想，建立了镍氢电池循环寿命模型。所建立模型可全部或部分代替物理测试实验，可以节省大量人力物力，降低污染和能耗。通过模型可为镍氢电池的安全使用及设计提供参考，提高开发成功率，减少开发费用和周期。同时，本发明基于储氢合金质量、负极导电剂质量、电解液质量、高温陈化时间和n/p比值对了镍氢电池循环寿命进行预测和计算，预测准确性较高。
附图说明
[0021]
图1是本发明的镍氢电池循环寿命预测模型的建立流程图；
[0022]
图2为本发明中镍氢电池循环寿命的模型计算值与实测值的对比示意图。
具体实施方式
[0023]
本发明提供了一种镍氢电池循环寿命的预测模型，通过对影响镍氢电池循环寿命因素的特征分析，进行特征筛选。以筛选后的特征为基础，基于已有数据，利用机器学习算法建立镍氢电池循环寿命的预测模型。该模型能够为镍氢电池的安全使用，寿命预估和设计开发提供帮助。结合图1，采用本发明的模型对储氢电池的循环寿命进行预测的具体方法
如下：
[0024]
(1)确定每一试样的储氢合金质量，负极导电剂质量，电解液质量，高温陈化时间，以及n/p比值，并输入测试系统；
[0025]
(2)利用循环寿命测试系统测试各个样本的循环寿命，然后以样本编号作为关键值记录各项数据，如表1所示。其中“储氢合金质量”、“负极导电剂乙炔黑质量”、“常规型电解液质量”及“n/p”值是输入测试系统的参数，“循环寿命”是系统测试数据，也就是对电池寿命的一种评估。
[0026]
表1：样本数据
[0027][0028]
(3)以样本的储氢合金质量，负极导电剂质量，电解液质量，高温陈化时间，n/p比值作为自变量，循环寿命为因变量。将n个样本的自变量放在一起构造成自变量矩阵x，矩阵x中的元素x
i,j
表示第i个样本的第j个自变量；以因变量指标构造循环寿命矩阵y，也就是因变量矩阵，矩阵y中的元素yi表示第i个样本的循环寿命；每一个试样的储氢合金质量，负极导电剂质量，电解液质量，高温陈化时间，n/p比值以及循环寿命构成一个数据样本，所有数据样本的集合构成样本数据集。
[0029]
(4)异常值剔除
[0030]
对样本数据集中的各自变量和因变量进行方差分析，依据拉依达准则，剔除超标数据。同时，对性能指标超标的样本进行复核，主要方法就是重新进行测试，分析造成超差的原因，从而有利于修正误差和发现潜在末被引起重视或未被发现的重要影响因素。
[0031]
(6)镍氢电池循环寿命指标数学模型
[0032]
利用逐步多元多项式回归算法，得到镍氢电池循环寿命的基本预测模型，具体如下式所示：
[0033]
l＝34 729[h] 32.79[sp] 2167[pc] 868.39[np][t]-368.56[pc]
2-0.3[t]2[0034]
式中：l――镍氢电池循环寿命；
[0035]
[h]――储氢合金质量；
[0036]
[sp]――负极导电剂质量；
[0037]
[pc]——电解液质量；
[0038]
[np]——n/p比值；
[0039]
[t]——高温陈化时间。
[0040]
实施例1
[0041]
本实施例的镍氢电池循环寿命预测方法，包括以下步骤：
[0042]
(1)进行镍氢电池循环寿命实验，获取所需数据，构造数据集，累计样本数据共计36组。
[0043]
(2)异常数据分析、剔除与处理：经过检查后剔除异常样本6个。
[0044]
(3)性能指标算法模型预测
[0045]
利用逐步多元多项式回归算法，得到镍氢电池循环寿命的基本预测模型。然后以待测样本的因变量参数作为输入，利用数学模型进行计算，实测值和模型计算值比较如图2所示。通过图2可看出，模型计算值和实测值除了样本14、21、22外，基本比较符合。进行相关性分析计算表明，实测值和数学模型计算值相关度达到了85.4％，可较好的满足实际应用要求。