二次锂电池剩余使用寿命预测方法、装置、设备及介质与流程

本发明涉及锂电池状态估计，特别涉及二次锂电池剩余使用寿命预测方法、装置、设备及介质。

背景技术：

1、二次锂电池是指可以重复充电和放电的锂电池。其中，二次锂电池通常使用液体电解质作为离子传输介质，以三元镍钴锰锂电池为例：

2、三元镍钴锰（简称ncm）锂电池是由ni、co、mn三种材料按照一定比例混合并加入化学添加剂后制备而成。其中，ncm811、ncm622、ncm523等三元锂电池后面的数字就是三种原材料混合的比例。但是，ncm锂电池在使用过程中存在的安全性隐患难以彻底解决，其本质原因就是电池老化及性能退化，且在使用过程中无法精准预测容量保持率和剩余使用寿命remaining useful life（rul）。目前主流的二次锂电池性能预测技术仍是以实验数据驱动为主的人工智能（ai）预测模型，这使得传统ai预测模型无法涵盖二次锂电池复杂的物理规则，从而缺乏较强的泛化能力，且预测精度低。而且高精度ai预测模型需要大量历史数据，变相地提高了实验周期和成本，难以实际应用于不同体系。如何升级这种传统ai预测模型是二次锂电池性能预测技术优化的迫切需求与挑战。

技术实现思路

1、有鉴于此，本发明的目的在于提供二次锂电池剩余使用寿命预测方法、装置、设备及介质，能够在电池剩余使用寿命预测过程中，加入电解液添加剂微观参数，使得寿命预测模型可结合微观参数准确快速预测不同体系下的二次锂电池剩余寿命。其具体方案如下：

2、第一方面，本技术公开了一种二次锂电池剩余使用寿命预测方法，包括：

3、基于电解液组分配方分别构建分子几何模型，并将满足预设稳定条件的所述分子几何模型作为电解液微观模型；

4、根据所述电解液微观模型并通过密度泛函模拟计算、加权求和计算获取包含mulliken电荷、电子局域化函数、结合能、极化率和原子参数信息的微观参数信息，并将所述微观参数信息与自测二次锂电池样本的电池充放电曲线数据进行特征拼接，以得到电池剩余使用寿命预测模型的输入特征信息；

5、将所述输入特征信息输入至预训练模型，以对所述预训练模型进行二次模型训练，以得到用于针对不同电解液配方的二次锂电池进行剩余寿命信息预测的目标电池剩余使用寿命预测模型；

6、将待预测二次锂电池的电池信息输入至所述目标电池剩余使用寿命预测模型，以便所述目标电池剩余使用寿命预测模型输出对应的电池剩余使用寿命。

7、可选的，所述基于电解液组分配方分别构建分子几何模型，并将满足预设稳定条件的所述分子几何模型作为电解液微观模型，包括：

8、设置包含泛函基组、溶剂化方法、模拟压力、模拟温度的模拟参数信息；

9、在与所述模拟参数信息对应的液相环境下，基于包含锂盐信息、溶剂信息和添加剂分子信息的电解液组分配方分别构建各分子几何模型；

10、对各所述分子几何模型进行结构弛豫和频率分析处理，在能量收敛后当确定结构无虚频，则将当前分子几何模型作为电解液微观模型；

11、基于所述溶剂信息设置所述电解液微观模型的静态介电常数并设置所述电解液微观模型的动态介电常数。

12、可选的，所述根据所述电解液微观模型并通过密度泛函模拟计算、加权求和计算获取包含mulliken电荷、电子局域化函数、结合能、极化率和原子参数信息的微观参数信息，包括：

13、确定预设密度泛函计算算法，利用所述预设密度泛函计算算法并根据所述静态介电常数和所述动态介电常数对所述电解液微观模型进行迭代计算，以获取mulliken电荷、电子局域化函数、结合能和极化率；

14、通过所述电解液微观模型的组成元素，使用元素周期表获取与所述组成元素对应的元素信息，并对所述元素信息进行加权平均处理，以得到相应的原子参数信息。

15、可选的，确定预设密度泛函计算算法，利用所述预设密度泛函计算算法并根据所述静态介电常数和所述动态介电常数对所述电解液微观模型进行迭代计算，以获取结合能，包括：

16、通过计算并获取所述电解液微观模型的结合能，其中，表示电解液微观模型的模型总能量，表示所述电解液微观模型的组成元素各自的单点能，所述电解液微观模型的组成元素各自的原子个数，