• 中国科技核心期刊
  • JST收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于新陈代谢GM(1, 1)-神经网络的锂离子电池贮存寿命研究

李炬晨 胡欲立 郝泽花 张子正 郑乙

李炬晨, 胡欲立, 郝泽花, 等. 基于新陈代谢GM(1, 1)-神经网络的锂离子电池贮存寿命研究[J]. 水下无人系统学报, 2022, 30(2): 231-236 doi: 10.11993/j.issn.2096-3920.2022.02.014
引用本文: 李炬晨, 胡欲立, 郝泽花, 等. 基于新陈代谢GM(1, 1)-神经网络的锂离子电池贮存寿命研究[J]. 水下无人系统学报, 2022, 30(2): 231-236 doi: 10.11993/j.issn.2096-3920.2022.02.014
LI Ju-chen, HU Yu-li, HAO Ze-hua, ZHANG ZI-zheng, ZHENG Yi. Investigation of the Storage Life of Lithium-ion Battery Based on the Metabolism GM(1, 1)-Neural Network[J]. Journal of Unmanned Undersea Systems, 2022, 30(2): 231-236. doi: 10.11993/j.issn.2096-3920.2022.02.014
Citation: LI Ju-chen, HU Yu-li, HAO Ze-hua, ZHANG ZI-zheng, ZHENG Yi. Investigation of the Storage Life of Lithium-ion Battery Based on the Metabolism GM(1, 1)-Neural Network[J]. Journal of Unmanned Undersea Systems, 2022, 30(2): 231-236. doi: 10.11993/j.issn.2096-3920.2022.02.014

基于新陈代谢GM(1, 1)-神经网络的锂离子电池贮存寿命研究

doi: 10.11993/j.issn.2096-3920.2022.02.014
详细信息
    作者简介:

    李炬晨(1996-), 男, 在读博士, 主要研究方向为能源与动力及能量管理策略

  • 中图分类号: TJ630.32; U661

Investigation of the Storage Life of Lithium-ion Battery Based on the Metabolism GM(1, 1)-Neural Network

  • 摘要: 现役鱼雷大多时间处于贮存状态, 而锂离子电池是其主要的动力能源, 所以针对锂离子电池的贮存寿命研究尤为重要。文中以18650型钴酸锂电池为研究对象, 通过开展加速寿命试验, 获得在不同应力条件下电池容量和内阻随时间的变化曲线, 并确定有利于缓解电池寿命衰减的贮存条件为: 温度25℃、电池荷电状态30%; 综合灰色预测方法及BP神经网络的优点, 采用新陈代谢灰色模型GM(1, 1)-神经网络方法对锂离子电池的容量进行预测, 经验证该组合预测模型比灰色预测模型和新陈代谢GM(1, 1)预测模型精度更高且更适用于电池寿命预测, 从而获取锂离子电池在不同应力条件下的贮存寿命, 进一步验证了有利于缓解电池寿命的贮存条件。

     

  • 图  1  不同SOC和贮存温度下电池容量变化曲线

    Figure  1.  Capacity curves of battery under different SOC and storage temperatures

    图  2  不同SOC和贮存温度下电池内阻变化曲线

    Figure  2.  Internal resistance curves of battery under different SOC and storage temperatures

    图  3  电池容量衰退曲线

    Figure  3.  Decline curves of battery capacity

    表  1  18650型锂离子电池活化制度表

    Table  1.   Activation system table of 18650 type lithium ion battery

    步骤具体操作
    1 恒流1/3 C放电至2.75 V
    2 静置10 min
    3 恒流1/3 C充电至4.20 V
    4 恒压4.2 V充电至电流下降到0.02 C(51 mA)
    5 静置10 min
    6 恒流1/3 C放电至2.75 V
    下载: 导出CSV

    表  2  GM(1, 1)模型预测结果

    Table  2.   Prediction results of GM(1, 1) model

    时间/d实际容量/mAh预测容量/mAh相对误差/%
    0 2568.10
    7 2 516.75 2 521.89 0.204
    14 2 470.85 2 490.47 0.794
    21 2 460.30 2 459.45 0.035
    28 2 422.20 2 428.81 0.273
    35 2 423.15 2 398.55 1.015
    42 2 432.00 2 368.67 2.604
    49 2 327.85 2 339.16 0.486
    56 2 286.20 2 310.02 1.042
    63 2 259.50 2 281.25 0.963
    70 2 243.30 2 252.83 0.425
    77 2 214.10 2 224.76 0.481
    84 2 217.00 2 197.05 0.900
    下载: 导出CSV

    表  3  新陈代谢GM(1, 1)模型预测结果

    Table  3.   Prediction results of metabolic GM(1, 1) model

    时间/d实际容量/mAh预测容量/mAh相对误差/%
    0 2568.10
    7 2516.75 2506.15 0.421
    14 2470.85 2464.79 0.245
    21 2460.30 2464.10 0.154
    28 2422.20 2451.64 1.215
    35 2423.15 2441.17 0.744
    42 2432.00 2400.43 1.298
    49 2327.85 2320.65 0.309
    56 2286.20 2280.99 0.228
    63 2259.50 2262.35 0.126
    70 2243.30 2243.86 0.025
    77 2214.10 2225.52 0.516
    84 2217.00 2207.32 0.437
    下载: 导出CSV

    表  4  新陈代谢GM(1, 1)-神经网络模型输入与输出样本

    Table  4.   Input and output samples of metabolic GM(1, 1)-neural network model

    序列输入样本输出样本
    1 $ {x^{(0)}}(1) $ $ {x^{(0)}}(2) $ ··· $ {x^{(0)}}(p) $ $ {e^{(0)}}(p + 1) $
    2 $ {x^{(0)}}(2) $ $ {x^{(0)}}(3) $ ··· $ {x^{(0)}}(p + 1) $ $ {e^{(0)}}(p + 2) $
    ··· ··· ··· ··· ··· ···
    q−1 $ {x^{(0)}}(q - 1) $ $ {x^{(0)}}(q) $ ··· $ {x^{(0)}}(n - 1) $ $ {e^{(0)}}(n) $
    q $ {x^{(0)}}(q) $ $ {x^{(0)}}(q + 1) $ ··· $ {x^{(0)}}(n) $ $ {e^{(0)}}(n + 1) $
    下载: 导出CSV

    表  5  新陈代谢GM(1, 1)-神经网络模型输入与输出样本值

    Table  5.   Input and output sample values of metabolic GM(1, 1)-neural network model

    序列输入样本输出样本
    1 2 568.10 2506.15 2446.79 3.80
    2 2506.15 2446.79 2446.10 29.44
    3 2446.79 2446.10 2451.64 18.02
    4 2446.10 2451.64 2441.17 −31.57
    5 2451.64 2441.17 2400.43 −7.20
    6 2441.17 2400.43 2320.65 −5.21
    7 2400.43 2320.65 2280.99 2.85
    8 2320.65 2280.99 2262.35 0.56
    9 2280.99 2262.35 2243.86 11.42
    10 2262.35 2243.86 2225.52 −9.68
    11 2243.86 2225.52 2207.32 $ {e^(}^{0)}(1{\text{4}}) $
    下载: 导出CSV

    表  6  新陈代谢GM(1, 1)-神经网络模型预测结果

    Table  6.   Prediction results of metabolic GM(1, 1)-neural network model

    序列实际容量/mAh新陈代谢GM(1, 1)-神经
    网络模型预测值/mAh
    相对误差/%
    4 2460.30 2459.60 0.028
    5 2422.20 2421.44 0.031
    6 2423.15 2422.56 0.024
    7 2432.00 2431.69 0.013
    8 2327.85 2327.89 0.002
    9 2286.20 2286.02 0.008
    10 2259.50 2258.99 0.023
    11 2243.30 2243.02 0.012
    12 2214.10 2210.80 0.149
    13 2217.00 2199.31 0.798
    下载: 导出CSV

    表  7  组合预测模型得出的电池寿命

    Table  7.   Battery life based on combined prediction model

    应力条件寿命/d应力条件寿命/d
    10℃、30%SOC60440℃、30%SOC455
    10℃、100%SOC55740℃、100%SOC417
    10℃、65%SOC54340℃、65%SOC391
    25℃、30%SOC51855℃、30%SOC285
    25℃、100%SOC49755℃、100%SOC250
    25℃、65%SOC48255℃、65%SOC160
    下载: 导出CSV
  • [1] 赵涛, 刘明雍, 周良荣. 自主水下航行器的研究现状与挑战[J]. 火力与指挥控制, 2010, 35(6): 1-6.

    Zhao Tao, Liu Ming-yong, Zhou Liang-rong. A Survey of Autonomous Underwater Vehicle Recent Advances and Future Challenges[J]. Fire Control & Command Control, 2010, 35(6): 1-6.
    [2] 颜佳辉. 基于多元性能退化的电连接器贮存可靠性建模与验证[D]. 杭州: 浙江理工大学, 2019.
    [3] 韩鹏飞. 锂电池小电流放电的可靠性分析[J]. 电源技术, 1994(2): 34-37.

    Han Peng-fei. Analysis on Low-rate Discharge Reliability for Lithium Batteries[J]. Chinese Journal of Power Sources, 1994(2): 34-37.
    [4] 刘勇. LiFePO_4锂离子电池满电荷存储寿命的研究[D]. 长沙: 国防科学技术大学, 2013.
    [5] Dubarry M, Truchot C, Liaw B Y. Synthesize Battery Degradation Modes via a Diagnostic and Prognostic Model[J]. Journal of Power Sources, 2012, 219(12): 204-216.
    [6] 黄燕, 宋保维, 谢亚丽. 基于性能退化数据的锂离子电池贮存可靠性评估方法[J]. 鱼雷技术, 2011, 19(1): 43-47. doi: 10.3969/j.issn.1673-1948.2011.01.010

    Huang Yan, Song Bao-wei, Xie Ya-li. A Storage Reliability Evaluation Method of Lithium Battery Based on Capability Degenerate Data[J]. Torpedo Technology, 2011, 19(1): 43-47. doi: 10.3969/j.issn.1673-1948.2011.01.010
    [7] Thomas W, Marcel W, et al. Temperature Dependent Ageing Mechanisms in Lithium-ion Batteries-A Post-Mortem Study[J]. Journal of Power Sources, 2014, 262: 129-135.
    [8] Kassem M, Bernard J, Revel R, et al. Calendar Aging of a Graphite/LiFE PO4 Cell[J]. Journal of Power Sources, 2012, 208: 296-305. doi: 10.1016/j.jpowsour.2012.02.068
    [9] 王亚辉, 李晓钢. 基于退化轨迹的锂离子电池加速试验研究[J]. 装备环境工程, 2013(2): 30-33.

    Wang Ya-hui, Li Xiao-gang. Study of Li-ion Cells Accelerated Test Based on Degradation Path[J]. Equipment Environmental Engineering, 2013(2): 30-33.
    [10] Guan T, Sun S, Gao Y, et al. The Effect of Elevated Temperature on the Accelerated Aging of LiCoO2/Mesocarbon Microbeads Batteries[J]. Applied Energy, 2016, 177: 1-10.
    [11] 倪江锋, 周恒辉, 陈继涛, 等. 锂离子电池中固体电解质界面膜(SEI)研究进展[J]. 化学进展, 2004, 16(3): 335-342. doi: 10.3321/j.issn:1005-281X.2004.03.003

    Ni Jiang-feng, Zhou Heng-hui, Chen Ji-tao, et al. Progress in Solid Electrolyte Interface in Lithium Ion Batteries[J]. Progress in Chemistry, 2004, 16(3): 335-342. doi: 10.3321/j.issn:1005-281X.2004.03.003
    [12] 闻人红雁, 毛松科, 闻人红权, 等. 不同荷电态对锂离子电池循环寿命的影响[J]. 材料科学与工程学报, 2011, 29(5): 797-799, 769.

    Wenren Hong-yan, Mao Song-ke, Wenren Hong-quan, et al. Effect of State-of-Charge on the Cycle Life of Lithium-ion Batteries[J]. Journal of Materials Science and Engineering, 2011, 29(5): 797-799, 769.
  • 加载中
图(4) / 表(7)
计量
  • 文章访问数:  560
  • HTML全文浏览量:  8
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-03-24
  • 录用日期:  2021-11-30
  • 修回日期:  2021-06-18

目录

    /

    返回文章
    返回
    服务号
    订阅号