一种锂离子动力电池智能充电方法

1.本发明涉及电池快速充电优化技术领域，尤其是一种锂离子动力电池智能充电方法。


背景技术：

2.对于纯电动乘用车行业而言，“充电慢”仍是核心痛点之一。以支持快充的部分纯电动车为例，其平均理论充电倍率约为1c，即实现30％～80％soc的充电需要30分钟时间。但是，大部分电动车的充电倍率仍然不高，实现30％～80％ soc的充电需要约40～50分钟。因此，提高充电速度成为加速纯电动乘用车发展的重要环节。现阶段提高充电速度和保证电池充电安全一直是锂离子动力电池充电策略制定的两个重要目标，制定科学合理的充电策略能够在保证电池寿命健康的同时缩短充电时间。
3.电池的充电策略主要制定包括基于经验和基于模型两种。基于经验的充电策略一般通过增加充电倍率从而缩短充电时间，然而该类充电策略并未深入考虑电池内部化学反应机理，在提高充电速率的同时难免会加速电池容量衰减。为此，有学者提出了三种锂离子动力电池充电策略优化方案：改善电流波形(如脉冲充电、多级充电等)、采用优化估计算法等找到不同约束条件下的最佳充电电流和电流频率、或是根据电池内部化学反应机理对充电过程进行改进。


技术实现要素：

4.有鉴于此，本发明实施例提供一种锂离子动力电池智能充电方法，旨在优化包括缩短充电时间、减少温度上升、延长电池寿命、降低充电能量损耗等。
5.本发明实施例的一方面提供了一种锂离子动力电池智能充电方法，包括：构建电池快充仿真模型并获取模型参数；根据所述模型参数确定所述电池的初始充电安全边界；通过锂离子动力电池全生命周期数据测试平台对所述初始充电安全边界进行验证，得到目标充电安全边界；其中，所述锂离子动力电池全生命周期数据测试平台包括快充测试平台和交流阻抗测试平台；根据所述目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最终最优解，得到第一快充策略；根据脉冲宽度对所述第一快充策略进行优化，得到最终目标快充策略。
6.可选地，所述构建电池快充仿真模型并获取模型参数，包括：以锂电池伪二维模型为原型，在锂离子热耦合模型的基础上加入固液相扩散以及欧姆极化过程，构建电池快充仿真模型；获取所述电池快充仿真模型的模型参数，并对所述模型参数进行约简。
7.可选地，所述根据所述模型参数确定所述电池的初始充电安全边界，包括：根据所述模型参数，通过所述电池快充仿真模型获取对电池工作中的负极电位进行仿真；根据仿真的结果确定初始充电安全边界。
8.可选地，所述通过锂离子动力电池全生命周期数据测试平台对所述初始充电安全边界进行验证，得到目标充电安全边界，包括：配置第一电池组和第二电池组；其中，所述第
一电池组和所述第二电池组均由性能相同的多个新电池组成；配置锂离子动力电池全生命周期数据测试平台进行充放电过程中的电池阻抗和恒温恒湿箱的数据监测；通过所述数据监测获取所述第一电池组在第一环境温度的恒温箱内进行循环工况处理的第一处理结果；通过所述数据监测获取所述第二电池组在第二环境温度的恒温箱内进行循环工况处理的第二处理结果；根据所述第一处理结果和第二处理结果对所述初始安全充电边界进行验证，得到目标充电安全边界。
9.可选地，所述根据所述目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最终最优解，得到第一快充策略，包括：根据所述目标安全边界初始化遗传种群；其中，所述遗传种群的个体为锂离子动力电池充电过程的电流序列；确定所述锂离子动力电池的快充优化目标和适应度函数；对所述遗传种群进行交叉和变异，根据所述快充优化目标和所述适应度函数计算电池快充多目标的中间最优解；重复执行对所述遗传种群进行交叉和变异的步骤，直至最大迭代次数达到预定阈值，或者在预定的连续迭代次数内，计算得出的中间最优解的变化不超过预定的最优解变化阈值，则得到所述电池快充多目标的最终最优解；将所述电池快充多目标的最优解作为第一快充策略。
10.可选地，所述对所述遗传种群进行交叉和变异，根据所述快充优化目标和所述适应度函数计算电池快充多目标的中间最优解，包括：根据交叉概率确定所述遗传种群中的第一个体和第二个体；通过模拟二进制交叉随机选择所述第一个体和所述第二个体的基因位进行交叉，得到第一父代种群和第一子代种群；通过均等概率的变异方式对所述第一子代种群进行变异操作，得到第二父代种群和第二子代种群；将所述第二父代种群和所述第二子代种群进行个体重组，获得电池快充多目标的解；其中，所述电池快充多目标的解为一个或多个；基于锦标赛算法，根据所述适应度函数和所述电池快充多目标的解确定中间最优解。
11.可选地，所述根据脉冲宽度对所述第一快充策略进行优化，得到最终目标快充策略，包括：基于权重系数确定多个候选脉冲宽度；计算每个所述候选脉冲宽度下的所述第一快充策略，得到第一快充策略集；比较所述第一快充策略集中的所有所述第一快充策略的适应度函数收敛结果，得到最终目标快充策略。
12.本发明的实施例还提供了一种锂离子动力电池智能充电系统，包括：第一模块，所述第一模块用于构建电池快充仿真模型并获取参数；第二模块，所述第二模块用于获取所述电池的初始充电安全边界；第三模块，所述第三模块用于通过锂离子动力电池全生命周期数据测试平台对所述初始充电安全边界进行验证，得到目标充电安全边界；其中，所述锂离子动力电池全生命周期数据测试平台包括快充测试平台和交流阻抗测试平台；第四模块，所述第四模块用于根据所述目标充电安全边界，通过改进的遗传算法求解电池快充多目标的最终最优解，得到第一快充策略；第五模块，所述第五模块用于根据脉冲宽度对所述快充策略进行优化，得到最终目标快充策略。
13.本发明实施例还提供了一种电子设备，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如上所述的方法。
14.本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如上所述的方法。
15.本发明的实施例具有如下有益效果：通过构建电池快充仿真模型并获取参数；获
取电池的初始充电安全边界；通过锂离子动力电池全生命周期数据测试平台对初始充电安全边界进行验证，得到目标充电安全边界；其中，锂离子动力电池全生命周期数据测试平台包括快充测试平台和交流阻抗测试平台；根据目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最终最优解，得到第一快充策略；根据脉冲宽度对第一快充策略进行优化，得到最终目标快充策略，经过上述整体步骤得到的最终目标快充策略能够缩短锂离子动力电池的充电时间，减少温度上升，延长电池寿命并降低充电时的能量损耗。
附图说明
16.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1是本发明实施例提供的方法步骤流程图；
18.图2是本发明实施例提供的在5℃时电池的负极电位与soc关系曲线图；
19.图3是本发明实施例提供的在25℃时电池的负极电位与soc关系曲线图；
20.图4是本发明实施例提供的在5℃时的充电安全边界曲线图；
21.图5是本发明实施例提供的在25℃时的充电安全边界曲线图；
22.图6是本发明实施例提供的不同温度下电池的充电安全边界曲线图；
23.图7是本发明实施例提供的在25℃时的充电工况曲线图；
24.图8是本发明实施例提供的在5℃时的充电工况曲线图；
25.图9是本发明实施例提供的改进的遗传算法的流程图；
26.图10是本发明实施例提供的第一变异方式示意图；
27.图11是本发明实施例提供的第二变异方式示意图；
28.图12是本发明实施例提供的3s、5s、10s三种脉冲宽度的适应度函数收敛过程曲线图；
29.图13是本发明实施例提供的3s、5s、10s三种脉冲宽度的充电电流优化结果曲线图；
30.图14是本发明实施例提供的3s、5s、10s三种脉冲宽度的仿真端电压优化结果曲线图；
31.图15是本发明实施例提供的3s、5s、10s三种脉冲宽度的极化电压优化结果曲线图；
32.图16是本发明实施例提供的3s、4s、5s、7s、10s五种脉冲宽度的不可逆热优化目标结果柱形图；
33.图17是本发明实施例提供的3s、4s、5s、7s、10s五种脉冲宽度的充电耗时优化目标结果柱形图。
具体实施方式
34.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并
不用于限定本发明。
35.为了优化锂离子动力电池快充的问题，本发明实施例提供了一种锂离子动力电池智能充电方法，包括：构建电池快充仿真模型并获取参数；获取电池的初始充电安全边界；通过锂离子动力电池全生命周期数据测试平台对初始充电安全边界进行验证，得到目标充电安全边界；其中，锂离子动力电池全生命周期数据测试平台包括快充测试平台和交流阻抗测试平台；根据目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最优解，得到第一快充策略；根据脉冲宽度对第一快充策略进行优化，得到最终目标快充策略。
36.具体地，本发明实施例的一种锂离子动力电池智能充电方法包括以下步骤s100～s500：
37.s100、构建电池快充仿真模型并获取模型参数。
38.具体地，在进行介绍之前，首先对涉及的名词和技术术语进行解释如下：
39.soc(state of charge)：即荷电状态，用来反映电池的剩余容量，其数值上定义为剩余容量占电池容量的比值，常用百分数表示。
40.充电倍率：充电倍率(c)是充电快慢的一种量度，指电池在规定的时间充电至其额定容量时所需要的电流值。充放电倍率＝充放电电流/额定容量，1c表示电池一小时完全放电时电流强度。
41.反应基本过程：指锂离子在正负极粒子内部的脱嵌和嵌入过程，用于描述电池的开路电压e
ocv
(t)。
42.固相扩散过程：指工作过程中锂离子在活性粒子中扩散的过程，其导致活性粒子表面与内部的嵌锂量形成浓度差。
43.液相扩散过程：指锂离子在正负极之间的电解液中移动的过程。在电池工作过程中，锂离子在正负极的活性粒子表面进行嵌入和脱离，导致正极液相内部、负极液相内部以及正负极之间形成浓度差，造成锂离子在电解液中发生扩散，导致浓差极化。
44.电化学极化过程：突加电流时电池内部发生电化学反应的速率落后于电子运动的速率，此时电极电位偏离，形成电化学极化。
45.欧姆极化过程：指锂离子动力电池内部各部分的等效内阻产生的极化效应，主要由电池内部固态电解质界面膜(solid electrolyte interface，sei)、正负极材料、电解液等内阻共同造成。
46.步骤s100包括以下步骤s110～s120：
47.s110、以锂电池伪二维模型为原型，在锂离子热耦合模型的基础上加入固液相扩散以及欧姆极化过程，构建电池快充仿真模型。
48.具体地，以锂电池伪二维模型为原型，在锂离子热耦合模型(sp)的基础上加入固液相扩散以及欧姆极化过程，构建电池快充仿真模型。锂电池伪二维模型(pseudo-two-dimensions，p2d)是用来模拟固态锂电池的模型，因为其普适性，也被广泛应用于锂离子电池的研究。
49.s120、获取电池快充仿真模型的模型参数，并对参数进行约简。
50.具体地，获取电池快充仿真模型需要的模型参数，并对获取的模型参数进行汇总和约简。其中，模型参数包括负极固有的开路电势、负极活性粒子表面嵌锂浓度、浓差极化过电势、欧姆极化过电势等。
51.s200、根据模型参数确定电池的初始充电安全边界。
52.具体地，在不同温度下模型参数会有所变化，由上述欧姆极化过程可以确定电池负极电位与模型参数相关，即锂离子动力电池充电安全边界会随温度变化而变化。步骤s200包括以下步骤s210～s220：
53.s210、根据模型参数，通过电池快充仿真模型获取对电池工作中的负极电位进行仿真。
54.具体地，负极电位u
terneg
(t)的表达式为：
[0055][0056]
其中，u
terneg
(t)为负极电位；u
neg
为负极固有的开路电势；x
out
(t)为负极活性粒子表面嵌锂浓度，u
liq
(t)为浓差极化过电势；u
ohm
(t)为电化学极化过电势；u
reaneg
(t)为欧姆极化过电势。
[0057]
s220、根据仿真的结果确定初始充电安全边界。
[0058]
具体地，对于步骤s210～s220，将得到的模型参数结果代入电池快充仿真模型中，根据欧姆极化过程得到不同温度下电池的负极电位与充电倍率、soc的关系。可选地，以第一环境温度为25℃，第二环境温度为5℃为例，参照图2和图3，图2是本发明实施例提供的在5℃时电池的负极电位与soc关系曲线图，图3是本发明实施例提供的在25℃时电池的负极电位与soc关系曲线图。
[0059]
针对不同的充电倍率，利用电池快充仿真模型进行负极电位仿真，参照图4和图5，图4是本发明实施例提供的在5℃时的充电安全边界曲线图，图5是本发明实施例提供的在25℃时的充电安全边界曲线图，当负极电位与x轴(即0v)相交时获取该点对应的soc，此时的充电倍率即为该soc下电池所能接受的最大安全充电倍率。
[0060]
参照图6，图6是本发明实施例提供的不同温度下电池的充电安全边界曲线图，根据图6可知，该电池所能接受的最大安全充电倍率较高，满足高倍率充电需求。
[0061]
当温度下降时，该电池的充电安全边界随之下降，说明低温下电池能接受的充电倍率降低，高倍率下更易析锂，这是因为温度降低会导致电池内阻有较为明显的提高。
[0062]
当温度提高时，充电安全边界有所上升，在30℃以上时不同温度的安全边界接近，这是因为在25℃以上时电池欧姆内阻变化不大，而由欧姆极化过程可知，充电安全边界主要受欧姆内阻影响。
[0063]
需要说明的是，本发明实施例的初始充电安全边界可以根据温度的差别有多个边界。
[0064]
s300、通过锂离子动力电池全生命周期数据测试平台对初始充电安全边界进行验证，得到目标充电安全边界；其中，锂离子动力电池全生命周期数据测试平台包括快充测试平台和交流阻抗测试平台。
[0065]
具体地，步骤s300包括以下步骤s310～s350：
[0066]
s310、配置第一电池组和第二电池组；其中，第一电池组和第二电池组均由性能相同的多个新电池组成。
[0067]
具体地，配置性能相同的第一电池组和第二电池组，可选地，也可以配置同一批次的性能相似的新电池作为第一电池组和第二电池组，两个电池组的电池数量相等。对第一
电池组和第二电池组的电池进行编号，以方便记录电池数据。将第一电池组分为小组1、小组2和小组3，将第二电池组分为小组4、小组5、小组6，其中，第二电池组的各小组电池数量与第一电池组的各小组电池数量相对应。以第一环境温度为25℃，第二环境温度为5℃为例，将其中第一电池组放入25℃的恒温箱内，将第二电池组放入5℃的恒温箱内，所有电池均在对应恒温箱内提前搁置一段时间，以保证电池内外温度一致。上述对充电安全边界内和充电安全边界外设置不同循环工况对比测试组，有利于对初始充电安全边界的合理性进行验证分析。
[0068]
s320、配置锂离子动力电池全生命周期数据测试平台进行充放电过程中的电池阻抗和恒温恒湿箱的数据监测。
[0069]
具体地，配置的锂离子动力电池全生命周期数据测试平台包括：
[0070]
快充测试平台，由交换机、电池充放电测试仪、可编程恒温恒湿箱以及用于数据记录的计算机组成，通过rj-45接口与上位机连接，通过配套的上位机软件可设定不同工况，并实时检测、控制电池的充放电状态、电流、电压和容量等。能够用于对多个恒温箱设置不同温度，同时对多个电池进行充放电测试，对不同环境温度的仿真模型参数进行验证。
[0071]
交流阻抗测试平台，由电化学工作站通过接口与计算机链接，通过配套的上位机软件可设置不同频率的正弦电压激励以及不同测试时长，用于后续电池内部欧姆内阻的获取。
[0072]
配置上述的锂离子动力电池全生命周期数据测试平台进行充放电过程中的电池阻抗和恒温恒湿箱的数据监测，有利于收集验证过程中的电池数据信息。
[0073]
s330、通过数据监测获取第一电池组在第一环境温度的恒温箱内进行循环工况处理的第一处理结果。
[0074]
s340、通过数据监测获取第二电池组在第二环境温度的恒温箱内进行循环工况处理的第二处理结果。
[0075]
具体地，对于步骤s330～s340，进行循环工况处理的步骤包括以下步骤一至步骤六：
[0076]
步骤一、配置预定倍率，将所有电池以预定倍率进行恒流恒压充电至截止电压4.2v、截止电流0.05c的状态，然后搁置一段时间。
[0077]
步骤二、以预定倍率对电池进行恒流放电，使电池soc下降至20％，然后搁置一段时间。
[0078]
由于本发明实施例的电池快充方法主要针对电池从20％soc充电至80％soc这一区间内的充电情况，因此仅针对该段soc对应的充电安全边界进行验证，提高准确性。
[0079]
步骤三、根据第一环境温度的初始充电安全边界配置第一充电工况和第二充电工况，根据第二环境温度的初始充电安全边界配置第三充电工况和第四充电工况。可选地，以第一环境温度为25℃，第二环境温度为5℃为例，则配置第一充电工况和第二充电工况如图7，图7是本发明实施例提供的在25℃时的充电工况曲线图，配置第三充电工况和第四充电工况如图8，图8是本发明实施例提供的在5℃时的充电工况曲线图。
[0080]
步骤四、按照第一充电工况对小组1进行充电，按照第二充电工况对小组2进行充电，对小组3以预定的高充电倍率恒流进行恒流充电。按照第三充电工况对小组4进行充电，按照第四充电工况对小组5进行恒流充电，对小组6以与小组3一致的充电倍率进行恒流充
电。上述充电后，保持电池搁置状态一段时间，使得浓差极化恢复。
[0081]
上述步骤四的电池充电时均从20％soc充电至80％soc，其中，第一充电工况和第三充电工况设置为当电流抵达当前充电安全边界的98％时减小至当前最大电流的95％，而第二充电工况和第四充电工况设置为当电流抵达当前充电安全边界的102％时减小至当前最大电流的97％。从图7和图8中可以看出，第一充电工况和第三充电工况的电流倍率全程处于充电安全边界下方，第二充电工况和第四充电工况的充电倍率在不同转换阶段均有超出边界的部分。而设置高充电倍率恒流进行恒流充电作为对照实验，能更清晰地观测观测析锂现象。
[0082]
步骤五、以预定的放电倍率对电池进行恒流放电，使电池soc下降至20％，进入搁置状态。
[0083]
步骤六、设定循环次数，根据循环次数重复执行步骤四至步骤五，最后再执行一次步骤四，使电池充电至80％soc的状态，以便观察析锂现象。
[0084]
s350、根据第一处理结果和第二处理结果对初始安全充电边界进行验证，得到目标充电安全边界。
[0085]
拆解第一电池组和第二电池组的所有电池进行检测，检测结果满足判断条件(1)～(3)，则利用电池快充仿真模型得到的充电安全边界具有较高的准确性，其中，判断条件为：
[0086]
(1)根据第一充电工况和第三充电工况进行处理的电池负极表面只有黑色的负极材料；
[0087]
(2)根据第二充电工况和第三充电工况进行处理的电池负极表面有少部分锂枝晶形成；
[0088]
(3)根据高倍率恒流进行恒流充电的工况进行处理的电池负极表面有大面积锂枝晶形成。
[0089]
将准确性最高的初始充电安全边界作为目标充电安全边界。
[0090]
s400、根据目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最终最优解，得到第一快充策略。
[0091]
具体地，参照图9，图9是本发明实施例提供的改进的遗传算法的流程图，需要说明的是，图9中的最大序列长度为示例性描述。步骤s400包括具体以下步骤s410～s450：
[0092]
s410、根据目标安全边界初始化遗传种群；其中，遗传种群的个体为锂离子动力电池充电过程的电流序列。
[0093]
具体地，初始化遗传种群时，配置遗传算法的参数并将电池初始的soc配置为20％，充电停止时刻的soc配置为80％，并根据实际情况设定序列最大长度。遗传种群的每个个体为该电池从20％soc充电至80％soc的电流序列，序列内每个值为每一秒的电流幅值，序列的长度即为充电所需时间。在生成序列时，每一秒的电流上限为当前soc对应的目标充电安全边界，考虑负脉冲对充电效果的影响，电流的下限设置为-1c(即1c放电)。由于遗传算法需要保证不同个体的序列长度一致，而在随机生成不同个体时会出现soc提前到达80％的情况，因此针对这些序列进行补零操作，以保证序列长度等于序列的最大长度。此外，在生成个体中可能存在序列到达末尾而soc未达80％的情况，因此将缺少的部分转换成倍率数值并均分至该序列的所有值内。
[0094]
s420、确定锂离子动力电池的快充优化目标和适应度函数。
[0095]
本发明实施例制定快速充电策略的优化目标以评价个体适应度，该优化目标具体可以表示为以下两个单目标：
[0096]
(1)最小化不可逆热，最小化不可逆热j1的表达式为：
[0097][0098]
(2)最小化电池充电时间，最小化充电时间j2的表达式为：
[0099][0100]
其中，u
*
(
·
)为控制变量，即不同电流序列；time
total
为充电时间，不同个体的序列总长度一致，充电时间取决于序列末尾补零数，因此本发明中以不同序列减去其末尾补零后的长度作为最终充电时间；u
liq
(t)为浓差极化过电势；u
rea
(t)为电化学极化过电势；u
ohm
(t)欧姆极化过电势；u
liq
(t)+u
rea
(t)+u
ohm
(t)为总极化电压。
[0101]
对于不可逆热而言，以1c恒流充电时产热量最少，而跟随充电安全边界进行充电时产热量最大。在本发明实施例中，可选地，充电不可逆热可以以1c产热量q
1c
为100分，跟随充电安全边界充电产热量q
max
为60分，采用线性打分，充电过程不可逆热q
total
的得分j1为：
[0102][0103]
对于充电时间而言，跟随充电安全边界进行充电时所用时间最短，以1c恒流充电时所用时间最长，因此充电时间以跟随安全边界充电的时间time
max
为100分，以1c充电的时间time
1c
为60分，采用线性打分的情况下，充电时间time
total
的得分j2为：
[0104][0105]
此外，在后续交叉、变异等操作中会导致个体里某些位置对应的电流超出当前充电安全边界，因此对个体中每个电流值均进行边界判断，超出边界的总个数记为j3，通过给定权重耦合进适应度函数中，作为惩罚函数。
[0106]
利用权重系数ω1、ω2、ω3把多目标组合转化为单目标，所建立的适应度函数为：
[0107][0108][0109]
其中，u
*
(
·
)为控制变量，ω1、ω2为优化目标权重系数，可以根据需求进行权重调整。ω3为电流超出边界个数的调整系数，为了防止对适应度函数影响过大，本发明设置ω3＝0.1。需要说明的是，也可以设置ω3为其他数值，例如0.2、0.3等。
[0110]
s430、对遗传种群进行交叉和变异，根据快充优化目标和适应度函数计算电池快充多目标的中间最优解。
[0111]
具体地，步骤s430包括以下s431～s435：
[0112]
s431、根据交叉概率确定遗传种群中的第一个体和第二个体。
[0113]
具体地，根据交叉概率pc随机确定第一个体和第二个体。可选地，可以将第一个体设定为父代，第二个体设定为母代。
[0114]
s432、通过模拟二进制交叉随机选择第一个体和第二个体的基因位进行交叉，得到第一父代种群和第一子代种群。
[0115]
具体地，对当前的父代进行遍历，同时生成随机数rc进行判断。当rc＜pc时，随机挑选两个不相等的个体作为“父”和“母”，采用模拟二进制交叉(sbx)随机选择基因位进行交叉，得到第一父代种群和第一子代种群。模拟二进制交叉是一种适用于实数编码的交叉操作，在模拟二进制交叉中，每个后代都是由亲代染色体创建的。
[0116]
s433、通过均等概率的变异方式对第一子代种群进行变异操作，得到第二父代种群和第二子代种群。
[0117]
具体地，对第一子代种群采用均等概率的变异方式进行变异操作，得到第二父代种群和第二子代种群。上述变异操作可以有两种变异方式，具体为：
[0118]
(1)第一变异方式，参照图10，图10是本发明实施例提供的第一变异方式示意图，从第一子代种群的个体序列末尾的第一个非零值开始往前取m个值，将该m个值的总和均分至前面序列内，然后对该m个位置的值置零。
[0119]
(2)第二变异方式，参照图11，图11是本发明实施例提供的第二变异方式示意图，根据随机确定的子代的某个基因位进行变异操作。对子代的每个基因位进行随机数判断，当随机数小于等于0.04时，对此个体的当前基因位进行该值的变化，同时随机选取另一个不在末尾全零序列内的基因位进行的变化。
[0120]
s434、将第二父代种群和第二子代种群进行个体重组，获得电池快充多目标的解；其中，电池快充多目标的解为一个或多个。
[0121]
具体地，电池快充多目标的解为个体适应度。
[0122]
s435、基于锦标赛算法，根据适应度函数和电池快充多目标的解确定中间最优解。
[0123]
具体地，锦标赛算法锦标赛法是选择操作的方法，用于找最大值和次大值或者最小值和次小值的算法，采用锦标赛算法可以做到平均查询次数最少，本发明可通过锦标赛算法，根据适应度函数和电池快充多目标的解确定中间最优解，该中间最优解用于在迭代过程中确定最终的最优解。
[0124]
s440、重复执行对遗传种群进行交叉和变异的步骤，直至最大迭代次数达到预定阈值，或者在预定的连续迭代次数内，计算得出的中间最优解的变化不超过预定的最优解变化阈值，则得到电池快充多目标的最终最优解。
[0125]
具体地，最终最优解为停止迭代时的当代种群。
[0126]
s450、将电池快充多目标的最优解作为第一快充策略。
[0127]
具体地，将上述迭代得到的电池快充多目标的最优解确定为第一快充策略。
[0128]
s500、根据脉冲宽度对第一快充策略进行优化，得到最终目标快充策略。
[0129]
具体地，步骤s500包括以下步骤s510～s530：
[0130]
s510、基于权重系数确定多个候选脉冲宽度。
[0131]
s520、计算每个候选脉冲宽度下的第一快充策略，得到第一快充策略集。
[0132]
具体地，在对每个脉冲宽度下都进行遗传算法求解，得到每个候选脉冲宽度下的第一快充策略，所有候选脉冲宽度组合称为第一快充策略集。
[0133]
s530、比较第一快充策略集中的所有第一快充策略的适应度函数收敛结果，得到最终目标快充策略。
[0134]
具体地，比较第一快充策略集中的所有第一快充策略的适应度函数收敛结果，并根据收敛结果确定目标脉冲宽度，将适应度函数收敛效果最好的第一快充策略和目标脉冲宽度作为最终目标快充策略。
[0135]
本发明实施例还提供了一种锂离子动力电池智能充电系统，包括：第一模块，第一模块用于构建电池快充仿真模型并获取参数；第二模块，第二模块用于获取电池的初始充电安全边界；第三模块，第三模块用于通过锂离子动力电池全生命周期数据测试平台对初始充电安全边界进行验证，得到目标充电安全边界；其中，锂离子动力电池全生命周期数据测试平台包括快充测试平台和交流阻抗测试平台；第四模块，第四模块用于根据目标充电安全边界，通过改进的遗传算法求解电池快充多目标的最终最优解，得到第一快充策略；第五模块，第五模块用于根据脉冲宽度对快充策略进行优化，得到最终目标快充策略。
[0136]
本发明实施例还提供了一种电子设备，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如上所述的方法。
[0137]
本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如上所述的方法。
[0138]
本发明的实施例具有如下有益效果：本发明实施例的整体步骤考虑了最小化不可逆热和最小化电池充电时间的优化目标，计算得到的最终目标快充策略能够缩短锂离子动力电池的充电时间，减少温度上升，延迟电池寿命并降低充电时的能量损耗，有利于对锂离子动力电池进行快充。
[0139]
以下介绍本发明实施例的一个应用场景：
[0140]
根据本发明实施例的步骤s100，构建电池快充仿真模型并获取模型参数；再根据模型参数确定电池的初始充电安全边界，确定的初始充电安全边界如图3和图5，通过锂离子动力电池全生命周期数据测试平台对初始充电安全边界进行验证，得到目标充电安全边界；对充电安全边界进行验证分析，在安全边界内外设置不同循环工况的对比测试组，并对电池进行处理，处理电池的具体步骤为：
[0141]
(1)选取同一批次的6个性能相似的新电池进行编号并均分为两组，其中一组(包括1、3、5号电池)在25℃的恒温箱内进行实验，另一组(包括2、4、6号电池)在5℃的恒温箱内进行实验。
[0142]
所有电池均在对应恒温箱内提前搁置2小时，以保证电池内外温度一致。
[0143]
(2)将所有电池以1c倍率进行恒流恒压充电至截止电压4.2v、截止电流0.05c的状态，然后搁置30分钟。
[0144]
(3)以1c倍率对电池进行恒流放电，放电时长为48分钟，使电池soc下降至20％，然后搁置30分钟。
[0145]
(4)对1、3号电池分别按照图7的第一充电工况、第二充电工况进行充电，对2、4号电池分别按照8的第三充电工况、第四充电工况进行充电。同时，对5、6号电池以6c倍率恒流充电6分钟。然后保持电池在搁置状态30分钟，使浓差极化恢复。
[0146]
(5)以2c放电倍率对电池进行恒流放电，放电18分钟，使电池soc下降至20％，然后搁置30分钟。
[0147]
(6)循环上述处理电池的步骤(4)～(5)共20次，最后再执行一次步骤(4)，使电池充电至80％soc的状态，以便观察析锂现象。然后，对上述两组共6个电池进行拆解检测，若
充电工况1下的1、2号电池负极表面只有黑色的负极材料，充电工况2下的3、4号电池负极表面有些许锂枝晶形成，高倍率恒流工况下的5、6号电池负极表面能够观测到较为明显的大面积锂枝晶，则说明利用模型得到的充电安全边界具有较高的准确性，将准确性最高的初始充电安全边界作为目标充电安全边界。
[0148]
采用本发明实施例的步骤s400，根据目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最终最优解，得到第一快充策略。
[0149]
在初始化种群时，每个个体为该电池从20％soc充电至80％soc的电流序列，序列内每个值为每一秒的电流幅值，序列的长度即为充电所需时间。电池通过1c倍率从20％soc恒流充电至80％soc所用时间为2160s，为了确保快速充电时间相比1c恒流充电缩短40％以上，序列最大长度设置为1296。
[0150]
在生成序列时，每一秒电流的上限为当前soc对应的充电安全边界，考虑负脉冲对充电效果的影响，电流下限设置为-1c(即1c放电)。由于遗传算法需要保证不同个体的序列长度一致，而在随机生成不同个体时会出现soc提前到达80％的情况，因此针对这些序列进行补零操作，以保证长度等于1296。此外，在生成个体中也会遇到序列到达末尾而soc未达80％的情况，因此把缺少的部分转换成倍率数值并均分至该序列的所有值内。
[0151]
根据步骤s440确定锂离子动力电池的优化快充目标和适应度函数，并根据步骤s430进行交叉和变异的迭代，当达到最大迭代代数或者连续10代内适应度函数的最优值变化不超过0.0001，则认为找到最优解，停止寻优，得到最终最优解，即第一快充优化策略。
[0152]
基于的权重系数搭配，以脉冲宽度为3s、4s、5s、7s、10s等五种情况进行遗传算法求解，探讨不同脉冲宽度对策略优化的影响。
[0153]
3s、5s、10s三种脉冲宽度的适应度函数收敛过程参照图12，充电电流优化结果参照图13，仿真端电压优化结果参照图14，极化电压优化结果参照图15。
[0154]
3s、4s、5s、7s、10s这五种情况的优化目标结果参照图16和图17。
[0155]
从优化结果可看出，当脉冲宽度为3时，优化策略偏向于让正脉冲跟随安全边界，同时增加负脉冲的数量。脉冲宽度增大时，优化策略倾向于减少甚至去除负脉冲，同时使正脉冲幅值尽量维持在3c附近。因为当脉冲宽度增加时，高倍率电流超出安全边界次数增加，从而s420中的惩罚项fitness增大，最终导致分数减小。然而基于锦标赛算法的最优选取方式将低分数的相关个体进行淘汰，最终存活并进行迭代的个体的电流幅值大部分趋于中间值(3c)，从而不需要过多负脉冲抑制极化电压的增加。因此，当脉冲宽度增加时，由于负脉冲数量减少，尽管正脉冲的幅值也有所减少，充电时间整体仍呈现下降趋势。其中，不同脉冲宽度的充电耗时相较于1c恒流充电分别缩短了54.17％、55.74％、57.17％、58.84％和60.65％；不可逆热相较于跟随安全边界充电的产热量分别减少了35.84％、37.94％、40.28％、36.07％和33.15％。
[0156]
从不可逆热的优化角度来看，随着脉冲宽度的增加，不可逆热呈现先下降后上升的趋势，脉冲宽度为5的时候相对较小。脉冲宽度为3时，尽管通过增加负脉冲抑制极化电压的增长，然而充电时间相对变长，导致不可逆热总和变大；而脉冲宽度为10时，虽然充电时间下降，但是负脉冲的减少导致极化电压相对较大，不可逆热总和也相应变大。当脉冲宽度为5时，充电时间和不可逆热都能得到较好的平衡。
[0157]
根据上述结果，可确定脉冲宽度为5时为目标快充策略。
[0158]
此外，增加脉冲宽度后计算得到的最优策略在充电时间和不可逆热上均优于脉冲宽度为1时计算得到的解，表明适当增加脉冲宽度更易于寻找最优策略。
[0159]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0160]
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
[0161]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0162]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0163]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(ram)、只读存储器(rom)、可擦除可编辑只读存储器(eprom或闪速存储器)、光纤装置以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0164]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件
或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0165]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0166]
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
[0167]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

技术特征：
1.一种锂离子动力电池智能充电方法，其特征在于，包括：构建电池快充仿真模型并获取模型参数；根据所述模型参数确定所述电池的初始充电安全边界；通过锂离子动力电池全生命周期数据测试平台对所述初始充电安全边界进行验证，得到目标充电安全边界；其中，所述锂离子动力电池全生命周期数据测试平台包括快充测试平台和交流阻抗测试平台；根据所述目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最终最优解，得到第一快充策略；根据脉冲宽度对所述第一快充策略进行优化，得到最终目标快充策略。2.根据权利要求1所述的一种锂离子动力电池智能充电方法，其特征在于，所述构建电池快充仿真模型并获取模型参数，包括：以锂电池伪二维模型为原型，在锂离子热耦合模型的基础上加入固液相扩散以及欧姆极化过程，构建电池快充仿真模型；获取所述电池快充仿真模型的模型参数，并对所述模型参数进行约简。3.根据权利要求1所述的一种锂离子动力电池智能充电方法，其特征在于，所述根据所述模型参数确定所述电池的初始充电安全边界，包括：根据所述模型参数，通过所述电池快充仿真模型对电池工作中的负极电位进行仿真；根据仿真的结果确定初始充电安全边界。4.根据权利要求1所述的一种锂离子动力电池智能充电方法，其特征在于，所述通过锂离子动力电池全生命周期数据测试平台对所述初始充电安全边界进行验证，得到目标充电安全边界，包括：配置第一电池组和第二电池组；其中，所述第一电池组和所述第二电池组均由性能相同的多个新电池组成；配置锂离子动力电池全生命周期数据测试平台进行充放电过程中的电池阻抗和恒温恒湿箱的数据监测；通过所述数据监测获取所述第一电池组在第一环境温度的恒温箱内进行循环工况处理的第一处理结果；通过所述数据监测获取所述第二电池组在第二环境温度的恒温箱内进行循环工况处理的第二处理结果；根据所述第一处理结果和第二处理结果对所述初始安全充电边界进行验证，得到目标充电安全边界。5.根据权利要求1所述的一种锂离子动力电池智能充电方法，其特征在于，所述根据所述目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最终最优解，得到第一快充策略，包括：根据所述目标安全边界初始化遗传种群；其中，所述遗传种群的个体为锂离子动力电池充电过程的电流序列；确定所述锂离子动力电池的快充优化目标和适应度函数；对所述遗传种群进行交叉和变异，根据所述快充优化目标和所述适应度函数计算电池快充多目标的中间最优解；
重复执行对所述遗传种群进行交叉和变异的步骤，直至最大迭代次数达到预定阈值，或者在预定的连续迭代次数内，计算得出的中间最优解的变化不超过预定的最优解变化阈值，则得到所述电池快充多目标的最终最优解；将所述电池快充多目标的最优解作为第一快充策略。6.根据权利要求5所述的一种锂离子动力电池智能充电方法，其特征在于，所述对所述遗传种群进行交叉和变异，根据所述快充优化目标和所述适应度函数计算电池快充多目标的中间最优解，包括：根据交叉概率确定所述遗传种群中的第一个体和第二个体；通过模拟二进制交叉随机选择所述第一个体和所述第二个体的基因位进行交叉，得到第一父代种群和第一子代种群；通过均等概率的变异方式对所述第一子代种群进行变异操作，得到第二父代种群和第二子代种群；将所述第二父代种群和所述第二子代种群进行个体重组，获得电池快充多目标的解；其中，所述电池快充多目标的解为一个或多个；基于锦标赛算法，根据所述适应度函数和所述电池快充多目标的解确定中间最优解。7.根据权利要求6所述的一种锂离子动力电池智能充电方法，其特征在于，所述根据脉冲宽度对所述第一快充策略进行优化，得到最终目标快充策略，包括：基于权重系数确定多个候选脉冲宽度；计算每个所述候选脉冲宽度下的所述第一快充策略，得到第一快充策略集；比较所述第一快充策略集中的所有所述第一快充策略的适应度函数收敛结果，得到最终目标快充策略。8.一种锂离子动力电池智能充电系统，其特征在于，包括：第一模块，所述第一模块用于构建电池快充仿真模型并获取参数；第二模块，所述第二模块用于获取所述电池的初始充电安全边界；第三模块，所述第三模块用于通过锂离子动力电池全生命周期数据测试平台对所述初始充电安全边界进行验证，得到目标充电安全边界；其中，所述锂离子动力电池全生命周期数据测试平台包括快充测试平台和交流阻抗测试平台；第四模块，所述第四模块用于根据所述目标充电安全边界，通过改进的遗传算法求解电池快充多目标的最终最优解，得到第一快充策略；第五模块，所述第五模块用于根据脉冲宽度对所述快充策略进行优化，得到最终目标快充策略。9.一种电子设备，其特征在于，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。

技术总结
本发明公开了一种锂离子动力电池智能充电方法，通过构建电池快充仿真模型并获取参数；获取电池的初始充电安全边界；通过锂离子动力电池全生命周期数据测试平台对初始充电安全边界进行验证，得到目标充电安全边界；根据目标充电安全边界，通过改进的遗传算法计算电池快充多目标的最终最优解，得到第一快充策略；根据脉冲宽度对第一快充策略进行优化，得到最终目标快充策略，经过上述整体步骤得到的最终目标快充策略能够缩短锂离子动力电池的充电时间，减少温度上升，延迟电池寿命并降低充电时的能量损耗。本发明可广泛应用于电池快速充电优化技术领域。速充电优化技术领域。速充电优化技术领域。


技术研发人员：王焕宇 刘圣哲 谭晓军 范玉千 邵达成 阮漪灏 李军
受保护的技术使用者：中山大学
技术研发日：2023.04.26
技术公布日：2023/7/25