CN119438915A 电池寿命预测方法、相关设备及存储介质 （宁德时代新能源科技股份有限公司）

康状态达到目标健康状态的情况下电池能够进行的充放电次数和/或预测电池经过多次充放电2对电池进行多次充放电测试，得到每次充放电测试检测得到的电池放述充放电测试包括对所述电池的充电过程以及对所述基于所述循环寿命关系，预测所述电池的未来健康状态达到目标述电池能够进行的充放电次数和/或预测所述电池经过多次充放电之后的未获取所述电池的未来健康状态与所述当前健康状态之间的将所述健康状态差异与所述目标衰减因子之间的比值关系，作获取所述电池的未来健康状态在单调递增函数下的第一函数值、所述单调递增函数下的第二函数值以及所述目标衰减因子在所述单调递增函数下的第三函数将所述第一函数值和所述第二函数值之间的差异，作为所述健康状4.根据权利要求1至3中任意一项所述的电池寿命预测方法，将所述第二电池放电容量与所述第一电池放电容量之间所述第三电池放电容量与所述第二电池放电容量之间的比值作为第二衰获取所述第一电池放电容量、第二电池放电容量以及第三电池放电容量的数学统计将所述数学统计值与所述电池的电池标称容量之间的比值，作为6.根据权利要求1至3中任意一项所述的电池获取所述电池的性能参数，所述电池的性能参数包括充放电对于每次所述充放电测试，将所述电池充电至所述上截止电压3对于非首次充放电测试中的充电过程，响应于上一次基于当前次充放电测试检测得到的电池放电容量与上一次充放电测试中检测得到的处理器和存储器，所述处理器分别与所述存储器和所述充放电组件用于执行存储器中存储的程序指令以实现权利要求1至11中任一项所述的电池寿命预测方4电池，所述电子设备与所述电池连接以实现如权利要求1至11中任一项所述的电池寿命预理器执行时实现权利要求1至11中任一项所述的电池寿命5的深度学习模型能够根据电池在一段时间内的电池使用数据预测未来一段时间的健康状预测电池的未来健康状态达到目标健康状态的情况下电池能够进行的充放电次数和/或预6[0009]在一些实施例中，获取电池的未来健康状态与当前健康状态之间的健康状态差[0016]在上述方案中，通过先将电池充电至上截止电压然后再将电池放电至下截止电7减因子包括至少两次历史充放电测试中检测得到的电池放电容量确定得到能够对电池进行多次充放电测试；所述处理器分别与所述存储器和所述充放电组件连接，8池的寿命评估方法仍然是通过预先使用大量训练数据训练得到的深度学习模型进行预测，[0039]请参阅图1，本申请提供的电池寿命预测方法可以包括以下步骤S11至步骤S14的9健康状态的情况下电池能够进行的充放电次数和/或预测电池经过多次充放电之后的未来态之间的对应关系。电池的循环寿命关系可以根据充放电次数预测电池的未来健康状态，至充满并放电至放空的次数，也就是将电池先充电至充满然后电池再放电至放空算一次。[0045]在一些实施例中，获取电池的未来健康状态与当前健康状态之间的健康状态差[0046]单调递增函数包括但不限于以大于1的数为底的对数函数或者其他线性函数。示为第一衰减因子，将第三电池放电容量与第二电池放电容量之间的比值作为第二衰减因害，达到此电压时应停止充电。下截止电压，也就是放电截止电压（DischargeCut_off[0070]在上述方案中，通过先将电池充电至上截止电压然后再将电池放电至下截止电减因子包括至少两次历史充放电测试中检测得到的电池放电容量确定得到[0081]示例性地，当前衰减因子是根据第n次充放电测试中检测到的电池放电容量与第次充放电测试中检测到的电池放电容量与第n_2次充放电测试中检测得到的电池放电容量用场景中，允许的预设差异还可根据多个不同健康状态下的电池测试得到的衰减因子确衰减因子差异或者各个衰减因子差异的平均值作为允许的[0087]对于每次充放电测试中的充电过程：1、将电池静置5min；2、0.5C恒流充电至重复次数可以根据确定得到的衰减因子的稳定性确定，若至少3个电池放电容量确定得到[0097]用电装置10可以用于使用电池50作为电源的用电装置或者使用电池50作为储能