一种电池寿命预测方法、装置、电池管理系统及电子设备

技术领域

本申请涉及电池技术领域，尤其涉及一种电池寿命预测方法、装置、存储介质及电子设备。

背景技术

在电池产品开发过程中，通常需要通过大量的实验来筛选出可满足使用需求的电池材料体系，电池材料体系包括正极、负极、电解液、隔膜等关键组成材料。而在对不同电池材料体系的电池性能进行对比分析时，通常需要先制作电池，然后再对电池进行相应项目的测试和表征。诸如高温高湿项目，主要用于评估电池或电池材料暴露在高温度高湿度环境下，所带来的电池性能变化和安全问题。

发明内容

本申请实施例提供了一种电池寿命预测方法、装置、存储介质及电子设备，所述技术方案如下：

第一方面，本申请实施例提供了一种电池寿命预测方法，方法包括：

在参考温湿度参数对应的参考温湿度环境下，对电池进行电池容量失效测试，得到参考电池失效时间；

基于参考温湿度参数和参考电池失效时间确定电池衰减预测模型的模型系数和所述电池的失效活化能；

确定针对电池的目标温湿度环境，获取目标温湿度环境对应的目标温湿度参数；

基于模型系数、失效活化能、目标温湿度参数、参考温湿度参数和参考电池失效时间，采用电池衰减预测模型确定电池在目标温湿度环境下的预测电池失效时间。

在本申请实施例中，通过对电池多种参考温湿度环境进行电池容量失效测试，得到参考温湿度参数对应的参考电池失效时间，由已测试的多种温湿度参数的参考电池失效时间，确定电池衰减预测模型的模型系数和电池的失效活化能完成对相应体系类型电池的适配，基于该电池衰减预测模型结合模型系数和失效活化能可以对待预测的目标温湿度环境的电池失效时间进行寿命快速预测，整个电池寿命预测过程极大的提升了电池测试效率，在诸如高温高湿测试下的缩短了测试周期乃至可以达到免测直接预测电池寿命的效果，可以辅助加快电池产品研发周期。

在一种可行的实施方式中，对电池进行电池容量失效测试，得到参考电池失效时间，包括：

将电池放置在参考温湿度环境中，监测电池的剩余容量和电池存储时间；

若剩余容量达到容量失效阈值，则确定电池达到电池容量失效状态；

基于剩余容量和电池存储时间进行容量衰减线性拟合处理，得到容量衰减时间曲线；

基于容量衰减时间曲线确定容量失效阈值对应的电池失效时间，将电池失效时间作为参考温湿度参数对应的参考电池失效时间。

在本申请实施例中，通过将电池放置在参考温湿度环境中监测电池的剩余容量和电池存储时间，在电池达到电池容量失效状态时，根据剩余容量和电池存储时间可以准确确定参考温湿度的参考电池失效时间；以及，通过容量失效阈值的设置，可以实现对电池达到电池容量失效状态的准确预测；以及，通过对剩余容量和电池存储时间进行容量衰减线性拟合处理，可以得到容量衰减时间曲线，基于容量衰减时间曲线可以直接确定容量失效阈值对应的电池失效时间，基于此方式可以极大缓解电池数据监测压力，节省电池监测的资源消耗。

在一种可行的实施方式中，基于参考温湿度参数和参考电池失效时间确定电池衰减预测模型的模型系数和电池的失效活化能，包括：

基于参考温湿度参数和参考电池失效时间确定包含第一温湿度参数、第二温湿度参数、第一温湿度参数对应的第一电池失效时间、第二温湿度参数对应的第二电池失效时间的模型样本数据，第一温湿度参数与第二温湿度参数不同；

基于至少两组模型样本数据确定电池衰减预测模型的误差校准系数和电池的失效活化能。

在本申请实施例中，基于模型样本数据可以确定电池衰减预测模型的误差校准系数和电池的失效活化能，确保电池衰减预测模型针对相应类型电池的适用性，实现准确预测其他温湿度环境下的电池寿命。

在一种可行的实施方式中，基于参考温湿度参数和参考电池失效时间确定包含第一温湿度参数、第二温湿度参数、第一温湿度参数对应的第一电池失效时间、第二温湿度参数对应的第二电池失效时间的模型样本数据，包括：

对参考温湿度参数进行测试数据类型划分，确定加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数，加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数；

基于参考温湿度参数对应的参考电池失效时间，确定第一温湿度参数对应的第一电池失效时间和第二温湿度参数对应的第二电池失效时间；

生成包含第一温湿度参数、第二温湿度参数、第一温湿度参数对应的第一电池失效时间、第二温湿度参数对应的第二电池失效时间的模型样本数据。

在本申请实施例中，对参考温湿度参数进行测试数据类型划分，划分加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数进而生成高质量的模型样本数据，高质量的模型样本数据可以便于精准确定电池衰减预测模型的模型系数和电池的失效活化能。

在一种可行的实施方式中，基于模型系数、失效活化能、目标温湿度参数、参考温湿度参数和参考电池失效时间，采用电池衰减预测模型确定电池在目标温湿度环境下的预测电池失效时间，包括：

基于目标温湿度参数和参考温湿度参数进行测试数据类型划分，确定加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数，加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数；

基于模型系数、失效活化能、第一温湿度参数、第二温湿度参数和参考电池失效时间，采用电池衰减预测模型输出电池在目标温湿度环境下的预测电池失效时间；

其中，参考电池失效时间为第一温湿度参数和第二温湿度参数中参考温湿度参数对应的电池失效时间。

在本申请实施例中，在预测目标温湿度环境下电池寿命时，先基于待预测的目标温湿度参数和已知的参考温湿度参数进行测试数据类型划分，划分加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数进而使用电池衰减预测模型精准预测目标温湿度环境下的电池失效时间，可以达到目标温湿度环境快速预测或者免测试目的，可大幅缩短测试周期，加快电池产品研发周期。

在一种可行的实施方式中，电池衰减预测模型满足以下公式：

其中，TTF

在本申请实施例中，示出了一种具体的电池衰减预测模型，使用该电池衰减预测模型可以便捷预测高温高湿环境下电池寿命，大幅缩短了测试周期，加快了电池产品研发周期；以及，湿度加速率常数的优选取值范围可以为0～2，可以辅助电池衰减预测模型精准预测在高温高湿环境下的电池失效时间。

在一种可行的实施方式中，方法还包括：

将至少两个参考电池失效时间的比值作为参考湿度加速率，基于参考湿度加速率采用模型常数预测模型确定湿度加速率常数；或，

将至少两个参考电池失效时间的比值作为参考湿度加速率，基于参考湿度加速率确定目标加速率区间，基于参考加速率区间与参考湿度加速率常数的目标映射关系获取目标加速率区间对应的湿度加速率常数。

在本申请实施例中，示出了一种确定电池衰减预测模型中确定湿度加速率常数的方式，基于预先设置的目标映射关系可在实际应用阶段准确快速针对当前体系的电池确定电池衰减预测模型中的湿度加速率常数。

第二方面，本申请实施例提供了一种电池寿命预测装置，装置包括：

失效测试模块，用于在多种参考温湿度参数分别对应的参考温湿度环境下，对电池进行电池容量失效测试，得到参考温湿度参数对应的参考电池失效时间；

数值确定模块，用于基于多种参考温湿度参数、参考温湿度参数对应的参考电池失效时间确定电池衰减预测模型的模型系数和电池的失效活化能；

寿命预测模块，用于确定针对电池的待预测的目标温湿度环境，获取目标温湿度环境对应的目标温湿度参数，基于模型系数、失效活化能、目标温湿度参数、参考温湿度参数和参考电池失效时间，采用电池衰减预测模型确定电池在目标温湿度环境下的预测电池失效时间。

第三方面，本申请实施例提供一种电池管理系统，其特征在于，与电池连接，电池包含至少一个电芯，电池管理系统用于执行上述的方法步骤。

第四方面，一种电子设备，其特征在于，包括：本体、电池管理系统和与电池管理系统连接的电池，电池包含至少一个电芯；

电池用于为本体供电；

电池管理系统用于执行上述的方法步骤。

第五方面，一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。

第六方面，本申请实施例提供一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由处理器加载并执行上述的方法步骤。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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。

图1是本申请实施例提供的一种电池寿命预测方法的流程示意图；

图2是本申请实施例提供的一种电池容量失效测试的流程示意图；

图3是本申请实施例提供的一种电池(如锂离子电池)在“40℃温度，90％湿度”参考温湿度环境下所记录的变化曲线示意图；

图4是本申请实施例提供的一种电池(如锂离子电池)在“55℃温度，93％湿度”参考温湿度环境下所记录的变化曲线示意图；

图5是本申请实施例提供的一种电池(如锂离子电池)在“60℃温度，90％湿度”参考温湿度环境下所记录的变化曲线示意图；

图6是本申请实施例提供的一种电池(如锂离子电池)在“65℃温度，90％湿度”参考温湿度环境下所记录的变化曲线示意图；

图7是本申请实施例提供的一种模型系数和失效活化能确定的流程示意图；

图8是本申请实施例提供的一种电池寿命预测装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本申请的描述中，需要说明的是，除非另有明确的规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

在相关技术中，对电池在高温高湿环境下进行电池寿命检测以评估电池性能，均是按照相关电池安规标准或者客户自定义电池寿命检测条件进行全周期、耗时长的全面检测，高温高湿环境下电池性能评估非常重要但相关技术测试周期长，严重影响了电池材料体系及电池产品开发的整体进度。

下面结合具体的实施例对本申请进行详细说明。

在一个实施例中，如图1所示，特提出了一种电池寿命预测方法，该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的电池寿命预测装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。具体的，该电池寿命预测方法包括：

本申请实施例的执行主体可以是电池管理系统(Battery ManagementSystem，BMS)，电池管理系统可以对电池的电芯进行管理，例如可以对电芯的各项参数，如电压、电流等参数进行管理，以及还可以对电池充电和放电过程进行管理。电池管理系统可以与电池电连接；

S102：在参考温湿度参数对应的参考温湿度环境下，对电池进行电池容量失效测试，得到参考电池失效时间；

示意性的，在电池高温高湿项目检测场景中，针对待测试的电池设置多种参考温湿度环境，不同的参考温湿度环境对应不同的参考温湿度参数，参考温湿度参数包括参考温度和参考湿度。

可选的，通常参考温湿度环境对应的参考温湿度参数高于电池日常应用环境下的日常温湿度参数。

针对多种不同的参考温湿度环境，分别将同种电池放置在参考温湿度环境中进行高温高湿项目测试，对电池进行电池容量失效测试，测试时搜集电池高温高湿项目测试过程中的至少一个剩余容量，基于剩余容量和电池存储时间拟合容量衰减时间曲线，基于容量衰减时间曲线获得多种参考温湿度参数(温度&湿度的参数组合)下电池满足目标失效容量时对应的参考电池失效时间；

参考电池失效时间可以理解为电池在一定温湿度参数对应的温湿度环境下达到容量失效状态时的电池存储时间。

S104：基于参考温湿度参数和参考电池失效时间确定电池衰减预测模型的模型系数和所述电池的失效活化能；

电池衰减模型可以基于失效活化能和模型系数用于预测电池在待预测的目标温湿度环境下的预测电池失效时间，预测电池失效时间可以直接反馈电池在某一目标温湿度参数对应的环境下的电池存储寿命。

可以理解的，针对不同电池材料体系类型、不同电池规格类型、不同电压体系类型等相应类型的电池，其电池的失效活化能不同，实际应用中需要先对相应类型的电池进行电池衰减预测模型的适配，以确定电池衰减预测模型的模型系数和电池的失效活化能。

在本说明书中，可基于多种参考温湿度参数、参考温湿度参数对应的参考电池失效时间作为该种电池的模型样本数据，采用模型样本数据确定电池衰减模型的模型系数和相应类型电池的失效活化能，在确定前述参数之后，电池衰减模型可完成适配该电池材料体系的电池，进而可预测该种电池在待预测的目标温湿度环境下的预测电池失效时间。

在一种可行的实施方式中，可以结合温度加速电池容量衰减维度和湿度加速电池容量衰减维度组成电池衰减预测模型，通过高温高湿环境下的相应类型电池的模型样本数据来适配电池衰减预测模型，确定电池衰减预测模型的模型系数和电池的失效活化能；

示意性的，电池衰减预测模型满足以下公式：

其中，TTF

可选的，电池衰减预测模型的模型系数至少可以是误差校准系数，还可以是湿度加速率常数。

在一种可行的实施方式中，可以基于机器学习模型创建并采用模型样本数据来训练电池衰减预测模型，具体如下：

样本数据收集：采集大量的模型样本数据，基于多种参考温湿度参数、参考温湿度参数对应的参考电池失效时间作为该种电池的模型样本数据；

样本数据标注：对模型样本数据标注电池失效时间标签和失效活化能标签；

模型正向传播训练：基于机器学习模型创建初始电池衰减预测模型，将模型样本数据输入初始电池衰减预测模型中进行至少一轮模型训练，得到针对将模型样本数据对应的预测电池失效时间和预测失效活化能；可选的，预测电池失效时间是电池衰减预测模型预测电池达到失效活化能时的时间；

可选的，预测失效活化能是电池衰减预测模型在模型训练阶段的中间输出，实际应用阶段可选择是否输出预测失效活化能，模型训练阶段基于每一轮的预测失效活化能作为一种预测电池失效时间的模型训练监督信号，加速模型训练过程。

模型反向传播微调：在每一轮模型正向传播训练过程中，基于预测电池失效时间和样本标签-电池失效时间标签基于模型损失计算式计算第一模型损失，基于预测失效活化能和失效活化能标签基于模型损失计算式计算第二模型损失，第一模型损失和第二模型损失对初始电池衰减预测模型进行模型系数调整，直至初始电池衰减预测模型满足模型训练结束条件，得到训练好的电池衰减预测模型，在完成模型训练后，电池衰减预测模型的模型系数和相应类型电池的失效活化能固定；

可选的，第一模型损失和可以第二模型损失采用设置的模型损失函数计算模型损失，如模型损失函数可以是欧式距离损失函数、交叉熵损失函数、合页损失函数等等。

可选的，模型的模型结束训练条件可以包括诸如损失函数的取值小于或等于预设的损失函数阈值，迭代次数达到预设的次数阈值等。具体模型结束训练条件可基于实际情况确定，此处不作具体限定。

需要说明的是，本说明书一个或多个实施例所涉及的机器学习模型包括但不限于卷积神经网络(Convolutional Neural Network，CNN)模型，深度神经网络(Deep NeuralNetwork，DNN)模型、循环神经网络(Recurrent Neural Networks，RNN)、模型、嵌入(embedding)模型、梯度提升决策树(Gradient Boosting DecisionTree，GBDT)模型、逻辑回归(Logistic Regression，LR)模型等机器学习模型中的一种或多种的拟合。

示意性的，提出了一种基于机器学习模型的电池衰减预测模型的模型训练方式，基于此方式可以得到训练好的电池衰减预测模型，该电池衰减预测模型可适配复杂的电池寿命预测场景，并准确计算出预测电池失效时间，模型具有良好的鲁棒性。

S106：确定针对电池的目标温湿度环境，获取目标温湿度环境对应的目标温湿度参数；

目标温湿度环境基于针对相应类型电池的高温高湿测试项目的测试指标确定。

目标温湿度参数包括目标温湿度环境下的目标温度参数和目标湿度参数。

S108：基于模型系数、失效活化能、目标温湿度参数、参考温湿度参数和参考电池失效时间，采用电池衰减预测模型确定电池在目标温湿度环境下的预测电池失效时间。

在一种可行的实施方式中，以结合温度加速电池容量衰减维度和湿度加速电池容量衰减维度组成的电池衰减预测模型为例进行释义，如下：

A2：可以基于目标温湿度参数和参考温湿度参数进行测试数据类型划分，确定加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数，加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数；

示意性的，对于参考温湿度参数下的参考电池失效时间是已知的，本说明书采用的电池衰减预测模型可以理解为一种针对高温高湿项目对应的目标温湿度环境的加速测试方式，通过比对目标温湿度参数和参考温湿度参数来划分测试数据类型，确定加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数，划分测试数据类型的标准为加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数。

可选的，通常待预测的目标温湿度参数可以是高于参考温湿度参数，也即基于已知的参考温湿度参数下的参考电池失效时间，采用电池衰减预测模型预测相对参考温湿度参数高的目标温湿度参数对应的预测电池失效时间。

需要说明的是，本说明书中的电池衰减预测模型也可适用于相对参考温湿度参数低的目标温湿度参数对应的电池失效时间的预测。

示意性的，第一温湿度参数包括第一温度参数和第一湿度参数，第二温室度参数包括第二温度参数和第二湿度参数，加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数可理解为：以温湿度参数为主要参考第一温度参数高于第二温度参数且第一湿度参数高于第二湿度参数，或，以温度参数为主要参考第一温度参数高于第二温度参数，或，以湿度参数为主要参考第一湿度参数高于第二湿度参数。

A4：基于模型系数、失效活化能、第一温湿度参数、第二温湿度参数和参考电池失效时间，采用电池衰减预测模型输出电池在目标温湿度环境下的预测电池失效时间；

其中，参考电池失效时间为第一温湿度参数和第二温湿度参数中参考温湿度参数对应的电池失效时间。

采用电池衰减预测模型，基于模型系数、失效活化能、第一温湿度参数、第二温湿度参数和参考电池失效时间，可以计算出预测电池失效时间，预测电池失效时间是第一电池失效时间和第二电池失效时间中除已知参考温湿度参数之外的经计算得到的电池失效时间。

示例性的，例如，由测试数据可得到的“55℃温度，93％湿度”下电池失效时间TTF(55℃，93％)＝49.8d，“65℃温度，90％湿度”下电池失效时间TTF(65℃，90％)＝17.3d，针对电池衰减预测模型取n为2，确定模型系数中误差校准系数m为0.95；将两组数据输入到电池衰减预测模型中确定失效活化能Ea为1.03eV；假设目标温湿度环境为“45℃温度，95％湿度”，将TTF(55℃，93％)，n，Ea和m带入电池衰减预测模型中；

可预测电芯在“45℃温度，95％湿度”的高温高湿环境下，达到目标失效容量的失效时间TTF

示意性的，在电池衰减预测模型中温度参数可以先将摄氏温度类型转换为开式温度类型再进行计算。

在一种可行的实施方式中，基于机器学习模型创建并采用模型样本数据来训练的电池衰减预测模型为例进行释义，如下：

电池衰减预测模型拟合了适配相应类型电池的模型系数和失效活化能，基于考温湿度参数和参考电池失效时间训练得到，实际高温高湿项目中，将目标温湿度环境中的目标温湿度参数输入到电池衰减预测模型，电池衰减预测模型输出预测电池失效时间。

在本申请实施例中，通过对电池多种参考温湿度环境进行电池容量失效测试，得到参考温湿度参数对应的参考电池失效时间，由已测试的多种温湿度参数的参考电池失效时间，确定电池衰减预测模型的模型系数和电池的失效活化能完成对电池的模型预测前的适配，基于该电池衰减预测模型可以对待预测的目标温湿度环境的电池失效时间进行寿命预测，整个电池寿命预测过程极大的提升了电池测试效率，缩短了在诸如高温高湿测试下的测试周期，可以辅助加快电池产品研发进度。

请参见图2，图2是本申请提出的一种电池容量失效测试的流程示意图。具体的：

S202：将电池放置在参考温湿度环境中，监测电池的剩余容量和电池存储时间；

配置n种“参考温度-参考湿度”的参考温湿度环境，在参考温湿度环境对应的参考温湿度条件下存储一定时间，并实时或周期性搜集剩余容量和记录该剩余容量的电池存储时间。

剩余容量可以是相对于电池放置在参考温湿度环境前的初始电池容量值的容量百分比的形式。

为更好的理解本说明书中电池容量失效测试过程，下面以某种电池材料体系的电池制作过程和电池容量失效测试过程为例进行示意性的释义，如下：

电池制作过程：

采用铝箔作为阴极集流体，在铝箔表面均匀的涂布一层钴酸锂浆料，钴酸锂浆料的组成为97.8wt％LiCoO2(LCO)、0.8wt％聚偏二氟乙烯(PVDF)和1.4wt％导电炭黑，并随后进行冷压，制备得到正极片。采用铜箔作为阳极集流体，在铜箔表面均匀的涂布一层石墨浆料，浆料组成为97.7wt％人造石墨、1.3wt％羧甲基纤维素(CMC)以及1.0wt％丁苯橡胶(SBR)的组合，并随后进行冷压，制备得到负极片。

正极极片和负极极片经分条后进行卷绕，正极极片和负极极片之间以PE隔离膜进行分隔，从而制备得到卷绕裸电芯。裸电芯经顶侧封、喷码、真空干燥、注入电解液、高温静置后进行化成及容量，即可得到某种电池材料体系下的多个成品电池。

电池容量失效测试：

电池放置在恒温房中，在20±5℃环境中静置30min，以1.0C(1C为电池的额定容量)电流恒流充电至电池电压至4.45V(额定电压)，直至电流小于0.05C，接着以0.2C电流将电池放电至3.0V，静置10min；以1.0C(1C为电池的额定容量)电流恒流充电至电池电压至4.45V(额定电压)，直至电流小于0.05C。将电池电芯从充放电通道上取下，进行满充后的首次测厚。再将电池电芯分组，分别放到n种“参考温度-参考湿度”环境的高温高湿箱体中，开始高温高湿测试。

例如，55℃以下的测试，每间隔15d(天)将电芯取出进行容量测试，记录电池的剩余容量和电池存储时间。容量测试如以0.2C的放电容量为基准测量电池的剩余容量，以此类推可得到剩余容量随电池存储时间的变化曲线示意图。

例如，55℃以上的测试，每间隔10d(天)将电芯取出进行容量测试，记录电池的剩余容量和电池存储时间。容量测试如以0.2C的放电容量为基准测量电池的剩余容量，以此类推可得到剩余容量随电池存储时间的变化曲线示意图，变化曲线示意图的横坐标为电池存储时间(Time)，纵坐标为剩余容量(Capacity)；

示意性的，如图3-图6，示意出了某种电池材料体系的电池在4种“参考温度-参考湿度”的参考温湿度环境下所记录的“剩余容量随电池存储时间的变化曲线示意图”，分别为：

图3为某种电池材料体系的电池(如锂离子电池)在“40℃温度，90％湿度”参考温湿度环境下所记录的变化曲线示意图；

图4为某种电池材料体系的电池(如锂离子电池)在“55℃温度，93％湿度”参考温湿度环境下所记录的变化曲线示意图；

图5为某种电池材料体系的电池(如锂离子电池)在“60℃温度，90％湿度”参考温湿度环境下所记录的变化曲线示意图；

图6为某种电池材料体系的电池(如锂离子电池)在“65℃温度，90％湿度”参考温湿度环境下所记录的变化曲线示意图；

S204：若剩余容量达到容量失效阈值，则确定电池达到电池容量失效状态；

在一种可行的实施方式中，若剩余容量达到容量失效阈值(如以XX％表示)，则确定电池达到电池容量失效状态，若剩余容量未达到容量失效阈值，则确定电池处于电池容量正常状态。

当剩余容量≤XX％，判定电池处于电池容量失效状态。

可选的，容量失效阈值可以是80％。

S206：基于剩余容量和电池存储时间确定参考温湿度参数对应的参考电池失效时间。

在确定电池达到电池容量失效状态后，可基于剩余容量和电池存储时间进行变化曲线线性拟合处理，以此得到容量衰减时间曲线，采用容量衰减时间曲线确定参考温湿度参数对应的参考电池失效时间；

A2：基于剩余容量和电池存储时间进行容量衰减线性拟合处理，得到容量衰减时间曲线；

可选的，容量衰减线性拟合处理可以是采用一阶线性拟合的方式，得到容量衰减时间曲线，容量衰减时间曲线的横坐标为电池存储时间，纵坐标为剩余容量；

可选的，容量衰减线性拟合处理针对同一温湿度环境得到的容量衰减时间曲线可以是至少一条容量衰减时间曲线；

以图3记录的变化曲线示意图为例，一阶线性拟合的容量衰减时间曲线可包括图示所示出的两段曲线，两段容量衰减时间曲线分别为y＝0.001x+1.0009、y＝0.0019x+1.075；

以图4记录的变化曲线示意图为例，一阶线性拟合的容量衰减时间曲线可包括图示所示出的两段曲线，两段容量衰减时间曲线分别为y＝0.0037x+0.9977、y＝0.0099x+1.088；

以图5记录的变化曲线示意图为例，一阶线性拟合的容量衰减时间曲线可包括图示所示出的两段曲线，两段容量衰减时间曲线曲线分别为y＝0.0066x+1.0017、y＝0.0268x+1.2574；

以图6记录的变化曲线示意图为例，一阶线性拟合的容量衰减时间曲线可包括图示所示出的两段曲线，两端曲线分别为y＝0.0145x+1.0114、y＝0.034x+1.1788；

A4：基于容量衰减时间曲线确定容量失效阈值对应的电池失效时间，将电池失效时间作为参考温湿度参数对应的参考电池失效时间。

由不同参考温湿度环境下的容量衰减时间曲线，可获得容量失效阈值对应的电池失效时间，将该电池失效时间作为参考温湿度参数对应的参考电池失效时间。如基于容量衰减时间曲线确定80％容量失效阈值对应的电池失效时间，如容量衰减达到80％时所对应的失效时间(TTF)，由下表一中不同的温湿度加速带来的失效时间TTF变化，如下：

表一

其中，表一中示出了6种参考温湿度环境的参考温湿度，以及6种参考温湿度对应的电池失效时间TTF，分别为

1、“40℃温度，90％湿度”环境下电池失效时间TTF：144.7；

2、“45℃温度，95％湿度”环境下电池失效时间TTF：88.7；

3、“55℃温度，93％湿度”环境下电池失效时间TTF：28.5；

4、“60℃温度，90％湿度”环境下电池失效时间TTF：17.1；

5、“60℃温度，95％湿度”环境下电池失效时间TTF：16.6；

6、“65℃温度，90％湿度”环境下电池失效时间TTF：11.1；

可选的，基于若干参考温湿度参数对应的参考电池失效时间，可以计算电池失效加速效率，电池失效加速效率采用如下计算式可得到：

V＝(A

其中，V为电池失效加速效率，A

示意性的，以“40℃温度，90％湿度”环境下电池失效时间TTF：144.7为对照，计算“45℃温度，95％湿度”环境下电池失效加速效率为：(144.7-88.7)/144.7≈38.7％，计算“55℃温度，93％湿度”环境下电池失效加速效率为：(144.7-28.5)/144.7≈80％，计算“60℃温度，90％湿度”环境下电池失效加速效率为：(144.7-17.1)/144.7≈88.2％，计算“60℃温度，95％湿度”环境下电池失效加速效率为：(144.7-16.6)/144.7≈88.5％，计算“65℃温度，90％湿度”环境下电池失效加速效率为：(144.7-11.1)/144.7≈92.3％；

由以是示意可知，高温高湿加速效率可达90％，可见大幅缩短了测试周期，提升了产品研发效率。

在本申请实施例中，通过将电池放置在参考温湿度环境中监测电池的剩余容量和电池存储时间，在电池达到电池容量失效状态时，根据剩余容量和电池存储时间可以准确确定参考温湿度的参考电池失效时间；以及，采用对剩余容量和电池存储时间进行容量衰减线性拟合处理，可以得到容量衰减时间曲线，基于容量衰减时间曲线可以直接确定容量失效阈值对应的电池失效时间，基于此方式可以极大缓解电池数据监测压力，节省电池监测的资源消耗。

请参见图7，图7是一种模型系数和失效活化能确定的流程示意图。具体的：

S302：基于参考温湿度参数和参考电池失效时间确定包含第一温湿度参数、第二温湿度参数、第一温湿度参数对应的第一电池失效时间、第二温湿度参数对应的第二电池失效时间的模型样本数据，第一温湿度参数与第二温湿度参数不同；

一组模型样本数据由第一温湿度参数、第二温湿度参数、第一电池失效时间、第二电池失效时间组成；

在对电池衰减预测模型适配某类型电池时，某类型电池在多种参考温湿度参数下分别的参考电池失效时间是已知的，通过比对两两参考温湿度参数来划分测试数据类型，确定加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数；

B2：对多组参考温湿度参数进行测试数据类型划分，确定加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数，加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数；

划分测试数据类型的标准为加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数。

示意性的，第一温湿度参数包括第一温度参数和第一湿度参数，第二温室度参数包括第二温度参数和第二湿度参数，加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数可理解为：以温湿度参数为主要参考第一温度参数高于第二温度参数且第一湿度参数高于第二湿度参数，或，以温度参数为主要参考第一温度参数高于第二温度参数，或，以湿度参数为主要参考第一湿度参数高于第二湿度参数。

B4：基于多组参考温湿度参数对应的参考电池失效时间，确定第一温湿度参数对应的第一电池失效时间和第二温湿度参数对应的第二电池失效时间；

以“40℃温度，90％湿度”环境下电池失效时间TTF：144.7、“45℃温度，95％湿度”环境下电池失效时间TTF：88.7为例进行测试数据类型划分，确定第一温湿度参数为“45℃温度，95％湿度”，第二温湿度参数为“40℃温度，90％湿度”，则第一电池失效时间为88.7、第二电池失效时间为144.7。

B6：生成多组包含第一温湿度参数、第二温湿度参数、第一温湿度参数对应的第一电池失效时间、第二温湿度参数对应的第二电池失效时间的模型样本数据。

在电池高温高湿项目检测场景中，对于多组参考温湿度参数对应的参考电池失效时间，每次随机选取两组参考温湿度参数对应的参考电池失效时间即可生成一组模型样本数据，以此类推，可得到多组模型样本数据。

S304：基于至少两组模型样本数据确定电池衰减预测模型的误差校准系数和电池的失效活化能。

误差校准系数可以作为为电池衰减预测模型的一种模型系数，通过引入误差校准系数来减小电池的失效活化能计算时的环境误差，实现对失效活化能计算的误差校准。

可选的，误差校准系数可以是采用专家端服务基于至少两组模型样本数据对电池进行实验分析后设置的系数值；误差校准系数也可以是基于至少两组模型样本数据进行下述数理计算后得到实验值。

电池衰减预测模型满足以下公式：

其中，TTF

电池衰减预测模型中左边计算式的值：是由每两种温湿度参数环境下的第一电池失效时间与第二电池失效时间的比值组成，其比值可以理解为从电池失效时间维度表征的电池衰减加速因子；电池衰减预测模型中右边计算式的值：是由温度加速电池容量衰减维度的温度衰减加速因子和湿度加速电池容量衰减维度的湿度加速因子的积组成，其比值可以理解为从温湿度容量加速衰减维度表征的电池衰减加速因子。

由至少两组模型样本数据输入到电池衰减预测模型中，可以得到至少两个式子，经数学计算求解可得误差校准系数m和电池的失效活化能Ea。

示意性的，假设n值取2，基于至少两组模型样本数据输入到电池衰减预测模型中计算，可参考表二，如下：

表二

“(45℃，95％)/(55℃，93％)”表示温湿度参数“45℃温度，95％湿度”和“55℃温度，93％湿度”对应的模型样本数据；“(60℃，90％)/(65℃，90％)”表示温湿度参数“60℃温度，90％湿度”和“65℃温度，90％湿度”对应的模型样本数据；“(55℃，93％)/(60℃，95％)”表示温湿度参数“55℃温度，93％湿度”和“60℃温度，95％湿度”对应的模型样本数据；由表二可得到，此时可计算得到误差校准系数m为0.95和电池的失效活化能Ea为1.01；

可选的，电池衰减预测模型的模型系数还可以包括湿度加速率常数。

实际应用阶段，还可以设置湿度加速率常数，可选的，湿度加速率常数的取值范围为[0，2]。

可选的，可以从多组参考温湿度参数中，选取至少一组第三温湿度参数和第四温湿度参数，基于第三温湿度参数对应的第三电池失效时间和第四温湿度参数对应的第四电池失效时间确定失效加速率，其中，第三温湿度参数和第四温湿度参数满足温度参数相同且湿度参数不同的选取条件；

示意性的，失效加速率可以反馈湿度加速对电池容量衰减的影响，失效加速率可以是：第三电池失效时间与第四电池失效时间的时间差值，时间差值与电池失效时间(第三电池失效时间与第四电池失效时间中的最大的电池失效时间)的比值。

然后再基于失效加速率确定目标加速率区间，基于参考加速率区间与参考湿度加速率常数的目标映射关系获取目标加速率区间对应的湿度加速率常数。

示意性的，针对不同类型的电池，预先采用专家端服务人工设置多个参考加速率区间与参考湿度加速率常数的目标映射关系，目标映射关系可以是以多个参考加速率区间与参考湿度加速率常数的映射列表、映射数组等形式。

通过确定参考湿度加速率落入的多个参考加速率区间中的哪一个目标加速率区间，然后基于目标映射关系可以确定目标加速率区间对应的湿度加速率常数n。

例如，根据已测试的相同温度不同湿度下的失效加速率，结合失效加速率判定湿度加速作用属于0-2％，也即目标加速率区间属于0-2％，结合目标映射关系获取到目标加速率区间对应的湿度的湿度加速率常数n取值为2较合适。

可选的，还可以采用基于机器学习模型创建并训练好的湿度加速率常数预测模型，来确定湿度加速率常数；

湿度加速率常数预测模型的输入是多组相同温度下不同湿度的至少两个参考温湿度参数以及参考温湿度参数对应的参考电池失效时间；湿度加速率常数预测模型的输出是湿度加速率常数。

示意性的，湿度加速率常数预测模型的模型训练过程如下：

样本数据收集：采集大量的样本数据，样本数据包括基于多组相同样本温度下不同样本湿度的至少两个样本温湿度参数，和样本电池在样本温湿度参数下对应的样本电池失效时间；

样本数据标注：采用专家端服务对样本数据标注湿度加速率常数标签；

模型正向传播训练：基于机器学习模型创建初始湿度加速率常数预测模型，将样本数据输入湿度加速率常数预测模型中进行至少一轮模型训练，得到针对将模型样本数据对应的预测湿度加速率常数；

模型反向传播微调：在每一轮模型正向传播训练过程中，基于预测湿度加速率常数和湿度加速率常数标签基于模型损失计算式计算第三模型损失，使用第三模型损失对初始湿度加速率常数预测模型进行模型系数调整，直至初始湿度加速率常数预测模型满足模型训练结束条件，得到训练好的湿度加速率常数预测模型，在完成模型训练后，得到训练好的湿度加速率常数预测模型；

可选的，第三模型损失采用设置的模型损失函数计算模型损失，如模型损失函数可以是欧式距离损失函数、交叉熵损失函数、合页损失函数等等。

示意性的，上述示出了一种基于机器学习模型的湿度加速率常数预测模型训练方式，基于此方式可以得到训练好的湿度加速率常数预测模型，该湿度加速率常数预测模型可适配复杂的电池寿命预测场景中对湿度加速率常数的准确预测，模型具有良好的鲁棒性。

在本说明书一个或多个实施例中，对多组参考温湿度参数进行测试数据类型划分，划分加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数进而生成高质量的模型样本数据，高质量的模型样本数据可以便于精准确定电池衰减预测模型的模型系数和电池的失效活化能。进而使用电池衰减预测模型精准预测目标温湿度环境下的电池失效时间，可以达到目标温湿度环境快速预测或者免测试目的，可大幅缩短测试周期，加快电池产品研发周期。

基于同样的发明构思，本申请实施例还提供了一种电池管理系统(BMS)，该电池管理系统与电池连接，用于对电池进行管理。电池管理系统用于接收电池和外部各个接口的信息，分析和处理信息后，并发出执行指令，完成电池的充电，放电，保护，均衡，故障检测和故障预警等功能，确保电池的正常、高效、合理和安全的运行。该电池管理系统能实现对电池的寿命预测，例如，可以参考温湿度参数分别对应的参考温湿度环境下，对电池进行电池容量失效测试，得到参考电池失效时间，基于参考温湿度参数和参考电池失效时间确定电池衰减预测模型的模型系数和电池的失效活化能，确定针对电池的目标温湿度环境，获取目标温湿度环境对应的目标温湿度参数，基于模型系数、失效活化能、目标温湿度参数、参考温湿度参数和参考电池失效时间，采用电池衰减预测模型确定电池在目标温湿度环境下的预测电池失效时间。

其中，BMS主要可以分成闭环反馈的三大部分：信息采集、信息分析处理、输出决策执行指令。对于信息采集，BMS需要实时监测电池的状态，就需要各种传感器来采集电芯的电压，电流，温度等物理参数。信息分析处理是指，BMS采集到相关信息后，需要对信息进行分析处理，以决定需要采取的动作。输出决策执行指令是指，BMS通过对外交互接口向与其交互的交互对象(如充电设备)输出决策执行指令。

电池管理系统可以采用现有的电池管理系统，例如，对于笔记本电脑、电动车点等设备来说，该电池管理系统为当前设备中所使用的电池管理系统，其结构已经为本领域所熟知，此处不再进行说明。

电池管理系统实施例所提供的电池寿命预测原理及产生的技术效果和前述方法实施例相同，为简要描述，电池管理系统实施例部分未提及之处，可参考前述方法实施例中相应内容。

基于同样的发明构思，本申请实施例还提供了一种电子设备，该电子设备包括本体、电池管理系统和与电池管理系统连接的电池，该电池包含至少一个电芯。电池用于为本体供电；电池管理系统用于执行上述的电池寿命预测方法，实现对电芯胀气情况的在线监控。该电子设备可以是笔记本电脑、平板电脑和智能手机等。可以理解的是，该电子设备并不限于此，还可以是具备动力电池的电动设备，例如，可以是电动交通工具、如电动自行车、电动摩托车、电动汽车等。

下面将结合图8，对本申请实施例提供的电池寿命预测装置进行详细介绍。需要说明的是，图8所示的电池寿命预测装置，用于执行本申请图1～图7所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图1～图7所示的实施例。

请参见图8，其示出本申请实施例的电池寿命预测装置的结构示意图。该电池寿命预测装置1可以通过软件、硬件或者两者的结合实现成为用户终端的全部或一部分。根据一些实施例，该电池寿命预测装置1包括失效测试模块11、数值确定模块12和寿命预测模块13，具体用于：

失效测试模块11，用于在参考温湿度参数对应的参考温湿度环境下，对电池进行电池容量失效测试，得到参考电池失效时间；

数值确定模块12，用于基于参考温湿度参数和参考电池失效时间确定电池衰减预测模型的模型系数和所述电池的失效活化能；

寿命预测模块13，用于确定针对电池的目标温湿度环境，获取目标温湿度环境对应的目标温湿度参数，基于模型系数、失效活化能、目标温湿度参数、参考温湿度参数和参考电池失效时间，采用电池衰减预测模型确定电池在目标温湿度环境下的预测电池失效时间。

可选的，失效测试模块11，用于：

将电池放置在参考温湿度环境中，监测电池的剩余容量和电池存储时间；

若剩余容量达到容量失效阈值，则确定电池达到电池容量失效状态；

基于剩余容量和电池存储时间进行容量衰减线性拟合处理，得到容量衰减时间曲线；

基于容量衰减时间曲线确定容量失效阈值对应的电池失效时间，将电池失效时间作为参考温湿度参数对应的参考电池失效时间。

可选的，数值确定模块12，用于：

基于参考温湿度参数和参考电池失效时间确定包含第一温湿度参数、第二温湿度参数、第一温湿度参数对应的第一电池失效时间、第二温湿度参数对应的第二电池失效时间的模型样本数据，第一温湿度参数与第二温湿度参数不同；

基于至少两组模型样本数据确定电池衰减预测模型的误差校准系数和电池的失效活化能。

可选的，数值确定模块12，用于：

对参考温湿度参数进行测试数据类型划分，确定加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数，加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数；

基于参考温湿度参数对应的参考电池失效时间，确定第一温湿度参数对应的第一电池失效时间和第二温湿度参数对应的第二电池失效时间；

生成包含第一温湿度参数、第二温湿度参数、第一温湿度参数对应的第一电池失效时间、第二温湿度参数对应的第二电池失效时间的模型样本数据。

可选的，寿命预测模块13，用于：

基于目标温湿度参数和参考温湿度参数进行测试数据类型划分，确定加严测试类型对应的第一温湿度参数和非加严测试类型对应的第二温湿度参数，加严测试类型对应的第一温湿度参数高于非加严测试类型对应的第二温湿度参数；

基于模型系数、失效活化能、第一温湿度参数、第二温湿度参数和参考电池失效时间，采用电池衰减预测模型输出电池在目标温湿度环境下的预测电池失效时间；

其中，参考电池失效时间为第一温湿度参数和第二温湿度参数中参考温湿度参数对应的电池失效时间。

可选的，电池衰减预测模型满足以下公式：

TTF

可选的，装置1还用于：

将至少两个参考电池失效时间的比值作为参考湿度加速率，基于参考湿度加速率采用模型常数预测模型确定湿度加速率常数；或，

将至少两个参考电池失效时间的比值作为参考湿度加速率，基于参考湿度加速率确定目标加速率区间，基于参考加速率区间与参考湿度加速率常数的目标映射关系获取目标加速率区间对应的湿度加速率常数。

本申请实施例所提供的电池寿命预测，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

需要说明的是，上述实施例提供的电池寿命预测装置在执行电池寿命预测方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的电池寿命预测装置与电池寿命预测方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1～图7所示实施例的所述目标电池寿命预测方法，具体执行过程可以参见图1～图7所示实施例的具体说明，在此不进行赘述。

本申请还提供了一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由所述处理器加载并执行如上述图1～图7所示实施例的所述目标电池寿命预测方法，具体执行过程可以参见图1～图7所示实施例的具体说明，在此不进行赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。

以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。