一种场景自适应的电极材料综合选型与评价方法及装置与流程
本发明涉及电化学储能,更具体的说是涉及一种场景自适应的电极材料综合选型与评价方法及装置。
背景技术:
1、随着新能源产业向多场景纵深发展,电极材料的选型正从单一性能比较,演变为一个涉及电化学性能、量产一致性、全生命周期经济性及场景适配性的复杂系统工程。
2、以钠离子电池硬碳负极为例,其应用场景已覆盖大型储能(长寿命需求)、工商业储能、纯电动汽车(高体积能量密度需求)及低速电动车(极致成本需求)等。不同场景对性能的敏感度差异巨大。然而,现有技术的选型与评价方法普遍存在以下不足:
3、第一,缺乏场景自适应的寿命价值评估。现有方法多采用统一的循环寿命权重,导致选型结果与实际场景需求脱节。现有技术中,基于三电极电池的加速测试方法可用于缩短循环性能测试周期,但此类方法仅解决了如何快速测试的问题,未解决在不同场景下如何差异化评价寿命价值这一选型核心问题。
4、第二,未将量产一致性(批次波动性)作为选型决策的前置量化因子。多数电极新材料在实验室阶段性能优异,但在规模化量产中因批次间性能波动大,导致电芯分档、配组困难,造成巨大良率损失。现有技术中,判定电芯一致性的方法主要面向电芯制造完成后的筛选与配组,属于事后判定,无法在材料选型阶段就预判和量化该材料的量产风险。
5、第三,缺乏以全生命周期经济性为导向的评价模型。尤其是在储能等对运营成本敏感的场景中,初始采购成本低但循环寿命短的材料,其全生命周期度电成本可能反而更高。现有的综合评价技术多采用多指标决策方法,如熵权法结合topsis方法进行综合排序。然而,这些方法未建立以全生命周期价值/成本为核心的经济学评价导向,也未针对不同应用场景进行差异化加权。
6、第四,应用模式单一,无法覆盖产业链多元需求。现有技术几乎全部服务于电池厂的原材料采购选型,未能为材料生产商的研发优化和客户推广,以及产业资本的技术尽调与投资决策提供标准化的量化工具。此外,现有技术从未将场景的差异化寿命价值与材料批次一致性风险进行量化耦合,以产生可直接用于指导电芯制造设备参数设定的统一技术指标。
7、因此,如何提出一种场景自适应的电极材料综合选型与评价方法及装置,急需一套场景自适应的、以全生命周期经济性为导向的、并能覆盖产业链多角色需求的电极材料综合选型与评价技术,克服现有技术存在的缺陷是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此,本发明提供了一种场景自适应的电极材料综合选型与评价方法及装置,构建具有明确物理意义和经济含义的选型指数模型,能科学、量化地为不同应用场景匹配最优材料,并支持材料采购、研发推广和投资评估三种模式,为了实现上述目的,本发明采用如下技术方案:
2、一种场景自适应的电极材料综合选型与评价方法,包括:
3、s1:获取待评价电极材料的克容量、首次效率、压实密度、材料单价,以及基于连续多批次生产或试产数据统计获得的表征批次间性能波动的一致性变异系数,构建待评价电极材料特征组合;
4、s2:确定目标应用场景,并根据场景下以全生命周期度电成本为经济性判据的经济性模型,标定得到循环寿命基准和敏感度系数α;
5、其中,所述敏感度系数α按下式标定:
6、e=|lcos/cycle_life|×(cycle_life/lcos);
7、α=1+(e-e_min)/(e_max-e_min)·(α_max-1);
8、式中,lcos为该场景的平准化度电成本,e为该场景下平准化度电成本对循环寿命的弹性系数,所述偏导数与lcos均在所述循环寿命基准处取值;e_min、e_max为预设的弹性系数下限与上限,与候选场景集合无关;α_max为预设的寿命价值放大上限;
9、所述循环寿命基准由该场景下平准化度电成本不高于预设的度电成本目标值反解得到,所述度电成本目标值根据该场景的历史电价水平或同类项目的度电成本预先确定;
10、s3:基于一致性变异系数计算一致性校正因子,获取待评价材料的循环寿命cycle_life,并按式 h=(cycle_life/cycle_benchmark)^α计算循环寿命校正因子h,其中,cycle_benchmark为所述循环寿命基准,α为所述敏感度系数;
11、s4:基于待评价电极材料特征组合、循环寿命校正因子和一致性校正因子构建综合选型指数模型,计算得到综合选型指数值;
12、s5:将综合选型指数值与预设阈值比较进行分级,并输出选型评价结果。
13、可选的,步骤s2中的经济性模型为:
14、lcos=(c_bat+c_rep·(t_life/cycle_life-1)+c_om·t_yr)/(e_total·t_life);
15、其中,lcos为平准化度电成本,c_bat为电池系统初始采购成本,c_rep为单次更换成本,t_life为场景要求的总使用寿命,c_om为年运维费率,t_yr为场景部署年限,e_total为单次循环吞吐电量,cycle_life为待评价材料的循环寿命;
16、通过固定其余变量,按下式计算当下场景的循环寿命弹性系数e:
17、e=|lcos/cycle_life|×(cycle_life/lcos);
18、其中,所述偏导数与lcos均在循环寿命基准cycle_benchmark处取值,e为无量纲量;
19、对各候选场景的弹性系数e在预设的全局弹性范围[e_min,e_max]内归一化,得到敏感度系数:
20、α=1+(e-e_min)/(e_max-e_min)·(α_max-1);
21、其中,e_min、e_max为预设的弹性系数下限与上限,与候选场景集合无关,本实施例中取e_min=0.35、e_max=0.65;α_max为预设的寿命价值放大上限,取1.2~1.8;当某场景的弹性系数e低于所述下限e_min时,所得α<1,表示该场景对超出基准部分的寿命价值仅给予递减回报;当某场景的弹性系数e高于所述上限e_max时,所述α取α_max,表示该场景对寿命价值的放大不超过所述上限;循环寿命基准cycle_benchmark取为当下场景满足最低经济性要求的循环寿命阈值。
22、可选的,所述当下场景包括大型储能、工商业储能、纯电动汽车和低速电动车;其中,大型储能场景的循环寿命基准取5000~8000次,且在所述预设的弹性系数下限与上限范围内,该场景的敏感度系数α不小于1;低速电动车场景的循环寿命基准取500~2000次,且该场景的弹性系数e低于所述下限e_min,其敏感度系数α小于1。
23、可选的,所述基于一致性变异系数计算一致性校正因子,包括:
24、g=1-√[(cv1²+cv2²+…+cvn²)/n];
25、其中,cv1、cv2…cvn为一致性变异系数,n为一致性变异系数的个数,n≥2;所述一致性变异系数为以小数表示的相对标准差,即cv=σ/μ。
26、可选的,所述构建综合选型指数模型,包括:
27、index=k×(c×ice×ρ×g×h)/p;
28、其中,k为归一化系数,由锚点材料标定,使分选配组良率恰达a级门槛的历史材料的综合选型指数为1.0;c为克容量,ice为首次效率,ρ为压实密度,p为材料单价,g为一致性校正因子,h为循环寿命校正因子。
29、可选的,步骤s3中获取待评价材料的循环寿命包括:在标准全电池测试条件下测定容量保持率降至80%的循环次数;或采用经同类型硬碳材料体系校准的电化学衰减经验模型输出的预估值。
30、可选的,所述将综合选型指数值与预设阈值比较进行分级,并输出选型评价结果包括,应用于材料采购选型模式:
31、对多个候选材料进行选型与评价,输出包含综合选型指数值排名和各因子贡献度分解的选型报告,所述贡献度分解用于溯源影响选型结果的关键性能瓶颈。
32、可选的,还包括,应用于材料研发与推广模式:
33、计算研发样品与至少一款竞品材料的综合选型指数值,通过计算两者的比值r并分解c、ice、ρ、g、h各参数变化对r的贡献百分比,量化识别研发样品的性能短板项,生成研发方向指引。
34、可选的,还包括,应用于产业投资评估模式:
35、对标的公司与可比公司的电极材料产品在多个预设应用场景下分别计算综合选型指数值index;
36、根据市场容量设定各场景权重w_j,加权求和得到场景加权总指数totalindex=σ(w_j·index_j);
37、计算基础技术领先倍数tl_base=totalindex_标的/totalindex_可比;
38、引入市场竞争格局修正因子γ,γ=1+(tl_base-1)·β,其中β为预设的可竞争市场比例,取值范围0~1,其数值根据细分市场中低端需求占比与客户认证壁垒强度预先设定:低端需求占比越高、客户认证壁垒越弱,则β取值越大;当tl_base超过预设阈值θ时取0<β<1,否则β=1;θ为技术代差阈值,取1.2~1.4;
39、最终以tl_adj=γ作为估值调整乘数,用于评估标的公司的技术资产溢价。
40、经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种场景自适应的电极材料综合选型与评价方法及装置,具有如下有益效果:
41、本发明通过为不同场景预设(cycle_benchmark,α)参数对,使选型结果能真实反映长寿命材料在储能场景下的高经济价值,以及其在成本敏感场景下的有限溢价。在相同产线条件下,采用本方法进行选型有助于降低电芯配组不良率。本发明模型构造以全生命周期价值/成本为核心,通过h因子将循环寿命与价值创造关联,引导产业决策从关注初始采购成本转向关注全生命周期度电成本。本发明通过将评价方法扩展至材料厂的研发推广和投资机构的技术尽调,为产业链各环节提供了统一的、标准化的量化决策语言。
42、本发明通过一致性校正因子g将量产可靠性前置为选型因子,使批次波动导致的良率风险在材料选型阶段即被量化折减;循环寿命校正因子h将场景经济性弹性融入寿命价值评价,使长寿命材料在储能等对寿命敏感场景中获得与其全生命周期经济价值匹配的权重;二者与克容量、首效、压实密度及材料单价共同构成综合选型指数,使选型结果能够同时识别材料的性能水平、量产可靠性与场景经济适配性。进一步的,该耦合机制产生非叠加的技术效果:如实施例1与实施例2所示,材料a在大型储能场景下index最高(0.494),材料c居次(0.379);切换至低速电动车场景后,材料c凭借价格优势升至1.588,与材料a(1.743)的领先差距由约三成收窄至约一成。又如实施例7所示,同一组对照材料在不同场景下排序发生合理变化(m5由大型储能场景第4位降至低速电动车场景第6位,m7由第5位升至第3位),该效果源于g与h的耦合协同,而非对各性能指标的简单加权所能实现。此外,与熵权topsis等现有综合评价方法相比,本方法的权重由场景经济性弹性标定而非数据离散度决定:在实施例7的9种对照材料上,本方法index排序与熵权topsis排序的spearman相关系数为0.833,总体一致,但本方法更能体现场景经济适配性,如长循环、低价的塑料类硬碳m9在大型储能场景中排名第一,而熵权topsis因压实密度权重失真将其列于第二。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com