退役动力电池梯次利用关键技术及现状分析

随着电动汽车动力电池的第一个退役高峰期的来临,废旧动力电池的后续处理对环境和社会资源提出严峻挑战,储能电站是退役动力电池梯次利用的有效途径,研究退役动力电池梯次利用关键技术及其发展现状具有重大现实意义。针对梯次利用电池面临的主要问题及技术难点,首先详细介绍了国内外一些梯次储能示范工程,总结梳理了当前行业内存在的相关政策与标准。在此基础上,对退役电池梯次利用过程中的电池分类筛选、重组、热失控特征、均衡控制及电极材料回收等关键技术展开研究,并着重分析不同方法及控制策略的优缺点。最后结合国内外电动汽车发展趋势,对梯次利用电池的商业应用模式进行探讨与展望。     

电网侧储能技术研究综述

电网侧储能有效增加了电网的调节手段和能力，有助于电网安全稳定运行。 随着新能源高比例渗透和特高压电网的快速发展，系统波动等电网安全问题日益严重，电网需要构建高比例、泛在化、可广域协同的储能形态。因此，针对储能在电网侧应用的技术研究意义重大。介绍了电网侧储能技术国内外研究现状以及商业示范工程；梳理了项目选址以及优化配置方面的研究方法；通过理论以及时序指标分析电网侧储能需求；阐述了储能优化规划技术和经济性评估指标；指出了推广应用存在的难点。最后对电网侧储能技术的发展应用给出相应的建议和展望，为今后挖掘储能应用的效益价值，创新储能应用商业模式提供一定参考意义。     

退役动力电池梯级利用分选技术研究

首先利用熵权法对退役电池各特征参数进行权重计算,依据计算结果选取电池剩余容量、开路电压和放电直流等效内阻作为电池聚类的分选因子。其次利用支持向量机算法预测退役电池剩余容量,最后利用K-均值聚类算法将电池分成4种等级,并通过实验证明了该方法的准确性。     

退役动力电池一致性评估及均衡策略研究

电池梯次利用是处理动力电池庞大退役量的有效手段之一。针对退役电池梯次利用过程中分选技术进行研究,主要从退役电池SOC关键参数分布特性以及退役电池一致性控制策略分析两方面展开。提出主动被动协同均衡策略考虑电池参数的相关性,弥补了单一均衡方式的不足。同时提高充放电均衡控制的可靠性,实现了均衡效率的最优化。分析退役动力电池荷电状态数学模型,涵盖不同类型的退役动力电池的荷电状态。并进一步对退役动力电池储能系统荷电状态控制策略进行研究。基于主动被动协同均衡策略,分析多组退役电池储能单元的SOC一致性,为完善退役电池梯次利用一致性分选技术有所助益。     

碳中和目标下退役电池筛选聚类关键技术研究

随着"30·60碳达峰–碳中和"战略的提出,新能源逐步成为主力电源.储能技术作为平抑新能源波动、提升消纳能力的主要途径备受关注,但受经济性制约使其难以实现规模化推广.而退役动力电池梯次利用产业链逐步延伸,全寿命周期覆盖利用,有望成为破解这一困境的有效手段.依据现有的新能源汽车的保有量,每年至少有约30万t退役的动力电池...     

退役动力电池梯次利用发展态势与政策体系研究

我国退役动力电池梯次利用技术发展迅猛,作为推进我国"双碳目标"的有效途径,退役动力电池梯次利用产业化仍处于发展初级阶段,面临的政策标准体系和市场机制亟待完善.为此,立足动力电池规模化退役现状,梳理国家退役动力电池梯次利用政策顶层设计及地方出台政策,提炼我国退役动力电池梯次利用及回收的政策体系建设要点,并结合我国退役动力...     

退役动力电池健康状态特征提取及评估方法综述

我国电动汽车动力电池退役高峰来临,电池梯次利用技术备受学术界和产业界的高度关注。与新电池相比,退役电池(retired battery,RB)一致性差、性能离散度高、安全隐患大,并且从电池单体、模块、电池簇到储能系统逐层集成过程中,上述问题会叠加、放大,导致系统整体性能不确定性增大。为实现退役动力电池安全可靠、规模化、多场景梯次利用,研究基于RB衰退机理的特征提取及健康状态评估技术非常关键。该文基于退役电池的性能衰退规律、电池安全状态演变机理,重点对RB健康状态特征参量表征和残值评估方法进行综述,分别从数据驱动方式以及模型驱动2个维度对提取RB特征和健康评估进行总结分析,提高基于RB衰退规律的退役电池健康状态和残值评估模型精度,对RB特征提取以及健康状态评估未来的研究方向进行展望。     

DenseCNN-ATT:实体关系抽取的密集连接卷积神经网络

在远程监督(Distant Supervision,DS)实体关系抽取任务中,采用远程监督的方式虽然可以产生大量的标注数据,但是这种方法产生的数据集充满大量的噪声数据,从而会降低关系抽取的性能.为此,我们针对现有深度学习使用浅层和单一深层神经网络模型提取特征的局限,设计了一个融合注意力机制的密集连接卷积神经网络模型——DenseCNN-ATT,该模型采用五层卷积深度的CNN,构成密集连接卷积模块作为句子编码器,通过增加特征通道数量来提高特征传递,减少了特征梯度的消失现象;此外,为进一步减少噪声影响,论文将网络的最大池化结果融合注意力机制,通过强调句子权重,来提升关系抽取性能.该模型在NYT数据集上的平均准确率达到了83.2％,相比于目前效果较好的浅层网络PCNN+ATT和深层网络ResCNN-9提升了9％～11％.实验证明,该模型能够充分利用有效的实例关系,在综合性能上明显优于目前效果较好的主流模型.     

泸州高山绿茶提取物的品质评价及提取工艺优化

目的 对5种泸州高山绿茶进行品质评价后,选择综合品质最佳的茶,优化其提取物提取工艺.方法 用乙醇溶液分别浸提5种泸州高山绿茶后,福林酚法检测提取液中茶多酚含量,苯酚-硫酸法检测提取液中茶多糖含量,高效液相色谱法检测提取液中茶氨酸含量,对其进行品质评价.通过单因素试验和正交试验,结合生产实际综合考虑优化出最佳提取物提取工艺.结果 与分析通过方法学验证,提取物中3种成分的检测方法均稳定可靠.经工艺提取后,5种茶提取物中茶多酚质量分数为18.90～22.48 mg·mL-1,茶多糖质量分数为4.26～5.58 mg·mL-1,茶氨酸质量分数为0.42～1.19 mg·mL-1,其中古蔺产花茶提取物综合品质为最佳,将优化其提取工艺.乙醇浓度60％,提取温度80℃,提取时间80 min,料液比1:30(g·mL-1)为其最佳提取工艺,古蔺产花茶提取物中茶多酚质量分数为24.51 mg·mL-1,茶多糖质量分数为5.85 mg·mL-1,茶氨酸质量分数为1.12 mg·mL-1.结论 古蔺产花茶的综合品质为最佳,经优化的提取工艺稳定可行,可用于古蔺产花茶中茶多酚、茶多糖和茶氨酸等成分的联合提取.