共查询到20条相似文献,搜索用时 250 毫秒
1.
2.
3.
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。 相似文献
4.
针对目前退役动力电池数量多、快速分选方法匮乏的问题,提出一种基于脉冲功率测试(Hybrid PulsePower Characteristic,HPPC)、因子分析和聚类算法的退役动力电池快速分选与重组方法。根据电池管理系统(Battery Management System, BMS)记录的电池数据,计算单体电池电压数据得到电池最大可用容量。以HPPC一次放电脉冲提取的电池开路电压、欧姆内阻、极化电阻以及浓差电阻作为特征变量。特征变量数据经归一化算法与因子分析优化后,通过聚类算法完成电池分选与重组。实验结果表明:该方法下单体电池平均分选重组时间压缩在30 min以内,分组后一致性指标较好,在退役动力电池分选与重组中具有较好的实际意义。 相似文献
5.
6.
近年来,随着新能源汽车产业的发展,动力电池迎来大规模退役,为避免资源浪费,延长电池使用寿命,对动力电池梯次利用技术的研究具有重大现实意义。为此从梯次利用技术的现状出发,分析国内外梯次利用项目和相关政策,对梯次利用过程中的检测、筛选、重组和均衡技术以及电池梯次利用在多种储能场景下的应用进行综述,并对锂离子电池梯次利用中的性能检测做出重点总结。最后总结了梯次利用在电池状态评估和梯次电池筛选上的技术难点与未来的研究趋势,指出以卡尔曼滤波为代表的模型驱动方法和以人工神经网络为代表的数据驱动方法的有机结合,可以有效提高电池状态评估与分选的效率,是重要的研究趋势;提出针对不同的电池工况和不同的梯次利用场景应具有多样性的检测和分选方法,并应制订具体标准;对梯次利用的级别、标准化程度以及退役电池回收体系几个方面的研究给出了合理的建议。 相似文献
7.
MH/Ni动力电池的分选及性能 总被引:4,自引:0,他引:4
研究了燃料电池城市客车用MH/Ni动力电池的分选组合方法及充放电性能.分别采用LBC-80方形动力电池检测分析系统和电动车用动力电池仿真测试系统对100Ah MH/Ni动力电池进行分选,选出320只单体电池,并进行了12V模块的组合.结果表明:分选组合而成的12 V模块在比能量高于55 Wh/kg的前提下,具有3C(300A)持续放电大于3min的能力.根据384 V/100Ah电池组不同DOD条件下脉冲功率容量测试计算得知,该电池组可以充分满足燃料电池城市客车使用要求. 相似文献
8.
在城市电动公交工况的基础上采集电动公交客车运行数据,并结合实验室电池测试要求建立动力电池的动态测试工况,为实验测试动力电池的动态性能提供了支持。通过对电池进行不同的工况循环实验,研究了循环方式以及循环温度对电池动态特性的影响。结果表明,动态工况循环方式下,电池的性能变化更小,使用性更强;循环温度对电池放电的容量、开路电压和内阻等动态特性均有影响,影响程度随温度升高而增大。 相似文献
9.
为解决电动汽车(EVs)动力电池批量退役时检测与分选效率低下的问题,提出一种基于容量增量分析(ICA)的退役磷酸铁锂(LiFePO4)电池分选方法.分析电池容量增量(IC)曲线特征与内部老化过程的关系,提出一致性特征量提取方法;结合模糊C均值聚类(FCM)方法,确定电池一致性分选方法.实验结果表明,IC特征一致性分选方法与传统容量-内阻分选方法相比,提高了退役电池分选的一致性和分选效率.此分选方法对电动汽车退役电池科学高效梯次利用有重要意义. 相似文献
10.
11.
12.
燃料电池汽车中电池建模及其参数估计 总被引:6,自引:0,他引:6
目前燃料电池汽车大多采用了燃料电池和蓄电池混合的动力系统方案。研究了燃料电池汽车“超越一号”中锂离子动力电池,在恒流放电和脉冲放电实验的基础上,分析了它的静态和动态特性,并选用了PNGV计划中动力蓄电池的线性模型,在此基础上,根据该模型慢时变的特点,提出了采用最小二乘法在线辨识锂离子动力电池参数的方法,并进行了理论分析和仿真研究。结果表明PNGV模型适用于锂离子动力电池,而且只要将电压测量和电流测量的精度控制在一定范围内,采用上述方法进行参数估计是将是有效的。 相似文献
13.
基于数据融合理论的MH-Ni电池分类方法 总被引:3,自引:1,他引:2
由于多种原因 ,国产MH Ni电池的性能一致性还比较差。因此 ,对MH Ni电池进行组合使用时要将其分类 ,使用的算法是if then的方法 ,且基于少数一两个参数。但实际情况是 ,反映MH Ni电池性能的参数远不止一两个参数。提出了一种基于信息融合理论的MH Ni电池多参数的分类方法。该方法利用电池在充电、放电时记录的数据 ,从中提取能反映电池性能的若干个特征参数 ,将这些特征参数进行融合 ,融合结果用于分类。实验结果表明 ,这种分类方法由于反映了MH Ni电池的多项性能指标 ,组合后电池组的各项性能指标较高 相似文献
14.
针对现有镍氢电池荷电状态(SOC)估计方法因精确度太低或者对数据、模型参数要求太高而难以实用的问题,提出一种基于4维Map图的电池SOC估计方法.通过大量实验数据,建立镍氢电池SOC与温度、电流和端电压之间的基本Map图,发现在其工作区间20%≤YSOC≤80%内,不同电流、温度条件下的相邻充放电特性曲线基本相互平行.以SOC与端电压之间的关系为基础,分别在电流和温度方向上采用曲线平移的方式插值得到SOC与电流、温度、电压之间的4维Map图模型.利用试验数据进行SOC估计试验,试验结果表明,利用4维Map图模型的SOC估计误差在3%以内,基于4维Map图的镍氢电池SOC估计方法能满足电动汽车电池SOC估计在精确度和易实现性上的要求. 相似文献
15.
具有波形识别能力的电池分类器的算法研究 总被引:5,自引:3,他引:2
提出一种按电池充放电特性曲线进行模式识别分类的计算方法,即测出电池容量时也相应将充放电特性一致的电池分为一类,解决了按容量分类存在的缺点,采用该计算方法设计的分类器为制作出高性能的组合电池提供了重要条件,是一种具有分类准确性高,可信度强的计算方法。 相似文献
16.
17.
基于神经网络的动力电池组SOC辨识方法 总被引:1,自引:0,他引:1
目前电动汽车动力电池荷电状态(SOC)的辨识误差约在8%左右,且主要集中在电池恒流放电过程的辨识,对电池交流放电状态中SOC的辨识研究不是很多.在实际应用中,尤其是在混合动力电动汽车中,电池多处于变流放电状态中,而且电流幅值变化较大.为此,提出了基于电池时变特性的径向基神经网络SOC辨识法.该方法摒弃了以电池单点时刻状态参数作为网络输入的做法,采用动力电池变流放电参数为输入,使辨识精度提高到3%.此方法尤其对动力电池处于交流放电状态时,效果更加明显. 相似文献
18.
19.