磷酸铁锂动力电池组循环后的一致性研究

将20支锂离子动力电池组成两个十串的模块,分别进行1 C的常规循环和工况循环,对循环后的单体电池进行一致性分析,并根据分析的结果对电池的分选配组以及电池管理系统提出相应的建议,希望以此来延长电池组的使用寿命。     

汽车矩阵式动力电池配组的新技术——按伏安特性曲线分选电池的方法

通过研究动力电池伏安特性曲线,根据其一致性来分选电池,该方法用于动力电池矩阵配组。经研究表明,通过此方法分选的电池具有动态特性一致性好,分选简单、快速、方便的优点。     

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。     

基于因子分析与K-means聚类的退役动力电池快速分选方法

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。     

氢镍动力电池自放电一致性研究

氢镍动力电池搁置过程中的自放电不一致性直接影响到电池的实际应用,静态搁置电压是电池的重要荷电态参数之一,可作为电池自放电性能的重要判据,进行电池自放电的分选,该方法通过大量试验表明十分有效,且简单易行.为缩短分选周期,进行了大量试验,结果表明,将电池充电到20% SOC后,搁置10～15 d,电池静态电压出现明显的差异,通过电压与一个月后的荷电保持率综合判断出分选电池的电压基准,并以此来分选电池,可以大大缩短分选周期.     

动力电池梯次利用关键技术与应用综述

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。     

MH/Ni动力电池的分选及性能

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.     

基于城市电动公交工况的电池特性研究

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。     

基于容量增量分析的退役LiFePO4电池分选方法

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.     

基于FPGA的快速电池分选系统设计

在动力电池生产过程中,电池内阻和电压是最主要的测试参数。由于动力电池的开路电压较高,现有的内阻测试仪只能在电池未成组之前进行测试,测试结果和成组后实际内阻差异较大。设计了一种基于FPGA(现场可编程门阵列)的快速电池分选系统,以硬件逻辑为基础,内建有硬件乘法器,控制、运算和分选等功能均由硬件完成。硬件电路直接由FPGA控制和协同工作,以减少处理器的介入和响应及通讯时间。该系统既能测试整个电池组的内阻,又能测量其它参数如电压、阻抗等,从而可有效提高动力电池的分选效率。     

一种动力电池动态特性建模

为了对动力电池进行有效管理,首先需要准确地建立动力电池的动态特性模型。提出了一种动力电池动态特性的工程性建模方法。该方法基于电池内部物理化学动态机理及非线性恒流特性,核心为一个由恒流特性曲线和等效电路模型组成的动态特性模型以及一套获取该模型参函数的实验方法和数据处理方法。实验结果表明,相比于已有方法,该文方法具有准确度高、适应性广及更加易于工程实施的特点。     

燃料电池汽车中电池建模及其参数估计

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。     

基于数据融合理论的MH-Ni电池分类方法

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     

基于4维Map图的镍氢电池SOC估计方法

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.     

具有波形识别能力的电池分类器的算法研究

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。     

基于谐波阻抗测量在线估测蓄电池荷电状态

现行内阻法估测蓄电池荷电状态时,需要对被测蓄电池实施大电流放电操作以测量其欧姆内阻,在线检测时可能对用电负载造成安全隐患。针对这一问题,提出一种基于谐波阻抗测量技术在线估测蓄电池荷电状态的方法：对被测蓄电池实施周期性的小电流放电操作,测量放电过程中的放电电流与蓄电池端电压,经傅里叶分析计算出蓄电池的谐波阻抗,对谐波阻抗数据进行数值拟合得到蓄电池的欧姆内阻,最终实现对蓄电池荷电状态的在线估测,从而避免现行方法所需要的大电流放电操作。     

基于神经网络的动力电池组SOC辨识方法

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.     

一种MH-Ni动力电池分选方法

研究了一种MH- Ni动力电池的低SOC、小电流脉冲放电分选方法.与大电流脉冲放电分选方法相比,大大降低了分选设备采购成本及生产成本,显著提高了生产效率.     

液流电池旁路电流的研究概况

大规模储能液流电池体系是由多个电池模块串并联构成,其中每个模块又由固定个数的串联单电池组成,其电解液通过输液总管统一供应,这种电解液供应方式会在电堆中引起旁路电流,削弱电池的性能.介绍了旁路电流产生的原因及其对液流电池系统的危害,并综述了旁路电流模型及预测旁路电流大小的数值计算方法,以及消除旁路电流可以采用的措施.     

基于离群点检测的动力电池一致性快速辨识方法

动力电池成组后在使用过程中,由于初始生产工艺和环境因素等不可抗因素,逐渐产生不一致性并发展。面向动力电池组一致性的辨识需求,提出一种动力电池一致性快速辨识方法。所提方法基于统计分布的离群点检测方法对整组电池的单体电压数据进行计算分析,辨识出电池组一致性状态、较极端单体及其异常原因与极端程度。方法涉及测试过程简单、计算量小,适用于日常性快速检测,经算例分析验证了辨识方法的可行性和有效性。