锂离子蓄电池高倍率放电研究

锂离子蓄电池在放电过程中电压随放电容量的增大而降低,电池的放电容量随放电电流的增大而减小。然而在高倍率放电的条件下,电池的放电电压曲线会出现电压峰,同时电池的放电容量也有所增大。通过红外热成像的方法对锂离子蓄电池高倍率放电条件下的热行为进行比较细致的研究表明:锂离子蓄电池放电过程中各个区域的电极反应是非常不平衡的;高倍率放电的条件下,开始时电池极耳附近区域的电阻较小,电流密度较大,因此这部分产生的热量比较大,温度升高较快;在放电过程的后期,靠近极耳区域的容量耗尽,远离极耳区域的部分如果温度上升比较缓慢时,会导致放电过程终止,反之会出现电压上升的现象。该研究为锂离子蓄电池特别是锂离子动力电池的设计提供了新的思路。     

VRLA电池小电流放电终止电压的确定

对接入网的阀控铅酸蓄电池在小电流使用状态下终止电压的确定作了简单介绍。指出，1)电池设计时，活性物质的量一般根据10小时率设计，参加反应的活性物质必须少于设计的量，才能确保其使用寿命；2)在同一放电终止电压，较大电流放电时，电池的极化较大，电池能放出的容量就少，参加反应的活性物质就少，而较小电流放电时则相反，因此，小电流放电时，电池终止电压应高于较大电流放电时的终止电压，电池放出容量宜与设计容量相一致，以避免电池过放电，确保电池的使用寿命。     

变电站蓄电池设备的选择及参数计算

根据某110 kV GIS变电站实际直流负荷情况,在采用阀控式密封铅酸蓄电池设备的基础上,对蓄电池的标称容量、数量、均衡充电电压、放电终止电压、高频开关充电装置模块参数选择进行详细计算,最终确定该变电站蓄电池配置设计方案,即容量200 Ah、数量106个,单体蓄电池均衡充电电压2.33 V、放电终止电压1.87 V,采用1组高频开关充电装置,并选取5个10 A的模块进行蓄电池充电。该设计方案可确保变电站直流系统的安全、稳定运行。     

预判蓄电池组异常的放电曲线特征

阀控式铅酸蓄电池是目前国内变电站站用直流系统最常见的蓄电池之一,具有运行寿命长,维护工作量小等优点。但阀控式铅酸蓄电池组存在无法通过容量分析的方式判断电池容量,仅能通过核容放电形式确定蓄电池组容量的问题。目前的蓄电池组运维周期通常在一至两年,周期较长,很难及时发现蓄电池的异常状态。为此从蓄电池的放电曲线着手,分析了蓄电池放电曲线的主要特点,总结了异常电池放电曲线的关键点,阐述了运维铅酸蓄电池的注意事项,以加强对变电站蓄电池组的维护。     

基于改进灰色模型的蓄电池剩余容量预测

蓄电池作为直流系统交流停电时的后备电源,其剩余容量直接影响了直流系统的安全运行。在对现有灰色预测模型进行深入研究的基础上,将遗传算法引入到GM(1,1)模型中,对此加以改进,提出了一种新的基于遗传算法的蓄电池剩余容量灰色预测模型。预测实例表明,基于遗传算法的蓄电池剩余容量改进灰色预测模型比传统的GM(1,1)预测模型具有更高的模型精度,能够满足工程需要。该方法可减少传统的电池容量放电实验次数,从而延长了蓄电池的使用寿命。     

过充过放与电动自行车用铅酸蓄电池的失效

电动自行车用铅酸蓄电池组的使用寿命是困扰相关专业人士的大问题。配对挑选之后的整组蓄电池的平均寿命远低于单只蓄电池的寿命。在95%以上失效的蓄电池组中,仅仅只有一只蓄电池容量远低于额定容量。过充电、过放电是导致电动自行车用铅酸蓄电池组寿命早衰的主要原因。由于不能保证每一只蓄电池既不过充电,又不过放电,现行的电动自行车用铅酸蓄电池组充放电的方法有重大缺陷。     

变电站阀控式铅酸蓄电池50％放电测试的研究

通过对阀控式铅酸蓄电池5h不离线放电测试方法及其放电终止电压值的研究,实现了一种安全、快速的变电站用蓄电池状态评估方法——“50％放电”,同时满足DL／T724—2000标准对变电站仅有一组蓄电池的安全测试要求。     

MH-Ni蓄电池性能研究

对不同荷电量MH-Ni蓄电池进行储存试验,结果表明:长期储存的电池以荷电量20%左右对电池储存性能有利;对电池进行过放电试验表明,过放电短期内对电池容量没有影响,但会使电池内阻增大;对电池进行浅充放和全充放对比试验证明,经过长期浅充放,电池将发生不可逆容量衰减。以上试验有助于更进一步了解MH-Ni蓄电池的性能。     

WZF型微机智能放电装置的研制

针对电力系统中使用的蓄电池在进行核对性放电容量鉴定时,老工的放电设备与传统的放电方式早已不能满足现代电网发展的需要。因此,提出了新一代的微机智能放电装置的设计研制方案,并且经过了现场实践中使用证明,该装置能很好地满足发电厂与变电所中蓄电池在进行核对性容量鉴定放电时的各种需要     

阀控铅酸蓄电池放电特性研究

本文通过对阀控铅酸蓄电池工作原理、负极钝化机理，以及放电电流、放电温度对放电容量等的影响等方面的说明来分析阀控铅酸蓄电池的放电特性。     

基于Res-LSTM网络的多元化电池剩余容量实时预测

针对储能系统电池容量实时预测中存在的电池新旧程度不一，放电倍率、采样间隔多样等多元化问题，提出了一种全新的基于安时残差连接的长短时记忆网络。通过进行多通道传感信号的特征变换，使其更适用于多元化电池放电的实时剩余容量预测。所提方法相比于常见基线方法误差降低了11.8%，并且在多倍率测试下方差较小，具有更高的鲁棒性。     

锂离子电池容量快速预测的新方法

提出了一种通过部分放电来快速预测锂离子电池放电容量的方法.在分析了锂离子电池开路电压和内阻与电池容量关系的基础上,将人工神经网络应用到锂离子电池的容量预测和模型建立中.实验结果表明这种方法能够满足电池容量预测的精度要求.     

水平铅酸电池放电特性的研究

对水平铅酸电池进行了稳态放电台架实验,研究了电池开路电压和充电状态的对应关系、容量特性和电压特性;建立了动力电池放电特性模型,并以此模型预测在变电流充放电条件下电池的放电特性。预测结果与实验结果比较,误差在2%以内。     

面向不同电流工况的锂离子电池改进EECM研究

锂离子电池是新能源汽车动力系统的核心,基于模型的电池管理系统(battery management system,BMS)是保证电池性能充分发挥的关键。然而现有BMS主要采用等效电路模型(equivalent circuit model,ECM),尚未考虑放电倍率对可用容量的影响机制,导致模型在不同放电倍率下以及低荷电状态(state of charge,SOC)区域会存在明显的端电压仿真误差,影响算法精度;尤其是BMS无法准确估计电池放电截止条件,剩余放电电量(remaining discharge capacity,RDC)估计误差大,可能导致电池电压骤降甚至整车抛锚等严重后果。针对以上问题,文中以考虑内部扩散机制的扩展等效电路模型(extended equivalent circuit model,EECM)为基础,对不同倍率的放电电压容量增量(incremental capacity,IC)曲线进行对比分析,利用能斯特方程构造不同放电倍率下的容量-开路电压曲线,提出改进的EECM。所提改进EECM在不同电流倍率和动态工况下的端电压仿真误差均小于传统ECM和EECM,可以提高RDC估计的准确性,有应用于实际BMS的潜力。     

基于ANN方法的锂离子电池放电容量预测

锂离子电池放电容量的预测和估计是电池管理系统中一个非常重要的内容。某一个状态下锂离子电池的放电容量是放电电流、电压、温度以及过去电池充放电的历史等参数的函数。运用ANN方法即人工神经网络方法 ,可逼近任何多输入输出参数函数的性能 ,预测不同放电电流和电压下锂离子电池放电容量的大小。结果表明 ,ANN方法具有足够的精度 ,可用来预测锂离子电池的放电容量。     

基于 CEEMDAN 和 SVR 的锂离子电池剩余使用寿命预测

锂离子电池剩余使用寿命(RUL)的估算是锂离子电池健康管理的关键,准确可靠地预测锂离子电池的剩余使用寿命对 系统的安全正常运行至关重要。 提出了一种结合完备集合经验模态分解(CEEMDAN)和支持向量回归( SVR)的锂离子电池剩 余使用寿命预测方法。 首先,在放电过程中提取了一个可测量的健康因子,并使用 Pearson 和 Spearman 法分析健康因子与容量 之间的相关性,然后利用 CEEMDAN 将健康因子进行分解,获得一系列相对平稳的分量,最后采用 CEEMDAN 分解后的健康因 子作为 SVR 预测模型输入,容量作为输出,实现锂离子电池 RUL 预测。 利用 NASA PCoE 提供的锂离子电池退化数据集进行试 验,与标准 SVR 模型相比,实验结果表明利用该方法能够有效验证所提出的 RUL 预测模型的有效性,并且使预测误差控制在 2%以下。     

计及电池动态损耗的电动汽车有序充放电策略优化

目前电动汽车通过电动汽车入网(V2G)技术向电网放电时,计算电池总损耗模型过于简单,无法准确反映电池的损耗。为此,基于电池放电特性曲线,文中利用电池放电动态容量衰减模型,得出在不同剩余电量下释放相同电量对电池损耗有较大差异的结论。在以配电网变压器容量为约束的前提下,建立了计及电池损耗的有序用电用户充放电费用最小模型及相应的充放电策略;并采用优先顺序法将多时段优化问题转化为各时段最优问题,实现该模型的求解。仿真算例结果表明该方法不仅可以有效保障放电用户利益,同时能够提高充电站利润及无序用电用户充电成功率。     

基于锂离子电池容量消耗特点的电压调节策略

为了利用锂离子电池放电特性来延长移动设备的使用时间,分析了锂离子电池容量消耗的特点,提出了基于该容量消耗特点的考虑电池放电特性的电压调节策略BADVS。把锂离子电池放电过程分为线性放电和非线性放电两个阶段,提出的BADVS策略在不同的放电阶段采用不同的优化目标和不同的优化方法。仿真实验结果表明,该策略在电池放电的整个过程中都能有效地减少电池容量消耗。     

锂电池剩余寿命的ELM间接预测方法

针对锂电池直接预测剩余使用寿命难及预测结果不准确等问题,提出利用锂电池循环充放电监测参数构建间接寿命特征参数的方法。应用一阶偏相关系数分析法验证间接寿命特征参数与直接参数间的相关性,选择等压降放电时间作为锂电池间接寿命特征参数,构建基于ELM的等压降放电时间与实际容量的关系模型和等压降放电时间预测模型,实现锂电池的RUL预测。基于NASA锂电池数据集预测并评估锂电池的RUL,并且与ELM直接预测方法和高斯过程回归间接预测方法相比较,本方法能够有效的预测锂电池的RUL,预测结果的误差范围为5%左右,具备较好的锂电池RUL预测精度。     

锂电池充放电模型及关键参数影响研究

建立了锂电池充放电模型,并在Matlab上形成锂电池模型库,改变关键参数,分析锂电池中各参数对充放电曲线的影响,通过调整锂电池模型中的关键参数提高模型精度。最后,以天康TKLD-48 V/52 Ah系列锂电池实际充放电数据为例,将仿真曲线与实际充放电曲线对比,计算出模型的绝对误差小于3%,符合需求。