基于深度学习的铅酸电池健康状态估计

提出以对电池衰减老化敏感的电压增量作为特征量,使用铅酸电池全寿命周期数据,利用深度神经网络算法(DNN)建模,进行健康状态(SOH)在线估算,以提高预测的准确性.该方法能准确预测电池的SOH.在不同循环倍率(0.10 C、0.15 C和0.20 C)下,以容量作为估算方法,SOH估算平均误差小于1.0％,最大误差不超过...     

双卡尔曼滤波法估计电动汽车电池健康状态

选用戴维南等效电路模型作为基础电池模型,标定荷电状态(SOC)-开路电压(OCV)曲线,利用指数拟合法拟合等效电路模型中的电阻-电容电路(RC)参数,提出基于安时积分法使用拓展卡尔曼滤波法估计SOC,以及基于容量法使用卡尔曼滤波估计电池健康状态(SOH),建立双卡尔曼滤波SOH估算方法。随机电流激励仿真结果表明:该方法的估计值与真实值变化趋势一致,且估计误差控制在1%以内。SOH估算实验结果表明:在开始阶段,SOH估计值与真实值有一定的偏差,之后变化趋势一致,误差可控制在1%以内。     

电池健康状态实验与评估方法综述

分析影响电池健康状态(SOH)的内部机理和外部环境因素,并从多个SOH定义反映电池老化特征.针对电池SOH评估研究难点,从SOH实验、SOH评估方法、等效模型和成组不一致性等4个方面,综述目前电池SOH的研究进展.对比不同模型、算法及体系的优缺点,展望电池SOH评估的研究重点.     

数据驱动的锂离子电池健康状态估计

为契合纯电动汽车实车电池数据特点,提出一种数据驱动的锂离子电池健康状态(SOH)估计方法。基于前馈神经网络和循环神经网络模型,通过电池动态放电数据学习其动态特性,并参考锂离子电池电化学模型中电池端电压的组成公式,设计电池系统辨识神经网络的结构。该神经网络能较精确地学习电池的端电压响应和预测电池的恒流放电电压曲线,平均误差小于20 mV。基于曲线相似度计算法,利用模型预测的恒流放电电压曲线,对电池的容量和SOH进行估计。所提出的方法可对电池SOH进行精确估计,误差小于2.5%。     

退役锂离子电池梯次利用状态区间划分

选择一阶RC等效电路,研究环境温度和极化反应程度对于退役锂离子电池开路电压和放电时间的影响.对NCR18650GA型锂离子电池进行混合脉冲功率特性(HPPC)测试,对比不同荷电状态(SOC)下的电极电位衰减情况和极化反应程度,确定电池二次利用时SOC的下限需大于0.4;根据不同放电倍率下放电深度(DOD)区间与端电压衰...     

基于CS-SVR模型的锂离子电池SOH预测

提出基于布谷鸟搜索(CS)和支持向量回归(SVR)的锂离子电池健康状态(SOH)预测算法,通过CS进行SVR参数寻优,得到优化的SVR模型。以单次放电过程的平均电压和温度作为模型输入,得到SOH预测结果并计算预测误差。根据误差、采用CS算法进行模型优化,得到数据集中第5、7号电池预测的误差分别稳定在0.50%和0.75%以内。采用效果较好的基于平方指数和周期协方差函数(SE)的多尺度高斯过程回归(MGPR)算法、基于改进粒子群(IPSO)优化的SVR算法和基于遗传算法(GA)优化的SVR算法作为对比。CS-SVR算法与GA-SVR算法相比,预测结果更加准确,在第5号电池上的平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别下降了0.31%和0.3,在第7号电池上则分别下降了0.14%和0.13。     

锂离子电池老化机理及综合利用综述

准确的老化机理诊断与健康状态(SOH)评估可提示用户及时更换故障电池,保障电池系统的安全运行。分析总结过充与温度影响下锂离子电池容量衰减的老化机理,依据剩余容量,将退役锂离子电池应用于电网储能、应急电源等。对比不同方法下的老化诊断、SOH评估现状,展望未来建立退役锂离子电池快速诊断老化以及可用于实时监测退役锂离子电池二次利用过程中SOH变化的模型和系统。     

基于健康特征筛选与GWO-LSSVM的锂电池健康状态预测

锂电池健康状态（SOH）预测是电池管理系统（BMS）最重要的功能之一,准确有效地预测锂电池SOH可有效提升设备利用率,保证系统稳定性。为了提高预测准确度,本文提出一种基于健康特征筛选与灰狼优化算法（GWO）-最小二乘支持向量机（LSSVM）的锂电池SOH预测方法,首先采用灰色关联分析（GRA）法计算每个健康特征相对于锂电池SOH的灰色关联度,并将灰色关联度进行排序,确定SOH预测的主要健康特征;然后针对LSSVM模型参数需靠人为经验选择的问题,采用寻优性能较好的灰狼优化算法对其进行优化选择并构建GWO-LSSVM模型;最后基于NASA数据集,对模型进行训练和测试,并与其他3种模型的预测结果进行对比,对比结果证明了本文所提方法的有效性。     

基于中国专利的锌空气电池重要创新机构及技术

利用TDA、Excel和PIAS等工具,研究中国锌空气电池专利。中国锌空气电池专利技术处于成长期,热点技术主要集中在整体电池技术、电极技术及电池的应用技术、催化剂技术及管理控制技术。创新机构中,企业占比超过半数,产业化进程不断加快。     

锂电池健康状态评估综述

电池健康状态评估对电池的使用、维护和经济性分析具有指导意义,然而电池的健康状态评估缺少针对性的整理和总结。综述了锂电池健康状态的定义、影响因素、评估模型以及研究难点,指出了电池健康状态研究对电池管理、运维和经济性分析的意义。     

基于TCN-BiGRU的锂离子电池健康状态评估

准确估算锂离子电池的健康状态可以有效保障锂离子电池的安全使用,但现有锂离子电池SOH评估方法存在评估精度不理想等问题。为此,本文提出了一种基于TCN和BiGRU相结合的电池SOH评估方法。首先,从电池充电数据中提取构建健康因子,并验证其与电池容量之间的相关关系;然后,利用TCN模型处理长序列依赖数据并开展特征提取,同时在该模型中添加Dropout层以防止过拟合,提升了模型的泛化性;最后,通过BiGRU模型进行历史数据特征建模并对数据退化趋势进行估计,最终实现对锂离子电池SOH的精确评估。利用实验室搭建的电池退化试验台获取的四组电池退化数据进行方法验证,结果表明所提模型所估计的SOH在决定系数、绝对平均误差以及均方根误差3个指标上的均值分别为0.990 4、0.017 1、0.022 3,明显优于其他对比方法。     

锂离子动力电池健康状态评估方法的研究进展

随着锂离子电池在储能体系中的广泛应用,其健康状态的评估研究备受关注。综述了国内外动力电池健康状态评估方法的研究进展。讨论了几种主要的锂离子电池健康状态评估方法,包括定义法、内阻法、交流阻抗法、电压曲线法、模型法以及一些新方法,并对未来锂离子电池健康状态评估方法的研究方向做出展望。     

动力电池荷电状态研究的可视化分析

基于2010-2019年Web of Science核心数据集中收录的985篇电池荷电状态(SOC)研究论文,运用Cite Space和VOSviewer知识图谱工具,对发文国家、核心作者、共引文、前沿及关键词等进行可视化呈现。2010-2019年,电池SOC研究热度逐年上升;研究国家主要是中国、美国和德国等,机构主要为各国大学;发文量较多的作者主要在中国和德国。准确高效地预测电池SOC是电动汽车管理系统的研究重点;电池模型的选择、改良及优化估算方法是动力电池SOC研究的焦点。     

电动车锂离子电池健康状态模型研究进展

锂离子电池以其优异的性能在电动汽车领域得到了广泛应用.详细阐述了锂离子电池健康状态的定义,总结了电池健康状态的衰退机理和影响因素.回顾了近年来锂离子电池健康状态模型的研究进展,介绍了不同类型的锂离子电池健康状态模型,包括电化学模型、经验模型和等效电路模型,并对未来锂离子电池健康状态模型的研究方向进行了展望.     

退役三元电池健康状态在线估算方法研究

为了准确获得退役电池在梯次利用过程中的健康状态,以退役三元锂离子电池单体为研究对象,提出一种无损、快速的动态阻抗测试方法,通过测试电池在充放电过程中的动态阻抗,建立合适的等效电路模型,对动态阻抗谱进行拟合.拟合结果表明,电池的欧姆内阻和电荷转移内阻与健康状态成负相关,弥散系数与健康状态成正相关,感抗与电池健康状态无直接...     

基于UKF的18650锂离子电池健康状况估计

根据18650型锂离子单体电池的特性分析,建立了电路等效模型和电化学模型相结合的电池模型,以实时在线辨识锂离子电池欧姆内阻为目标,利用无迹Kalman(UKF)滤波算法,实现了对电池欧姆内阻的在线辨识,开展了锂离子电池健康状况(SOH)估计实验,建立了适用于18650型锂离子电池的SOH估计模型。仿真结果显示,该模型同时考虑电池内阻在不同工况下的变化趋势和充放电电流大小等因素,为实现锂离子电池健康状况精确估计提供了较好的理论基础。     

因特网上电池专利的免费查询

信息的获取和发布在化学电源的研究和生产过程中有重要作用,而专利又是信息中一个重要的组成部分。由于方便、快捷、廉价的优势,因特网的迅速发展成为人们广泛使用的信息发布和获取的主要工具。以燃料电池的网上查询为例,介绍了因特网上专利信息的特点和分布,简述了在因特网上专利信息的免费查询方法,并且提供了一些有偿获取专利的站点。希望我国的电源和电化学工作者充分利用因特网上的专利资源。