基于仿生翅脉流道冷板的锂离子电池组液冷散热北大核心CSCD

基于方形锂离子电池生热特点,设计了一款新型仿生翅脉流道冷板。在数值传热学理论基础上,建立了仿生翅脉流道冷板的电池组液冷冷却散热模型,对仿生翅脉流道冷板和进出口位置不同的两种并行流道冷板的锂离子电池组冷却散热分别进行了数值模拟计算,并分析了电池组相邻冷板冷却液流向和流道槽深等参数对仿生翅脉流道冷板散热的影响。结果表明:与并行流道冷板相比,仿生翅脉流道冷板冷却不仅能够进一步降低电池组最高温度和温差,提升温度分布均匀性,还可以减小流道压力损失,降低能量消耗。电池组相邻冷板冷却液交错流比同向流电池组的表面最高温度降低了0.62 K,温差减小了1.13 K,平均温度变化相差不大,温度场分布均匀性得到进一步提升;冷却液质量流量不变,随着流道槽深的增大,电池组的最高温度、平均温度和温差均出现先增大后减小的现象,但随着流道槽深的增加,电池组的重量和所占空间也会增加,当流道槽深为2 mm时冷板冷却效果最优。研究结果可为探索散热性能更好、能耗更低的电池组热管理系统提供参考。     

基于锂离子嵌入模型的NCM811电池性能北大核心CSCD

本工作以NCM811电池为主要研究目标,探究在正常工作情况下的电池性能。具体包括不同环境温度与放电倍率下的放电性能,以及初次循环与第2000次循环时的电池容量变化,得到电池的电压曲线,并将结果与NCM523电池以及NCA电池进行对比。同时,由于NCM811电池存在热安全问题,因此,探究了其在热失控情况下自身的电压与温升情况,总结了其温度传递规律,并与实验结果进行对照。基于上述结果得到:电池在正常工作情况下,NCM811电池在倍率充放电性能上表现优异,在大倍率充放电时电池容量保存较好,NCM523电池与NCA电池均表现出电池容量衰减;在电池的循环老化方面,与NCM523电池相同,NCM811电池也表现出明显的容量衰减,NCA电池容量几乎不发生变化;在高低温放电方面,电池在低温时的产热均高于高温时的产热,在相同的环境温度下,NCM811电池温升最为明显,存在较大的热安全隐患,NCM523电池与NCA电池升温较为平缓;在电池发生热失控时,电池电压突降至0 V,温度短时间内升至1200 K左右,仅在发生热失控的部分,温度随时间变化明显,其余部分温度趋于恒定。与实验过程相比,仿真过程热失控触发时间较晚,温度升高较快,电池最高温度较低。     

正弦脉动电流充放电下的锂离子电池发热特性

在级联H桥储能系统和模块化多电平储能系统中,电池的实际充放电电流为正弦交流和恒定直流的叠加,形成正弦脉动电流.本研究利用一维电化学模型,通过正弦脉动电流和恒定直流充放电下的电池发热特性的对比,对正弦脉动充放电电流下的LiFePO4电池的发热特性进行研究.研究结果表明正弦脉动电流下的电池瞬态热功率和瞬态内阻均随电流发生周期性波动;当正弦交流成分的波动幅值为直流成分的25％时,相对于纯直流充放电,放电和充电过程仅分别造成5％和2.8％的额外发热,但当正弦交流成分的波动幅值进一步增大,电池发热则会急剧增加;从SOC中间值到两端,电池压降和电流的相位差逐渐增大,即电池容性作用呈增大趋势;随着电流脉动频率增大,电池发热呈减小趋势.     

磁场效应对锂离子电池性能的影响

随着电动汽车行业的迅速发展,锂离子电池的性能对电动汽车的续航里程至关重要.磁场是由运动电荷或电场的变化产生的,当外部磁场作用于物质时,物质内部被磁化,会产生许多微小的磁偶极子.为了深入分析磁场对锂离子电池性能的影响,提出了一种在磁场效应下对锂离子电池进行性能测试的实验方法,在此基础上,搭建了由锂离子电池、电池充放电测试...     

基于正交试验的锂离子电池热失控仿真北大核心CSCD

锂离子电池热失控是由多种因素耦合而导致的结果,得到影响锂离子电池热失控影响因素的重要性程度对于提高电池安全性具有极大意义。对此,针对针刺导致的锂离子电池热失控,利用COMSOL软件仿真分析了不同针刺位置、速度、直径、SOC(state of charge)对锂离子电池单体针刺热失控影响,得到对单体电池热失控影响的重要因素。基于单体针刺热失控仿真结果,以4个锂离子电池单体组成的模组为研究对象,利用单因素仿真试验分析不同钢针直径R、电池SOC以及针刺电池个数N对电池模组热扩散影响;基于此,本文分析了针刺电池个数N、钢针直径R及电池SOC耦合作用热失控的正交试验。结果表明:相对于针刺位置、针刺速度对电池单体热失控影响,电池SOC和针刺直径R对电池单体热失控影响较为显著,且针刺直径R越小,单体电池热失控越剧烈;电池SOC越大,热失控时电池温度分布越不均匀;针刺直径R越大,模组热扩散需要时间越长;当SOC在100%~85%范围内时,模组内各电池单体的热失控最高温度变化较为明显;针刺电池个数N越大,模组热失控越剧烈,但位于模组中间位置的电池热失控最高温度有所降低。针刺电池个数N、SOC、针刺直径R对电池模组热失控温度和扩散时间的影响程度主次顺序为:N>R>SOC*R>SOC*N>N*R>SOC,其中,针刺电池个数N对电池模组热扩散影响最显著,且不同因素间的交互作用不容忽视。本工作为提高电池的安全性及电池设计提供了参考依据。     

锂离子电池快充策略技术研究进展北大核心CSCD

电动汽车的普及是锂离子电池的主要需求来源之一。而电动汽车的充电性能是影响普及进程的一个重要的考量参数。在材料体系不变的情况下,取代传统恒流恒压充电策略的新型充电策略近10年内也吸引了很多研究者的关注。另外,新一代电池管理系统也对充电策略提出了更高的要求。本文阐述了各种优化的充电方法及其特点和应用。研究结果表明,与传统的恒流恒压充电策略相比,优化的充电方法可以减少充电时间,改善充电性能并有效延长电池寿命。最后,本文还提出了对未来优化充电策略的展望,希望未来在线辨识和实时更新的模型参数的方法或者通过在线的方法辨识特征信号带来更加强大的充电策略。     

基于GAPSO-FNN神经网络的锂离子电池传感器故障诊断北大核心CSCD

新能源汽车的动力电池内部存在多种传感器用来进行电池系统的安全监测,而传感器故障会导致荷电状态等指标出现误差,严重时会触发电池热失控的风险。为了有效准确地进行电池传感器故障诊断,提出基于遗传算法优化粒子群算法(genetic algorithm optimized particle swarm optimization,GAPSO)和模糊神经网络(fuzzy neural network,FNN)的锂离子电池传感器故障诊断方法对锂离子电池的传感器进行故障诊断,该方法使识别故障准确率迅速提升。本工作首先通过硬件平台和Matlab/Simulink环境相结合的方式获取电池传感器故障的数据,然后对故障数据进行预处理及特征提取,最后采用GAPSO-FNN算法对电池传感器进行故障诊断,并与传统神经网络和模糊神经网络方法的结果进行对比。仿真结果表明,基于GAPSO-FNN的锂离子电池传感器故障诊断方法相比于传统的神经网络方法测量准确率提升了25%,相比于模糊神经网络准确率提升了10%,故障诊断准确率能够达到95%,在减少故障诊断所需信息量的同时,有效地提升了故障诊断的准确率。     

锂离子电池无损析锂检测研究进展北大核心CSCD

人们对新能源汽车快速充电的需求与现有纯电动汽车的充电效率之间的矛盾将会越来越突出。锂离子电池在正常充电速率下,锂离子嵌入石墨负极;当充电倍率逐渐增大时,金属锂来不及嵌入石墨层状结构时便会沉积在石墨颗粒表面,出现“析锂”现象。当析锂现象随时间慢慢累积后,电池容量渐渐降低,严重时甚至会发生热失控事件。在锂电池早期发展阶段,检测析锂非常具有挑战性,且主要基于拆解电池后的形貌检测,这类检测方法对电芯造成了不可逆的损坏,无论是在后期研究还是实际应用中都是非常不友好的方式。近年来,研究人员已经提出了许多无损(即非拆解的方式)析锂检测方法,本文综述了无损析锂检测的方法,将其分为四类:(1)基于锂引起电芯老化的检测方法;(2)基于锂引起阻抗变化的检测方法;(3)基于锂引起电化学反应的检测方法;(4)基于锂引起电芯物理化学特性变化的检测方法。本文系统地对现有的无损析锂检测方法的原理、优缺点进行了概述,并对目前无损析锂检测方法进行了总结与展望,以提出这一不断发展的研究领域的技术现状和当前的研究空白。     

基于SVD-SAE-GPR的锂离子电池RUL预测北大核心CSCD

锂离子电池是重要的储能手段之一,对其剩余使用寿命(RUL)进行预测具有非常重要的实际意义。本工作首先针对传统特征提取方法依赖参数设置且对于不同锂离子电池数据集适应性差的缺陷,将电池数据视作矩阵,并引入奇异值分解(SVD)从测量数据和包含更多退化信息的特征提取对象中提取潜在健康因子(HIs)。其次,潜在HIs的冗余和不足会影响RUL的预测,同时考虑到主成分分析(PCA)的缺点,使用Spearman相关分析和堆叠自编码器(SAE)处理HIs得到一个融合HI。在此基础上,利用高斯过程回归(GPR)算法构建了融合HI与容量之间的模型,得到了带有不确定性表达的最终预测结果。最后,通过NASA提供的四个老化电池数据验证了所提预测模型的可行性和有效性。并额外选取MIT电池数据集验证特征提取方法的适应性。实验结果表明,所提出的RUL预测框架具有较好的预测性能,SVD特征提取方法在避免参数设置的前提下具有较好的适应性。本工作提取的HI与经过PCA融合的HI、其他HI相比,预测精度有显著提高。     

锂离子电池电解液痕量水污染的超声表象北大核心CSCD

锂离子电池电解液痕量水污染是导致电池产气和快速失效的重要原因,而过去对痕量水污染电芯缺乏无损检测分析技术。本工作基于超声无损成像技术对微量产气副反应的敏感性,对不同水含量电解液商用NCM523/AG软包电池化成、静置、循环过程中的产气行为进行了超声透射扫描成像,并结合EIS/SEM和充放电特性对其老化和失效机制进行了分析。结果表明痕量水的存在会造成电解液的损耗,加速气体生成,增加界面阻抗和极化电压,造成库仑效率降低和可逆容量衰减,加快电池失效过程。本研究对电池生产过程质量控制以及使用过程的失效机理分析具有指导意义。     

基于BP-UKF算法的锂离子电池SOC估计北大核心CSCD

电池的荷电状态(state of charge,SOC)是电池管理的重要指标之一,准确的SOC估计是保证锂离子电池安全有效运行的必要条件。为提高锂离子电池SOC估计的准确性,本文基于二阶Thevenin等效模型,提出一种将无迹卡尔曼滤波(unscented Kalman filter,UKF)与BP(back propagation)神经网络相结合的SOC估计方法。在通过混合功率脉冲特性测试获取模型参数的基础上,首先利用UKF算法对电池SOC进行初步估计,通过非线性点变换的方法避免了扩展卡尔曼滤波(extended Kalman filter,EKF)在线性化过程中对系统造成的精度损失;其次,构建三层BP神经网络,综合考虑锂离子电池的充放电电压、电流等参数,对估计结果进行修正,将估计误差从初始估计结果中排除,以达到更加准确的估计结果。通过电池充放电测试仪采集锂离子电池在动态应力测试下的充放电数据,并在不同的噪声环境下将本文提出的BP-UKF算法与EFK算法和UKF算法进行对比实验分析。实验结果表明,本文提出的BP-UKF算法的最大误差在2.18%以内,平均误差在0.54%以内,均方根误差在0.0044以内,较EKF算法和UKF算法有较大程度地提升;并且在较大的环境噪声条件下,BP-UKF算法的准确性提升更为明显。     

高能量锂离子电池硅基负极黏结剂研究进展北大核心CSCD

硅材料具有较高的理论容量,被视为发展高能量锂离子电池的重要材料之一。但是硅在充放电循环中体积变化较大,会导致负极材料粉化,严重影响电池的电化学性能。黏结剂作为电极的重要组成部分,对于稳定负极结构,改善电池性能具有重要作用。总结归纳了合成类聚合物、生物类聚合物等硅基负极黏结剂的研究进展,合成类聚合物主要包括聚丙烯酸类、聚偏二氟乙烯类以及导电类黏结剂,生物类聚合物主要包括羧甲基纤维素类、海藻酸钠类以及其他生物类黏结剂。分析了选择硅基负极黏结剂的条件,包括要有极性官能团、具有一定的弹性和机械强度、化学稳定性高、最好具有一定的导电性等。极性基团可以与硅表面的羟基形成氢键,增强材料之间的黏结性能,为了更好地制约硅的体积膨胀,可以对其进行改性,使其具有一定的弹性和自愈能力;也可以选择一些导电物质,使黏结剂本身具有导电性能,可以提高电极内部导电网络的稳定性并提高活性物质的含量等。本文也为黏结剂的选择和发展提供了思路。     

基于ResNet-Bi-LSTM-Attention的锂离子电池剩余使用寿命预测北大核心CSCD

锂离子电池剩余使用寿命(RUL)预测是锂离子电池研究的一个重要方向,通过对RUL的准确预测,可以降低锂离子电池出现事故的概率。针对锂离子电池RUL的准确预测,该研究提出一种综合残差神经网络(ResNet)和双向长短期记忆网络(Bi-LSTM)的优势,并且加入注意力机制(Attention)的锂离子电池RUL预测模型。首先选取能够表现电池寿命的特征参数作为输入量,利用ResNet提取输入数据的隐含特征信息,然后利用Bi-LSTM对时间序列信息进行预测,并且结合注意力机制对预测结果进行权重分配,得到最终的锂离子电池的RUL预测结果。通过美国马里兰大学(CALCE)提供的开源数据集进行锂离子电池RUL预测试验,并与现有的预测模型进行对比试验,对比模型的预测结果,试验结果表明提出的ResNet-Bi-LSTM-Attention模型能够准确地进行锂离子电池RUL预测,各项误差都比较低,具有较好的精度和准确性。最后使用美国航空航天局(NASA)提供的锂离子电池开源数据集进行泛化性实验,证明了ResNet-Bi-LSTM-Attention模型在不同电池RUL预测中具有良好的准确性,可以被广泛使用。     

锂离子电池储能系统靶向消防装备设计与性能北大核心CSCD

锂电池储能系统是构建新型电力系统,实现双碳战略目标的关键支撑,但锂离子电池储能系统的消防安全问题成为了制约储能系统大规模推广的关键瓶颈,现有基于固定建筑物式的传统气体灭火系统适用性不强,无法扑灭锂离子电池火灾及抑制复燃。本工作面向典型预制舱式锂离子电池储能系统,基于多层协同预警技术和不同防护灭火策略实现了对储能系统的靶向消防防控装备开发。首先,基于烟/温感探测器、可燃气体传感器、Pack温度传感器构建了多层协同的预警技术,实现对电气火灾、锂离子电池火灾的精准预警。其次,在现有七氟丙烷灭火系统基础上增加锂电池火灾专用抑制系统,满足国标电气场所消防设计要求的同时保障锂电池火灾抑制需求。通过主管道、应急管道、喷嘴的布局定位安装,所设计的抑制系统支持Pack级主动防护,能将锂离子电池抑制剂输送到Pack,实现对锂离子电池火灾的早期扑灭并能多次启动,抑制锂离子电池火灾复燃及蔓延。灭火系统和抑制系统协同作战,各自发挥优势,全方位保障锂离子电池储能系统的安全。     

锂离子电池加速循环测试研究北大核心CSCD

以圆型21700 4.8 Ah电池为测试样本,采用零和脉冲法进行加速循环测试研究。以所筛选的10%SOC作为最优的荷电态测试区间,对3种不同正负极材料组成的实验电池进行7天的加速循环测试,以基准电池参数为对比,综合多种参数对电池循环性能优劣进行分析评价。通过对电池加速循环前后的容量保持率分析,即可获得与常规循环测试一致的测评结果:负极二元化电池的放电容量保持率最高,为99.75%,其次是基准方案电池,为99.43%,而正极二元化电池的放电容量保持率最低,为96.33%。此外,通过对电池在加速循环过程中的直流内阻和极化电压增长率的分析,正极二元化电池的增长率远高于其他两种电池。进一步通过对电池瞬时及弛豫阻抗的拆解分析,可知导致正极二元化电池循环较差的原因主要是其正极及负极上均发生了大量的副反应,由于界面膜增厚及沉积物增多导致固相扩散阻抗增大,因此弛豫阻抗增长率达40%。通过对循环后电池进行EIS测试及正负极的物性分析发现,正极二元化电池的扩散阻抗显著较高,且其正极二次颗粒碎裂程度较高,此结果可初步解释正极二元化电池在加速循环中因正极碎裂引发副反应导致固相扩散阻抗增长率较高的现象。该加速循环测试方法以实际循环制式为依据,不引入额外的温度及倍率等应力影响因素,通过对各种测试参数的综合分析,达到定性判断实验电池循环性能优劣的目的,不仅可以大大缩短电池循环测评周期,同时可以为电池循环衰减原因分析提供依据。     

锂离子电池储能集装箱爆炸危害数值模拟北大核心CSCD

随着电化学储能的规模化发展,以锂离子电池为能量载体的电化学储能电站火灾燃爆事故时有发生,成为制约其安全健康发展的主要瓶颈。储能集装箱本身的安全措施及摆放间距对于燃爆的发展及扩散有着重要的影响。本工作通过改变点火位置和泄压板强度来探究不同的冲击波压力和火焰传播速度变化对储能集装箱安全的影响,发现当着火点位于近进风百叶窗一侧时,冲击波压力升高,火焰传播速度增大,分别可达41.28 kPa和557.0 m/s。泄压板对储能集装箱安全设计至关重要,且仅在进风百叶窗处设置泄压板且将开启压力设置为30 kPa时,计算区域内已发展为爆轰,对周边安全造成较为严重的影响。此外,研究结果表明,单个储能舱发生燃爆后,在短边间距达到10 m时将会对周边造成的影响最小。该研究可为储能电站锂离子电池火灾事故预警、集装箱结构和防爆设计提供参考。     

模拟仿真在锂离子电池热安全设计中的应用北大核心CSCD

随着锂离子电池的广泛使用,锂离子电池热安全问题日益突出。相比于成本高、破坏性大的实验方法,建模仿真因其经济、安全、快速等优势成为锂离子电池热安全研究的重要手段。本文从微观建模、单电池建模以及电池组建模三个尺度对最新的锂离子电池模型及其在热安全设计中的应用进行了综述。着重介绍了锂枝晶的生长调控和电解液的安全设计方面的模拟仿真、单电池模型与热方程耦合的应用以及锂离子电池组热模型在优化电池热管理系统方面的研究。最后总结了现有的锂离子电池热模型存在的缺陷,并对锂离子电池热模型未来的研究方法做出了展望。     

锂离子电池单颗粒动力学表征方法综述北大核心CSCD

传统的电池材料性能测试方法将材料制成半电池或全电池,并根据电池性能(如能量密度、倍率性能、体积形变等)反推材料性能,如实际克容量、平衡电势、扩散系数、离子/电子电导、交换电流密度、体积膨胀率等。该方法存在以下两方面问题:第一,误差显著:电池含有多种材料,单体性能测试结果受到不同材料各自热/动力学过程的混合影响,不能反映单一材料性能;第二,浪费巨大:电池单体容量远超单个粉体颗粒容量,以单体为对象进行材料性能测试将浪费大量物料、电能、时间。综合比较不同尺度电池研究对象后,本工作认为直接对单个颗粒开展电化学测试既剥离了电极中非活性物质及孔隙的影响,又保留了材料缺陷、微观结构等特性,是目前表征材料动力学性能的理想方案。本工作围绕锂离子电池单颗粒动力学表征方法,梳理了单颗粒尺度测试技术,并在测试体系、测试对象、对象可选择性、嵌锂态控制、外部应力等方面综合比较了各种方法。基于此,从材料性能表征与材料参数获取两方面论述了基于接触式单颗粒微电极和连接式单颗粒微电极的动力学表征方法。最后,综述了单颗粒动力学表征方法与其他材料表征方法的联用案例以及发展方向。     

高能量密度锂离子电池老化半经验模型北大核心CSCD

电池循环老化过程中容量会不断衰退,内阻也会逐渐增长,从而影响电池的使用寿命与性能表现。为建立电池容量衰退与内阻增长半经验模型,缩短探究电池老化特性所需的实验时间,采用具有高能量密度的21700锂离子电池,在0℃、23℃和40℃条件下结合1 C和2 C两种放电倍率组成了六种工况,对电池进行循环老化实验,分析温度等因素对电池容量衰退与内阻增长特性的影响规律。在结合Arrhenius方程建立电池容量衰退半经验模型时,额外引入了两个关于循环次数的幂函数和常数项,拓展了容量衰退半经验模型的适用性,使其能够适用于不同温度下表现出的不同容量衰减趋势。采用双指数函数累乘的公式形式建立了电池内阻增长的半经验模型,能够有效地预测内阻在不同工况下的增长规律。并利用交叉验证的方法证明了容量衰退与内阻增长半经验模型的准确性,能够用于预测电池在其他温度条件下的老化规律。最后利用建立的电池老化半经验模型,预测了该电池在15℃、30℃和45℃的容量与内阻变化情况,有助于更全面地了解电池的老化特性,并避免了大量重复实验,有利于提高研究效率。     

锂离子电池低温复合加热策略及优化北大核心CSCD

电动汽车因为节能环保和能量转化效率高等特性在近年来发展迅速。在低温下,作为动力来源的锂离子电池的放电功率和容量等性能严重衰减,影响着电动汽车在北方极寒地区的发展和普及。因此,如何在低温下对锂离子电池进行可靠、高效、安全地低温加热显得尤为重要。以三元锂方块电池为研究对象,通过测试电池在不同工况下的低温特性,得出了电池电特性和热特性参数。建立单体电池低温电热耦合模型,通过神经网络方法拟合实验数据,得到电池低温加热仿真模型。通过电池不同工况下的温升实验,验证了仿真模型的精度。本文提出了电池多段恒流复合加热方法,建立了电池老化、加热时间、容量收益的多目标非线性优化模型,揭示了电池老化、加热时间和容量收益之间的关系,得到了评价加权权重矩阵。利用非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)和优劣解距离法(TOPSIS),得到单体电池平衡加热策略,探究了电池不同初始状态对优化目标的影响规律。根据电池的不同初始状态以平衡加热策略为基础建立了单体电池加热电流数据库。电池初始温度为-20℃时,加热到10℃,所需加热时间为253 s,容量收益为4.72 Ah,电池老化为0.482‱,峰值功率收益为1104 W。