退役LiFePO4电池梯次利用分选方法

针对LiFePO_4退役电池,设计了基于电池容量、平衡电动势与放电直流等效内阻的特性测试,提出了用于退役电池梯次利用的统一分选指标,并给出了分选指标与不同用户需求指标之间的对应关系。同时,提出了一种通过建立数据库、电池初选、电池测试以及梯次利用分选四个步骤组成的分选方法,并通过具体案例进行验证。     

基于电压曲线的退役电池模组分选方法

对退役电池进行梯次利用,关键是对其进行一致性分选。该文提出一种基于电压曲线,面向退役电池模组的一致性分选方法:综合考虑电池Rint等值电路和热累积、库伦效率、容量衰减和内阻增长等因素,构建多维参数的单体模型和模组模型;在此基础上,提出一种基于变换矩阵的一致性影响因素在电压曲线上表征方法;结合所构建单体模型和所提表征方法,在matlab/simulink仿真环境下搭建了串联模组仿真模型,分析了不同影响因素在电压曲线上表征的特点;选方法,并通过实验对其正确性和有效性进行验证。结果表明:所提分选方法可较好地实现退役电池模组一致性分选。     

基于放电平台期的Wkmeans退役锂离子电池分选方法

针对退役锂离子电池单体之间由于生产过程及后续工作环境的不同产生的不一致性差异对分选后电池成组性能的影响,提出一种基于放电平台期参数的锂离子电池分选方法.以磷酸铁锂电池为研究对象,通过研究电池组不一致性的影响因素确定聚类的指标,进而进行放电实验,得到电池的电压、电流、容量等时序数据,并通过固定电压窗口的方法得到放电平台高...     

动力型铅酸及LiFePO4锂离子电池的容量特性

对12 V/55 Ah(C/20)动力型阀控铅酸(VRLA)电池和3.2 V/11 Ah动力型LiFePO4锂离子电池进行了容量实验,探讨了它们的容量特性和放电电流、放电起始电压、放电温升和环境温度的关系.LiFePO4锂离子电池的容量在2 C电流下仅有约10%的衰减,而VRLA电池的衰减在1.5 C时有近50%.     

变电站退役电池分选方法与聚类算法∗

为了提高电池的再利用效率并减少资源浪费,研究退役电池的一致性分选具有重要意义.主要介绍了电池一致性分选的几种方法,包括单参数分选、多参数分选、动态特性分选、电化学阻抗谱分选和综合特性分选,并且比较分析了它们的优缺点.同时,介绍了常见聚类算法的分类和使用原理,对比分析了不同聚类算法的优缺点和适用场景,为选择合适的聚类算法提供了依据.最后,对一致性分选技术的未来发展方向进行了预测.     

基于老化机理分析退役磷酸铁锂电池分选方法

随着电动汽车保有量的逐年上升,退役电池梯次利用已经成为能源合理利用的必然趋势,可是在经历电动汽车复杂和严苛的工况运行后,构成电池组的单体内部老化程度不尽相同,外特性上也呈现出电池单体特性不一致。如果要进行退役电池梯次利用,首先要解决退役电池的无损检测和分选问题。以退役磷酸铁锂电池为研究对象,通过对电池的容量、内阻以及电池的容量增量(increment capacity,IC)曲线进行测试和分析,对磷酸铁锂电池内部的老化机理进行判别,提出基于老化机理分析的退役磷酸铁锂电池分选方法,并对该方法进行实验验证。结果表明,利用该方法分选出的电池所构成的电池组在电池组容量利用率和温度一致性方面都具有较好的效果。     

基于改进DBSCAN的退役动力电池分选方法

退役动力电池梯次利用时电池单体不一致性对于分选后电池组性能具有重要影响,高效的分选方法能够降低电池不一致性,提高电池组的使用性能和安全性。针对目前常用的电池检测系统采样频率较低等问题,首先使用自适应分段拟合方法对充放电数据进行拟合,从充放电曲线中提取表征电池不一致性的动态特征电压上升高度（VR）、电压下降深度（DVF）,并与容量、开路电压静态特征结合构成分选特征向量;然后提出一种基于核密度估计的DBSCAN算法（KDEDBSCAN）,通过核密度估计自适应确定聚类算法参数,对特征聚类实现电池的分选;最后通过实验验证该分选方法的有效性。     

电动汽车用LiFePO4锂离子电池安全性分析

根据新颁布的《电动汽车用锂离子蓄电池》汽车行业标准介绍了关于对锂离子电池的主要安全性能指标,结合国内外LiFePO4锂离子动力电池的发展现状,分析了LiFePO4锂离子电池的耐高温、耐充电性能和短路、滥用实验情况;认为,LiFePO4锂离子动力电池具有比较好的安全性能。该电池的热管理系统可以作为故障诊断和安全隐患排查的关键手段,结合对电池端电压检测、SOC计算来防止电池的过充、过放电。     

基于放电曲线和模糊C均值法的退役电池一致性分选方法

在电动汽车井喷式增长的背景下,巨量退役的动力电池如何回收成为当前电动汽车行业亟待解决的问题。考虑到退役电池容量、内阻等性能会出现较大的不一致性,在对退役电池梯次利用前,有必要根据其性能状况进行一致性分选,以实现退役电池的经济效益和利用率最大化。提出了一种基于放电曲线和改进模糊C均值算法的退役电池一致性分选方法。该方法以退役电池单体为研究对象,借助1 C充放电实验选取放电曲线,进行特征参数提取;在此基础上,结合改进的模糊C均值算法构建退役电池高精度分选模型,基于简化的特征点提取过程,在不同容量梯度的退役电池下对分选方法的可行性进行了验证。     

锂离子电池正极材料LiFePO4

LiFePO4是一种极具应用前景的锂离子电池正极材料.介绍了LiFePO4的结构、掺杂元素(C、Mn2+、Mg2+、Al3+、Ti4+、Zr4+、Nb5+和W6+)、合成条件(主要是烧结温度和前驱体制备方法)等因素对其电化学性能的影响.从工艺方法、前驱体制备等方面总结了LiFePO4的合成方法,结果表明:掺杂少量高价金属离子和有机物对提高其电导率是行之有效的途径,高温固相反应法仍是易于实现产业化的方法,微波合成法是最有前途的制备方法.     

LiFePO_4动力电池容量衰减规律研究

针对LiFePO_4动力电池,设计了循环测试工步,在不同环境温度(20、40℃)下,利用不同充放电倍率(0.5 C、1 C),不同的充放电深度,对两个厂家不同型号的电池进行循环测试,以探求LiFePO_4动力电池在不同工作条件下的容量衰减规律。实验结果表明,在电池充分化成的前提下,工作环境温度是决定电池容量衰减速度的主要因素。     

基于LPV理论锂离子电池SOC估算研究

以磷酸铁锂电池为研究对象,在进行了电池特性实验的基础上确定电池电压特性以及开路电压与SOC关系。以二阶等效电路模型为基础,结合LPV理论及EKF原理,在Simulink中搭建电池仿真模型,实现了电池模型参数与SOC的联合估算,设计实验验证了模型的正确性。并嵌入整车模型模拟运行,电池SOC工作区间符合控制策略,设计的磷酸铁锂电池SOC估算方法可行有效。     

基于GA-F-RBF神经网络的磷酸铁锂电池SOC预测研究

针对动力电池荷电状态的预测精度问题,提出基于遗传算法的弹性径向基函数神经网络动力电池荷电状态预测方法。该预测方法基于神经元的活跃度与神经元间的信息交互强度在线调整神经网络结构的大小,解决了径向基函数神经网络的结构调整影响荷电状态的预测精度问题。仿真结果证明,该方法比基于遗传算法的径向基函数神经网络的荷电状态预测结果精度更高,预测更加准确,能满足蓄电池管理系统对磷酸铁锂动力电池荷电状态预测的精度和实际使用的要求。     

自适应神经模糊系统的LiFePO_4电池SOC预测

利用自适应神经模糊系统(adaptive neuro-fuzzy inference system,ANFIS)对电动汽车磷酸铁锂(LiFePO4)电池荷电状态(state of charge,SOC)预测研究。在分析ANFIS结构原理基础之上,采用BP(back-propagation)算法和最小二乘估计的混合算法分别建立两输入变量和三输入变量的ANFIS预测模型,并利用两种模型进行SOC预测。实例预测结果表明ANFIS能精确预测磷酸铁锂电池SOC值,且三输入变量ANFIS模型预测精度得到改善;与实测相比,三输入ANFIS预测模型的最大绝对误差在1%以下,平均百分比误差(average percentage error,APE)小于2%。     

磷酸铁锂电池储存性能研究

评估了一种高功率的磷酸铁锂电池在长时间满荷电储存以后的电性能,认为其具有良好的满荷电储存性能,可用于长期储存型锂电池组的开发设计。     

基于Flotherm软件的退役电池箱设计

基于动力电池热效应模型,通过Flotherm热仿真软件和Solid Works结构建模软件,针对退役电池子模块、退役电池模组、退役电池储能系统(退役电池箱),分析研究了影响退役电池箱散热性能的若干因素——电池单体摆放方式、电池间距、风道结构等。仿真结果表明,采用电池单体卧式摆放、电池间距6 mm的布局方式,且采用下部并行进风、上部并行出风风道结构的退役电池箱具有优异的散热性能,箱内各电池单体间隙最高工作温度小于45℃,温差小于5℃,符合工程化应用需求。     

电动汽车用磷酸铁锂离子电池的PNGV模型分析

以国产新型150Ah磷酸铁锂离子电池为研究对象,分别对其在0℃和30℃的PNGV模型参数进行了辨识。将其内阻参数与电池直流内阻进行对比分析,考核了磷酸铁锂离子电池的PNGV模型在FUDS工况循环下的仿真精度。研究表明:由于温度对磷酸铁锂离子电池特性的影响较为显著,PNGV等效电路模型的仿真精度会随着初始温度的变化有所波动,所以为了保证仿真效果,必须在更多的温度点上进行参数辨识并进行优化;PNGV等效电路模型适用于城市工况下的仿真。     

新型磷酸铁锂电池专用电解液添加剂概述

LiFePO4电池以其卓越的安全性和良好的综合电化学性能成为目前众多锂电池公司与EV/HEV制造公司关注的重点,然而由于LiFePO4电池在材料及工艺等方面还存在一些问题,使得LiFePO4电池在配组使用的时候,电池的一致性和其性能会随着使用时间推移有一定程度的下降。介绍了一种专门用于LiFePO4电池的电解液添加剂-氧化还原飞梭的基本性能和作用原理,为LiFePO4电池在EV/HEV中的大规模商业应用提供了一个现实的解决方案。     

LiFePO4锂离子电池的性能测试

以改性LiFePO4、包覆碳为电极活性材料,制备了额定容量为1 000mAh的18650型锂离子电池.电池的工作平台电压为3.0～3.3 V;0.5 C循环1 000次后和10 C循环100次后的容量分别为额定容量的90%以上和60%.     

磷酸铁锂材料物化性能对电池性能的影响

在动力电池的制作过程中,正极材料磷酸铁锂的物化性能对电池的制作及电性能有非常重要的影响,尤其是材料的粒径及比表面积在材料制作路线相同的情况下对电池的影响更为重要。对材料制作路线相同情况下的磷酸铁锂粉体的物化性能进行控制,对电池加工过程中的极片电阻率、剥离强度、克容量发挥以及低温等方面进行研究。结果显示,磷酸铁锂材料物化性能对电池的制作及性能非常重要,粒径较小的材料的内阻、加工性能方面都劣于大粒径材料,但是其克容量及低温性能都优于大粒径材料。