固态锂电池复合固态电解质研究进展

固态锂电池因质量轻、安全性高、能量密度大、循环寿命长等优点而备受关注,具有广阔的应用前景。其工作原理与传统锂电池基本相同,最大的区别在于电解质不同,固态锂电池采用固态电解质。作为全固态锂离子电池的核心部件,固态电解质的研发是固态锂电池发展的关键因素。目前单一的固态电解质存在着离子电导率低、锂沉积产生锂枝晶而刺穿隔膜、界面不稳定等问题,无法很好地满足固态锂电池的性能要求。而由无机填料和聚合物固态电解质复合而成的复合固态电解质,兼具多种固态电解质的优点,具有稳定的物理和电化学特性,近年来的研究使得离子电导率和电化学稳定性得以提升,综合性能超越了单一的固态电解质。通过精确控制复合固态电解质的组分和结构,可以实现对其各方面物理化学性质的调控。未来的重点研究方向是调整改进复合固态电解质中各种材料的比例,或者探索具有更优异性能的电解质及其辅助材料,开发综合性能优异的新型固态电解质材料。     

不同触发条件下的钛酸锂电池热失控特性研究

以两款商用的、不同容量、不同封装形式的钛酸锂电池为研究对象,利用过充、针刺、加热的方式进行了热失控触发的实验研究.通过对实验结果的归纳与总结,发现对于钛酸锂电池,同样的电流激励下,其在过充期间的产热更为明显;针刺方向与电池封装形式对热失控触发存在较大影响;过充电池在相同功率下的加热热失控所需时间远远小于满电态电池.     

废旧锂电池回收难点与解决方法分析

在电力运输和电力网络储存电池中,锂离子电池被广泛应用,各大公司以锂离子电池为研究对象,研发力度和资金注入量急剧增加。但是在现实中废旧锂离子电池难以形成回收再利用的循环机制,大量生产会造成巨大的能源浪费,同时带给生态环境严重的污染,基于此,本文针对废旧锂电池回收难点与解决方法进行了分析研究。     

改进的萤火虫算法优化反向传播神经网络动力锂离子电池健康状态估计

为保证电池的正常运行,对电池的健康状态进行估计是非常重要的工作。针对传统建模方法估计精度差、参数众多计算复杂且耗时长等缺点,本工作构建了基于改进的萤火虫算法(firefly algorithm,FA)优化的反向传播(back propagation,BP)神经网络,对锂离子电池的健康状态(state of health,SOH)进行估计,利用萤火虫算法的全局优化能力和收敛速度快的特点对BP神经网络的权值和阈值进行优化,并引入莱维飞行(Levy flight),提升全局搜索能力,扩大搜索范围,提高了估计精度。采用NASA艾姆斯研究中心的锂离子电池数据集,对改进优化前后的算法进行训练与估计,对比各算法之间的优劣程度。结果表明,莱维飞行改进萤火虫算法优化反向传播神经网络(LFFA-BP)算法相比于BP神经网络算法与萤火虫算法优化反向传播神经网络(FA-BP)算法,决定系数更高,误差波动范围更小,具有较高的估计精度。     

矿用防爆电动人车的设计与应用

针对现有防爆柴油机无轨胶轮车尾气污染严重、噪音大、爬坡动力不足等情况,结合我国大型煤矿的巷道条件和使用工况,通过对整车动力总成、电气系统及液压系统的研究,设计了一种矿用防爆锂离子蓄电池运人车。其集车身和底盘技术、电池技术、电机技术和控制器技术于一身,具有比能量和比功率大、结构紧凑且灵活、清洁高效的特点,提升了辅助运输行业的整体技术水平,改善了煤矿井下工作环境,从而提高了劳动生产的效率。     

煤矿在用大容量锂离子蓄电池 安全性分析及管理措施

针对锂电池安全性能时间劣化问题,现场采集并分析煤矿监测通信系统后备电源及辅助运输设备动力电源管理使用数据和运行信息,开展在用大容量锂电池的容量衰减分析、EIS交流阻抗图谱分析、热失控扩展与安全性测试、挤压试验分析和电源管理系统精度测试等比对试验。试验结果显示:在用锂电池电性能、电池管理系统检测精度发生衰减,使用安全性下降。基于现场数据分析与试验结果,提出煤矿井下大容量锂电池安全管理针对性对策措施。     

锂电池输出瞬态能量分析及抑制电路

煤矿井下本安型设备都需要满足GB 3836规定的火花试验,火花试验规定保护电路稳定输出后应不能引起瓦斯气体点燃要求,但单纯地用火花试验装置对保护电路急剧短路输出的能量进行点燃试验是不合适的,应对短路输出能量进行测量评定。设计了一种有效抑制瞬态能量电路,并验证了对电路的有效性。     

基于ICS-LSSVM的电动汽车锂电池SOC预测

为了提高锂电池的荷电状态(state of charge, SOC)预测精度,将布谷鸟的卵被发现概率和步长控制量进行动态设置,对布谷鸟算法进行改进,采用改进布谷鸟算法(improved cuckoo search, ICS)对最小二乘支持向量机(least squares support vector machine, LSSVM)的惩罚参数和核函数宽度进行优化,建立基于ICS-LSSVM的电动汽车锂电池SOC预测模型,采用磷酸铁锂电池充放电数据进行仿真分析,并与其他模型对比。结果表明,基于ICS-LSSVM的电动汽车锂电池SOC预测模型的均方根误差、平均相对误差和决定系数分别为0.0193、3.14%和0.994,预测效果优于其他模型,验证了模型的正确性和实用性。     

能量型磷酸铁锂电池过充致热失控试验研究

电滥用是锂离子电池安全问题的诱发因素之一,过充电是电滥用中的主要表现形式.通过不同充电倍率(0.5C、1C、2C)对能量型磷酸铁锂电池过充电的方式研究了电池的热失控行为.结果表明,电池热失控期间喷射出的烟气在外界电火花条件下能被引燃;电池的过充电致热失控的过程分为电压/温度缓慢上升阶段、电压/温度快速上升、电压降为0V...