排序方式: 共有17条查询结果,搜索用时 0 毫秒
1.
2.
退役锂离子电池的分选目前存在效率与精度不可兼得的问题,严重制约大规模退役锂电池梯次利用的经济性与安全性。该文针对以上问题,提出一种基于电化学阻抗谱(EIS)的退役锂离子电池软聚类方法。首先,对退役锂离子电池进行EIS测试和弛豫时间(DRT)分析,利用BP神经网络建立电池容量与DRT关联模型,并用于大规模电池容量的快速估计。然后,构建电池容量、欧姆内阻与DRT特征等六维度判据,在此基础上提出一种基于高斯混合模型的电池软聚类方法。该方法在考虑电池内部重要电化学特征的基础上实现了退役锂离子电池的软聚类,大大提高了聚类结果的准确性与灵活性。最后,通过计算轮廓系数和进行混合脉冲功率特性(HPPC)实验对聚类结果进行验证。实验结果表明,获取电池容量的时间由标准容量测试的3h缩短到10min,容量预测误差控制在4%以内;所提出的软聚类分类方法能提高电池重组的灵活性,并能保证重组电池具有很好的一致性。 相似文献
3.
随着锂离子电池生产规模的迅速扩大,电池制造商急需高精度高效率的电池分选方法,增强电池成组后的一致性,从而提升电池组寿命、安全性和能量密度。基于容量和内阻等特性的传统分选技术可以满足成组后的静态一致性需求,但无法保证同组电池的动态一致性。因此,综合考虑电池在整个充放电过程中的性能,基于充放电电压曲线动态特性的分组方法是下一代分选技术的发展方向。本文基于电池产线大数据,从电池分容阶段的电压曲线提取关键动态特征,形成了基于K-means聚类的电池分选方法。此外,本文还从电池分容后的回充阶段提取了用于评估电池性能一致性的指标,并设计了一个以指标标准差为核心的电池一致性评价方法。与传统的电池分选方法相比较,本文方法分选后的电池综合性能一致性提高了15.65%。 相似文献
4.
通过对锂离子电池内短路的在线诊断可以有效预防热失控的发生。本文利用锂离子电池模组的充电曲线提出一种基于剩余充电电量的内短路在线定量诊断算法,并对该算法在不同的电压采集精度与采样周期、温度变化、老化程度等条件下进行仿真与实验验证。结果表明所提出的算法在一定条件下能准确定量地诊断出内短路电阻:(1) 对于10 Ω级别的严重内短路,即使在10 mV的采集精度、10 s的采样周期、变温度条件下也能得到很高的诊断精度。对于100 Ω级别的早期内短路,所诊断的内短路阻值比实际值偏小,诊断时间变长。为了提高早期内短路诊断的精度与时效性,电压采集精度与采样频率应该分别在1 mV 与 1 Hz 以上;(2) 电池老化会降低内短路的诊断精度,但是对于10 Ω级别的内短路影响很小。极端温度变化同样会影响内短路定量诊断精度,极端高温下的诊断误差比极端低温下的诊断误差要大,在极限低温(–20 ℃)下的内短路内阻的诊断误差在6%以内。研究结论为提高锂离子内短路的定量诊断精度具有重要意义。 相似文献
5.
车用动力电池组在充放电循环使用中容易出现一致性恶化的现象,这会导致电池容量衰减甚至引发安全问题。为了解决此问题,文中提出了一种基于CAN网络的锂电池多模组联合均衡系统。该系统能够级联多个均衡器,每个均衡器能够利用充电芯片对电池模组进行主动均衡,同时结合小电阻阵列进行被动均衡,并利用串联在均衡器外部的大功率电阻为电池模组提供快速放电均衡。通过设计有效的控制策略与均衡算法,实现了多个模组联合均衡的目的。仿真和实验对控制策略与均衡算法进行了验证,在实验中,电池组电压极差从均衡前的200 mV缩小为均衡后的20 mV,证明该均衡系统可以有效改善电池组的一致性情况。 相似文献
6.
软包锂离子电池在充放电期间因为锂离子的脱嵌使得电池表面产生形变进而形成机械压力。通过对软包锂离子电池施加一定预紧力后进行正常与滥用的充放电试验研究,揭示电池表面机械压力的变化特性规律。结果表明:在正常充电阶段,电池表面机械压力逐渐增大,在正常放电阶段,电池表面机械压力是一个逐渐恢复的过程;在滥用的过充电与过放电阶段,电池表面机械压力均表现出先缓慢增大后迅速增大(dF/dt■0)的现象。针对过充电和过放电电池表面机械压力迅速增加的特点,进一步基于滥用特性提出锂离子电池热失控预警电压的确定方法和锂离子电池放电截止电压的确定方法,为软包锂离子电池的安全性设计和电池管理系统中过充电、过放电提供理论依据与方法指导。 相似文献
7.
在电池管理系统领域,精确的荷电状态SOC(state-of-charge)估计是众多状态估计中最基础的技术之一。但在一些特定的SOC区间段内,便于实际应用的等效电路模型并不能很好地等效电池的特性,故基于传统卡尔曼滤波算法的SOC估计会出现精度下降的问题。提出一种基于增量误差的卡尔曼滤波算法,通过离线分析等效电路模型在各个SOC区间段内的性能优劣,得到各个SOC区间的噪声协方差控制表;将噪声协方差应用于对应的SOC区间段内,从而实现对全区间SOC的精确估计。实验表明在SOC低于20%的区间内,采用基于增量误差的卡尔曼滤波算法可以大大提高SOC估计精度。 相似文献
8.
车用锂离子电池电化学-热耦合高效建模方法 总被引:1,自引:0,他引:1
精确的电池模型是车用锂离子电池系统状态估计和能量管理的基础.电化学机理模型用途广、精度高,是下一代电池管理系统的重点研究对象.然而,目前电池电化学机理模型建立过程中存在参数获取困难、依赖后期参数标定等问题.为此,提出一种大容量车用锂离子电池电化学-热耦合高效建模方法.将电化学机理模型的参数进行分类,对可测量/辨识参数(几何尺寸、正负极初始化学计量比和固相颗粒最大嵌锂浓度等)进行精确的测量和参数辨识.利用不同温度下的脉冲充电试验来标定固相扩散系数Ds和反应速率常数ko进一步地,建立电池产热模型,搭建考虑温度影响的电池电化学-热耦合模型.不同倍率充放电、不同温度下的脉冲放电和动态应力工况测试下试验验证结果显示,所搭建的模型具有很好的精度和适应性,电压平均误差小于10 mV,温度平均误差小于1.1℃.参数敏感性分析结果显示固相扩散系数Ds的减小会导致电极颗粒内部锂离子浓度差变大,从而使得颗粒表面电势提前达到截止电压,降低电池容量;反应速率常数k的减少主要影响电池阻抗,将造成放电电压曲线整体下移和产热增加.所提出的建模方法可以快速高效地建立精度高、普适性好,成本低的电池电化学-热耦合模型. 相似文献
9.
提出了一种离线式锂离子电池开路电压快速估计方法,在短时间内完成对需要经过长时间搁置才能稳定的开路电压的预估。建立了一个带有权重的电压弛豫模型并利用短时间内搁置电压数据和模型预估值构造损失函数,通过优化算法对损失函数中的参数进行寻优。电池开路电压预估流程包括对电池进行放电,搁置和开路电压预估,整个过程所需时间为30~40 min,即通过30~40 min就可以完成对需要进行数小时静置后才能稳定的开路电压的预估。为了检验此模型的适用性,设计了三元锂电池在不同电池荷电状态(State of charge,SOC)下、不同温度下和以不同的放电倍率放电下开路电压预估的试验,以及设计了电池容量循环衰减试验,并在电池容量衰减后继续对电池开路电压进行预估。试验结果表明,此模型可以通过短时间搁置便能精确地预测电池在不同SOC和不同温度下以及电池容量衰减后的开路电压。提出的离线式锂离子电池开路电压快速估计方法能够快速、准确地预估电池稳定开路电压,在电池SOC以及电池健康状态(State of health,SOH)等状态估计及电池容量估计方面有重要作用,能够大大缩短预估时间。 相似文献
10.
在国家“双碳”重大战略驱动下,锂离子电池在迎来了重大发展机遇的同时,它的全生命周期碳足迹追踪与环境指标评价成为研究热点,在碳排放计算及减碳措施方面遇到严峻挑战。首先,对全生命周期评价的基本框架、基本方法、评价指标等基础共性问题进行简要概述。然后,从锂离子电池可持续发展出发,提出从“摇篮”到“摇篮”的全生命周期闭环评价路线,对电池全生命周期内(包括电池生产、电池使用、梯次利用、电池回收与再制造等环节)各阶段碳排放计算的研究现状与进展进行详细综述,总结各阶段潜在的研究热点与难点,提出一种“技术-生态-价值”综合评价框架。在此基础上,对锂离子电池生命周期价值评价存在的机遇与挑战进行讨论,对资源风险与供应链风险进行分析与梳理。最后,总结与展望了能源脱碳、体系创新、智能制造、优化管理、材料回收、碳捕集等六大潜在的锂离子电池全生命周期减碳措施。 相似文献