电动汽车用锂离子电池单体温度场分析

文章通过实验测得了锂离子电池内阻在常温下随soc的变化情况.实验显示放电时soc在0.2到1之间时内阻变化不大,soc小于0.2时内阻急剧升高,且充电内阻明显大于放电内阻.之后进行了锂离子电池单体在常温下,0.8C和1C的充放电温升试验.获得了温升随时间变化的数据.并通过fluent对电池单体进行了与实验对应的仿真,仿...     

融合经验老化模型和机理模型的电动汽车锂离子电池寿命预测方法研究

为提升实际应用中锂离子动力电池寿命预测精度,本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计,以基于机理模型估计电池未来容量衰减量进而预测得到的SOH作为卡尔曼算法的后验修正,从而实现对锂离子电池寿命的准确预测。基于电芯试验数据的动力电池寿命预测算法验证结果表明,锂离子动力电池剩余寿命预测误差≤5.83%、基于实车数据的锂离子动力电池的剩余寿命预测误差≤8.12%,取得了良好的预测效果,丰富了锂离子动力电池寿命预测的方法。     

基于放电过程的锂离子电池剩余寿命预测

针对锂离子电池剩余寿命预测时的容量难以测量和预测精度不高等问题,提出一种基于放电过程的锂离子电池剩余寿命预测方法.首先,提取锂离子电池放电过程中特定电压区间放电时间作为健康因子;接着,构建双向极限学习机的剩余寿命预测模型;最后,基于锂离子电池实验数据验证该预测方法的准确性.结果 表明:该模型能准确地预测电池剩余寿命,且...     

电池管理系统里的电池健康评估和寿命预测

本文对锂离子电池的应用特性进行了总结,分析了电压、电流、温度三大参数对锂离子电池健康和寿命的影响,尤其是充电截止电压,化成电流和高温情况对电池容量的影响.以不同材料之间的比较试验为基础,重点分析了高充电截止电压,充电电流和高温对材料稳定结构的破坏,从而引发电池循环寿命降低的原理.最后基于电池使用中放电电流和环境温度应力...     

再谈电动车电池的快速寿命测试方法

两年前，笔者在《蓄电池》上介绍了一种“电动车电池循环寿命快速测试方法”，引起了同行的关注。笔者从1998年用这种方法来评估电动车电池的实际使用寿命以来，从未出现过失误。但有的人在使用本方法时，误差很大。主要表现在循环寿命结束时，正、负极板都完好无损，循环次数仅100次左右，电池的失效模式不是正极活物质泥化脱落。     

批准建立锂离子电池合资企业

博世和三星已经成立一个名为SB LiMotive的合资企业，以此来开发、制造和销售汽车用锂离子电池     

锂离子动力电池温升特性的研究

介绍了锂离子动力电池的发热机理.基于锂离子动力电池内阻引起的温升特性,建立动力电池传热模型,通过模拟计算得出电池内部温度分布及电池温升随放电倍率变化的规律.最后对锰酸锂电池进行内阻实验,揭示了电池内阻随电池温度和SOC变化的规律.     

车用锂离子动力电池循环寿命衰减预测方法

随着新能源汽车市场占有率不断上升,如何精准预测其装配的锂离子动力电池在实际使用过程中的循环寿命衰减情况成为了重点关注问题。为此,将动力电池特性参数引入灰色预测模型,建立了一种车用锂离子动力电池循环寿命衰减预测方法;利用动力电池循环的小样本信息训练所建立的电池容量保持率迭代算法,对电池在多温度及工况下的容量衰减情况进行预测,并对影响预测方法精度的部分因素进行分析。结果表明：车用锂离子动力电池循环寿命衰减预测方法可以在满足一定精度的前提下,对动力电池循环过程中的容量衰减情况进行有效预测,并具备多温度及循环工况下的适应性。     

一款电动汽车用锂离子电池循环过程中的性能研究

以一款市售的40Ah三元离子电池为研究对象,研究其在充放电循环过程一致性的变化、高低温放电性能以及倍率充放电性能.结果表明,随着循环次数的增加,样品的容量一致性变差,低温特性和倍率充电性能变差,而高温放电特性和倍率放电性能基本无衰减.     

基于改进支持向量回归机的锂离子电池剩余寿命预测

为提高电动汽车锂离子电池剩余循环寿命预测的准确性,提出了一种基于改进支持向量回归机的预测算法,利用免疫完全学习型粒子群优化算法对支持向量回归机的惩罚系数和超参数进行优化,增强其预测能力,基于NASA PCoE研究中心提供的锂电池测量数据,与完全学习型粒子群优化的支持向量回归机预测算法进行对比分析,仿真结果显示,本文提出的算法预测相对误差低于6%,容量预测平均相对误差低于0.4%,具有更好的预测性能。     

汽车用动力锂离子电池发展现状

对汽车用动力锂离子电池材料、电池系统的组成及设计应用进行了介绍,对国内外锂离子电池系统主要供应商进行了综述,同时对目前车用锂离子电池系统还存在的主要问题及解决方法进行了探讨,并对锂离子电池系统在新能源汽车上的应用进行了展望。     

锂离子电池安全性能测试评价方法分析

伴随着新能源汽车的快速发展,新能源汽车的安全问题凸显。据不完全统计,自2017年新能源汽车被广泛应用开始,全球每年均有多达上百起的冒烟、起火等自燃事故,其中约有一半事故与电池系统有关。为了保障新能源汽车的安全运行,各个国家地区都制定了相应的评价测试标准。以中国的新能源汽车电池系统安全评价测试标准为基础,结合安全测试实例,对比分析现行世界各国的相关标准,并对未来新能源汽车电池系统的安全测试评价分析做出展望。     

锂离子电池不一致性综述

锂离子电池是电动汽车的关键部件之一,电池组作为电动汽车的供能部分,对整车性能起到决定性作用.本文首先剖析了电池一致性的产生机理及其表现形式.其次,针对锂离子电池安全性、使用寿命以及容量衰减等方面的问题,从电池不一致性评价方法和改善不一致性的措施展开分析.电池不一致性评价方法主要有单参数评价、多参数评价、动态特性评价的一...     

模块化的HEV锂离子电池管理系统

混合动力汽车(HEV)对蓄电池管理系统的设计提出了特殊的要求，在详细分析HEV对锂离子电池管理系统的要求的基础上，介绍了一种锂离子动力电池管理系统的实现方案，该方案具有模块化设计、单电池电压精确测量、电压均衡等特点，并进行了台架试验，验证了该方案的可行性。     

车用锂离子电池剩余使用寿命的混沌时序非线性组合预测模型研究

针对用单一方法难以准确预测锂离子电池剩余使用寿命(RUL)的问题,提出了非线性组合预测模型。对电池系统进行混沌判断,得到与实际容量相关性高的间接参数,利用重构后的数据对Elman网络及非线性自回归(NARX)网络进行训练和预测,得到表征电池性能退化的特征量;然后,用最小二乘支持向量机进行非线性组合,获得RUL的预测值。试验结果表明:非线性组合预测模型的预测精度优于Elman和NARX,具有更强的非线性预测能力。     

锂离子电池状态估计机器学习方法综述

本文旨在综述机器学习方法在锂离子电池状态(包括荷电状态、健康状态和剩余可用寿命)估计领域的研究进展.首先,阐述机器学习方法在电池状态估计中的应用现状.然后,归纳电池状态估计机器学习方法的5个具体实施环节,即数据准备、模型选择与评价、超参数确定、数据预处理和模型训练,并提出了融合精度、实施成本和鲁棒性的学习算法评价方法....     

锂离子电池多因素动态生热率模型

为提高生热率模型的仿真精度,基于Bernardi生热率模型车用锂电池实际应用,提出建立多因素动态生热率模型.首先,综合考虑温度、荷电状态和充放电倍率对Bernardi生热率模型的参数动态影响;其次,利用实验数据建立融合多种影响因素的动态内阻和动态温熵系数的数学模型,将这两个数学模型代入Bernardi生热率模型构建多因...     

燃料电池轿车锂离子电池管理系统研究

与镍氢各类蓄电池相比,锂离子蓄电池具有较好的性能。章分析了锂离子电池的特性和燃料电池混合动力轿车对动力蓄电池的要求,在此基础上对一种燃料电池混合动力轿车用动力锂离子电池管理系统进行研究,介绍了系统的软硬件设计。该方案在同济大学研制的超越2号燃料电池混合动力轿车样车上进行了实验验证。     

抓住锂离子电池的发展机遇

当前,国家“四部委”加强对电动自行车治理整顿,环保部、发改委等9部委也开展了对铅酸电池行业的整顿,各省市都采取措施积极应对。这些新的形势和新的要求,对我们电动自行车产业既是一次严峻考验,也是推动产业调整升级的动力。