ARPA-E在第13届年度锂电池材料和化学会议上介绍了固态电池商业化路径

先进能源计划署一能源（ARPA—E）正在为电池和燃料电池固态材料的研究投资,支持工作包括晶体和无定形无机物,以及玻璃成型、吹塑／挤出、轧制,压延、带铸造和气相沉积制造的聚合物。在即将举行的第13届锂电池材料和化学年会上,ARPA—E高级商业化顾问Sue Babinec将介绍该机构对这些技术的研究和商业化的看法,包括经济评估。     

电动公交车充电及相关问题的探讨

就像发动机必须加注燃料才能运行一样,电动公交车的充电也是保证运行所必须的。本文就电动公交车充电和相关问题进行讨论。     

浅析新能源汽车类型

近年来,在国家各项优惠政策扶持下,国内新能源汽车产业发展迅速,各类新能源汽车不断涌现.各具特色的新能源汽车主要分为纯电动和混合动力两大类,其中混合动力类又分为油电混合、插电式混合动力和增程式混合动力三类. 1 纯电动车型 是以电能作为唯一动力来源的新能源汽车.纯电动车辆一般由电能储存系统(电池组)以及电动机(提供驱动力)两部分组成.如今的纯电动车辆在电池材料、电池管理、电动机以及车载设备的技术复杂程度远远超出你的想象,这也是为什么纯电动汽车普遍价格较高的原因.目前我公司正在使用的纯电动大巴,其电池容量达到324度电,驱动电机采用永磁同步电机.     

用数字化技术打通电池行业机理模型与数据模型的闭环

早晨,你的手环通过监测你的睡眠数据判断你处在"浅睡眠状态",触发闹钟唤醒你;早饭后,你通过电子乘车码支付公交车票;到了单位,你使用在线会议APP与千里之外的客户沟通技术问题;下班前,你用智能家居APP通知空调提前打开.这都是你很熟悉的场景.     

京津冀地区燃料电池汽车示范运行研究

本文在跟踪调研北京和张家口地区示范运营的燃料电池汽车的基础上,采集车辆的运营数据,完成了车辆运营里程、加氢量、百公里耗氢量、加氢次数、故障信息等数据指标的统计和分析对比,针对示范运营过程中存在的问题提出建议,论文研究结果在一定程度上概括和反映了2019年度京津冀地区燃料电池汽车的示范运营情况。     

混合能源控制技术及应用

本文介绍了混合能源控制器的功能和特点,以及多种能源混合供电的工作流程,并对混合能源的典型应用场景进行分析说明.     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。