锂离子电池电极放电深度分布和产热分布研究

锂离子电池电极上的电压和电流分布会导致电极各处产热率和放电深度的不同,进而影响整个单电池的温度分布和放电性能.通过构建锂离子电池电极模型,用以分析电压、电流、产热率、放电深度在锂离子电池电极上的分布.仿真结果表明:靠近极耳区域处的电压梯度及穿过隔膜电流梯度明显大于其他区域;电极上的产热率分布与穿过隔膜电流密度有关;在放电过程中会优先消耗靠近极耳处的活性物质,导致此处的放电深度一直大于平均值;锂离子电池电极放电深度一致性随放电时间增加而提高,而产热率分布一致性则会出现交替增大、减小现象.     

基于热模型的动力电池热故障诊断系统

为提高车载动力电池热管理系统的可靠性,使电池温度维持在合理的范围内,根据镍氢电池的结构及传热学原理,建立了电池的热模型,实现了电池内部及表面温度的在线预测.通过模型预测温度与实际温度的对比,对电池温度异常状况进行在线诊断,并将诊断信息通过控制器局域网(CAN)通信传送给整车控制器,使整车及时对故障做出响应.试验结果表明,该系统能准确及时地诊断风机故障、电池剩余容量(SOC)过高及电池过充故障,有效避免了因热故障引起的电池过温.     

锂离子动力电池内阻模型与实验研究

首先,根据多孔电极理论,建立了锂离子动力电池的仿真模型.对仿真模型的分析可知,影响电池内阻的内部因素为锂离子在电极活性材料中的固相扩散系数及由极片的电子电导率、电解液的离子电导率和活性材料的电子电导率组成的电池总电导率.分别设计制作磷酸铁锂和石墨半电池,使用恒电流间歇滴定法(GITT)对半电池进行固相扩散系数的测量.使用交流阻抗法(EIS)对半电池进行总电导率的测量.对比半电池实验数据和磷酸铁锂锂离子动力电池实验数据可知,电池的极化内阻由锂离子在电极活性材料中的固相扩散系数决定;电池的欧姆内阻由电池的总电导率决定.     

基于STEKF的锂离子动力电池SOC估算

为能在线准确估算电动汽车动力电池的荷电状态(SOC),提出了一种基于强追踪扩展卡尔曼滤波(STEKF)的锂离子电池的SOC估算方法,该滤波器引入了多重次优渐消因子;以某型锂离子电池为研究对象,基于电池的外特性及相关机理,建立了电池的二阶RC等效电路模型,使用最小二乘法辨识模型参数,然后按照等效电路模型建立电池的STEKF非线性状态空间方程,最后在ECE15工况下进行仿真。结果表明,STEKF估算电池SOC的误差保持在2%以内,该方法能准确估算电池的SOC。     

锂离子动力电池特性研究

为深入了解锂离子动力电池的充放电特性,评价其在电动汽车上的使用性能,通过不同条件下的试验对两种锂离子动力电池进行了全面性能测试.介绍了动力电池性能试验方法,基于试验数据绘制了锂离子动力电池不同使用工况下的充放电特性曲线,得到了电池的各项性能参数.分析了锂离子动力电池的工作特性以及充放电率、环境温度等因素对电池性能的影响,提出了锂离子动力电池的合理使用建议和在低温情况下的合理应用方案.     

基于液冷的锂离子动力电池散热结构优化设计

针对锂离子电池单体成组后温度场的非均匀性导致的热不一致性问题,以及高温下电池单体间的热交互引发的热安全性问题,采用仿真与试验相结合的方式,基于锂离子电池生-传热机理,设计了电池单体单独成组、电池单体之间夹隔泡沫棉、电池模组底部布置液冷板3种递进式散热方案,并对液冷板进行了优化设计.采用有限元软件STAR-CCM+,仿真分析了3种方案下电池模组在不同放电倍率时的温度分布.结果表明:增加泡沫棉可减少电池间的热交互,进而提高电池单体间的热均衡性.在结合泡沫棉、导热板以及优化后(采用液冷管道串-并联组合方式)的液冷系统散热条件下,电池模组以2C倍率放电时最高温度为35.08℃,最大温差仅为4.85℃.研究结果可为电池热管理散热系统结构设计提供一定的理论基础.     

探讨纯电动汽车锂离子动力电池热原理及温度控制方式

新能源汽车成为当前关注焦点,随着新能源汽车技术瓶颈不断突破,新能源汽车行业获得了突飞猛进的发展,尤其是纯电动汽车获得了资金和政策的强力支持。本文重点探讨纯电动汽车锂离子动力电池热原理及管理系统的研发,实现对纯电动汽车锂离子动力电池组的温度控制,使之在合理的温度区间之内,较好地提升电池的使用寿命。     

基于二阶阻容模型的锂离子动力电池工作特性的建模及仿真分析

分析比较了几种常见的电池电化学模型和等效电路模型,建立了以电池电动势、电池内阻、电池容量为决策变量的二阶电阻电容等效电路模型,推导出了其状态空间模型.在matlab/simulink平台上搭建模型各个模块,最后对电池电流、电压及SOC进行了仿真分析,结果表明该模型方案设计合理可行.     

基于自适应UKF的锂离子动力电池状态联合估计

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.     

车用锂离子动力电池系统的安全性

 动力电池安全性是新能源汽车大规模推广应用过程中,各方最关注的焦点问题之一。本文阐述锂离子动力电池作为车用电源系统的安全性问题及其有效的解决方案。动力电池系统安全性问题主要分为3个层次,即"演变"、"触发"和"扩展"。"演变"是指动力电池安全性事故发生之前,故障可能经历了长期的演化过程;"触发"是"演变"过程的转折点,也可以是突发情况破坏了动力电池系统,并导致安全性事故。阐述了锂离子动力电池热失控"触发"的机理,对于不同种类的热失控触发形式进行了分析。在动力电池安全性事故"触发"问题上,最为核心的问题是锂离子动力电池的热失控。热失控"触发"发生后,应防止热失控"扩展"的发生。论述了热失控"扩展"过程的机理,以便于提出更加合理的安全性设计方案,防范热失控"扩展"的发生,降低安全性事故造成的损害程度。基于热失控"演变"、"触发"与"扩展"的机理,提出了事故防范和安全性监控的多项措施。     

基于混合模型的锂离子电池热失控预判方法

锂离子电池在储能系统中已得到普遍应用,但其会由于热失控而产生自燃、爆炸等引发安全事故,如何对储能锂离子电池热失控故障风险进行超前预测和判定是当前研究的热点问题。将电热物理模型与深度学习模型长短期记忆模型(LSTM)相结合,提出一种基于混合模型的储能锂离子电池热失控预判方法。通过收集电池运行数据,利用电池的电热耦合模型进行电池内部温度、荷电状态(SOC)的估算;同时,将电池表面温度、电池电压、电池电流等参数共同作为 LSTM 的输入,利用混合模型精确预测电池的表面温度和内部温度。通过阈值方法判定热失控的发生并确定诱发原因,从而实现对电池热失控的准确预测。基于公开数据集的实验结果表明,提出的混合模型进行热失控预判具有较好的精确性和快速性,在实际工程应用中有着较好的应用前景。     

电动汽车锂离子动力电池分选方法研究

为了改善电动汽车电池组的不一致性,提高电池组的可用功率和容量利用率,以电池的不一致性机理分析为基础,分别对电池进行了传统分选、主因子分选和总因子分选.单体试验计算结果表明,总因子分选方法是最优的.接着在总因子分选结果的基础上运用模糊C均值聚类算法对电池进行了动态特性分选,试验结果表明:此分选方法能有效地改善电池组的不一致性.     

锂离子动力电池充放电特性的试验研究

为了解锂离子动力电池的工作特性,评价其在电动车辆上的使用性能,对锂离子动力电池进行了性能测试.基于实验结果,给出了锂离子动力电池的工作电压、工作电压下降速率和温升特性曲线.对锂离子动力电池的工作特性进行了分析;对各单体电池间的一致性对电池组性能和寿命的影响进行了分析评价;对电池的使用规范提出了建议.分析表明:锂离子动力电池适合于电动车辆使用,但电池单体间的一致性还待进一步改善和提高.     

恒功率放电下锂离子电池的产热特性

恒功率放电是电池实际运行工况中的典型放电方式,其放电过程中的产热对电池的性能和安全运行有重要影响。为了研究恒功率放电方式下电池的产热特性,首先建立了电化学-热耦合模型;然后通过实验验证了模型的合理性;最后分析了放电过程电池内部集流体、正负极和隔膜各层的产热特性,讨论了放电功率和正极电极厚度对电池内部各层产热量的影响。结果表明:在放电过程中负极产热率的变化程度最大;放电功率对各层产热量占总产热量的比值影响不大,其中正极产热量所占的比值最大(不同放电功率下的占比均在70%以上);增大正极电极厚度可降低电池的产热量,但随着电极厚度的增大,其影响效果会降低。     

基于UC3845实现的锂离子动力电池充电单元的研究

根据锂离子动力电池电动汽车车载充电的要求,提出了一种多组单元串联的充电电源结构,针对单端正激式充电单元主电路,基于电流型控制器UC3845设计了充电单元控制系统,着重介绍了电流检测内环、恒流-恒压输出特性控制外环的工作原理。     

基于数据驱动的锂离子动力电池剩余使用寿命预测方法综述

准确预测锂离子动力电池的剩余使用寿命(remaining useful life, RUL),确保相关行业和设施的可靠性和安全性具有重要意义。数据驱动方法仅通过实验数据总结电池性能参数变化规律从而预测电池剩余寿命,突破了传统基于模型方法精度低、难以建模、通用性差的局限。首先针对基于数据驱动的锂离子动力电池寿命预测的研究进行分析,归纳总结出锂离子动力电池寿命预测建模思路。其次,分类阐述了各种基于数据驱动的预测方法,并对其优缺点进行了分析。最后,给出了锂离子动力电池剩余寿命预测的发展趋势。     

锂离子动力电池传感器多故障诊断策略综述

锂离子电池作为新一代可充电电源,具有能量密度大、安全性能高等优点,显示出了广阔的市场前景。但锂离子电池在运行过程中会发生各种内、外部故障,所以锂离子电池安全问题一直备受关注。锂离子电池的传感器正常运行是保证对电池系统实时监测的关键,但是传感器故障微小且不易察觉,并且故障具有关联性、并发性的特征,可能引起多故障的发生,进而触发热失控的风险。所以如何保证传感器精确、快速地进行锂离子电池故障检测与诊断是确保安全稳定运行的关键。首先从锂离子电池结构出发总结了锂离子故障的类型及成因,并详细分析了传感器故障和多故障产生的机理。然后,对锂离子电池从单体电池到电池包所涉及的传感器故障和多故障诊断策略进行全面的阐述,并且分析了可能成为未来发展趋势的传感器多故障协同诊断策略和电池新模式下的故障诊断方式(如气体检测等)。最后,以全文锂离子电池的传感器多故障研究的重难点,提出了传感器多故障诊断未来可能的研究方向。     

锂离子动力电池荷电状态联合估计

为了进一步提高锂离子动力电池荷电状态(SOC)的估计精度问题,在分析了电池电压、温度、电流和放电电量对电池SOC值的影响后,提出了一种新颖的混沌萤火虫算法(chaos firefly algorithm,CAF)和小波神经网络(WNN)相结合的锂离子动力电池SOC联合估计方法,该方法首次利用于电池SOC值估计中,通过新颖的混沌萤火虫算法优化小波神经网络,加入动量项优化网络的权值和调整修正参数,提高了网络的学习效率和SOC估计精度。克服神经网络进化缓慢并且容易陷入局部最小的缺陷,通过仿真和电池实际工况下实验,结果表明与WNN算法相比,所提出的方法具有更高的预测精度,均方根误差小于2%,验证了这一算法的可行性和有效性。     

锂离子动力电池参数辨识与状态估计

从锂离子动力电池的电流激励-电压响应出发,在改进的FreedomCar电池模型存在的基础上,提出了基于最小二乘法的电池模型参数辨识的方法;根据混合动力汽车的具体应用条件,提出基于电流-时间窗口的SOC(荷电状态)估计方法.该方法已成功应用于电-混合燃料电池轿车"超越三号"的实车运行.