-
公开(公告)号:CN117607718A
公开(公告)日:2024-02-27
申请号:CN202311314506.5
申请日:2023-10-11
Applicant: 北京交通大学
IPC: G01R31/392 , G01R31/389 , G01R31/396 , G01R31/367
Abstract: 本发明提出一种内短路故障引发锂离子电池性能劣化的机制。对正常电池和隔膜破孔导致的正负极接触的短路电池进行耦合机械应力的电池内短路故障试验,获取正常电池与内短路故障电池的电压、电流、内外温度数据。分析电池外部综合性能,观测循环过程中的电池电压与温度变化,确定内短路故障对电池使用性能的影响。此外,对比正常电池与内短路电池在持续加压至热失控过程中的电压与内外温度差异,获得电池发生热失控时的最大机械应力,分析内短路故障对于电池安全性能的影响。本发明采取的短路实验模拟方式更接近于实际内短路情况,获取的电、热信号更加准确有效。
-
公开(公告)号:CN117293427A
公开(公告)日:2023-12-26
申请号:CN202310973469.2
申请日:2023-08-04
Applicant: 北京交通大学
IPC: H01M10/44 , G06F30/20 , H02J7/00 , G06F111/06
Abstract: 本发明公开了一种降低能耗的锂离子电池安全快速优化充电方法。通过建立精准电池模型或设计三电极电池获取电池负极电位;以电池负极不析锂时的最大充电电流作为充电电流边界;仿真采用不同数量的恒流充电阶梯数对电池进行充电至一定程度时的充电总时长,确定最佳充电阶梯数;利用模型仿真得到电池在不同倍率下的功耗密度或能耗,制定多阶段恒流SOC区间划分依据;以电池充电能耗作为目标,分阶段优化得到避免电池发生析锂副反应的优化充电电流序列,对电池进行充电。采用该充电方法对电池充电,不仅提高了充电速度,保证了电池充电安全,并且与相同倍率的恒流充电制式相比能耗有所降低,为锂离子电池安全快速和优化充电领域提供了重要的参考价值。
-
公开(公告)号:CN117110878A
公开(公告)日:2023-11-24
申请号:CN202310825952.6
申请日:2023-07-06
Applicant: 北京交通大学
IPC: G01R31/367 , G01R31/378 , G01R31/392 , G01R31/396 , G01R31/385 , G01R31/388
Abstract: 本发明涉及一种基于片段电压序列的锂离子电池SOH在线估计方法。该方法仅采用电池充电过程中的固定部分电压区间内的片段电压信息,通过获取电池充电电压在确定区间内的统计量特征来准确估计电池当前的健康状态。该估计方法不需要高精密的采集设备,对数据质量的要求较小,简单易行,准确性高,可对锂离子电池的健康状态进行快速估计。
-
公开(公告)号:CN116008858A
公开(公告)日:2023-04-25
申请号:CN202310000800.2
申请日:2023-01-03
Applicant: 北京交通大学
IPC: G01R31/52 , G01R31/378 , G01R31/389 , G01R31/36
Abstract: 本发明涉及电池故障检测技术领域,具体涉及一种锂离子电池内短路故障检测方法;在该方法中,首先在高SOC下进行恒压测试并计算电池的短路电阻,根据该短路电阻数据判断电池是否短路,若是,随后在低SOC下进行恒压测试,并计算短路电阻,根据该短路电阻数据是否与上一个短路电阻数据相同判断电池是内短路或外短路,若是内短路且为单层单体结构电池,则根据两次短路电阻数据判断具体的内短路类型;通过本方案的故障检测方法,可以有效判断得到故障电阻的内短路类型。
-
公开(公告)号:CN115966776A
公开(公告)日:2023-04-14
申请号:CN202310016435.4
申请日:2023-01-06
Applicant: 北京交通大学
IPC: H01M10/058 , H01M10/48
Abstract: 本发明公开了一种内短路故障电池的制作方法,首先制作短路触发装置、内部温度测量装置和参比电极装置;接着制作内短路电池,先在准备好的隔膜上进行打孔,随后将打孔后的隔膜在叠片过程中放入指定位置,同时加入制作好的三种装置;在利用极耳胶与PP管分别将参比电极装置、内部温度测量装置以及内短路触发装置与铝塑膜边缘的交汇位置进行包覆,最终,在电池定容完成后对注液口进行终封,得到内短路电池。本发明实现了内短路触发时刻可控、内部温度以及电位可测的目的。并且通过单层以及十层试验电池证明了引入短路触发装置、内部温度测量装置以及参比电极装置对单层电池的部分性能影响严重,而对十层电池几乎无影响。
-
公开(公告)号:CN113884900B
公开(公告)日:2022-08-23
申请号:CN202111066744.X
申请日:2021-09-13
Applicant: 北京交通大学
IPC: G01R31/371
Abstract: 本发明公开了一种三元锂离子电池容量突变点预测方法,从已有的电池加速老化数据中提取与新的电池具有相同加速老化模式的迁移样本,用于训练机器学习模型,最终预测新的电池的容量突变点。锂离子电池容量突变点预测方法包括加速老化模式判断,迁移样本选择以及容量突变点预测。具体为从三元锂离子电池放电容量‑电压曲线,容量增量曲线,电压差分曲线的早期变化曲线上提取表征锂离子电池的健康状态的17个老化特征参数,然后利用机器学习算法对锂离子电池的加速老化模式进行早期诊断,然后根据加速老化模式判断结果从已有的电池加速老化数据中进行样本选择,利用迁移样本训练机器学习模型,最终对新的电池进行容量突变点预测。
-
公开(公告)号:CN112433170B
公开(公告)日:2021-08-10
申请号:CN202011092297.0
申请日:2020-10-13
Applicant: 北京交通大学
IPC: G01R31/396 , G01R31/388
Abstract: 本发明属于电池参数辨识技术领域,涉及一种串联电池组单体参数差异辨识方法,方法基于动态时间扭曲算法,对串联电池组电池单体的充电数据进行分析处理,通过对比电池OCV曲线和电池单体的充电电压曲线,计算所有具有“一一对应关系”的数据点之间的索引值之差的平均值Td;并根据电池组的充电倍率和采样时间间隔设置比例系数Tr;接着计算Td与Tr的比值R,作为电池单体在充电过程中的起始SOC;最后根据各单体电池的充电起始SOC,计算出反映电池组SOC一致性的单体SOC差异情况。本发明方法实现了对串联电池组内各电池单体的充电初始SOC、电池组SOC一致性的估计,具有较高精度和效率。
-
公开(公告)号:CN113075554A
公开(公告)日:2021-07-06
申请号:CN202110324053.9
申请日:2021-03-26
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京交通大学
IPC: G01R31/367 , G01R31/3835 , G01R31/396
Abstract: 本发明公开了一种基于运行数据的锂离子电池组不一致性辨识方法。本发明包括:步骤1:对实际运行工况中BMS采集到的锂离子电池电压数据进行数据预处理;步骤2:通过电池单体的一阶RC等效电路模型,分析单体SOC、容量两个电池参数与电压曲线变化之间的关系;步骤3:提取电池电压离群率;步骤4:对原始放电段电压进行经验模态分解,提取电池各充放电段电压极差,采用滑动窗口对窗口内的电压极差进行相加;步骤5:基于原始放电段电压,提取放电段电压差分,采用滑动窗口对窗口内的电压差分的绝对值进行相加;步骤6:对提取的电压离群率采用阈值方法辨识电池组不一致性,对提取的电压极差与电压差分采用聚类算法辨识电池组不一致性。
-
公开(公告)号:CN109164398A
公开(公告)日:2019-01-08
申请号:CN201810876589.X
申请日:2018-08-03
Applicant: 北京交通大学
IPC: G01R31/396
Abstract: 本发明提出一种锂离子电池组中单体电池容量估算方法。该方法的实施基于锂离子电池组的充电过程和单体电池的放电过程,在锂离子电池组中包含N个处于同一老化状态的电池单体,该方法包括:将锂离子电池组中最先充满电的单体电池作为基准电池,根据充放电曲线计算近似Q-OCV曲线QV0;根据第i只待估容量单体电池的充放电曲线计算其近似Q-OCV曲线QVi;分别对QV0和QVi进行微分计算,得到容量微分曲线D0和Di,将D0和Di归一化后,对Di进行平移使其与D0重合;记录Di中充电截止时刻的近似OCVi(曲线终点值);根据曲线VQ0计算基准电池的近似SOC-OCV曲线S0;在曲线S0中确定与OCVi对应的SOCi值;根据第i只单体电池的部分放电容量和SOCi值计算第i只单体电池的实际容量。
-
公开(公告)号:CN119689274A
公开(公告)日:2025-03-25
申请号:CN202411969467.7
申请日:2024-12-30
Applicant: 北京交通大学 , 南方电网科学研究院有限责任公司
IPC: G01R31/367 , G01R31/392 , G06F18/20 , G06F18/213 , G06F18/2113 , G06F17/18 , G06N20/00
Abstract: 本发明公开了一种基于运行模式画像的电池组健康状态评估方法和系统,涉及电池组管理技术领域,采用安时积分法对电池组的历史运行数据进行分析,得到多个电池组标签容量,通过历史运行数据构建运行模式画像,并对运行模式画像进行统计分析,得到多个统计特征,再通过各个电池组标签容量对各个统计特征进行自适应冗余特征筛选,得到多个相关健康指标,采用各个相关健康指标对预设的电池组健康状态评估模型进行训练,得到目标电池组健康状态评估模型。克服了现有的电池组健康状态评估模型主要是基于固定工况下的电池单体级别测试数据进行开发,当面获取的时序采集数据临杂乱无章时,无法对电池组健康状态进行准确评估的技术问题。
-
-
-
-
-
-
-
-
-