公开(公告)号：CN117454670A

公开(公告)日：2024-01-26

申请号：CN202311773468.X

申请日：2023-12-22

Applicant: 浙江大学

Inventor： 黄钰期 ,  朱科明 ,  王通 ,  吴焱 ,  罗家园 ,  陆佳俊

IPC: G06F30/20 ,  G06F119/02

Abstract: 本发明公开了一种基于电化学模型的锂电池老化状态预测方法和装置，属于锂离子电池技术领域，包括：建立锂离子电池的电化学机理模型；建立包含负极SEI膜生长与断裂重构模型、负极锂的沉积与可逆溶解模型、正极CEI膜生长模型以及正负极活性材料损失模型的多机制老化模型；耦合电化学机理模型与多机制老化模型，得到锂离子电池的老化机理模型；基于老化机理模型计算任意充放电循环次数下的循环状态初值，并进行迭代更新，得到每循环次数下循环状态初值的实时变化情况，用于预测锂离子电池的老化状态。本发明建立了多机制、强耦合的老化机理模型，实现了精确预测复杂工况下电池的老化状态与退化路径。

公开(公告)号：CN119447597A

公开(公告)日：2025-02-14

申请号：CN202510047430.7

申请日：2025-01-13

Applicant: 浙江大学

Inventor： 黄钰期 ,  许莹莹 ,  朱科明 ,  罗家园 ,  王通 ,  陈海鹏 ,  舒雷 ,  钱心禾

IPC: H01M10/613 ,  H01M10/6567 ,  H01M10/633 ,  H01M10/42 ,  H01M10/48

Abstract: 本发明公开了一种电池热失控风险智能管理方法和系统，该方法针对不同的风险等级匹配对应冷却液协同超声波冷却措辞，即在低风险，电池工作状态正常时，利用冷却液自身较高的比热容吸收电池常规运行产生的热量，就能够实现电池的热量控制。当中等风险时，电池的多维传感信号出现轻微异常时，开启循环使得冷却液流动带走电池产生的热量，通过较低强度的超声波激发冷却液轻微蒸发以及振动冷却液加强换热，以均匀电池模组内的温度。当高风险时，让冷却液完全浸没电池顶部以隔绝氧气，增加冷却液流动速度迅速带走热量，发射高强度高频率超声波，增强冷却液快速蒸发和热量吸收，快速降低温度，避免电池发生热失控。

公开(公告)号：CN117454670B

公开(公告)日：2024-04-12

申请号：CN202311773468.X

申请日：2023-12-22

Applicant: 浙江大学

Inventor： 黄钰期 ,  朱科明 ,  王通 ,  吴焱 ,  罗家园 ,  陆佳俊

IPC: G06F30/20 ,  G06F119/02

Abstract: 本发明公开了一种基于电化学模型的锂电池老化状态预测方法和装置，属于锂离子电池技术领域，包括：建立锂离子电池的电化学机理模型；建立包含负极SEI膜生长与断裂重构模型、负极锂的沉积与可逆溶解模型、正极CEI膜生长模型以及正负极活性材料损失模型的多机制老化模型；耦合电化学机理模型与多机制老化模型，得到锂离子电池的老化机理模型；基于老化机理模型计算任意充放电循环次数下的循环状态初值，并进行迭代更新，得到每循环次数下循环状态初值的实时变化情况，用于预测锂离子电池的老化状态。本发明建立了多机制、强耦合的老化机理模型，实现了精确预测复杂工况下电池的老化状态与退化路径。

公开(公告)号：CN118962471B

公开(公告)日：2025-03-14

申请号：CN202411463327.2

申请日：2024-10-21

Applicant: 浙江大学

Inventor： 黄钰期 ,  王通 ,  吴焱 ,  朱科明

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/382

Abstract: 本发明公开了一种锂电池健康状态估计方法，将完整充电电压数据序列和片段充电电压数据序列的坐标空间转变为电压‑差分电压坐标空间，将坐标空间转变后的完整充电电压数据序列作为训练数据，将坐标空间转变后的片段充电电压数据序列作为验证数据；基于训练数据和健康状态标签训练自适应采样深度神经网络得到健康状态预测模型；将验证数据输入健康状态预测模型得到健康状态预测值序列，从健康状态预测值序列中依次提取多个子预测值序列，并计算每个子预测值序列的方差，将方差低于方差阈值的子预测值序列的健康状态预测值取平均得到最终的锂电池健康状态估计值。电池健康状态估计方法能够基于片段电压数据序列较为准确的预测锂电池健康状态。

公开(公告)号：CN118962471A

公开(公告)日：2024-11-15

申请号：CN202411463327.2

申请日：2024-10-21

Applicant: 浙江大学

Inventor： 黄钰期 ,  王通 ,  吴焱 ,  朱科明

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/382

Abstract: 本发明公开了一种锂电池健康状态估计方法，将完整充电电压数据序列和片段充电电压数据序列的坐标空间转变为电压‑差分电压坐标空间，将坐标空间转变后的完整充电电压数据序列作为训练数据，将坐标空间转变后的片段充电电压数据序列作为验证数据；基于训练数据和健康状态标签训练自适应采样深度神经网络得到健康状态预测模型；将验证数据输入健康状态预测模型得到健康状态预测值序列，从健康状态预测值序列中依次提取多个子预测值序列，并计算每个子预测值序列的方差，将方差低于方差阈值的子预测值序列的健康状态预测值取平均得到最终的锂电池健康状态估计值。电池健康状态估计方法能够基于片段电压数据序列较为准确的预测锂电池健康状态。