CN110596612A - 一种对面向梯次利用的退役锂电池分类方法的选取方法 - Google Patents
一种对面向梯次利用的退役锂电池分类方法的选取方法 Download PDFInfo
- Publication number
- CN110596612A CN110596612A CN201910870409.1A CN201910870409A CN110596612A CN 110596612 A CN110596612 A CN 110596612A CN 201910870409 A CN201910870409 A CN 201910870409A CN 110596612 A CN110596612 A CN 110596612A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- tested
- retired
- voltage response
- face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种对面向梯次利用的退役锂电池分类方法的选取方法,首先,按照至少一种预定电量对退役锂电池进行充电得到待测锂电池,然后对待测锂电池进行混合动力脉冲能力特性实验并获得对应的电压响应值,根据电压响应值建立电压响应曲线,接着根据电压响应曲线分别对多种面向梯次利用的退役锂电池分类方法求得电压响应值均方根误差和,最后,选取与最小电压响应值均方根误差和对应的面向梯次利用的退役锂电池分类方法作为最优的一种面向梯次利用的退役锂电池分类方法。
Description
技术领域
本发明属于资源利用领域,具体涉及一种对面向梯次利用的退役锂电池分类方法的选取方法。
背景技术
目前锂电池已广泛地应用于工业生产中,随着锂电池的大量应用,退役电池的环保安全处置成为目前急需解决的问题。目前的方法主要为直接回收及梯次利用,其中梯次利用是将从电动汽车上退役下来的电池(还具有新电池80%的容量)经过分类后将在充放电过程中电压响应一致性相近的退役电池进行重组,再次应用于低速电动车、通讯基站、储能电站等场合。可以看出梯次利用可以最大化锂电池的全生命价值,间接地降低锂电池的应用成本,从而促进锂电池的发展与进一步应用。
在退役锂电池梯次再利用前需要对退役锂电池进行分类,将具有同类电压响应一致性特征的锂电池重组在一起进行二次利用将大幅度提高梯次利用的安全性与经济性。因此,准确合理的分类十分重要。目前已经存在多种对退役锂电池的梯次利用分类方法,如何评价这些分类方法与分类结果成为关键。目前大多采用的是静态评价方法,即实时测量得到每个电池的容量或内阻,然后根据分类在同一组的容量或内阻分布是否一致或相近来对退役锂电池进行不同的再利用。
但是,由于目前锂电池的梯次利用一般应用在动态工况领域,而传统的静态评价方法由于仅根据每个锂电池的容量或内阻来判定其梯次利用的具体情况,因此,采用传统的静态评价方法不利于提高对面向梯次利用的退役锂电池分类方法的评价的准确性与合理性。
发明内容
本发明是针对上述问题而进行的,目的在于提供一种基于退役锂电池的不同电容量的复杂动态工况的面向梯次利用的退役锂电池分类方法的选取方法,从而提高面向梯次利用的退役锂电池分类方法的评价的准确性与合理性。
为实现上述目的,本发明采用了如下技术方案:
本发明提供了一种对面向梯次利用的退役锂电池分类方法的选取方法,具有这样的特征,包括以下步骤:
步骤S1:按照至少一种预定电量对退役锂电池进行充电,得到待测锂电池;
步骤S2:对待测锂电池进行混合动力脉冲能力特性(HPPC)实验,并按照预定的记录频率分别记录混合动力脉冲能力特性实验过程中待测锂电池的电压,从而获取多个与待测锂电池相对应的电压响应值;
步骤S3:根据电压响应值建立电压响应值曲线;
步骤S4:将多种预定的面向梯次利用的退役锂电池分类方法作为待实验分类方法集;
步骤S5:从待实验分类方法集中选取出一种面向梯次利用的退役锂电池分类方法作为当前实验分类方法;
步骤S6:根据当前实验分类方法对待测锂电池进行分类形成m个分组;
步骤S7:根据电压响应曲线得到与当前实验分类方法对应的电压响应值均方根误差和A;
步骤S8:将当前实验分类方法从待实验分类方法集中去除,从而形成新的待实验分类方法集,
步骤S9:重复步骤S6~步骤S8,直至实验分类方法集中的面向梯次利用的退役锂电池分类方法的数量为0,然后进入步骤S10;
步骤S10:选取与最小电压响应值均方根误差和A对应的面向梯次利用的退役锂电池分类方法作为最优的一种面向梯次利用的退役锂电池分类方法。
在本发明提供的对面向梯次利用的退役锂电池分类方法的选取方法中,还可以具有这样的特征:其中,面向梯次利用的退役锂电池分类方法的场景类型为能量型,步骤S1中的预定电量的种类为10种,包括退役锂电池满电时的充满电容量以及以充满电容量的10%为递减量对充满电容量依次进行9次递减后分别得到的9种递减电容量,电压响应曲线的数量为10个,分别与充满电容量以及9种递减电池量相对应。
在本发明提供的对面向梯次利用的退役锂电池分类方法的选取方法中,还可以具有这样的特征:其中,面向梯次利用的退役锂电池分类方法的场景类型为功率型,步骤S1中的预定电量的种类为1种,与退役锂电池满电时的充满电容量相同,电压相应曲线的数量为1个,与充满电容量相对应。
在本发明提供的对面向梯次利用的退役锂电池分类方法的选取方法中,还可以具有这样的特征:其中,步骤S7中,分组内的待测锂电池为Ni(i=1,2…m)个,得到电压响应值均方根误差和A的过程包括以下子步骤:
步骤S7-1:根据电压响应值曲线得到分组中第i个分组内(i=1,2,3,…,m)中第j个(j=1,2,3,…Ni)待测锂电池的均方根误差(RMSE),均方根误差(RMSE)表达式为:
T为混合动力脉冲能力特性实验的总持续时间,Vj,t为第i分组的第j个待测锂电池在t时刻的电压响应值,为第i分组中待测锂电池中在t时刻的基准电压值,基准电压值为第i分组中待测锂电池在t时刻的的最小电压响应值。
步骤S7-2:对m个分组的待测锂电池的均方根误差(RMSE)求和得到均方根误差和A,均方根误差和A的计算公式为:
在本发明提供的对面向梯次利用的退役锂电池分类方法的选取方法中,还可以具有这样的特征:其中,步骤S2中,预定的记录频率为1Hz。
在本发明提供的对面向梯次利用的退役锂电池分类方法的选取方法中,还可以具有这样的特征:其中,步骤S2中,混合动力脉冲能力特性实验包括以下子步骤:
步骤S2-1:以第一预定倍率对待测锂电池进行预定放电时间的恒流脉冲放电;
步骤S2-2:将待测锂电池静置,静置时间为第一预定静置时间;
步骤S2-3:以第二预定倍率对待测锂电池进行预定充电时间的恒流脉冲充电;
步骤S2-4:将待测锂电池静置,静置时间为第二预定静置时间;
步骤S2-5:对待测锂电池进行完全放电。
在本发明提供的对面向梯次利用的退役锂电池分类方法的选取方法中,还可以具有这样的特征:其中,步骤S2-1中,第一预定倍率为1C倍率,预定放电时间为10秒,步骤S2-3中,第二预定倍率为1C倍率,预定充电时间为10秒。
在本发明提供的对面向梯次利用的退役锂电池分类方法的选取方法中,还可以具有这样的特征:其中,步骤S2-2中,第一预定静置时间为40秒,步骤S2-4中,第二预定静置时间为40秒。
发明的作用与效果
根据本发明所涉及的对面向梯次利用的退役锂电池分类方法的选取方法,首先,按照至少一种预定电量对退役锂电池进行充电得到待测锂电池,然后对待测锂电池进行混合动力脉冲能力特性实验并获得对应的电压响应值,根据电压响应值建立电压响应曲线,接着根据电压响应曲线分别对多种面向梯次利用的退役锂电池分类方法求得电压响应值均方根误差和,最后,选取与最小电压响应值均方根误差和对应的面向梯次利用的退役锂电池分类方法作为最优的一种面向梯次利用的退役锂电池分类方法。因为电压响应曲线是在电容量动态变化的退役锂电池中得到,而电压响应值均方根误差和则表征在电容量动态变化中的退役锂电池电压响应值的一致性,所以,本发明的对面向梯次利用的退役锂电池分类方法的选取方法基于退役锂电池的不同电容量的复杂动态工况实现能够提高对面向梯次利用的退役锂电池分类方法的评价的准确性与合理性。
附图说明
图1是本发明的实施例中的对面向梯次利用的退役锂电池分类方法的选取方法的步骤示意图;
图2是本发明的实施例中的面向梯次利用的退役锂电池分类方法的场景类型为能量型时的电压响应曲线示意图;
图3是本发明的实施例中的面向梯次利用的退役锂电池分类方法的场景类型为功率型时的电压响应曲线示意图;以及
图4是本发明的实施例中的计算均方根误差(RMSE)的原理图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下实施例结合附图对本发明的对面向梯次利用的退役锂电池分类方法的选取方法作具体阐述。
图1是本发明的实施例中的对面向梯次利用的退役锂电池分类方法的选取方法的步骤示意图。
如图1所示,本实施例中的对面向梯次利用的退役锂电池分类方法的选取方法S100,用于在多种预定的面向梯次利用的退役锂电池分类方法中选取出最优的一种面向梯次利用的退役锂电池的分类方法,在本实施例中,面向梯次利用的退役锂电池分类方法的场景类型分为能量型和功率型两种。
在能量型场景类型中,退役锂电池的梯次利用场景为在充满100%荷电容量后,在整个再利用时间周期内充放电过程中的电压响应值一致性较高的场景,例如:储能电站中的电力调峰、通讯基站等。此时退役锂电池的充放电倍率<=0.5C,因此需要对退役锂电池在整个再利用时间周期内的电压响应值一致性进行评价,从而能够准确及合理地对退役锂电池梯次利用方法进行评价。
而在功率型场景类型中,退役锂电池的梯次利用场景为在充满100%荷电容量后,在很短的再利用时间周期内充放电过程中的电压相应值一致性要求较高的场景,例如:储能电站中的电力调频、电动汽车的加速等。此时退役锂电池的充放电倍率>=2C(对功率输出要求高),因此需要对退役锂电池在很短的再利用时间周期内的电压响应值一致性进行评价,从而能够准确及合理地对退役锂电池梯次利用方法进行评价。
对面向梯次利用的退役锂电池分类方法的选取方法S100包括以下步骤:
步骤S1:按照至少一种预定电量对退役锂电池进行充电,得到待测锂电池,当面向梯次利用的退役锂电池分类方法的场景类型为能量型时,预定电量的种类为10种,包括退役锂电池满电时的充满电容量以及以充满电容量的10%为递减量对充满电容量依次进行9次递减后分别得到的9种递减电容量,具体为100%SOC(满电容量)及从100%SOC每隔10%SOC依次递减至10%SOC得到的9种递减电容量,即对每个退役锂电池分别充电10次得到10个不同充电电容量的退役锂电池,当面向梯次利用的退役锂电池分类方法的场景类型为功率型时,预定电量的种类为1种,为退役锂电池满电时的充满电容量,具体为100%SOC。在本实施例中,退役锂电池的数量大于50个。
步骤S2:对待测锂电池进行HPPC(混合动力脉冲能力特性)实验,并按照预定的记录频率分别记录混合动力脉冲能力特性实验过程中待测锂电池的电压,从而获取多个与待测锂电池相对应的电压响应值,预定的记录频率为1Hz。
HPPC实验包括以下子步骤:
步骤S2-1:以第一预定倍率对待测锂电池进行预定放电时间的恒流脉冲放电,第一预定倍率为1C倍率,预定放电时间为10秒。
步骤S2-2:将待测锂电池静置,静置时间为第一预定静置时间,第一预定静置时间为40秒。
步骤S2-3:以第二预定倍率对待测锂电池进行预定充电时间的恒流脉冲充电,第二预定倍率为1C倍率,预定充电时间为10秒。
步骤S2-4:将待测锂电池静置,静置时间为第二预定静置时间,第二预定静置时间为40秒。
步骤S2-5:对待测锂电池进行完全放电。
图2是本发明的实施例中的面向梯次利用的退役锂电池分类方法的场景类型为能量型时的电压响应曲线示意图;图3是本发明的实施例中的面向梯次利用的退役锂电池分类方法的场景类型为功率型时的电压响应曲线示意图。
步骤S3:根据电压响应值建立电压响应值曲线。
如图2所示,附图中的电压相应曲线对应充满电容量的退役锂电池,数量为1个。在本实施例中,电压响应曲线的横轴代表时间,每刻度单位为1000S,纵轴代表电压,每刻度单位为0.5V。
如图3所示,附图中的电压响应曲线对应具有10个不同充电电容量的每个退役锂电池其中的一个,因此电压响应曲线的数量为10个。在本实施例中,电压响应曲线的横轴代表时间,每刻度为50S,纵轴代表电压,每刻度为0.02V。在本实施例中,针对场景类型为能量型的退役锂电池,在第一次充电至100%SOC(满电容量)后对应进行一次HPPC实验,从而得到一个与100%SOC对应的电压相应曲线,然后对退役锂电池进行再次充电至90%SOC(即第一个递减电容量)后再次进行一次HPPC实验,从而得到一个与90%SOC对应的电压响应曲线,按照此方法依次得到其余8个电压响应曲线。在实践操作中,每次充电后均进行HPPC实验,经10次循环得到具有10个不同充电电容量的每个退役锂电池对应的10个电压相应曲线。
步骤S4:将多种预定的面向梯次利用的退役锂电池分类方法作为待实验分类方法集。
步骤S5:从待实验分类方法集中选取出一种面向梯次利用的退役锂电池分类方法作为当前实验分类方法。
步骤S6:根据当前实验分类方法对待测锂电池进行分类形成m个分组。
步骤S7:根据电压响应曲线得到与当前实验分类方法对应的电压响应值均方根误差和A;
步骤S7中,分组内的待测锂电池为Ni(i=1,2…m)个。
得到电压响应值均方根误差和A的过程包括以下子步骤:
图4是本发明的实施例中的计算均方根误差(RMSE)的原理图。
步骤S7-1:根据电压响应值曲线得到分组中第i个分组内(i=1,2,3,…,m)中第j个(j=1,2,3,…Ni)待测锂电池的均方根误差(RMSE),均方根误差(RMSE)表达式为:
如图4所示,T为HPPC实验的总持续时间,Vj,t为第i分组的第j个待测锂电池在t时刻的电压响应值,为第i分组中待测锂电池中在t时刻的基准电压值,基准电压值为第i分组中待测锂电池在t时刻的的最小电压响应值。在本实施例中,每次HPPC实验的持续时间为T1,当面向梯次利用的退役锂电池分类方法的场景类型为能量型时,对退役锂电池重复10次HPPC实验的总持续时间T>10T1,当面向梯次利用的退役锂电池分类方法的场景类型为功率型时,退役锂电池的HPPC实验进行一次,总持续时间T=T1。
步骤S7-2:对m个分组的待测锂电池的均方根误差(RMSE)求和得到均方根误差和A,
均方根误差和A的计算公式为:
步骤S8:将当前实验分类方法从待实验分类方法集中去除,从而形成新的待实验分类方法集。
步骤S9:重复步骤S6~步骤S8,直至实验分类方法集中的面向梯次利用的退役锂电池分类方法的数量为0,此时将得到多个不同的均方根误差和A,然后进入步骤S10;
步骤S10:选取与最小电压响应值均方根误差和A对应的面向梯次利用的退役锂电池分类方法作为最优的一种面向梯次利用的退役锂电池分类方法。
实施例的作用与效果
根据本实施例所涉及的对面向梯次利用的退役锂电池分类方法的选取方法,首先,按照至少一种预定电量对退役锂电池进行充电得到待测锂电池,然后对待测锂电池进行混合动力脉冲能力特性实验并获得对应的电压响应值,根据电压响应值建立电压响应曲线,接着根据电压响应曲线分别对多种面向梯次利用的退役锂电池分类方法求得电压响应值均方根误差和,最后,选取与最小电压响应值均方根误差和对应的面向梯次利用的退役锂电池分类方法作为最优的一种面向梯次利用的退役锂电池分类方法。因为电压响应曲线是在电容量动态变化的退役锂电池中得到,而电压响应值均方根误差和则表征在电容量动态变化中的退役锂电池电压响应值的一致性,所以,本实施例的对面向梯次利用的退役锂电池分类方法的选取方法基于退役锂电池的不同电容量的复杂动态工况实现能够提高对面向梯次利用的退役锂电池分类方法的评价的准确性与合理性。
因为本实施例中当面向梯次利用的退役锂电池分类方法的场景类型为能量型时,预定电量的种类为10种,电压响应曲线的数量为10个,所以,本实施例能够在场景类型为能量型时,对退役锂电池在整个再利用时间周期内的电压响应值一致性进行评价,从而能够准确及合理地对退役锂电池梯次利用方法进行评价。
因为本实施例中当面向梯次利用的退役锂电池分类方法的场景类型为功率型时,预定电量的种类为1种,电压响应曲线的数量为1个,所以,本实施例能够在场景类型为功率型时,对退役锂电池在很短的再利用时间周期内的电压响应值一致性进行评价,从而能够准确及合理地对退役锂电池梯次利用方法进行评价。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围,本领域普通技术人员在所附权利要求范围内不需要创造性劳动就能做出的各种变形或修改仍属本专利的保护范围。
Claims (8)
1.一种对面向梯次利用的退役锂电池分类方法的选取方法,用于在多种预定的面向梯次利用的退役锂电池分类方法中选取出最优的一种面向梯次利用的退役锂电池的分类方法,其特征在于,包括以下步骤:
步骤S1:按照至少一种预定电量对所述退役锂电池进行充电,得到待测锂电池;
步骤S2:对所述待测锂电池进行混合动力脉冲能力特性(HPPC)实验,并按照预定的记录频率分别记录所述混合动力脉冲能力特性实验过程中所述待测锂电池的电压,从而获取多个与所述待测锂电池相对应的电压响应值;
步骤S3:根据所述电压响应值建立电压响应值曲线;
步骤S4:将所述多种预定的所述面向梯次利用的退役锂电池分类方法作为待实验分类方法集;
步骤S5:从所述待实验分类方法集中选取出一种所述面向梯次利用的退役锂电池分类方法作为当前实验分类方法;
步骤S6:根据所述当前实验分类方法对所述待测锂电池进行分类形成m个分组;
步骤S7:根据所述电压响应曲线得到与所述当前实验分类方法对应的电压响应值均方根误差和A;
步骤S8:将所述当前实验分类方法从所述待实验分类方法集中去除,从而形成新的待实验分类方法集,
步骤S9:重复步骤S6~步骤S8,直至所述实验分类方法集中的所述面向梯次利用的退役锂电池分类方法的数量为0,然后进入步骤S10;
步骤S10:选取与最小所述电压响应值均方根误差和A对应的所述面向梯次利用的退役锂电池分类方法作为最优的一种所述面向梯次利用的退役锂电池分类方法。
2.根据权利要求1所述的对面向梯次利用的退役锂电池分类方法的选取方法,其特征在于:
其中,所述面向梯次利用的退役锂电池分类方法的场景类型为能量型,
步骤S1中的所述预定电量的种类为10种,包括所述退役锂电池满电时的充满电容量以及以该充满电容量的10%为递减量对该充满电容量依次进行9次递减后分别得到的9种递减电容量,
所述电压响应曲线的数量为10个,分别与所述充满电容量以及9种递减电池量相对应。
3.根据权利要求1所述的对面向梯次利用的退役锂电池分类方法的选取方法,其特征在于:
其中,所述面向梯次利用的退役锂电池分类方法的场景类型为功率型,
步骤S1中的所述预定电量的种类为1种,与所述退役锂电池满电时的充满电容量相同,
所述电压相应曲线的数量为1个,与所述充满电容量相对应。
4.根据权利要求1所述的对面向梯次利用的退役锂电池分类方法的选取方法,其特征在于:
其中,步骤S7中,所述分组内的所述待测锂电池为Ni(i=1,2…m)个,
得到所述电压响应值均方根误差和A的过程包括以下子步骤:
步骤S7-1:根据所述电压响应值曲线得到所述分组中第i个分组内(i=1,2,3,…,m)中第j个(j=1,2,3,…Ni)所述待测锂电池的均方根误差(RMSE),
所述均方根误差(RMSE)表达式为:
所述T为所述混合动力脉冲能力特性实验的总持续时间,所述Vj,t为第i所述分组的第j个所述待测锂电池在t时刻的所述电压响应值,所述为第i所述分组中所述待测锂电池中在t时刻的基准电压值,该基准电压值为第i所述分组中所述待测锂电池在t时刻的的最小所述电压响应值。
步骤S7-2:对所述m个分组的所述待测锂电池的均方根误差(RMSE)求和得到均方根误差和A,
所述均方根误差和A的计算公式为:
5.根据权利要求1所述的对面向梯次利用的退役锂电池分类方法的选取方法,其特征在于:
其中,步骤S2中,所述预定的记录频率为1Hz。
6.根据权利要求1所述的对面向梯次利用的退役锂电池分类方法的选取方法,其特征在于:
其中,步骤S2中,所述混合动力脉冲能力特性实验包括以下子步骤:
步骤S2-1:以第一预定倍率对所述待测锂电池进行预定放电时间的恒流脉冲放电;
步骤S2-2:将所述待测锂电池静置,静置时间为第一预定静置时间;
步骤S2-3:以第二预定倍率对所述待测锂电池进行预定充电时间的恒流脉冲充电;
步骤S2-4:将所述待测锂电池静置,静置时间为第二预定静置时间;
步骤S2-5:对所述待测锂电池进行完全放电。
7.根据权利要求6所述的对面向梯次利用的退役锂电池分类方法的选取方法,其特征在于:
其中,步骤S2-1中,所述第一预定倍率为1C倍率,所述预定放电时间为10秒,
步骤S2-3中,所述第二预定倍率为1C倍率,所述预定充电时间为10秒。
8.根据权利要求6所述的对面向梯次利用的退役锂电池分类方法的选取方法,其特征在于:
其中,步骤S2-2中,所述第一预定静置时间为40秒,
步骤S2-4中,所述第二预定静置时间为40秒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910870409.1A CN110596612B (zh) | 2019-09-16 | 2019-09-16 | 一种对面向梯次利用的退役锂电池分类方法的选取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910870409.1A CN110596612B (zh) | 2019-09-16 | 2019-09-16 | 一种对面向梯次利用的退役锂电池分类方法的选取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110596612A true CN110596612A (zh) | 2019-12-20 |
CN110596612B CN110596612B (zh) | 2021-08-24 |
Family
ID=68859728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910870409.1A Active CN110596612B (zh) | 2019-09-16 | 2019-09-16 | 一种对面向梯次利用的退役锂电池分类方法的选取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110596612B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239629A (zh) * | 2020-02-28 | 2020-06-05 | 山东理工大学 | 一种退役锂电池的梯次利用状态区间划分方法 |
CN113238157A (zh) * | 2020-12-09 | 2021-08-10 | 北京大学深圳研究生院 | 一种通过对电动汽车退役电池进行ai检测来筛选的方法 |
CN115327391A (zh) * | 2022-10-14 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 一种基于梯次利用电池的检测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472398A (zh) * | 2013-08-19 | 2013-12-25 | 南京航空航天大学 | 基于扩展卡尔曼粒子滤波算法的动力电池soc估计方法 |
KR20140032624A (ko) * | 2012-09-07 | 2014-03-17 | 주식회사 엘지화학 | 이차전지용 전극 및 그것의 제조 방법 |
US20150050527A1 (en) * | 2013-08-16 | 2015-02-19 | Johnson Controls Technology Company | Dual storage system and method with lithium ion and lead acid battery cells |
CN105576318A (zh) * | 2016-02-23 | 2016-05-11 | 上海电力学院 | 确定电动汽车退役锂电池一致性的多参数综合判定方法 |
CN106684475A (zh) * | 2017-01-16 | 2017-05-17 | 哈尔滨理工大学 | 一种磷酸铁锂电池的分选方法 |
CN108008317A (zh) * | 2017-12-01 | 2018-05-08 | 重庆大学 | 一种基于电池开路电压曲线特性的荷电状态估计方法 |
WO2018122131A1 (en) * | 2016-12-29 | 2018-07-05 | Vito Nv | Hybrid battery charger/tester |
EP3444888A2 (en) * | 2017-01-24 | 2019-02-20 | LG Chem, Ltd. | Battery management apparatus and method |
-
2019
- 2019-09-16 CN CN201910870409.1A patent/CN110596612B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140032624A (ko) * | 2012-09-07 | 2014-03-17 | 주식회사 엘지화학 | 이차전지용 전극 및 그것의 제조 방법 |
US20150050527A1 (en) * | 2013-08-16 | 2015-02-19 | Johnson Controls Technology Company | Dual storage system and method with lithium ion and lead acid battery cells |
CN103472398A (zh) * | 2013-08-19 | 2013-12-25 | 南京航空航天大学 | 基于扩展卡尔曼粒子滤波算法的动力电池soc估计方法 |
CN105576318A (zh) * | 2016-02-23 | 2016-05-11 | 上海电力学院 | 确定电动汽车退役锂电池一致性的多参数综合判定方法 |
WO2018122131A1 (en) * | 2016-12-29 | 2018-07-05 | Vito Nv | Hybrid battery charger/tester |
CN106684475A (zh) * | 2017-01-16 | 2017-05-17 | 哈尔滨理工大学 | 一种磷酸铁锂电池的分选方法 |
EP3444888A2 (en) * | 2017-01-24 | 2019-02-20 | LG Chem, Ltd. | Battery management apparatus and method |
CN108008317A (zh) * | 2017-12-01 | 2018-05-08 | 重庆大学 | 一种基于电池开路电压曲线特性的荷电状态估计方法 |
Non-Patent Citations (5)
Title |
---|
JIAO DONGSHENG 等: "Economic operation analysis of energy storage system based on echelon-use batteries", 《2014 CHINA INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION (CICED)》 * |
XIN LAI 等: "A rapid screening and regrouping approach based on neural networks for large-scale retired lithium-ion cells in second-use applications", 《JOURNAL OF CLEANER PRODUCTION》 * |
严媛 等: "梯次利用动力锂离子电池筛选方法", 《电池》 * |
徐晶 等: "梯次利用锂离子电池欧姆内阻测试方法研究", 《电源技术》 * |
杜常清 等: "锂离子动力电池单体筛选方法研究", 《电源技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239629A (zh) * | 2020-02-28 | 2020-06-05 | 山东理工大学 | 一种退役锂电池的梯次利用状态区间划分方法 |
CN113238157A (zh) * | 2020-12-09 | 2021-08-10 | 北京大学深圳研究生院 | 一种通过对电动汽车退役电池进行ai检测来筛选的方法 |
CN113238157B (zh) * | 2020-12-09 | 2022-11-22 | 北京大学深圳研究生院 | 一种通过对电动汽车退役电池进行ai检测来筛选的方法 |
CN115327391A (zh) * | 2022-10-14 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 一种基于梯次利用电池的检测方法及装置 |
CN115327391B (zh) * | 2022-10-14 | 2022-12-30 | 深圳市杰成镍钴新能源科技有限公司 | 一种基于梯次利用电池的检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110596612B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106291372B (zh) | 一种新的锂离子动力电池剩余寿命预测方法 | |
CN110596612B (zh) | 一种对面向梯次利用的退役锂电池分类方法的选取方法 | |
CN105912799B (zh) | 一种液态或半液态金属电池的建模方法 | |
CN107983667B (zh) | 一种锂离子电池配组方法 | |
CN109870659A (zh) | 应用滑窗寻优策略的锂离子电池健康状态估算方法 | |
CN110333463B (zh) | 一种电芯一致性筛选方法及其*** | |
CN104332665B (zh) | 一种电池配组方法 | |
CN104269574B (zh) | 一种电池组分选方法 | |
CN103513190A (zh) | 一种电池性能一致性测试方法及*** | |
CN105911471B (zh) | 一种计算电动汽车电池的健康状态参数的装置和方法 | |
CN110749832B (zh) | 一种电动汽车退役锂离子电池实际容量的快速估算方法 | |
CN106300545A (zh) | 一种用于液态金属电池的主动均衡控制装置及控制方法 | |
CN107377422A (zh) | 一种单体电池的分选方法 | |
CN103698716A (zh) | 一种基于衰减系数的串联电池组可放出电量衰减评价方法 | |
CN107045104A (zh) | 一种钛酸锂电池容量的在线估计方法 | |
CN107422265A (zh) | 一种单体电池一致性的检测方法 | |
CN111064253A (zh) | 一种基于平均离散Fréchet距离的电池健康度快速评估方法 | |
CN106597288A (zh) | 一种电源soc估算方法 | |
CN114429050A (zh) | 一种退役动力电池梯次利用的分选方法 | |
CN106655408A (zh) | 电池组均衡控制方法和控制装置 | |
CN110426639A (zh) | 一种基于动态阻抗谱的锂离子电池寿命预测方法及*** | |
CN109465209A (zh) | 一种基于光伏基站的动力电池梯级利用方法 | |
CN107169170A (zh) | 一种电池剩余容量的预测方法 | |
CN109273787A (zh) | 一种调整串联锂离子电池组的荷电状态soc的方法、装置 | |
CN102097657A (zh) | 一种动力锂离子二次电池配组方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |