CN111208431A - 一种电动汽车用锂离子电池全气候日历寿命预测方法 - Google Patents
一种电动汽车用锂离子电池全气候日历寿命预测方法 Download PDFInfo
- Publication number
- CN111208431A CN111208431A CN202010013719.4A CN202010013719A CN111208431A CN 111208431 A CN111208431 A CN 111208431A CN 202010013719 A CN202010013719 A CN 202010013719A CN 111208431 A CN111208431 A CN 111208431A
- Authority
- CN
- China
- Prior art keywords
- battery
- lithium ion
- ion battery
- side reaction
- temperature
- 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
Images
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
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种电动汽车用锂离子电池全气候日历寿命预测方法,包括以下步骤:S1、建立包含有正负极副反应子模型的锂离子电池热‑电化学耦合仿真模型;S2、对锂离子电池进行不同条件下的搁置实验,将条件参数输入到S1中建立的仿真模型中;S3、测量步骤S2中进行搁置实验的电池性能,根据电池性能对模型参数进行调整和优化;S4、确定副反应的温度相关性;S5、运行计算机仿真模型,得到不同寿命阶段包括全气候影响的性能预测结果。本发明所述的电动汽车用锂离子电池全气候日历寿命预测方法可以预测电池在不同寿命阶段的倍率充放电性能、功率性能、温度性能,可以为BMS***和热管理***提供有用且必要的数据。
Description
技术领域
本发明属于锂电池寿命预测技术领域,尤其是涉及一种电动汽车用锂离子电池全气候日历寿命预测方法。
背景技术
日历寿命是指电池在某参考温度下、开路状态达到寿命终止所需要的时间(暨电池在备用状态下的寿命)。
以锂离子电池作为储能元件的新能源汽车已经在全球范围内得到长足的发展。汽车作为一种一次性投入偏大、耐久性长的大件消费用品,要求最为动力源的锂离子动力电池具有相应的寿命。锂离子电池日历寿命是衡量电池性能的一项重要指标。由于锂离子电池的日历寿命时间跨度非常大,不能直接测试电池的日历寿命,一般需要在一定条件下进行加速老化,然后回推到常规条件下的日历寿命。并且由于电动汽车需要经历全年的气候变化,客观准确测试及评价锂离子电池在全气候条件下的日历寿命,对推动电动汽车行业的健康发展具有重要意义。
发明内容
有鉴于此,本发明旨在提出一种电动汽车用锂离子电池全气候日历寿命预测方法,以解决目前的锂离子电池日历寿命预测预测过程测试项单一,预测结果不准确的问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种电动汽车用锂离子电池全气候日历寿命预测方法,包括以下步骤:
S1、建立包含有正负极副反应子模型的锂离子电池热-电化学耦合仿真模型;
S2、对锂离子电池进行不同条件下的搁置实验,将条件参数输入到S1中建立的仿真模型中;
S3、测量步骤S2中进行搁置实验的电池性能,根据电池性能对模型参数进行调整和优化;
S4、确定副反应的温度相关性,将锂离子电池所在环境的气候参数输入到经验证的计算机模型中;
S5、运行计算机仿真模型,得到电池不同寿命阶段的充放电性能、功率性能、内阻数值、使用过程中的温度变化特性和日历寿命。
进一步的,所述步骤S1中,负极副反应子模型为电解液溶剂分子在锂离子电池负极上发生还原反应,反应方程式为:
LixC6+yS=Lix-yC6+yLiS
其中,LixC6和Lix-yC6代表嵌锂态碳,S代表溶剂分子,LiS代表溶剂分子的还原产物。
当没有外电流时,子模型激活。
进一步的,负极副反应子模型中需要改变负极活性物理的嵌锂状态,具体方法如下:
将负极活性物质上的溶剂还原的反应速率在时间上的积分,得到相应的副反应物质的量,按照电池设计的负极材料的用量、负极材料的理论摩尔质量,将副反应物质的量转换为电池存储过程嵌锂状态的变化值△x,其中△x=副反应物质的量/(负极材料的质量/负极材料的理论摩尔质量),此时负极材料的嵌锂状态=-△x,负极中嵌锂状态的减少,决定了电池在存储过程容量的衰减。
进一步的,所述步骤S1中,正极副反应子模型为电解液溶剂分子在锂离子电池正极表面发生氧化反应,反应方程式为:
x(Li++S)+LiyMO=Liy+xMO+xS+
其中,Li+代表锂离子,S代表溶剂分子,LiyMO和Liy+xMO代表正极材料,S+代表氧化后的溶剂。
当没有外电流时,子模型激活。
进一步的,正极副反应子模型中需要改变正极活性物理的嵌锂状态,具体方法如下:
将正极极活性物质上的溶剂氧化的反应速率在时间上的积分,得到相应的副反应物质的量,按照电池设计的正极极材料的用量、正极极材料的理论摩尔质量,将副反应物质的量转换为电池存储过程嵌锂状态的变化值△y,其中△y=副反应物质的量/(正极材料的质量/正极极材料的摩尔质量),此时正极极材料的嵌锂状态=+△y,正极中嵌锂状态的增加,对应电池存储后经过充电容量恢复的部分。
进一步的,所述步骤S2中,锂离子电池搁置实验具体方法如下:
S201、选取同批次化成后的若干支电池作为待测试电池,然后将待测试电池分为A1%SOC、A2%SOC、A3%SOC、……、An%SOC的n个大组,其中在低SOC组的电池数量要多一些;将每组电池分配到T1℃、T2℃、T3℃、……、Tm℃的m个小组中;
S202、每支待测试电池在25±2℃恒温箱中,以1C的电流进行容量标定测试,取每支待测试电池的多次放电容量的平均值作为每支待测试电池的实际容量值;调整每支电池的SOC至测试计划规定目标值Ai%,确定在此状态的正负极嵌锂状态,
S203、把每支待测试电池在开路状态下放在恒温箱,恒温箱的温度对应于测试计划中设定的温度值T,进行恒温存储;
S204、按照测试计划,每间隔一定的时间,将电池从存储恒温箱中取出,放置在25±2℃的恒温箱中搁置,直至温度平衡;
S205、以1C的电流对电池进行放电,确定电池的容量保持率;
S206、重复步骤S201-S205,直至已经得到足够多的数据或者步骤S205测试的容量值为第一次容量标定式容量值的80%,结束实验。
进一步的,所述步骤S2中,针对搁置实验的每一测试条件,将正负极活性物质的嵌锂状态参数,输入到步骤S1中所建立的锂离子电池仿真模型中,使得仿真模型对应电池相应的SOC状态,将计算机仿真模型中的温度设置为相应测试条件的温度。
进一步的,所述步骤S3的具体方法如下:
调整负极副反应子模型和正极副反应子模型的反应速率常数数值,运行步骤S1中建立的仿真模型,使得仿真模型的预测结果与电池的实际测试结果相完好匹配,其中仿真模型预测的在该SOC状态的嵌锂状态作为随后测试的输入参数。
进一步的,所述步骤S3中,对模型参数进行调整和优化时:
将相同SOC状态、不同温度的测试条件下得到的交换电流密度的数值利用阿仑尼乌斯公式进行回归,分别得到在正极上和负极上副反应的活化能;
将负极副反应子模型和正极副反应子模型的反应速率常数修改为随温度变化的函数,反应速率常数数值与温度的关系符合阿仑尼乌斯关系式。
进一步的,所述步骤S4中,将某一地区全年温度分布作为参数输入到步骤S1中所建立的仿真模型中,运行计算机仿真模型,得到全年气候条件下电池经过不同时间后的充电性能、放电性能、功率性能、内阻数值、电池在使用过程中的温度变化,根据设定的电池寿命终止条件,确定电池的实际日历寿命。
相对于现有技术,本发明所述的电动汽车用锂离子电池全气候日历寿命预测方法具有以下优势:
本发明所述的电动汽车用锂离子电池全气候日历寿命预测方法可以预测在全年气候条件下电池的日历寿命,可以预测电池在不同寿命阶段的倍率充放电性能、功率性能、温度性能,可以为BMS***和热管理***提供有用且必要的数据。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的电动汽车用锂离子电池全气候日历寿命预测方法原理图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示,电动汽车用锂离子电池全气候日历寿命预测方法具体如下:
1、建立基于锂离子电池内部物理化学过程机理的热-电化学耦合计算机仿真模型;仿真模型具有以下功能:预测电池在不同温度条件不同倍率条件下的充放电性能,预测电池在不同SOC状态的脉冲功率性能等。
2、根据测试电池的设计,确定100%SOC状态正负极材料的嵌锂状态 确定0%SOC状态正负极材料的嵌锂状态使得电池仿真模型在相应的嵌锂状态变化范围内对应电池的容量。根据电池在0~100%SOC范围内正负极嵌锂状态的变化范围,确定电池在不同SOC的正负极嵌锂状态,
3、在步骤1中所建立的计算机仿真模型中包括基于以下机理的子模型:电解液溶剂分子在锂离子电池负极上发生还原反应,反应方程式可以简化为
LixC6+yS=Lix-yC6+yLiS
其中,LixC6和Lix-yC6代表嵌锂态碳,S代表溶剂分子,LiS代表溶剂分子的还原产物。
该反应的动力学符合B-V方程;电解液溶剂分子的还原导致负极表面的SEI层增厚,进而导致电芯内阻增大;溶剂还原的同时伴随着负极中嵌锂状态的减小。当没有外电流时(电芯即不放电、也不充电)),子模型激活。
4、在步骤1中所建立的计算机仿真模型中包括基于以下机理的子模型:电解液溶剂分子在锂离子电池正极表面发生氧化反应,反应方程式可以简化为
x(Li++S)+LiyMO=Liy+xMO+xS+
其中,Li+代表锂离子,S代表溶剂分子,LiyMO和Liy+xMO代表正极材料,S+代表氧化后的溶剂。
该反应的动力学符合B-V方程;溶剂氧化的同时伴随着正极中嵌锂状态的增大。当没有外电流时(电芯即不放电、也不充电)),子模型激活。
5、步骤3中根据以下的方法改变负极活性物质的嵌锂状态:将负极活性物质上的溶剂还原的反应速率在时间上的积分,得到相应的副反应物质的量,按照电池设计的负极材料的用量、负极材料的理论摩尔质量,将副反应物质的量转换为电池存储过程嵌锂状态的变化值△x,其中△x=副反应物质的量/(负极材料的质量/负极材料的理论摩尔质量),此时负极材料的嵌锂状态负极中嵌锂状态的减少,决定了电池在存储过程容量的衰减。
6、步骤4中根据以下的方法改变正极活性物质的嵌锂状态:将正极活性物质上的溶剂氧化的反应速率在时间上的积分,得到相应的副反应物质的量,按照电池设计的正极极材料的用量、正极极材料的理论摩尔质量,将副反应物质的量转换为电池存储过程嵌锂状态的变化值△y,其中△y=副反应物质的量/(正极材料的质量/正极极材料的摩尔质量),此时正极极材料的嵌锂状态正极中嵌锂状态的增加,对应电池存储后经过充电容量可以恢复的部分。
7、选取同批次化成后的若干支电池作为待测试电池,然后将待测试电池分为A1%SOC、A2%SOC、A3%SOC、……、An%SOC的n个大组,其中在低SOC组的电池数量要适当多一些;将每组电池分配到T1℃、T2℃、T3℃、……、Tm℃的m个小组中。
8、每支待测试电池在25±2℃恒温箱中,以1C的电流进行容量标定测试,取每支待测试电池的多次放电容量的平均值作为每支待测试电池的实际容量值;调整每支电池的SOC至测试计划规定目标值Ai%,确定在此状态的正负极嵌锂状态,
9、把每支待测试电池在开路状态下放在恒温箱,恒温箱的温度对应于测试计划中设定的温度值T,进行恒温存储;
10、按照测试计划,每间隔一定的时间,将电池从存储恒温箱中取出,放置在25±2℃的恒温箱中搁置,直至温度平衡;
11、以1C的电流对电池进行放电,确定电池的容量保持率。
12、重复步骤8~11,直至已经得到足够多的数据或者步骤11测试的容量值为第一次容量标定式容量值的80%,结束实验。
14、调整步骤3中所建立的子模型中的反应速率常数数值,调整步骤4中所建立的子模型中的反应速率常数数值。运行步骤1中建立的计算机仿真模型,使得仿真模型的预测结果与电池的实际测试结果(包括电池容量保持率的测试曲线及随后的容量标定的充放电曲线)相完好匹配。其中仿真模型预测的在该SOC状态的嵌锂状态作为随后测试的输入参数,
15、将相同SOC状态、不同温度的测试条件下得到的交换电流密度的数值利用阿仑尼乌斯公式进行回归,分别得到在正极上和负极上副反应的活化能,活化能是一个决定反应速率随温度变化的物理量,通过活化能,可以知道在不同温度下副反应的速率。
16、将步骤3和步骤4中的反应速率常数数值修改为温度的函数,反应速率常数数值与温度的关系符合阿仑尼乌斯关系式。
17、将某一地区全年温度分布作为参数输入到步骤1所建立的计算机仿真模型中,运行计算机仿真模型,得到全年气候条件下电池经过不同时间后的充电性能、放电性能、功率性能、内阻数值、电池在使用过程中的温度变化。根据设定的电池寿命终止条件,确定电池的实际日历寿命。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于,包括以下步骤:
S1、建立包含有正负极副反应子模型的锂离子电池热-电化学耦合仿真模型;
S2、对锂离子电池进行不同条件下的搁置实验,将条件参数输入到S1中建立的仿真模型中;
S3、测量步骤S2中进行搁置实验的电池性能,根据电池性能对模型参数进行调整和优化;
S4、确定副反应的温度相关性,将锂离子电池所在环境的气候参数输入到经验证的计算机模型中;
S5、运行计算机仿真模型,得到电池不同寿命阶段的充放电性能、功率性能、内阻数值、使用过程中的温度变化特性和日历寿命。
2.根据权利要求1所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:所述步骤S1中,负极副反应子模型为电解液溶剂分子在锂离子电池负极上发生还原反应,反应方程式为:
LixC6+yS=Lix-yC6+yLiS
其中,LixC6和Lix-yC6代表嵌锂态碳,S代表溶剂分子,LiS代表溶剂分子的还原产物。
当没有外电流时,子模型激活。
3.根据权利要求2所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:负极副反应子模型中需要改变负极活性物理的嵌锂状态,具体方法如下:
将负极活性物质上的溶剂还原的反应速率在时间上的积分,得到相应的副反应物质的量,按照电池设计的负极材料的用量、负极材料的理论摩尔质量,将副反应物质的量转换为电池存储过程嵌锂状态的变化值△x,其中△x=副反应物质的量/(负极材料的质量/负极材料的理论摩尔质量),此时负极材料的嵌锂状态=-△x,负极中嵌锂状态的减少,决定了电池在存储过程容量的衰减。
4.根据权利要求3所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:所述步骤S1中,正极副反应子模型为电解液溶剂分子在锂离子电池正极表面发生氧化反应,反应方程式为:
x(Li++S)+LiyMO=Liy+xMO+xS+
其中,Li+代表锂离子,S代表溶剂分子,LiyMO和Liy+xMO代表正极材料,S+代表氧化后的溶剂。
当没有外电流时,子模型激活。
5.根据权利要求4所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:正极副反应子模型中需要改变正极活性物理的嵌锂状态,具体方法如下:
将正极极活性物质上的溶剂氧化的反应速率在时间上的积分,得到相应的副反应物质的量,按照电池设计的正极极材料的用量、正极极材料的理论摩尔质量,将副反应物质的量转换为电池存储过程嵌锂状态的变化值△y,其中△y=副反应物质的量/(正极材料的质量/正极极材料的摩尔质量),此时正极极材料的嵌锂状态=+△y,正极中嵌锂状态的增加,对应电池存储后经过充电容量恢复的部分。
6.根据权利要求1所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:所述步骤S2中,锂离子电池搁置实验具体方法如下:
S201、选取同批次化成后的若干支电池作为待测试电池,然后将待测试电池分为A1%SOC、A2%SOC、A3%SOC、……、An%SOC的n个大组,其中在低SOC组的电池数量要多一些;将每组电池分配到T1℃、T2℃、T3℃、……、Tm℃的m个小组中;
S202、每支待测试电池在25±2℃恒温箱中,以1C的电流进行容量标定测试,取每支待测试电池的多次放电容量的平均值作为每支待测试电池的实际容量值;调整每支电池的SOC至测试计划规定目标值Ai%,确定在此状态的正负极嵌锂状态,
S203、把每支待测试电池在开路状态下放在恒温箱,恒温箱的温度对应于测试计划中设定的温度值T,进行恒温存储;
S204、按照测试计划,每间隔一定的时间,将电池从存储恒温箱中取出,放置在25±2℃的恒温箱中搁置,直至温度平衡;
S205、以1C的电流对电池进行放电,确定电池的容量保持率;
S206、重复步骤S201-S205,直至已经得到足够多的数据或者步骤S205测试的容量值为第一次容量标定式容量值的80%,结束实验。
7.根据权利要求6所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:所述步骤S2中,针对搁置实验的每一测试条件,将正负极活性物质的嵌锂状态参数,输入到步骤S1中所建立的锂离子电池仿真模型中,使得仿真模型对应电池相应的SOC状态,将计算机仿真模型中的温度设置为相应测试条件的温度。
8.根据权利要求5所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:所述步骤S3的具体方法如下:
调整负极副反应子模型和正极副反应子模型的反应速率常数数值,运行步骤S1中建立的仿真模型,使得仿真模型的预测结果与电池的实际测试结果相完好匹配,其中仿真模型预测的在该SOC状态的嵌锂状态作为随后测试的输入参数。
9.根据权利要求8所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:所述步骤S3中,对模型参数进行调整和优化时:
将相同SOC状态、不同温度的测试条件下得到的交换电流密度的数值利用阿仑尼乌斯公式进行回归,分别得到在正极上和负极上副反应的活化能;
将负极副反应子模型和正极副反应子模型的反应速率常数修改为随温度变化的函数,反应速率常数数值与温度的关系符合阿仑尼乌斯关系式。
10.根据权利要求1所述的电动汽车用锂离子电池全气候日历寿命预测方法,其特征在于:所述步骤S4中,将某一地区全年温度分布作为参数输入到步骤S1中所建立的仿真模型中,运行计算机仿真模型,得到全年气候条件下电池经过不同时间后的充电性能、放电性能、功率性能、内阻数值、电池在使用过程中的温度变化,根据设定的电池寿命终止条件,确定电池的实际日历寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010013719.4A CN111208431B (zh) | 2020-01-07 | 2020-01-07 | 一种电动汽车用锂离子电池全气候日历寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010013719.4A CN111208431B (zh) | 2020-01-07 | 2020-01-07 | 一种电动汽车用锂离子电池全气候日历寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111208431A true CN111208431A (zh) | 2020-05-29 |
CN111208431B CN111208431B (zh) | 2022-05-10 |
Family
ID=70789616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010013719.4A Active CN111208431B (zh) | 2020-01-07 | 2020-01-07 | 一种电动汽车用锂离子电池全气候日历寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111208431B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111707955A (zh) * | 2020-08-11 | 2020-09-25 | 江苏时代新能源科技有限公司 | 电池剩余寿命的估算方法、装置和介质 |
CN112782585A (zh) * | 2020-11-12 | 2021-05-11 | 上海空间电源研究所 | 一种基于电池衰减机制的寿命评估方法及*** |
CN112904217A (zh) * | 2021-01-20 | 2021-06-04 | 重庆金康新能源汽车有限公司 | 一种确定电池电芯的日历模型的方法 |
CN113391229A (zh) * | 2021-05-14 | 2021-09-14 | 国网河北省电力有限公司经济技术研究院 | 退役动力电池的性能评价方法、设备及*** |
CN114184964A (zh) * | 2021-12-08 | 2022-03-15 | 蜂巢能源科技(无锡)有限公司 | 一种电芯内部温度分布的评估方法及装置 |
CN115344074A (zh) * | 2022-10-18 | 2022-11-15 | 杭州科工电子科技有限公司 | 一种基于大数据的锂电池恒温控制*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140053541A1 (en) * | 2012-08-24 | 2014-02-27 | Chrysler Group Llc | Vehicle energy storage system and method of use |
CN106908737A (zh) * | 2017-03-31 | 2017-06-30 | 清远佳致新材料研究院有限公司 | 一种基于电化学反应机理仿真的锂离子电池寿命预测方法 |
CN107145628A (zh) * | 2017-03-31 | 2017-09-08 | 中南大学 | 基于电化学‑热耦合模型的预测锂电池循环寿命的方法 |
US20180095141A1 (en) * | 2015-04-16 | 2018-04-05 | Oxis Energy Limited | Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries |
CN207541237U (zh) * | 2017-12-12 | 2018-06-26 | 首都师范大学 | 一种基于锂电池自愈现象的电池寿命判断装置 |
CN108829929A (zh) * | 2018-05-09 | 2018-11-16 | 中国科学院宁波材料技术与工程研究所 | 一种锂离子电池针刺模型的建立方法及装置 |
CN109557480A (zh) * | 2018-10-15 | 2019-04-02 | 中国北方车辆研究所 | 一种化学电源循环使用寿命的估算方法及*** |
CN110095721A (zh) * | 2018-01-30 | 2019-08-06 | 中国电力科学研究院有限公司 | 一种退运电动汽车电池日历寿命的测评方法及模型 |
-
2020
- 2020-01-07 CN CN202010013719.4A patent/CN111208431B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140053541A1 (en) * | 2012-08-24 | 2014-02-27 | Chrysler Group Llc | Vehicle energy storage system and method of use |
US20180095141A1 (en) * | 2015-04-16 | 2018-04-05 | Oxis Energy Limited | Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries |
CN106908737A (zh) * | 2017-03-31 | 2017-06-30 | 清远佳致新材料研究院有限公司 | 一种基于电化学反应机理仿真的锂离子电池寿命预测方法 |
CN107145628A (zh) * | 2017-03-31 | 2017-09-08 | 中南大学 | 基于电化学‑热耦合模型的预测锂电池循环寿命的方法 |
CN207541237U (zh) * | 2017-12-12 | 2018-06-26 | 首都师范大学 | 一种基于锂电池自愈现象的电池寿命判断装置 |
CN110095721A (zh) * | 2018-01-30 | 2019-08-06 | 中国电力科学研究院有限公司 | 一种退运电动汽车电池日历寿命的测评方法及模型 |
CN108829929A (zh) * | 2018-05-09 | 2018-11-16 | 中国科学院宁波材料技术与工程研究所 | 一种锂离子电池针刺模型的建立方法及装置 |
CN109557480A (zh) * | 2018-10-15 | 2019-04-02 | 中国北方车辆研究所 | 一种化学电源循环使用寿命的估算方法及*** |
Non-Patent Citations (4)
Title |
---|
MADELEINE ECKER 等: "Calendar and cycle life study of Li(NiMnCo)O2 -based 18650 lithium-ion batteriesp", 《JOURNAL OF POWER SOURCES》 * |
吴光麟: "化学表征预测电动汽车电池日历寿命", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
李双双: "考虑动力电池寿命衰退的PHEV能量管理控制策略研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
靳尉仁: "锂离子动力电池性能及其仿真研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111707955A (zh) * | 2020-08-11 | 2020-09-25 | 江苏时代新能源科技有限公司 | 电池剩余寿命的估算方法、装置和介质 |
US11619679B2 (en) | 2020-08-11 | 2023-04-04 | Jiangsu Contemporary Amperex Technology Limited | Method, apparatus and medium for estimating battery remaining life |
CN112782585A (zh) * | 2020-11-12 | 2021-05-11 | 上海空间电源研究所 | 一种基于电池衰减机制的寿命评估方法及*** |
CN112782585B (zh) * | 2020-11-12 | 2022-09-27 | 上海空间电源研究所 | 一种基于电池衰减机制的寿命评估方法及*** |
CN112904217A (zh) * | 2021-01-20 | 2021-06-04 | 重庆金康新能源汽车有限公司 | 一种确定电池电芯的日历模型的方法 |
CN112904217B (zh) * | 2021-01-20 | 2024-03-01 | 重庆金康新能源汽车有限公司 | 一种确定电池电芯的日历模型的方法 |
CN113391229A (zh) * | 2021-05-14 | 2021-09-14 | 国网河北省电力有限公司经济技术研究院 | 退役动力电池的性能评价方法、设备及*** |
CN114184964A (zh) * | 2021-12-08 | 2022-03-15 | 蜂巢能源科技(无锡)有限公司 | 一种电芯内部温度分布的评估方法及装置 |
WO2023103235A1 (zh) * | 2021-12-08 | 2023-06-15 | 蜂巢能源科技(无锡)有限公司 | 一种电芯内部温度分布的评估方法、装置、设备及存储介质 |
CN114184964B (zh) * | 2021-12-08 | 2023-08-29 | 蜂巢能源科技(无锡)有限公司 | 一种电芯内部温度分布的评估方法及装置 |
CN115344074A (zh) * | 2022-10-18 | 2022-11-15 | 杭州科工电子科技有限公司 | 一种基于大数据的锂电池恒温控制*** |
CN115344074B (zh) * | 2022-10-18 | 2023-01-17 | 杭州科工电子科技有限公司 | 一种基于大数据的锂电池恒温控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN111208431B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111208431B (zh) | 一种电动汽车用锂离子电池全气候日历寿命预测方法 | |
US10509874B2 (en) | Method and device for forecasting thermal runaway safety of power battery, and a method for making power battery | |
CN107329094A (zh) | 动力电池健康状态估算方法及装置 | |
CN105548901B (zh) | 一种轨道交通用钛酸锂电池功率状态预测方法 | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
EP3644079B1 (en) | Apparatus and method for testing performance of battery cell | |
CN109782190B (zh) | 用于估计单颗电池或单批电池的剩余使用寿命的方法 | |
Zhu et al. | A simplified equivalent circuit model for simulation of Pb–acid batteries at load for energy storage application | |
CN106908737B (zh) | 一种基于电化学反应机理仿真的锂离子电池寿命预测方法 | |
CN105550452B (zh) | 基于启发式算法的锂离子电池p2d模型参数的辨识方法 | |
CN103424710A (zh) | 用于监测电池组中的老化单体的性能变化的方法和*** | |
CN103412264B (zh) | 蓄电池组内单体电池一致性的评价方法 | |
Kubiak et al. | Calendar aging of a 250 kW/500 kWh Li-ion battery deployed for the grid storage application | |
Astaneh et al. | Multiphysics simulation optimization framework for lithium-ion battery pack design for electric vehicle applications | |
CN113868934A (zh) | 一种并联锂离子电池电化学参数辨识方法 | |
CN109061478A (zh) | 一种利用eis测试进行锂离子电池寿命定性预测的方法 | |
CN108732499A (zh) | 一种检测锂离子电池循环寿命的方法和*** | |
CN116666799A (zh) | 一种退役电池重组方法及*** | |
US20220349941A1 (en) | Estimation device, estimation method, and computer program | |
Ren et al. | Novel strategy based on improved Kalman filter algorithm for state of health evaluation of hybrid electric vehicles Li-ion batteries during short-and longer term operating conditions | |
Brieske et al. | Transferring the internal processes of the lead–acid battery to the lithium–sulfur battery by verification with electrochemical impedance spectroscopy | |
Lai et al. | Experimental investigation on the characteristics of coulombic efficiency of lithium-ion batteries considering different influencing factors | |
Zhang | High-power energy storage: ultracapacitors | |
CN116663371A (zh) | 一种锂离子电池老化仿真方法、***及存储介质 | |
CN114879053A (zh) | 一种储能磷酸铁锂电池寿命预测方法 |
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 |