CN113420373A - 基于降阶电化学老化模型的锂电池脉冲充电方法及*** - Google Patents

基于降阶电化学老化模型的锂电池脉冲充电方法及*** Download PDF

Info

Publication number
CN113420373A
CN113420373A CN202110650145.6A CN202110650145A CN113420373A CN 113420373 A CN113420373 A CN 113420373A CN 202110650145 A CN202110650145 A CN 202110650145A CN 113420373 A CN113420373 A CN 113420373A
Authority
CN
China
Prior art keywords
battery
charging
constant
reduced
state quantity
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.)
Pending
Application number
CN202110650145.6A
Other languages
English (en)
Inventor
张希
程麒豫
郭邦军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202110650145.6A priority Critical patent/CN113420373A/zh
Publication of CN113420373A publication Critical patent/CN113420373A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/15Vehicle, aircraft or watercraft design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/25Design optimisation, verification or simulation using particle-based methods
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00Secondary cells; Manufacture thereof
    • H01M10/42Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44Methods for charging or discharging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04Ageing analysis or optimisation against ageing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12Timing analysis or timing optimisation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Chemical & Material Sciences (AREA)
  • Computational Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Manufacturing & Machinery (AREA)

Abstract

本发明提供了一种基于降阶电化学老化模型的锂电池脉冲充电方法及***,包括:采用降阶电化学模型对电池内部的负极液相锂离子浓度、副反应电流密度进行实时计算,得到对应的状态量值;采用恒流恒压方式对电池进行充电,将所述状态量值与预定的下限边界值进行比较,如果负极液相锂离子浓度或副反应电流密度的状态量值达到下限边界值,则停止为电池充电,直至电池内部的状态量值恢复至预定的范围后继续采用恒流恒压方式对电池进行充电;反复执行充电,直至电池充满。本发明可以在减少或不增加充电时间的基础上,延缓电池寿命衰减。

Description

基于降阶电化学老化模型的锂电池脉冲充电方法及***
技术领域
本发明涉及新能源领域,具体地,涉及一种基于降阶电化学老化模型的锂电池脉冲优化充电方法及***。
背景技术
电动汽车的广泛使用,推动了电池产业的全面发展,但在电池的使用过程中仍存在很多亟待解决的问题,其中又以减少充电时间和延长电池使用寿命的需求最为显著。在新型电池出现前,改进现有的充电方法是一种很好的解决方案。
目前主要使用的充电方法仍是恒流恒压(CCCV)充电。传统的恒流恒压充电过程分为两个阶段,首先使用恒流充电,当电池充电到达截止电压时使用恒压充电。恒流恒压充电时间较长,而增大恒流阶段的充电电流又会加速电池的老化,缩短电池使用寿命。目前已有不少专利基于恒流恒压方法进行改进,包括采用多阶段的恒流恒压等,但这些技术在对充电方法优化的过程中,很少对电池内部实际电化学状态量的变化引起足够的重视。专利文献CN111801870A公开了通过使用电化学降阶模型确定负极颗粒的表面离子浓度和平均离子浓度、负极颗粒电位和负极电解液电位。另外,控制单元根据平均离子浓度确定二次电池的充电状态,并且根据负极颗粒电位和负极电解液电位确定副反应速率。另外,如果满足(i)测量的电压值达到截止电压的条件、(ii)负极颗粒的表面离子浓度达到上限浓度的条件和(iii)副反应速率达到上限速率的条件中的至少一个条件,则所述控制单元减小施加到二次电池的充电电流的大小。
电池电化学老化模型的引入,对于优化充电方法而言,具有重要意义,相较于广泛使用的等效电路模型,其很好的揭示了充电过程中内部的电化学反应机理,能够较为准确的得到关键物理量的变化规律,并深入探究老化表征量与充电方法之间的关系,从而设计出利于延缓电池老化的优化充电方法。但模型的引入不可避免的带来了充电控制过程中计算量的增加。如何较好的针对实际充电应用更加简化的电化学模型,并基于此设计锂电池优化充电方法,从而达到在减少或不增加充电时间的基础上,延缓电池老化,仍是一个难题。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于降阶电化学老化模型的锂电池脉冲优化充电方法及***。
根据本发明提供的一种基于降阶电化学老化模型的锂电池脉冲优化充电方法,包括:
计算步骤:采用降阶电化学模型对电池内部的负极液相锂离子浓度、副反应电流密度进行实时计算,得到对应的状态量值;
充电步骤:采用恒流恒压方式对电池进行充电,将所述状态量值与预定的下限边界值进行比较,如果负极液相锂离子浓度或副反应电流密度的状态量值达到下限边界值,则停止为电池充电,直至电池内部的状态量值恢复至预定的范围后继续采用恒流恒压方式对电池进行充电;
停止步骤:反复执行所述充电步骤,直至电池充满。
优选地,所述恒流恒压方式包括采用所述电池的最大充电倍率进行恒流恒压充电。
优选地,所述停止为电池充电包括停止预设时间。
优选地,所述降阶电化学模型包括方程:
Figure BDA0003110868730000021
r表示锂离子在球形粒子中球坐标系下的径向维度,r∈(0,Rs),cs(r,x,t)表示锂离子在固相电极球形粒子中的离子浓度,Ds表示锂离子在固相电极球形粒子中的扩散系数;做Laplace变换得到方程在S域中的表述:
Figure BDA0003110868730000022
引入边界条件求解得到关于固相离子浓度与电流密度的传递函数:
Figure BDA0003110868730000023
通过帕德近似,以多项式逼近原超越函数,实现模型降阶,结果如下:
Figure BDA0003110868730000024
优选地,负极液相锂离子浓度或副反应电流密度的状态量值的获取方式包括:
在恒温箱内对相同型号锂离子电池进行多次不同倍率下的充放电实验,将不同倍率下的充电电流导入到降阶电化学老化模型当中,得到负极液相锂离子浓度、副反应电流密度随时间和充电倍率的变化关系,并取1.5倍率下,初始液相锂离子浓度和40%SOC处的副反应电流密度分别为状态量的下限值。
根据本发明提供的一种基于降阶电化学老化模型的锂电池脉冲优化充电***,包括:
计算模块:采用降阶电化学模型对电池内部的负极液相锂离子浓度、副反应电流密度进行实时计算,得到对应的状态量值;
充电模块:采用恒流恒压方式对电池进行充电,将所述状态量值与预定的下限边界值进行比较,如果负极液相锂离子浓度或副反应电流密度的状态量值达到下限边界值,则停止为电池充电,直至电池内部的状态量值恢复至预定的范围后继续采用恒流恒压方式对电池进行充电;
停止模块:反复执行所述充电步骤,直至电池充满。
优选地,所述恒流恒压方式包括采用所述电池的最大充电倍率进行恒流恒压充电。
优选地,所述停止为电池充电包括停止预设时间。
优选地,所述降阶电化学模型包括方程:
Figure BDA0003110868730000031
r表示锂离子在球形粒子中球坐标系下的径向维度,r∈(0,Rs),cs(r,x,t)表示锂离子在固相电极球形粒子中的离子浓度,Ds表示锂离子在固相电极球形粒子中的扩散系数;做Laplace变换得到方程在S域中的表述:
Figure BDA0003110868730000032
引入边界条件求解得到关于固相离子浓度与电流密度的传递函数:
Figure BDA0003110868730000033
通过帕德近似,以多项式逼近原超越函数,实现模型降阶,结果如下:
Figure BDA0003110868730000034
优选地,负极液相锂离子浓度或副反应电流密度的状态量值的获取方式包括:
在恒温箱内对相同型号锂离子电池进行多次不同倍率下的充放电实验,将不同倍率下的充电电流导入到降阶电化学老化模型当中,得到负极液相锂离子浓度、副反应电流密度随时间和充电倍率的变化关系,并取1.5倍率下,初始液相锂离子浓度和40%SOC处的副反应电流密度分别为状态量的下限值。
与现有技术相比,本发明具有如下的有益效果:
本发明采用恒流恒压充电方式与脉冲充电方式相结合,通过搭建的降阶电化学老化模型,在充电过程中,对进行电池内部与老化相关的状态量,负极液相锂离子浓度、副反应电流密度进行实时计算。可以在减少或不增加充电时间的基础上,延缓电池寿命衰减。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明所使用的电化学老化模型机理图;
图2为脉冲优化充电策略流程图;
图3为充电过程中的脉冲电流曲线图;
图4为充电策略容量衰减验证流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供的一种基于降阶电化学老化模型的锂电池脉冲优化充电方法,包括:
计算步骤:采用降阶电化学模型对电池内部的负极液相锂离子浓度、副反应电流密度进行实时计算,得到对应的状态量值。
充电步骤:采用恒流恒压方式对电池进行充电,将所述状态量值与预定的下限边界值进行比较,如果负极液相锂离子浓度或副反应电流密度的状态量值达到下限边界值,则停止为电池充电,直至电池内部的状态量值恢复至预定的范围后继续采用恒流恒压方式对电池进行充电。
停止步骤:反复执行所述充电步骤,直至电池充满。
实施例1
图1给出了本发明所使用的电化学模型机理图。通过引入多孔电极以及浓溶液理论,得到了一系列控制方程。如以菲克第二定律描述锂离子在固相中的脱嵌和插层,以液相质量守恒描述液相中的物质扩散转移等。
本发明从电池伪二维模型的控制方程出发,通过拉普拉斯变换将电池模型控制方程从时域转换到s域,并由此得到电池***的传递函数模型。
模型建立过程以用于描述锂离子脱出与嵌入电极的过程的菲克第二定律的简化降阶过程来举例描述:
Figure BDA0003110868730000051
式中r表示锂离子在球形粒子中球坐标系下的径向维度,r∈(0,Rs),cs(r,x,t)表示锂离子在固相电极球形粒子中的离子浓度,Ds表示锂离子在固相电极球形粒子中的扩散系数。
对原式做Laplace变换得到方程在S域中的表述:
Figure BDA0003110868730000052
引入边界条件求解得到关于固相离子浓度与电流密度的传递函数:
Figure BDA0003110868730000053
此式是超越函数,计算复杂,为满足控制需要,还需要对此类复杂传递函数进行降阶。本发明中,通过帕德近似,以多项式逼近原超越函数,实现模型降阶,此例中以分子为二阶,分母为三阶进行简化,结果如下:
Figure BDA0003110868730000054
实施例2
参照图2说明本专利所采用脉冲优化充电策略方法:
模型方面,基于前述的模型,将老化机理引入到模型中,得到降阶电化学老化模型。
充电策略方面,首先采用恒流恒压方式对电池进行充电,采用降阶电化学模型对电池内部负极液相锂离子浓度、副反应电流密度进行实时计算。
将所述实时计算出的状态量值与取定的下限边界值进行比较,如果负极液相锂离子浓度或副反应电流密度达到下限边界值,则停止为锂离子电池进行充电,停充20秒以后,待电池内部状态量恢复至可控范围内,继续以恒流恒压方式对锂离子电池进行充电,从而延缓电池在充电过程中的衰老,延长电池使用寿命。最终充电电流曲线如图3所示。
实施例3
本实施方式是对实施例2所述的脉冲充电优化策略方法延长电池使用寿命的进一步说明,本实施方式中,负极液相锂离子浓度、副反应电流密度的获取方式为:
在25℃恒温箱内对相同型号锂离子电池进行500次不同倍率下的充放电实验。
将不同倍率下的充电电流导入到本专利所提出的降阶电化学老化模型当中,探究负极液相锂离子浓度、副反应电流密度随时间和充电倍率的变化关系,并取1.5倍率下,初始液相锂离子浓度和40%SOC处的副反应电流密度分别为状态量的下限值。
实施例4
本实施方式是对实施例2所述的脉冲充电优化策略方法延长电池使用寿命的进一步说明,本实施方式中,脉冲静置时间的获取方式为:
在25℃恒温箱内对不同型号锂离子电池进行500次不同倍率下的脉冲充放电实验,探究静置时间对锂离子电池修复性能的影响.
最终设定不同时刻脉冲充电的脉冲时间为20秒,可用以电池修复至负极液相锂离子浓度、副反应电流密度恢复至可控范围内。
实验验证:
降阶电化学老化模型在SIMULINK平台下进行实时计算锂电池在充电过程中的负极液相锂离子浓度、副反应电流密度。直流电源(ITECH,IT6164)由RS232串行端口进行通讯控制。可编程直流电源可以将采集到的电池的端电压发送回SIMULINK环境当中,初始电池以固定倍率恒流充电,当采集到的电池端电压达到截止电压后,将会进入恒压充电环节。在此基础之上,若降阶电化学老化模型计算出的负极液相锂离子浓度、副反应电流密度充电至下限边界值,由SIMULINK平台向直流电源发送静置命令,让电池静置20秒,待修复完成后继续进行恒流恒压充电,直至充满。
实验验证过程中,恒温箱的温度设定为25℃。将LG 18650 3.2Ah锂离子电池放在恒温箱中进行充电。
充电策略容量衰减验证:
为验证提出的基于降阶电化学老化模型的锂离子电池脉冲充电方法可以抑制电池老化,本案例涉及了容量衰减验证实验。选取同批次生产的LG 18650 3.2Ah锂离子电池,在25℃恒温箱环境内分别进行1C、1.5C、2C、2.5C、3C倍率的充电,1C倍率的放点实验,每次充放电后静置30分钟,以加速电池老化速率,循环500次。同事,在25℃恒温箱环境内,进行初始充电倍率为出厂时设定的最大充电倍率,3C的基于降阶电化学老化模型的锂离子电池脉冲充电方法对电池进行满充实验后,静置30分钟,再以1C倍率放电,同样循环500次。同时,在每20个循环充放电后,记录电池剩余容量。
基于降阶电化学老化模型的锂离子电池脉冲充电方法的实验平台为直流可编程充电机;恒流恒压充电方法的实验平台为美凯林充电机。充电策略容量衰减验证的流程图如图4所示。500次循环后,探究各电池的剩余容量。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的***及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的***及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
在本申请的描述中,需要理解的是,术语“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申请和简化描述,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申请的限制。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于降阶电化学老化模型的锂电池脉冲充电方法,其特征在于,包括:
计算步骤:采用降阶电化学模型对电池内部的负极液相锂离子浓度、副反应电流密度进行实时计算,得到对应的状态量值;
充电步骤:采用恒流恒压方式对电池进行充电,将所述状态量值与预定的下限边界值进行比较,如果负极液相锂离子浓度或副反应电流密度的状态量值达到下限边界值,则停止为电池充电,直至电池内部的状态量值恢复至预定的范围后继续采用恒流恒压方式对电池进行充电;
停止步骤:反复执行所述充电步骤,直至电池充满。
2.根据权利要求1所述的基于降阶电化学老化模型的锂电池脉冲充电方法,其特征在于,所述恒流恒压方式包括采用所述电池的最大充电倍率进行恒流恒压充电。
3.根据权利要求1所述的基于降阶电化学老化模型的锂电池脉冲充电方法,其特征在于,所述停止为电池充电包括停止预设时间。
4.根据权利要求1所述的基于降阶电化学老化模型的锂电池脉冲充电方法,其特征在于,所述降阶电化学模型包括方程:
Figure FDA0003110868720000011
r表示锂离子在球形粒子中球坐标系下的径向维度,r∈(0,Rs),s表示锂电池固相,x表示锂电池水平方向维度,t表示时间,cs(r,x,t)表示锂离子在固相电极球形粒子中的离子浓度,Ds表示锂离子在固相电极球形粒子中的扩散系数;
做Laplace变换得到方程在S域中的表述:
Figure FDA0003110868720000012
引入边界条件求解得到关于固相离子浓度与电流密度的传递函数:
Figure FDA0003110868720000013
jLi表示锂离子电流密度,F为法拉第常数,Rs为锂离子固相球体半径,s为域,的通过帕德近似,以多项式逼近原超越函数,实现模型降阶,结果如下:
Figure FDA0003110868720000021
5.根据权利要求1所述的基于降阶电化学老化模型的锂电池脉冲充电方法,其特征在于,负极液相锂离子浓度或副反应电流密度的状态量值的获取方式包括:
在恒温箱内对相同型号锂离子电池进行多次不同倍率下的充放电实验,将不同倍率下的充电电流导入到降阶电化学老化模型当中,得到负极液相锂离子浓度、副反应电流密度随时间和充电倍率的变化关系,并取1.5倍率下,初始液相锂离子浓度和40%SOC处的副反应电流密度分别为状态量的下限值。
6.一种基于降阶电化学老化模型的锂电池脉冲充电***,其特征在于,包括:
计算模块:采用降阶电化学模型对电池内部的负极液相锂离子浓度、副反应电流密度进行实时计算,得到对应的状态量值;
充电模块:采用恒流恒压方式对电池进行充电,将所述状态量值与预定的下限边界值进行比较,如果负极液相锂离子浓度或副反应电流密度的状态量值达到下限边界值,则停止为电池充电,直至电池内部的状态量值恢复至预定的范围后继续采用恒流恒压方式对电池进行充电;
停止模块:反复执行所述充电步骤,直至电池充满。
7.根据权利要求6所述的基于降阶电化学老化模型的锂电池脉冲充电***,其特征在于,所述恒流恒压方式包括采用所述电池的最大充电倍率进行恒流恒压充电。
8.根据权利要求6所述的基于降阶电化学老化模型的锂电池脉冲充电***,其特征在于,所述停止为电池充电包括停止预设时间。
9.根据权利要求6所述的基于降阶电化学老化模型的锂电池脉冲充电***,其特征在于,所述降阶电化学模型包括方程:
Figure FDA0003110868720000022
r表示锂离子在球形粒子中球坐标系下的径向维度,r∈(0,Rs),cs(r,x,t)表示锂离子在固相电极球形粒子中的离子浓度,Ds表示锂离子在固相电极球形粒子中的扩散系数;做Laplace变换得到方程在S域中的表述:
Figure FDA0003110868720000023
引入边界条件求解得到关于固相离子浓度与电流密度的传递函数:
Figure FDA0003110868720000031
通过帕德近似,以多项式逼近原超越函数,实现模型降阶,结果如下:
Figure FDA0003110868720000032
10.根据权利要求6所述的基于降阶电化学老化模型的锂电池脉冲充电***,其特征在于,负极液相锂离子浓度或副反应电流密度的状态量值的获取方式包括:
在恒温箱内对相同型号锂离子电池进行多次不同倍率下的充放电实验,将不同倍率下的充电电流导入到降阶电化学老化模型当中,得到负极液相锂离子浓度、副反应电流密度随时间和充电倍率的变化关系,并取1.5倍率下,初始液相锂离子浓度和40%SOC处的副反应电流密度分别为状态量的下限值。
CN202110650145.6A 2021-06-10 2021-06-10 基于降阶电化学老化模型的锂电池脉冲充电方法及*** Pending CN113420373A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110650145.6A CN113420373A (zh) 2021-06-10 2021-06-10 基于降阶电化学老化模型的锂电池脉冲充电方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110650145.6A CN113420373A (zh) 2021-06-10 2021-06-10 基于降阶电化学老化模型的锂电池脉冲充电方法及***

Publications (1)

Publication Number Publication Date
CN113420373A true CN113420373A (zh) 2021-09-21

Family

ID=77788223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110650145.6A Pending CN113420373A (zh) 2021-06-10 2021-06-10 基于降阶电化学老化模型的锂电池脉冲充电方法及***

Country Status (1)

Country Link
CN (1) CN113420373A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110264381A1 (en) * 2010-04-22 2011-10-27 Battelle Energy Alliance, Llc Systems, methods and computer readable media to model kinetic performance of rechargeable electrochemical devices
CN110457742A (zh) * 2019-06-26 2019-11-15 北京航空航天大学 一种锂离子电池电化学-热-机械耦合模型及建模方法
CN111063949A (zh) * 2019-10-25 2020-04-24 国网黑龙江省电力有限公司电力科学研究院 一种锂离子电池长寿命充电方法
CN111180813A (zh) * 2018-11-13 2020-05-19 罗伯特·博世有限公司 近似基于电化学电池模型给锂离子电池快充电算法的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110264381A1 (en) * 2010-04-22 2011-10-27 Battelle Energy Alliance, Llc Systems, methods and computer readable media to model kinetic performance of rechargeable electrochemical devices
CN111180813A (zh) * 2018-11-13 2020-05-19 罗伯特·博世有限公司 近似基于电化学电池模型给锂离子电池快充电算法的方法
CN110457742A (zh) * 2019-06-26 2019-11-15 北京航空航天大学 一种锂离子电池电化学-热-机械耦合模型及建模方法
CN111063949A (zh) * 2019-10-25 2020-04-24 国网黑龙江省电力有限公司电力科学研究院 一种锂离子电池长寿命充电方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程麒豫 等: "基于降阶电化学模型估算锂离子电池状态", 《电池》 *

Similar Documents

Publication Publication Date Title
Ashwin et al. Capacity fade modelling of lithium-ion battery under cyclic loading conditions
Maia et al. Expanding the lifetime of Li-ion batteries through optimization of charging profiles
CN108761341A (zh) 一种锂离子电池电化学模型参数获取方法
Ren et al. An electrochemical-thermal coupling model for heat generation analysis of prismatic lithium battery
CN112820963B (zh) 锂离子电池低温充电方法
CN112464571A (zh) 基于多约束条件粒子群优化算法的锂电池组参数辨识方法
CN108020791A (zh) 一种混合动力船舶磷酸铁锂动力电池组荷电状态估计方法
CN106443483A (zh) 一种电动汽车用镍氢电池的脉冲循环寿命测试方法
Zhou et al. A review of lithium ion batteries electrochemical models for electric vehicles
CN113794254A (zh) 一种热管理策略配置方法、装置、计算机设备和存储介质
CN105428741A (zh) 一种锂离子电池充电方法
CN104600381A (zh) 一种锂离子电池组单体布置结构的优化方法
Bouchhima et al. Optimal energy management strategy for self-reconfigurable batteries
CN109494771B (zh) 基于超级电容器荷电状态预测的新能源功率平滑控制方法
Garg et al. Elevated temperature for life extension of lithium ion power cells
Berliner et al. Fast charging of lithium-ion batteries by mathematical reformulation as mixed continuous-discrete simulation
CN103633390A (zh) 锂离子动力电池快速充电方法
CN109716151B (zh) 用于估计电池电压的方法和设备
CN113420373A (zh) 基于降阶电化学老化模型的锂电池脉冲充电方法及***
CN116908728A (zh) 一种电池充放电制度优化方法
CN113836471A (zh) 一种锂离子电池最大可放电容量估计方法及***
Zhou et al. Cycle life prediction and match detection in retired electric vehicle batteries
CN112946500B (zh) 一种快速测试锂离子电池循环寿命的方法
Hua et al. Surrogate modelling for battery state-of-charge estimation in electric vehicles based on pseudo-2-dimensional model and gradient boosting machines
Berliner et al. A mixed continuous-discrete approach to fast charging of li-ion batteries while maximizing lifetime

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210921