CN102364353A - 一种基于热效应的二次电池一致性评估方法 - Google Patents

Abstract

本发明涉及一种基于热效应的二次电池的一致性进行评估的方法，属于二次电池再分选技术领域。将二次电池的表面进行涂黑；电池一次一只置于设定恒温的高低温试验箱内，将电池连接上充放电试验机；电池放电后充电，对电池的表面温度进行监测；构建人工神经网络模型，使用电池在充电结束时的表面最高温度和最高温度与最低温度之差的数据对模型进行训练，模型根据电池的热效应将电池分为n组；对模型进行优化，使用单倍率充电结束时的电池表面最高温度数据来训练模型。本发明的模型应用起来简单易行，参数容易控制，所得结果具有高实用价值；电池组中使用的电池能保持热一致性和电化学性能一致性，为电池组的安全和工作效率提供了保证。

Description

一种基于热效应的二次电池一致性评估方法

技术领域

本发明涉及一种基于热效应的二次电池的一致性进行评估的方法，属于二次电池再分选技术领域。

背景技术

随着世界经济与社会的快速发展，环境问题和能源问题日益受到关注，汽车对燃油的巨大消耗和汽车尾气排放引发出石油资源枯竭和全球温室效应等一系列问题，促使着人们不停地探索绿色交通工具。近年来，使用绿色二次电池作为动力的HEV(混合动力汽车)和EV(纯电动汽车)的出现为减少二氧化碳排放抑制温室效应和节约石油资源做出了巨大贡献。目前在用的动力电池主要有镍氢电池与锂离子电池两种。二次电池作为一种新型的环境友好绿色能源，在全球范围内受到了广泛关注。除了美国、日本等在此领域处于先进水平的国家外，我国对二次电池新能源领域也给予了重点关注，特别是，在当前节能减排、低碳经济的大环境下，作为可替代传统能源之一的二次电池的开发尤为重要，可以说是关系到国家未来能源发展的战略问题之一，具有重要的意义。

无论是锂离子电池还是镍氢电池，在用作汽车动力能源时都是数十只甚至数百只通过串联和并联的方式组成电池组进行工作的。因此，电池组里众多电池的一致性问题至关重要。一致性的好坏直接关系到电池组的性能和寿命。电池一致性包括热一致性和电化学性能一致性等，一直以来是电池系统研究领域中的难点。为了满足对高性能电动汽车的需求，研究如何保持电池组里电池高度的热一致性和电化学性能一致性具有重要的意义。

目前电池的热效应问题已经得到了普遍研究，许多热模型被开发出来研究电池在充放电过程和工况过程中的热行为。但是截至目前，通过热效应来评估电池一致性的研究却鲜见报导。在本发明中，通过构建自组织竞争神经网络模型对电池的热效应进行研究，从而寻找到一种评估电池一致性的方法。自组织竞争神经网络模型是人工神经网络模型中的一种，属于模糊智能控制系统，易于处理非线性复杂问题。对于电池热效应的研究，模型通过分析数据之间的规律能科学输出计算结果。因此，通过模型参数的控制，电池被模型划分为不同的组别，同组电池将具有高度的热一致性。研究还发现，热效应高度一致的电池其电化学性能也保持高度一致性。因此，由热效应和电化学性能保持高度一致性的电池组成的电池组系统将具有优秀的安全性和工作效率。

发明内容

本发明的目的是为了解决现有组成电池组的电池一致性不均匀的问题，提出一种基于热效应对二次电池的一致性进行评估的方法，通过建立自组织竞争神经网络模型对电池进行再分选，研究电池的热一致性和电化学性能的一致性。

本发明的目的是通过以下技术方案实现的。

本发明的一种基于热效应的二次电池一致性评估方法，具体步骤如下：

1)将二次电池的表面进行涂黑处理；然后将电池一次一只置于高低温试验箱内，设置恒定温度；同时将电池连接上充放电试验机；

2)电池每次充电之前将电池放电至SOC为0，静置30分钟后以一定的充电倍率对电池进行恒流充电，至SOC为1～1.2时结束；

3)运用红外热成像仪对在充电过程中的电池的表面温度进行监测，记录电池表面温度变化数据；

4)构建人工神经网络模型，使用电池在充电结束时的表面最高温度和最高温度与最低温度之差的数据对模型进行训练，通过人工控制模型参数的神经元数n，然后模型根据电池的热效应将电池分为n组；将电池划分为n组不同产热量的电池，同一组的电池具有热一致性；

5)对模型进行优化，使用单倍率充电结束时的电池表面最高温度来训练模型，经过优化后的模型的分组结果和步骤4)中的分组结果相同。

通过电池放电电压平台和放电容量分析，可知具有热一致性的电池其放电电压平台和放电容量也具有一致性。

步骤1)中恒定温度为-10℃～40℃；

步骤1)中表面涂黑处理所用材料为哑光黑漆，涂层厚度为0.01～0.5mm；

步骤2)中充电倍率为1～10C；

步骤3)中电池表面温度变化数据为电池在充电过程中的表面最高温度和同一时刻的表面最高温度与最低温度之差；

步骤4)中人工神经网络模型为自组织竞争神经网络模型；

步骤4)中神经元数n＝2～5；

步骤5)中充电时所使用的单倍率是步骤2)中使用的充电倍率中的一种。

有益效果

本发明的模型应用起来简单易行，参数容易控制，所得结果具有高的实用价值；电池组中使用的电池能保持热一致性和电化学性能一致性，为电池组的安全和工作效率提供了保证。

附图说明

图1为模型输出结果图。

图2为三类电池各取1只在8C充电时的表面温度变化曲线。

图3为三类电池在8C充电后的1C放电曲线。

具体实施方式

下面结合实施例和附图对本发明做详细说明

实施例

一种基于热效应的二次电池一致性评估方法，具体操作步骤如下：

1)选取10只圆柱型8Ah镍氢电池，开路电压在1.21-1.25之间。电池表面使用哑光黑漆涂黑；

2)将电池一次一只置于高低温试验箱内设定环境温度恒为25℃，电池连接上充放电试验机；每次充电之前先将电池放电至SOC为0，然后静置30分钟。

3)以1C、5C和8C的倍率对电池进行恒流充电分别至其SOC等于1.1、1.1和1，同时应用红外热像仪监测电池表面的温度变化，采集电池在充电结束时的表面最高温度和最高温度与最低温度之差。

4)构建自组织竞争网络模型，设定神经元个数为3。通过第3)步中的数据训练模型，将10只电池分为三组，分别为高产热电池、中产热电池和低产热电池。如图1所示。同组电池具有热一致性。

5)使用5C或8C实验里的电池表面最高温度数据同样能使模型输出和第(4)步中相同的结果，因此模型得以优化，使用起来更加方便。

通过电池放电电压平台和放电容量分析，可知具有热一致性的电池其放电电压平台和放电容量也具有一致性，分别见图2和图3。

Claims (8)

1.一种基于热效应的二次电池一致性评估方法，其特征在于具体步骤为：

1)将二次电池的表面进行涂黑处理；然后将电池一次一只置于高低温试验箱内，设置恒定温度；同时将电池连接上充放电试验机；

2)电池每次充电之前将电池放电至SOC为0，静置30分钟后以一定的充电倍率对电池进行恒流充电，至SOC为1～1.2时结束；

3)运用红外热成像仪对在充电过程中的电池的表面温度进行监测，记录电池表面温度变化数据；

4)构建人工神经网络模型，使用电池在充电结束时的表面最高温度和最高温度与最低温度之差的数据对模型进行训练，通过人工控制模型参数中的神经元数n，然后模型根据电池的热效应将电池分为n组；将电池划分为n组不同产热量的电池，同一组的电池具有热一致性；

5)对模型进行优化，使用单倍率充电结束时的电池表面最高温度来训练模型，经过优化后的模型的分组结果和步骤4)中的分组结果相同；

通过电池放电电压平台和放电容量分析，可知具有热一致性的电池其放电电压平台和放电容量也具有一致性。

2.根据权利要求1所述的一种基于热效应的二次电池一致性评估方法，其特征在于：步骤1)中恒定温度为-10℃～40℃。

3.根据权利要求1所述的一种基于热效应的二次电池一致性评估方法，其特征在于：步骤1)中表面涂黑处理所用材料为哑光黑漆，涂层厚度为0.01～0.5mm。

4.根据权利要求1所述的一种基于热效应的二次电池一致性评估方法，其特征在于：步骤2)中充电倍率为1～10C。

5.根据权利要求1所述的一种基于热效应的二次电池一致性评估方法，其特征在于：步骤3)中电池表面温度变化数据为电池在充电过程中的表面最高温度和同一时刻的表面最高温度与最低温度之差。

6.根据权利要求1所述的一种基于热效应的二次电池一致性评估方法，其特征在于：步骤4)中人工神经网络模型为自组织竞争神经网络模型。

7.根据权利要求1所述的一种基于热效应的二次电池一致性评估方法，其特征在于：步骤4)中神经元数n＝2～5。

8.根据权利要求1所述的一种基于热效应的二次电池一致性评估方法，其特征在于：步骤5)中充电时所使用的单倍率是步骤2)中使用的充电倍率中的一种。

Images