CN105717456B - 动力电池寿命性能衰减的预测方法 - Google Patents

动力电池寿命性能衰减的预测方法 Download PDF

Info

Publication number
CN105717456B
CN105717456B CN201610068805.9A CN201610068805A CN105717456B CN 105717456 B CN105717456 B CN 105717456B CN 201610068805 A CN201610068805 A CN 201610068805A CN 105717456 B CN105717456 B CN 105717456B
Authority
CN
China
Prior art keywords
battery
values
exp
value
groups
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.)
Active
Application number
CN201610068805.9A
Other languages
English (en)
Other versions
CN105717456A (zh
Inventor
孙笑寒
冯辉
刘东秦
许立超
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN201610068805.9A priority Critical patent/CN105717456B/zh
Publication of CN105717456A publication Critical patent/CN105717456A/zh
Application granted granted Critical
Publication of CN105717456B publication Critical patent/CN105717456B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Abstract

本发明公开了一种动力电池寿命性能衰减的预测方法，通过设计动力电池的特征工况，再将每个特征工况等效成数个加速工况，在较短的时间内对电池进行测试，通过对容量C和内阻R的跟踪分析，采用不同的仿真手段对试验结果进行处理，得到容量C和内阻R在寿命期间的变化规律，即可以预测出电池在整车全寿命周期内性能衰减的情况。本发明通过从整车对动力电池的需求角度出发，通过模拟整车使用环境来跟踪电池的性能衰减规律，贴合实际工程应用，对动力电池寿命性能的判断上有良好的应用价值。

Description

动力电池寿命性能衰减的预测方法
技术领域
本发明属于新能源汽车电池管理系统领域，具体涉及一种动力电池寿命性能衰减的预测方法。
背景技术
当前能源和环境问题促进了电动汽车的发展，动力电池作为电动汽车的核心部件，直接影响了电动汽车整体性能。而动力电池的寿命作为其重要性能之一，关系到了电动汽车的成本和可靠性。因此对于动力电池寿命的预测已经成为一个至关重要的问题。
目前对动力电池的寿命性能研究主要有循环寿命、日历寿命、寿命性能跟踪及预测等方面。近几年已有的和动力电池寿命相关的专利一部分集中在寿命性能监控跟踪和预测方面(参考专利CN 102362190A、CN 1913217A等)，依据这些专利可以在整车使用过程中预测电池寿命性能，但在产品的前期开发过程中不容易应用。还有一些和动力电池寿命相关的专利(参考专利CN 102778653A、CN 103344923 A等)将重点放在建立动力电池的衰减模型上，但大部分模型基于动力电池的循环充放电上，而没有考虑整车使用因素。
发明内容
本发明通过设计动力电池全寿命期间的综合工况、设计电池寿命试验，并根据电池的性能特点对测试结果进行不同手段的仿真拟合的过程，研究出一种快速预测动力电池寿命的方法，这种方法能够预测电池全寿命期间的性能衰减情况。
为了实现上述目的，本发明采用如下技术方案：
一种动力电池寿命性能衰减的预测方法，具体如下，包括如下步骤：
第一步，设计一系列工况，固定I值、T值，以E为变量，对电池进行工况循环测试，记录C与R随着E变化的值，按照逆幂指数规律，通过MATLAB拟合C与R的衰减，得到以下关系式：
C＝A1C0(100-M1*E^a1)/100-C1，R＝A2R0(100+N1*E^a2)/100。
这里的M1，N1为常数，以拟合结果为准；C0、R0分别是一段工况开始前电池的容量值和内阻值，C、R为经历循环之后电池的容量值和内阻值，E为能量吞吐量，I为一段工况的电流均方根，T为一段工况下电池的平均温度；C1为由内阻增加引起的C衰减量，C1＝C0*(R-R0)/R；R1为由容量增加引起的R衰减量，R1＝R0*(C0-C)/C；能量型电池，C1为0；功率型电池，R1为0；
将测试得到的至少4组的C、R及输入的E值，通过MATLAB或其它拟合工具数学拟合得到M1、N1、a1、a2的值；
第二步：固定I值，选取不同的3组T值，在3组条件下重复第一步，利用多项式拟合得到3组M1与T、N1与T的关系：
M1＝exp(-M2/T)，N1＝exp(-N2/T)。
这里的M2，N2为常数，将第一步拟合得到的常数M1、N1及输入的至少4组的T值，通过MATLAB或ORIGIN指数拟合得到M2，N2的值；不同电池M2，N2值不同，大于0即合理，一般为0-100的范围。
进一步得到：C＝A1C0*(100-(exp(-M2/T))*E^a1)/100-C1，R＝A2R0*(100+(exp(-N2/T)/100)*E^a2，
第三步：固定T值，选取不同的不少于3组I值，重复第一步，利用数学指数拟合方法，得到不少于3组的M2与I、N2与I的关系：
M2＝k1*I+b1；N2＝k2*I+b2。
这里的k1，k2，b1，b2为常数，将第二步拟合得到的常数M2，N2及输入的至少4组的I值，通过MATLAB进行指数拟合；
最后得到：C＝A1C0*(100-exp(-f(I)/T))*E^a1)/100-C1，
R＝A2R0*(100+exp(-f(I)/T)*E^a2)/100+R1；
其中，f(I)＝k*I+b；A1、A2、a1、a2、k、b均为常数，
第四步：通过上述公式计算得出C与R的值。计算结果一般是相对C0、R0的变化量(百分数形式)；当电池内阻增量高于20％或容量衰减量低于20％，即可判定电池寿命终止。
本发明的效果在于该方法可以精确的对动力电池的容量及电阻进行评估，因为容量及电阻直接反映电池所处的状态，由此可预测电池的寿命。预测过程依据整车行驶工况，与实际使用贴近，且测试周期短，不需要周期过长的测试就能较快速地得出电池的性能衰减规律，适合于整车前期开发过程中使用。
附图说明
图1为本发明的一种动力电池寿命性能衰减的预测方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
结合F厂某混合动力车用电池寿命测试详细说明本发明的具体实施方案。该混合动力车为深混型HEV，百公里加速时间为12s，寿命要求为10年/24万公里，工作温度范围为-30～45℃，销售范围为中国大陆地区。该电池为功率型电池，根据这款混合动力车对动力电池的要求设计一个等效工况，拆分成12个特征工况，各个工况均包含一段时间内的车速谱和载荷谱。这些工况的特征值如下：
工况一：温度为25℃，电流均方根为20～30A，持续时间800s，循环n1次。反应在常温环境下，高速行驶期间的动力电池使用情况。
工况二：温度为25℃，电流均方根为30～40A，持续时间800s，循环n2次。反应在常温环境下，市区非行驶高峰期间的动力电池使用情况。
工况三：温度为25℃，电流均方根为40-60A，持续时间600s，循环n3次。反应在常温环境下，市区行驶高峰期间的动力电池使用情况。
工况四：温度为25℃，电流均方根为60-100A，持续时间12s，循环n4次。反应在常温环境下，百公里加速期间的动力电池使用情况。
工况五：温度为-40～40℃，电流均方根为0A，持续时间1h，循环n5次。反应混合动力车在不同季节期间停车时动力电池使用情况。
工况六：温度为40℃，电流均方根为20～30A，持续时间800s，循环n6次。反应在高温环境下，市区行驶期间的动力电池使用情况。
工况七：温度为40℃，电流均方根为10～20A，持续时间800s，循环n7次。反应在高温环境下，高速行驶期间的动力电池使用情况。
工况八：温度为40～45℃，电流均方根为20～60A，持续时间300s，循环n8次。反应在高温环境下长时间静置后，刚开始行驶期间的动力电池使用情况。
工况九：温度为0～25℃，电流均方根为30～40A，持续时间800s，循环n9次。反应在0～25℃环境下，市区行驶期间的动力电池使用情况。
工况十：温度为25～35℃，电流均方根为100～150A，持续时间10～20s，循环n10次。反应在常温环境下，极限工况下的动力电池使用情况。
工况十一：温度为-30～0℃，电流均方根为5～20A，持续时间600s，循环n11次。反应在低温环境下，市区行驶期间的动力电池使用情况。
工况十二：温度为-30～0℃，电流均方根为0～10A，持续时间600s，循环n12次。反应在低温环境下，高速行驶期间的动力电池使用情况。
通过对整车使用进行统计，认为工况一、三、六及十一为主行驶工况，对动力电池寿命衰减起到决定性作用。其余工况下的衰减可合并在上述情况中考虑。其中工况一、三、六及十一在全寿命期间所占的比例为3:3:2:2。
因在工况一、三、六及十一这四个工况中，电池经历的最大电流均方根为55A，最高温度为40℃。电池厂家给出电池最大20s持续电流耐受能力为120A，最高使用温度为55℃。加速测试制度设计原则在于将电池真实使用情况和极限使用情况整合在一起进行测试。因此在设计测试制度时进行合理加速，将其等效成如下五个测试制度：
测试制度1：
温度 时间增量(s) 累计时间(s) 电流(A)
25℃ 20 20 60
25℃ 40 60 0
25℃ 20 100 -40
25℃ 40 140 0
25℃ 40 160 -10
测试制度2：
温度 时间增量(s) 累计时间(s) 电流(A)
25℃ 20 20 80
25℃ 40 60 0
25℃ 20 100 -60
25℃ 40 140 0
25℃ 40 160 -10
测试制度3：
温度 时间增量(s) 累计时间(s) 电流(A)
25℃ 20 20 120
25℃ 40 60 0
25℃ 20 100 -80
25℃ 40 140 0
25℃ 40 160 -20
测试制度4：
温度 时间增量(s) 累计时间(s) 电流(A)
40℃ 20 20 60
40℃ 40 60 0
40℃ 20 100 -40
40℃ 40 140 0
40℃ 40 160 -10
测试制度5：
温度 时间增量(s) 累计时间(s) 电流(A)
55℃ 20 20 60
55℃ 40 60 0
55℃ 20 100 -40
55℃ 40 140 0
55℃ 40 160 -10
首先在测试制度1下进行测试：
第一步：固定电流均方根为29.4A、25℃下，在能量吞吐量达到663kWh、1340kWh、1915kWh、2216kWh时，对电池进行工况循环测试，记录C与R随着E变化的值，按照逆幂指数规律，通过MATLAB拟合C与R的衰减，得到以下关系式：
C＝C0(100-(0.462*E^0.5)/100-C1，
R＝R0(100+0.457*E^0.5)/100------------------------------(1)
第二步：固定电流均方根为29.4A，能量吞吐量固定为2216kWh，在测试制度1、4、5下进行测试，温度选取25℃、40℃、55℃，在3组条件下重复第一步，利用多项式拟合得到4组M1与T、N1与T的关系：
M1＝exp(-230.11/T)，N1＝exp(-380.55/T)；
进一步得到：
C＝C0*((100-(exp(-230.11/T)*E^0.5)/100)-C1,
R＝R0*(100+exp(-380.55/T)*E^0.5)/100)---------------------------------(2)
第三步：在测试制度1、2、3下进行测试，温度固定为25℃，电流均方根I选取29.4A、41.4A、58.7A，能量吞吐量固定为2216kWh重复第一步，通过MATLAB进行指数拟合；
C＝C0*(100-exp((0.82*I-254.17)/T))*E^0.5)/100-C1,
R＝R0*(100+exp((1.72*I-329.79)/T))*E^0.5)/100-------------------------------(3)。
第四步：通过上述公式计算得出C与R的值，即可以计算出全寿命期间，动力电池任意时刻，任意E、I、T下，C与R的衰减情况。
整车要求电池单体在综合工况下，能量吞吐量达到200kWh以上时，电池寿命终止。即要求该电池单体在25℃(298K)，电流均方根为26.4A的条件下，经历60kWh能量吞吐量，25℃(298K)，电流均方根为48.4A的条件下，经历60kWh能量吞吐量，在40℃(313K)，电流均方根为26.4A的条件下,经历60kWh能量吞吐量，在0℃(273K)，电流均方根为8.9A的条件下,经历20kWh能量吞吐量。
分别计算电池的衰减情况为：
在25℃(298K)，电流均方根为26.4A，经历60kWh能量吞吐量的条件下
R＝R0*((100+exp((1.72*I1-329.79)/T1))*E1^0.5)/100)＝1.03R0
C＝C0*((100-exp((0.82*Ii-254.17)/Ti)*Ei^0.5)/100)-(R0-R)*C0/R
＝0.965*C0-0.031C0＝0.934C0
在25℃(298K)，电流均方根为48.4A，经历60kWh能量吞吐量的条件下
R＝R0*((100+exp((1.72*I1-329.79)/T1))*E1^0.5)/100)＝1.033R0
C＝C0*((100-exp((0.82*Ii-254.17)/Ti)*Ei^0.5)/100)-(R0-R)*C0/R
＝0.963*C0-0.031C0＝0.932C0
在40℃(298K)，电流均方根为26.4A，经历40kWh能量吞吐量的条件下
R＝R0*((100+exp((1.72*I1-329.79)/T1))*E1^0.5)/100)＝1.025R0
C＝C0*((100-exp((0.82*Ii-254.17)/Ti)*Ei^0.5)/100)-(R0-R)*C0/R
＝0.97*C0-0.029C0＝0.941C0
在0℃(298K)，电流均方根为8.9A，经历40kWh能量吞吐量的条件下
R＝R0*((100+exp((1.72*I1-329.79)/T1))*E1^0.5)/100)＝1.02R0
C＝C0*((100-exp((0.82*Ii-254.17)/Ti)*Ei^0.5)/100)-(R0-R)*C0/R
＝0.975*C0-0.019C0＝0.956C0
累计内阻变化为增加了10.8％，累积容量变化为增加了23.7％。
可见电池整车要求的使用条件下，内阻R增加10.8％，容量C降低23.7％。若整车寿命终止时要求电池内阻增量低于20％，容量衰减量低于20％，则预计到达在该使用条件下，该电池不能满足整车对动力电池的寿命要求。

Claims (1)

1.动力电池寿命性能衰减的预测方法，其特征在于，包括如下步骤：
第一步，设计一系列工况，固定I值、T值，以E为变量，对电池进行工况循环测试，记录C与R随着E变化的值，按照逆幂指数规律，通过MATLAB拟合C与R的衰减，得到以下关系式：
C＝A1C0(100-M1*E^a1)/100-C1，R＝A2R0(100+N1*E^a2)/100；
这里的M1、N1为常数，以拟合结果为准；C0、R0分别是一段工况开始前电池的容量值和内阻值，C、R为经历循环之后电池的容量值和内阻值，E为能量吞吐量，I为一段工况的电流均方根，T为一段工况下电池的平均温度；C1为由内阻增加引起的C衰减量，C1＝C0*(R-R0)/R；R1为由容量增加引起的R衰减量，R1＝R0*(C0-C)/C；能量型电池，C1为0；功率型电池，R1为0；
将测试得到的至少4组的C、R及输入的E值，通过MATLAB或其它拟合工具数学拟合得到M1、N1、a1、a2的值；
第二步：固定I值，选取不同的3组T值，在3组条件下重复第一步，利用多项式拟合得到3组M1与T、N1与T的关系：
M1＝exp(-M2/T)，N1＝exp(-N2/T)；
这里的M2，N2为常数，将第一步拟合得到的常数M1、N1及输入的至少4组的T值，通过MATLAB或ORIGIN指数拟合得到M2，N2的值；不同电池M2，N2值不同，大于0即合理，一般为0-100的范围；
进一步得到：C＝A1C0*(100-(exp(-M2/T))*E^a1)/100-C1，R＝A2R0*(100+(exp(-N2/T)*E^a2)/100，
第三步：固定T值，选取不同的不少于3组I值，重复第一步，利用数学指数拟合方法，得到不少于3组的M2与I、N2与I的关系：
M2＝k1*I+b1；N2＝k2*I+b2；
这里的k1，k2，b1，b2为常数，将第二步拟合得到的常数M2，N2及输入的至少4组的I值，通过MATLAB进行指数拟合；
最后得到：C＝A1C0*(100-exp(-f(I)/T))*E^a1)/100-C1，
R＝A2R0*(100+exp(-f(I)/T)*E^a2)/100+R1；
其中，f(I)＝k*I+b；A1、A2、a1、a2、k、b均为常数；
第四步：通过上述公式计算得出C与R的值；计算结果一般是相对C0、R0的变化量；当电池内阻增量高于20％或容量衰减量低于20％，即可判定电池寿命终止。
CN201610068805.9A 2016-02-01 2016-02-01 动力电池寿命性能衰减的预测方法 Active CN105717456B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610068805.9A CN105717456B (zh) 2016-02-01 2016-02-01 动力电池寿命性能衰减的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610068805.9A CN105717456B (zh) 2016-02-01 2016-02-01 动力电池寿命性能衰减的预测方法

Publications (2)

Publication Number Publication Date
CN105717456A CN105717456A (zh) 2016-06-29
CN105717456B true CN105717456B (zh) 2018-06-08

Family

ID=56154497

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610068805.9A Active CN105717456B (zh) 2016-02-01 2016-02-01 动力电池寿命性能衰减的预测方法

Country Status (1)

Country Link
CN (1) CN105717456B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106515480B (zh) * 2016-11-08 2019-02-26 彩虹无线（北京）新技术有限公司 一种基于车联网大数据技术的汽车蓄电池智能监控方法
CN106597305B (zh) * 2016-12-09 2019-01-22 合肥国轩高科动力能源有限公司 一种锂离子电池的循环寿命预测方法
CN106646259B (zh) * 2016-12-26 2017-11-17 上海思致汽车工程技术有限公司 一种电池功率衰减程度的检测方法
CN106772100B (zh) * 2017-02-06 2020-02-21 联想(北京)有限公司 一种预测电池寿命的方法及装置
CN106772111A (zh) * 2017-03-24 2017-05-31 合肥悦兰信息技术有限公司 一种汽车蓄电池使用寿命衰减程度的检测方法
CN107271922A (zh) * 2017-08-02 2017-10-20 合肥国轩高科动力能源有限公司 一种新能源汽车整车电池系统寿命预测的方法
CN109946610A (zh) * 2017-12-18 2019-06-28 北京长城华冠汽车科技股份有限公司 一种车用电池循环寿命的预测方法
JP6911746B2 (ja) * 2017-12-25 2021-07-28 トヨタ自動車株式会社 電池情報処理装置、電池製造支援装置、組電池、電池情報処理方法、及び組電池の製造方法
CA3095767A1 (en) * 2018-04-20 2019-10-24 Cps Technology Holdings Llc System and method for battery selection
CN110994059B (zh) * 2019-12-09 2021-05-04 中国第一汽车股份有限公司 一种用于热失控预警的温度阈值确定方法
CN111044927B (zh) * 2019-12-25 2021-11-23 中国第一汽车股份有限公司 一种动力电池寿命评价方法及系统
US11740290B2 (en) 2020-01-14 2023-08-29 Battelle Energy Alliance, Llc Energy storage cell qualification and related systems, methods, and devices
CN113805084B (zh) * 2021-09-13 2023-09-01 湖北亿纬动力有限公司 电池容量衰减的计算方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103954913A (zh) * 2014-05-05 2014-07-30 哈尔滨工业大学深圳研究生院 电动汽车动力电池寿命预测方法
CN104502859A (zh) * 2014-12-31 2015-04-08 清华大学深圳研究生院 电池荷电量及电池健康状态的检测、诊断方法
CN104678320A (zh) * 2015-03-16 2015-06-03 西北工业大学 基于内阻在线测试的动力电池寿命监控方法
CN104793144A (zh) * 2015-03-31 2015-07-22 中国人民解放军92537部队 一种电池寿命快速检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6250298B2 (ja) * 2013-04-15 2017-12-20 新電元工業株式会社 二次電池寿命予測システムおよび二次電池特性評価装置
US20150349385A1 (en) * 2014-04-01 2015-12-03 Medtronic, Inc. Method and System for Predicting Useful Life of a Rechargeable Battery

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103954913A (zh) * 2014-05-05 2014-07-30 哈尔滨工业大学深圳研究生院 电动汽车动力电池寿命预测方法
CN104502859A (zh) * 2014-12-31 2015-04-08 清华大学深圳研究生院 电池荷电量及电池健康状态的检测、诊断方法
CN104678320A (zh) * 2015-03-16 2015-06-03 西北工业大学 基于内阻在线测试的动力电池寿命监控方法
CN104793144A (zh) * 2015-03-31 2015-07-22 中国人民解放军92537部队 一种电池寿命快速检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Remaining Useful Performance Analysis of Batteries;Wei He et al;《Institute of Electrical and Electronics Engineers》;20111123;第20卷(第23期);第1-6页 *
锰酸锂动力电池寿命预测方法;时玮 等;《汽车工程》;20151231;第37卷(第1期);第67-71页 *

Also Published As

Publication number Publication date
CN105717456A (zh) 2016-06-29

Similar Documents

Publication Publication Date Title
CN105717456B (zh) 动力电池寿命性能衰减的预测方法
Ding et al. An improved Thevenin model of lithium-ion battery with high accuracy for electric vehicles
Shen et al. A review on battery management system from the modeling efforts to its multiapplication and integration
Jaguemont et al. A comprehensive review of lithium-ion batteries used in hybrid and electric vehicles at cold temperatures
Feng et al. Mechanisms for the evolution of cell variations within a LiNixCoyMnzO2/graphite lithium-ion battery pack caused by temperature non-uniformity
Panchal et al. Cycling degradation testing and analysis of a LiFePO4 battery at actual conditions
Samadani et al. Li‐ion battery performance and degradation in electric vehicles under different usage scenarios
Yuksel et al. Plug-in hybrid electric vehicle LiFePO4 battery life implications of thermal management, driving conditions, and regional climate
Johnson Battery performance models in ADVISOR
Suri et al. A control-oriented cycle-life model for hybrid electric vehicle lithium-ion batteries
Du et al. Impact of high-power charging on the durability and safety of lithium batteries used in long-range battery electric vehicles
Wang et al. Cyber-physical control for energy management of off-road vehicles with hybrid energy storage systems
Jiaqiang et al. Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge
CN104714189A (zh) 一种电动汽车用电池组循环寿命的预测方法
Kroeze et al. Electrical battery model for use in dynamic electric vehicle simulations
Martel et al. Optimal economy-based battery degradation management dynamics for fuel-cell plug-in hybrid electric vehicles
CN105548902A (zh) 一种动力锂离子电池循环寿命等效测试方法
Cho et al. Transient modeling and validation of lithium ion battery pack with air cooled thermal management system for electric vehicles
Mocera et al. Battery performance analysis for working vehicle applications
Benabdelaziz et al. Battery dynamic energy model for use in electric vehicle simulation
CN103793605A (zh) 基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法
CN103293485A (zh) 基于模型的蓄电池荷电状态估计方法
CN105428734A (zh) 一种电动汽车动力电池的配组方法
CN105261795A (zh) 一种基于聚类算法的锂离子电池串联成组方法
CN103353582A (zh) 二次电池寿命测试方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant