CN106814320A - 一种磷酸铁锂动力电池循环寿命预测系统 - Google Patents

一种磷酸铁锂动力电池循环寿命预测系统 Download PDF

Info

Publication number
CN106814320A
CN106814320A CN201510854749.7A CN201510854749A CN106814320A CN 106814320 A CN106814320 A CN 106814320A CN 201510854749 A CN201510854749 A CN 201510854749A CN 106814320 A CN106814320 A CN 106814320A
Authority
CN
China
Prior art keywords
cycle life
iron phosphate
lithium iron
battery
phosphate dynamic
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
Application number
CN201510854749.7A
Other languages
English (en)
Other versions
CN106814320B (zh
Inventor
李礼夫
龚定旺
侯俊伟
张忠波
许源沁
魏敦烈
佘红涛
韦毅
孙利昌
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201510854749.7A priority Critical patent/CN106814320B/zh
Publication of CN106814320A publication Critical patent/CN106814320A/zh
Application granted granted Critical
Publication of CN106814320B publication Critical patent/CN106814320B/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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Abstract

本发明公开了一种磷酸铁锂动力电池循环寿命预测系统，所述系统包括磷酸铁锂动力电池检测子系统、检测信息分析子系统和循环寿命自识别子系统。所述磷酸铁锂动力电池检测子系统包括CT成像模块、电化学特性测量模块、充放电控制模块；所述检测信息分析子系统包括层析图像分析模块、结构信息处理模块；循环寿命自识别子系统包括形态学分析运算模块、智能预测模块。本发明可以解决处在不可视成型空间内磷酸铁锂动力电池循环寿命的动态、在线、多维地预测问题，而且更为重要的是能从电化学层析结构形态中定量地研究行驶状况中的磷酸铁锂动力电池形态与其循环寿命之间的规律，从而，为研究高性能的新能源汽车电池提供了一个有效的研究方法。

Description

一种磷酸铁锂动力电池循环寿命预测系统
技术领域
本发明涉及一种用于电池生产检查系统，特别是涉及一种电动汽车磷酸铁锂动力电池循环寿命预测系统。
背景技术
动力电池作为新能源电动汽车的主要能量来源之一，其性能的好坏直接影响电动汽车运行性能和电动汽车产业发展的关键，根据电动汽车理论，为了满足电动汽车各种工况的需求，动力电池充放电电流不仅会随着行驶状况和驾驶员行为的变化而改变，而且动力电池本身还会受到温度和振动的冲击，这些作用将直接影响到动力电池的能量输出和循环寿命，因此，对其实时监测是保证动力电池和电动汽车高效而安全工作的关键技术之一。然而，对动力电池（如磷酸铁锂电池）循环寿命的检测与预测仍然是当今国内外动力电池检测领域的一个难题，它严重制约了电动汽车的发展和应用。
要检测磷酸铁锂动力电池的循环寿命，应该根据电池组成部分的结构形态与其性能之间的相互关系，通过综合测量与分析电池的结构形态和物理与化学性能来获取。然而，目前判断电池循环寿命的一般方法是通过对电池进行充放电循环试验，不仅难以真实地反映电池组成部分结构形态和物理化学性能的变化，而且，检测时间长、耗时和数据随机性大。
目前未有通过电池组成部分结构形态和物理化学性能的变化，来预测锂电池的循环寿命的专利。
发明内容
本发明的目的是针对上述现象，本发明提供了一种磷酸铁锂动力电池循环寿命预测系统,该系统它不仅能解决处在不可视成型空间内磷酸铁锂动力电池循环寿命的动态、在线、多维地预测问题，而且更为重要的是能从电化学层析结构形态中定量地研究行驶状况中的磷酸铁锂动力电池形态与其循环寿命之间的规律。
本发明为解决其技术问题所采用的技术方案是：
一种磷酸铁锂动力电池循环寿命预测系统，包括磷酸铁锂动力电池检测子系统、检测信息分析子系统和循环寿命自识别子系统；
所述磷酸铁锂动力电池检测子系统用于实时、在线地获取不同模拟工况下其对应的层析图像信息和电化学特性信息；
所述检测信息分析子系统用于结合电化学特性信息和磷酸铁锂动力电池工作原理进行层析图像分析处理，包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量，从而系统定量的获取代表磷酸铁锂动力电池层析结构形态目标的不同物理结构形态的层析图像，即目标层析结构图像；
所述循环寿命自识别子系统用于以磷酸铁锂动力电池层析结构形态与其循环寿命关系的层析图像为向导，根据电池层析结构形态和基于行驶状况的充放电方式与循环寿命之间的定量函数关系，从而预测使用工况中的电池循环寿命。
进一步地，所述磷酸铁锂动力电池检测子系统包括CT成像模块、电化学特性测量模块、充放电控制模块；
所述CT成像模块由X射线发生器和光电探测器构成，用于非破环性、实时地获取磷酸铁锂动力电池的三维层析图像，即电池层析图像；
所述电化学特性测量模块用于基于电化学分析方法，如循环伏安法、交流阻抗法，通过测量使用工况中的磷酸铁锂动力电池充放电对应的电流与电压等信息，来获取正负极材料的容量、电池内阻和充放电循环伏安性能等电化学特性信息；
所述充放电控制模块基于单片机设计，用于控制被测的磷酸铁锂动力电池的充放电状态，对磷酸铁锂动力电池进行基于模拟电动汽车行驶状况的充放电。
进一步地，所述检测信息分析子系统包括层析图像分析模块和结构信息处理模块；
所述层析图像分析模块用于对三维层析图像进行背景分离、标度变化和亚像素插补的图像预处理，从而提高层析图像的信息量，能从三维层析图像中提取具有电化学特性的磷酸铁锂动力电池层析结构形态信息，以获得目标层析图像信息；
所述结构信息处理模块用于结合电化学特性实验和锂离子动力电池工作原理分析，系统而定量地分析目标层析图像中的各种信息，使用灰阶分段二值化的技术进行多目标层析结构提取，进而可获得代表磷酸铁锂动力电池层析结构形态目标的不同物理结构形态的层析图像，即目标层析结构图像。
进一步地，所述循环寿命自识别子系统包括形态学分析运算模块和智能预测模块；
所述形态学分析运算模块由电池层析结构形态与其循环寿命之间的数学模型和用于形态学分析的变换规则及其运算算法组成，用于获取供智能预测模块识别的循环寿命特征值信息；
所述智能预测模块是基于电池层析结构形态和循环寿命之间的特征函数和层析图谱，从而由循环寿命特征值信息预测出磷酸铁锂动力电池的循环寿命。
相比现有技术，本发明的优点在于：
可以通过磷酸铁锂动力电池的X射线目标层析结构图像及其电化学特性参数信息，揭示磷酸铁锂动力电池正负极材料的粒度、电化学特性、电解质溶液水分含量、隔膜表面平整性和集流体氧化等与其循环寿命相互作用的机理，解决磷酸铁锂动力电池循环寿命难于无损、实时预测难题。建立电池目标层析结构与其循环寿命之间的数学模型，开发电池目标层析结构和循环寿命之间特征的形态学知识库及自适应识别方法，来对电池循环寿命进行基于电池目标层析结构的智能识别和预测，解决磷酸铁锂动力电池循环寿命难于定量表征的难题。
附图说明
图1是本发明实施例的一种磷酸铁锂动力电池循环寿命预测系统的结构示意图。
图2是图1中电池检测子系统的结构示意图。
图3是图1中检测信息分析子系统的结构示意图。
图4是图1中循环寿命自识别子系统的结构示意图。
图5是电池检测子系统的工作原理示意图。
图6是检测信息分析子系统的工作原理示意图。
图7是循环寿命自识别子系统工作原理示意图。
图8 是本发明磷酸铁锂动力电池循环寿命预测系统的工作原理示意图。
具体实施方式
下面结合附图和实施例对本发明进行进一步的说明。
请参阅图1,本发明磷酸铁锂动力电池循环寿命预测系统包括磷酸铁锂动力电池检测子系统1、检测信息分析子系统2和循环寿命自识别子系统3。
所述磷酸铁锂动力电池检测子系统1用于实时、在线地获取不同模拟工况下其对应的层析图像信息和电化学特性信息；
所述检测信息分析子系统2用于结合电化学特性信息和磷酸铁锂动力电池工作原理分析，并提出合理有效的层析图像处理方法，包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量，从而系统定量的获取代表磷酸铁锂动力电池层析结构形态目标的不同物理结构形态的层析图像，简称目标层析结构图像；
所述循环寿命自识别子系统3用于以磷酸铁锂动力电池层析结构形态与其循环寿命关系的层析图谱为向导，根据电池层析结构形态和基于行驶状况的充放电方式与循环寿命之间的定量函数关系，从而预测使用工况中的电池循环寿命。
请参阅图2，所述磷酸铁锂动力电池检测子系统1包括CT成像模块11、电化学特性测量模块12、充放电控制模块13；
所述CT成像模块11由X射线发生器和光电探测器构成，用于非破环性、实时地获取磷酸铁锂动力电池的三维层析图像（简称电池层析图像）；
所述电化学特性测量模块12用于基于电化学分析方法（循环伏安法、交流阻抗法），通过测量使用工况中的磷酸铁锂动力电池充放电对应的电流与电压等信息，来获取正负极材料的容量、电池内阻和充放电循环伏安性能等电化学特性信息；
所述充放电控制模块13是基于单片机设计，用于控制被测的磷酸铁锂动力电池的充放电状态，对磷酸铁锂动力电池进行基于模拟电动汽车行驶状况的充放电。
请参阅图3，所述检测信息分析子系统2包括层析图像分析模块21、结构信息处理模块22；
所述层析图像分析模块21用于对三维层析图像进行背景分离、标度变化和亚像素插补的图像预处理，从而提高层析图像的信息量，能从三维层析图像中提取具有电化学特性的磷酸铁锂动力电池层析结构形态信息，以获得目标层析图像信息；
所述结构信息处理模块22用于结合电化学特性实验和锂离子动力电池工作原理分析，系统而定量地分析目标层析图像中的各种信息，使用灰阶分段二值化的技术进行多目标层析结构提取，进而可获得代表磷酸铁锂动力电池层析结构形态目标的不同物理结构形态的层析图像，简称目标层析结构图像。
请参阅图4，所述循环寿命自适应识别子系统3包括形态学分析运算模块31、智能预测模块32；
所述形态学分析运算模块31由电池层析结构形态与其循环寿命之间的数学模型和用于形态学分析的变换规则及其运算算法组成，用于获取供智能预测模块识别的循环寿命特征值信息。
所述智能预测模块32由电池层析结构形态和循环寿命之间特征的函数关系和层析图谱组成，用于根据形态学分析运算模块提供的循环寿命特征值预测出磷酸铁锂动力电池的循环寿命。
请参阅图5，这是电池检测子系统1的工作原理示意图，子系统通过充电控制模块13对磷酸铁锂动力电池进行基于模拟电动汽车行驶状况的充放电，并根据电池反馈信息监测电池充放电状态，同时，分别利用CT成像模块11和电化学特性测量模块12来实时、在线地获取其对应的层析图像和电化学特性信息。其中CT成像模块11中的X 射线发生器发出的X射线，穿过位于测量台上的被测磷酸铁锂动力电池。根据原子核物理学的原理，当X射线穿越电池时，其光子流将与磷酸铁锂动力电池中的原子发生相互作用，产生携带了磷酸铁锂动力电池结构形态的信息的光电信号。然后，通过光电探测器将其记录下来。计算机对这些信号进行数字图像处理和重建，则可非破环性、实时地获取锂离子电池的三维层析图像（简称电池层析图像）。而电化学特性测量模块12是用电化学分析方法（循环伏安法、交流阻抗法），通过测量使用工况中的磷酸铁锂动力电池充放电对应的电流与电压等信息，来获取正负极材料的容量、电池内阻和充放电循环伏安性能等电化学特性信息；
请参阅图6，这是检测信息分析子系统2的工作原理示意图， 先是子系统中的层析图像分析模块21根据形态学集合及其变换和电池的电化学特性，由图像分割和亚像素插补法从三维层析图像中提取具有电化学特性的磷酸铁锂动力电池层析结构形态信息，以获得目标层析图像信息；其次，结构信息处理模块22通过结合电化学特性信息和锂离子动力电池工作原理分析，系统而定量地分析目标层析图像中的各种信息，使用灰阶分段二值化的技术进行多目标层析结构提取，进而可获得代表磷酸铁锂动力电池层析结构形态目标的不同物理结构形态的层析图像。
请参阅图7，这是循环寿命自适应识别子系统3工作原理示意图，子系统以目标结构层析图像为向导，分析出电池层析结构形态与电池循环寿命之间的关系。目标结构层析图像信息进入形态学分析运算模块31，经过形态学分析变换及其运算处理，输出供智能预测模块32识别的循环寿命特征值信息。接着智能预测模块32根据形态学分析运算模块31提供的循环寿命特征值经过层析图谱查找和预测函数运算从而得出磷酸铁锂动力电池的循环寿命。
请参阅图8，这是本发明磷酸铁锂动力电池循环寿命预测系统的工作原理示意图，电池检测子系统1通过检测磷酸铁锂动力电池获取电动汽车不同模拟行驶状况下的电化学特性信息和电池目标层析图像，然后将得到的电化学特性信息和三维层析图像经过检测信息分析子系统2的提取、处理，可以得到不同模拟行驶状况和电化学特性的电池目标层析结构图像。最后信息汇总到循环寿命自识别子系统3中，通过运算分析得到磷酸铁锂动力电池的循环寿命。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (4)

1.一种磷酸铁锂动力电池循环寿命预测系统，其特征是，包括磷酸铁锂动力电池检测子系统、检测信息分析子系统和循环寿命自识别子系统；
所述磷酸铁锂动力电池检测子系统用于实时、在线地获取不同模拟工况下其对应的层析图像信息和电化学特性信息；
所述检测信息分析子系统用于结合电化学特性信息和磷酸铁锂动力电池工作原理进行层析图像分析处理，包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量，从而系统定量的获取代表磷酸铁锂动力电池层析结构形态目标的不同物理结构形态的层析图像，即目标层析结构图像；
所述循环寿命自识别子系统用于以磷酸铁锂动力电池层析结构形态与其循环寿命关系的层析图像为向导，根据电池层析结构形态和基于行驶状况的充放电方式与循环寿命之间的定量函数关系，从而预测使用工况中的电池循环寿命。
2.根据权利要求1所述的一种磷酸铁锂动力电池循环寿命预测系统，其特征在于：所述磷酸铁锂动力电池检测子系统包括CT成像模块、电化学特性测量模块、充放电控制模块；
所述CT成像模块由X射线发生器和光电探测器构成，用于非破环性、实时地获取磷酸铁锂动力电池的三维层析图像，即电池层析图像；
所述电化学特性测量模块用于基于电化学分析方法，通过测量使用工况中的磷酸铁锂动力电池充放电对应的电流与电压等信息，来获取正负极材料的容量、电池内阻和充放电循环伏安性能等电化学特性信息；
所述充放电控制模块基于单片机设计，用于控制被测的磷酸铁锂动力电池的充放电状态，对磷酸铁锂动力电池进行基于模拟电动汽车行驶状况的充放电。
3.根据权利要求1所述的一种磷酸铁锂动力电池循环寿命预测系统，其特征在于：所述检测信息分析子系统包括层析图像分析模块和结构信息处理模块；
所述层析图像分析模块用于对三维层析图像进行背景分离、标度变化和亚像素插补的图像预处理，从而提高层析图像的信息量，能从三维层析图像中提取具有电化学特性的磷酸铁锂动力电池层析结构形态信息，以获得目标层析图像信息；
所述结构信息处理模块用于结合电化学特性实验和锂离子动力电池工作原理分析，系统而定量地分析目标层析图像中的各种信息，使用灰阶分段二值化的技术进行多目标层析结构提取，进而可获得代表磷酸铁锂动力电池层析结构形态目标的不同物理结构形态的层析图像，即目标层析结构图像。
4.根据权利要求1所述的一种磷酸铁锂动力电池循环寿命预测系统，其特征在于：所述循环寿命自识别子系统包括形态学分析运算模块和智能预测模块；
所述形态学分析运算模块由电池层析结构形态与其循环寿命之间的数学模型和用于形态学分析的变换规则及其运算算法组成，用于获取供智能预测模块识别的循环寿命特征值信息；
所述智能预测模块是基于电池层析结构形态和循环寿命之间的特征函数和层析图谱，从而由循环寿命特征值信息预测出磷酸铁锂动力电池的循环寿命。
CN201510854749.7A 2015-11-28 2015-11-28 一种磷酸铁锂动力电池循环寿命预测系统 Active CN106814320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510854749.7A CN106814320B (zh) 2015-11-28 2015-11-28 一种磷酸铁锂动力电池循环寿命预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510854749.7A CN106814320B (zh) 2015-11-28 2015-11-28 一种磷酸铁锂动力电池循环寿命预测系统

Publications (2)

Publication Number Publication Date
CN106814320A true CN106814320A (zh) 2017-06-09
CN106814320B CN106814320B (zh) 2019-05-14

Family

ID=59156171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510854749.7A Active CN106814320B (zh) 2015-11-28 2015-11-28 一种磷酸铁锂动力电池循环寿命预测系统

Country Status (1)

Country Link
CN (1) CN106814320B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108008305A (zh) * 2017-10-31 2018-05-08 华南理工大学 一种车用磷酸铁锂动力电池容量衰减检测系统
CN110470991A (zh) * 2019-08-23 2019-11-19 江西优特汽车技术有限公司 一种动力电池循环寿命评测方法
CN110873841A (zh) * 2019-11-05 2020-03-10 北京匠芯电池科技有限公司 一种基于数据驱动与电池特性相结合的电池寿命预测方法
CN111413627A (zh) * 2020-04-17 2020-07-14 清华大学 基于伏安曲线的燃料电池使用寿命的预测方法及装置
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
CN112285137A (zh) * 2020-10-16 2021-01-29 合肥国轩高科动力能源有限公司 一种锂离子电池全生命周期析锂分布探测方法
CN112881194A (zh) * 2021-01-21 2021-06-01 北京理工大学 一种用于x射线ct系统的锂电池原位力热耦合加载装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57191576A (en) * 1981-05-21 1982-11-25 Seikosha Co Ltd Battery life annunciator
CN103344917A (zh) * 2013-06-13 2013-10-09 北京交通大学 一种锂电池循环寿命快速测试方法
CN104656029A (zh) * 2014-12-25 2015-05-27 智慧城市系统服务（中国）有限公司 一种估算动力电池剩余容量的系统及方法
JP2015109220A (ja) * 2013-12-05 2015-06-11 パナソニックＩｐマネジメント株式会社 鉛蓄電池の状態判定装置、車両
CN204613365U (zh) * 2015-04-01 2015-09-02 中国人民解放军92537部队 一种便携式蓄电池寿命检测仪

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57191576A (en) * 1981-05-21 1982-11-25 Seikosha Co Ltd Battery life annunciator
CN103344917A (zh) * 2013-06-13 2013-10-09 北京交通大学 一种锂电池循环寿命快速测试方法
JP2015109220A (ja) * 2013-12-05 2015-06-11 パナソニックＩｐマネジメント株式会社 鉛蓄電池の状態判定装置、車両
CN104656029A (zh) * 2014-12-25 2015-05-27 智慧城市系统服务（中国）有限公司 一种估算动力电池剩余容量的系统及方法
CN204613365U (zh) * 2015-04-01 2015-09-02 中国人民解放军92537部队 一种便携式蓄电池寿命检测仪

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TIM KULIN等: "Life Cycle Testing of a Sealed 42-Ah, 24-V N ickel-Cadmi um Aircraft Battery", 《IECON 2014 - 40TH ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY》 *
张文华等: "磷酸铁锂电池循环过程中电化学交流阻抗研究", 《电源技术》 *
戴海峰等: "电动汽车用动力锂离子电池寿命问题研究综述", 《电源技术》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108008305A (zh) * 2017-10-31 2018-05-08 华南理工大学 一种车用磷酸铁锂动力电池容量衰减检测系统
CN110470991A (zh) * 2019-08-23 2019-11-19 江西优特汽车技术有限公司 一种动力电池循环寿命评测方法
CN110873841A (zh) * 2019-11-05 2020-03-10 北京匠芯电池科技有限公司 一种基于数据驱动与电池特性相结合的电池寿命预测方法
CN110873841B (zh) * 2019-11-05 2021-12-07 蓝谷智慧(北京)能源科技有限公司 一种基于数据驱动与电池特性相结合的电池寿命预测方法
CN111413627A (zh) * 2020-04-17 2020-07-14 清华大学 基于伏安曲线的燃料电池使用寿命的预测方法及装置
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
CN112285137A (zh) * 2020-10-16 2021-01-29 合肥国轩高科动力能源有限公司 一种锂离子电池全生命周期析锂分布探测方法
CN112881194A (zh) * 2021-01-21 2021-06-01 北京理工大学 一种用于x射线ct系统的锂电池原位力热耦合加载装置

Also Published As

Publication number Publication date
CN106814320B (zh) 2019-05-14

Similar Documents

Publication Publication Date Title
CN106814320B (zh) 一种磷酸铁锂动力电池循环寿命预测系统
Wang et al. A data-driven method for battery charging capacity abnormality diagnosis in electric vehicle applications
Chen et al. State of health estimation for lithium-ion batteries based on fusion of autoregressive moving average model and elman neural network
Li et al. Data driven battery modeling and management method with aging phenomenon considered
Tian et al. A review of the state of health for lithium-ion batteries: Research status and suggestions
Feng et al. Propagation mechanisms and diagnosis of parameter inconsistency within Li-Ion battery packs
Song et al. Intelligent state of health estimation for lithium-ion battery pack based on big data analysis
Yang et al. A fractional-order model-based battery external short circuit fault diagnosis approach for all-climate electric vehicles application
Pan et al. A data-driven fuzzy information granulation approach for battery state of health forecasting
Qiao et al. Toward safe carbon–neutral transportation: Battery internal short circuit diagnosis based on cloud data for electric vehicles
Chen et al. Remaining useful life prediction of battery using a novel indicator and framework with fractional grey model and unscented particle filter
Liu et al. Future ageing trajectory prediction for lithium-ion battery considering the knee point effect
Yu et al. Challenges and outlook for lithium-ion battery fault diagnosis methods from the laboratory to real world applications
CN109143083A (zh) 一种数据驱动的电动车辆锂离子电池析锂诊断方法
CN112904219B (zh) 一种基于大数据的动力电池健康状态的预测方法
CN108008305A (zh) 一种车用磷酸铁锂动力电池容量衰减检测系统
Wei et al. Remaining useful life prediction of lithium-ion batteries based on stacked autoencoder and gaussian mixture regression
CN114722625B (zh) 锂电池的单体数字孪生模型建立方法、系统、终端和介质
Xiao et al. A comprehensive review of the lithium-ion battery state of health prognosis methods combining aging mechanism analysis
Liu et al. Comparative study of incremental capacity curve determination methods for lithium-ion batteries considering the real-world situation
Rui-hao et al. Battery state of charge estimation for electric vehicle based on neural network
Nuroldayeva et al. State of health estimation methods for Lithium-ion batteries
Yao et al. Novel lithium-ion battery state-of-health estimation method using a genetic programming model
Zhang et al. Fault diagnosis of real-scenario battery systems based on modified entropy algorithms in electric vehicles
Deng et al. Rapid health estimation of in-service battery packs based on limited labels and domain adaptation

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