CN107066713A - 一种预测锂离子电池材料电化学性能的仿真方法 - Google Patents
一种预测锂离子电池材料电化学性能的仿真方法 Download PDFInfo
- Publication number
- CN107066713A CN107066713A CN201710208704.1A CN201710208704A CN107066713A CN 107066713 A CN107066713 A CN 107066713A CN 201710208704 A CN201710208704 A CN 201710208704A CN 107066713 A CN107066713 A CN 107066713A
- Authority
- CN
- China
- Prior art keywords
- lithium ion
- ion battery
- particle
- chemical property
- emulation mode
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Battery Electrode And Active Subsutance (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种预测锂离子电池材料电化学性能的仿真方法,包括以下步骤:步骤1、特征参数的获取:步骤2、物理模型的建立;步骤3、数学模型的建立;步骤4、仿真计算,最终预测电池的充放电曲线、倍率充放电、内部锂离子浓度分布等性能。本发明的预测锂离子电池材料电化学性能的仿真方法具有测试周期短、准确性高和可靠性好的特点。
Description
技术领域
本发明涉及锂离子电池技术领域,特别是一种预测锂离子电池材料电化学性能的仿真方法。
背景技术
锂离子电池由于能量密度高、无记忆效应和自放电率低等优点,在便携式电子产品中得到了广泛的应用,并且成为车用动力电池的首选。随着电动汽车产业化的逐步深入,世界各国均加大动力电池产业的发展力度,如何提高和优化电池材料性能是学术界和产业界关注的热点。
掺杂、包覆、形貌尺寸调控等性能优化技术广泛用于锂离子电池材料的研究,一系列性能各异的锂离子电池正极、负极材料应运而生。目前评价电池材料电化学性能的方法主要是将材料做成电池器件,采用电化学方法进行测试和表征,存在以下制约:
如针对新型材料评价结果的可靠性和重现性不高。材料技术的快速发展,使很多新结构、新体系、新组分材料用于锂离子电池成为可能。然而,上述材料对器件的制备工艺和环境控制提出了更高要求,运用传统器件制备工艺和制程控制在评价新型材料的电化学性能时存在可靠性不好、重现性不高的问题。
如器件制备和测试周期长。锂离子电池的制备工艺复杂,包括“制浆-涂布-制片-装配-注液-化成”等步骤,其中还涉及多个干燥工序,整个器件制作周期需要十天以上;同时,器件测试也需要消耗大量时间成本,如倍率充放电、循环充放电等等。
如测试过程难以实时反映电池内部电极材料发生的变化。锂离子电池是一个封闭系统,在进行以结果为导向的充放电测试时,内部电极材料发生的微观变化难以得到实时的反映。
发明内容
本发明的最主要目的在于提供了一种预测锂离子电池材料电化学性能的仿真方法,具有测试周期短、准确性高和可靠性好的特点。
本发明可以通过以下技术方案来实现:
本发明公开了一种预测锂离子电池材料电化学性能的仿真方法,包括以下步骤:
步骤1、特征参数的获取:通过测试,获取电极材料的形貌和粒度分布特征,得到材料的一次颗粒和二次颗粒形貌和尺寸信息;
步骤2、物理模型的建立:根据材料的一次颗粒和二次颗粒形貌和尺寸信息,分别建立正极和负极的物理模型;
步骤3、数学模型的建立:使用菲克扩散方程或抛物线方程描述锂离子在正极和负极一次颗粒中的扩散行为;使用巴特勒-福尔默方程表示一次颗粒表面发生的电化学反应;电解液中载流子的扩散阻力用使用等效电阻表示;并在正极和负极颗粒上应用能量守恒和电荷守恒方程;
步骤4、仿真计算、根据步骤2中锂离子电池设计方案中各组分的性质,赋予步骤3数学模型中正极和负极相关热力学、动力学参数;并进行数值仿真计算,预测电池的充放电曲线、倍率充放电性能。
进一步地,步骤1所述的测试其测试方法包括SEM表面形貌和/或激光粒度分析。
进一步地,所述电极材料包括正极材料和/或负极材料。
进一步地,所述正极材料为镍钴锰三元材料、磷酸铁锂、钴酸锂、镍酸锂、锰酸锂和/或磷酸锰锂中的一种或两种以上。
进一步地,所述负极材料为人造石墨、天然石墨、中间相碳微球和/或钛酸锂中的一种或两种以上。
本发明预测锂离子电池材料电化学性能的仿真方法具有如下有益的技术效果:
第一、测试周期短,传统的实验测试方法相比,由于实验方法制成器件需要十天以上的周期,电化学测试也需要一定的时间,本发明可以快速评估材料制备成器件后的电化学性能,所需的时间成本低;
第二、准确性高,由于锂离子电池是个封闭系统,传统实验测试方法通过测试结果进行反推,预测内部发生的变化,不能实现实时监控,而本发明基于电化学反应机理,建立在严格理论框架和大量电池数据积累之上,预测的准确性高。并且可以实时动态反应工作过程中材料和电池内部发生的变化;
第三、可靠性好,使用本发明的仿真方法,减少了实验过程的环境控制和人为干扰,重现性和可靠性高。。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案,下面结合实施例及对本发明产品作进一步详细的说明。
实施例1
本发明公开了一种预测锂离子电池材料电化学性能的仿真方法,包括以下步骤:
步骤1、特征参数的获取:通过测试,获取电极材料的形貌和粒度分布特征,得到材料的一次颗粒和二次颗粒形貌和尺寸信息;
步骤2、物理模型的建立:根据材料的一次颗粒和二次颗粒形貌和尺寸信息,分别建立正极和负极的物理模型;
步骤3、数学模型的建立:使用菲克扩散方程或抛物线方程描述锂离子在正极和负极一次颗粒中的扩散行为;使用巴特勒-福尔默方程表示一次颗粒表面发生的电化学反应;电解液中载流子的扩散阻力用使用等效电阻表示;并在正极和负极颗粒上应用能量守恒和电荷守恒方程;
步骤4、仿真计算、根据步骤2中锂离子电池设计方案中各组分的性质,赋予步骤3数学模型中正极和负极相关热力学、动力学参数;并进行数值仿真计算,预测电池的充放电曲线、倍率充放电性能、内部锂离子浓度分布等。
在本实施例中,步骤1所述的测试其测试方法包括SEM表面形貌和/或激光粒度分析。使用激光粒度方法对材料进行测试,获得材料二次颗粒粒度分布信息;采用SEM测试方法对材料测试,得到材料的一次颗粒和二次颗粒形貌和尺寸信息,并根据激光粒度的测试结果,选取二次颗粒尺寸为中位数的颗粒,在SEM图样上随机选取至少50个点测试,取平均值后获得一次颗粒尺寸。
在本实施例中,所述电极材料包括正极材料和负极材料。所述正极材料为镍钴锰三元材。所述负极材料为人造石墨。
实施例2
本发明公开了一种预测锂离子电池材料电化学性能的仿真方法,包括以下步骤:
步骤1、特征参数的获取:通过测试,获取电极材料的形貌和粒度分布特征,得到材料的一次颗粒和二次颗粒形貌和尺寸信息;
步骤2、物理模型的建立:根据材料的一次颗粒和二次颗粒形貌和尺寸信息,分别建立正极和负极的物理模型;
步骤3、数学模型的建立:使用菲克扩散方程或抛物线方程描述锂离子在正极和负极一次颗粒中的扩散行为;使用巴特勒-福尔默方程表示一次颗粒表面发生的电化学反应;电解液中载流子的扩散阻力用使用等效电阻表示;并在正极和负极颗粒上应用能量守恒和电荷守恒方程;
步骤4、仿真计算、根据步骤2中锂离子电池设计方案中各组分的性质,赋予步骤3数学模型中正极和负极相关热力学、动力学参数;并进行数值仿真计算,预测电池的充放电曲线、倍率充放电性能、内部锂离子浓度分布等。
在本实施例中,步骤1所述的测试其测试方法包括SEM表面形貌和激光粒度分析。使用激光粒度方法对材料进行测试,获得材料二次颗粒粒度分布信息;采用SEM测试方法对材料测试,得到材料的一次颗粒和二次颗粒形貌和尺寸信息,并根据激光粒度的测试结果,选取二次颗粒尺寸为中位数的颗粒,在SEM图样上随机选取至少50个点测试,取平均值后获得一次颗粒尺寸。
在本实施例中,所述电极材料包括正极材料和负极材料。所述正极材料为磷酸铁锂。所述负极材料为天然石墨。
实施例3
本发明公开了一种预测锂离子电池材料电化学性能的仿真方法,包括以下步骤:
步骤1、特征参数的获取:通过测试,获取电极材料的形貌和粒度分布特征,得到材料的一次颗粒和二次颗粒形貌和尺寸信息;
步骤2、物理模型的建立:根据材料的一次颗粒和二次颗粒形貌和尺寸信息,分别建立正极和负极的物理模型;
步骤3、数学模型的建立:使用菲克扩散方程或抛物线方程描述锂离子在正极和负极一次颗粒中的扩散行为;使用巴特勒-福尔默方程表示一次颗粒表面发生的电化学反应;电解液中载流子的扩散阻力用使用等效电阻表示;并在正极和负极颗粒上应用能量守恒和电荷守恒方程;
步骤4、仿真计算、根据步骤2中锂离子电池设计方案中各组分的性质,赋予步骤3数学模型中正极和负极相关热力学、动力学参数;并进行数值仿真计算,预测电池的充放电曲线、倍率充放电性能、内部锂离子浓度分布等。
在本实施例中,步骤1所述的测试其测试方法包括SEM表面形貌或激光粒度分析。使用激光粒度方法对材料进行测试,获得材料二次颗粒粒度分布信息;采用SEM测试方法对材料测试,得到材料的一次颗粒和二次颗粒形貌和尺寸信息,并根据激光粒度的测试结果,选取二次颗粒尺寸为中位数的颗粒,在SEM图样上随机选取至少50个点测试,取平均值后获得一次颗粒尺寸。
在本实施例中,所述电极材料包括正极材料和负极材料。所述正极材料为钴酸锂和磷酸锰锂。所述负极材料为中间相碳微球和钛酸锂。
实施例4
本发明公开了一种预测锂离子电池材料电化学性能的仿真方法,包括以下步骤:
步骤1、特征参数的获取:通过测试,获取电极材料的形貌和粒度分布特征,得到材料的一次颗粒和二次颗粒形貌和尺寸信息;
步骤2、物理模型的建立:根据材料的一次颗粒和二次颗粒形貌和尺寸信息,分别建立正极和负极的物理模型;
步骤3、数学模型的建立:使用菲克扩散方程或抛物线方程描述锂离子在正极和负极一次颗粒中的扩散行为;使用巴特勒-福尔默方程表示一次颗粒表面发生的电化学反应;电解液中载流子的扩散阻力用使用等效电阻表示;并在正极和负极颗粒上应用能量守恒和电荷守恒方程;
步骤4、仿真计算、根据步骤2中锂离子电池设计方案中各组分的性质,赋予步骤3数学模型中正极和负极相关热力学、动力学参数;并进行数值仿真计算,预测电池的充放电曲线、倍率充放电性能、内部锂离子浓度分布等。
在本实施例中,步骤1所述的测试其测试方法包括SEM表面形貌和/或激光粒度分析。使用激光粒度方法对材料进行测试,获得材料二次颗粒粒度分布信息;采用SEM测试方法对材料测试,得到材料的一次颗粒和二次颗粒形貌和尺寸信息,并根据激光粒度的测试结果,选取二次颗粒尺寸为中位数的颗粒,在SEM图样上随机选取至少50个点测试,取平均值后获得一次颗粒尺寸。
在本实施例中,所述电极材料包括正极材料和负极材料。所述正极材料为锰酸锂和磷酸锰锂。所述负极材料为人造石墨和钛酸锂。
实施例5
本发明公开了一种预测锂离子电池材料电化学性能的仿真方法,包括以下步骤:
步骤1、特征参数的获取:通过测试,获取电极材料的形貌和粒度分布特征,得到材料的一次颗粒和二次颗粒形貌和尺寸信息;
步骤2、物理模型的建立:根据材料的一次颗粒和二次颗粒形貌和尺寸信息,分别建立正极和负极的物理模型;
步骤3、数学模型的建立:使用菲克扩散方程或抛物线方程描述锂离子在正极和负极一次颗粒中的扩散行为;使用巴特勒-福尔默方程表示一次颗粒表面发生的电化学反应;电解液中载流子的扩散阻力用使用等效电阻表示;并在正极和负极颗粒上应用能量守恒和电荷守恒方程;
步骤4、仿真计算、根据步骤2中锂离子电池设计方案中各组分的性质,赋予步骤3数学模型中正极和负极相关热力学、动力学参数;并进行数值仿真计算,预测电池的充放电曲线、倍率充放电性能、内部锂离子浓度分布等。
在本实施例中,步骤1所述的测试其测试方法包括SEM表面形貌和/或激光粒度分析。使用激光粒度方法对材料进行测试,获得材料二次颗粒粒度分布信息;采用SEM测试方法对材料测试,得到材料的一次颗粒和二次颗粒形貌和尺寸信息,并根据激光粒度的测试结果,选取二次颗粒尺寸为中位数的颗粒,在SEM图样上随机选取至少50个点测试,取平均值后获得一次颗粒尺寸。
在本实施例中,所述电极材料包括正极材料和负极材料。所述正极材料为镍钴锰三元材料、磷酸铁锂、钴酸锂、镍酸锂、锰酸锂和磷酸锰锂。所述负极材料为人造石墨、天然石墨、中间相碳微球和钛酸锂。
本发明提供一种预测锂离子电池材料电化学性能的仿真方法。首先采用实验方法,获得材料的形貌尺寸,根据材料特点设计锂离子电池,建立物理模型;随后用数学语言描述锂离子电池工作过程的物理化学反应机理;最后,定义不同的参变量模拟应用场景,以“虚拟实验”的方式描述电池的电化学行为,获得材料的电化学性能。由于采用计算机进行仿真运算,可以有效缩短研究的时间和人力成本;同时,模型基于电化学反应机理,建立在严格理论框架和大量电池数据积累之上,预测的准确性高。
以上所述,仅为本发明的较佳实施例而已,并非对本发明作任何形式上的限制;凡本行业的普通技术人员均可按说明书所示和以上所述而顺畅地实施本发明;但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内,可利用以上所揭示的技术内容而作出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等,均仍属于本发明的技术方案的保护范围之内。
Claims (5)
1.一种预测锂离子电池材料电化学性能的仿真方法,其特征在于包括以下步骤:
步骤1、特征参数的获取:通过测试,获取电极材料的形貌和粒度分布特征,得到材料的一次颗粒和二次颗粒形貌和尺寸信息;
步骤2、物理模型的建立:根据材料的一次颗粒和二次颗粒形貌和尺寸信息,分别建立正极和负极的物理模型;
步骤3、数学模型的建立:使用菲克扩散方程或抛物线方程描述锂离子在正极和负极一次颗粒中的扩散行为;使用巴特勒-福尔默方程表示一次颗粒表面发生的电化学反应;电解液中载流子的扩散阻力用使用等效电阻表示;并在正极和负极颗粒上应用能量守恒和电荷守恒方程;
步骤4、仿真计算、根据步骤2中锂离子电池设计方案中各组分的性质,赋予步骤3数学模型中正极和负极相关热力学、动力学参数;并进行数值仿真计算,预测电池的充放电曲线、倍率充放电性能。
2.根据权利要求1所述的预测锂离子电池材料电化学性能的仿真方法,其特征在于:步骤1所述的测试其测试方法包括SEM表面形貌和/或激光粒度分析。
3.根据权利要求1或2所述的预测锂离子电池材料电化学性能的仿真方法,其特征在于:所述电极材料包括正极材料和/或负极材料。
4.根据权利要求3所述的预测锂离子电池材料电化学性能的仿真方法,其特征在于:所述正极材料为镍钴锰三元材料、磷酸铁锂、钴酸锂、镍酸锂、锰酸锂和/或磷酸锰锂中的一种或两种以上。
5.根据权利要求3所述的预测锂离子电池材料电化学性能的仿真方法,其特征在于:所述负极材料为人造石墨、天然石墨、中间相碳微球和/或钛酸锂中的一种或两种以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710208704.1A CN107066713B (zh) | 2017-03-31 | 2017-03-31 | 一种预测锂离子电池材料电化学性能的仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710208704.1A CN107066713B (zh) | 2017-03-31 | 2017-03-31 | 一种预测锂离子电池材料电化学性能的仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107066713A true CN107066713A (zh) | 2017-08-18 |
CN107066713B CN107066713B (zh) | 2019-06-21 |
Family
ID=59603192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710208704.1A Active CN107066713B (zh) | 2017-03-31 | 2017-03-31 | 一种预测锂离子电池材料电化学性能的仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107066713B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009397A (zh) * | 2017-12-01 | 2018-05-08 | 中南大学 | 预测锂离子电池材料电化学性能的仿真方法、装置及设备 |
CN108269692A (zh) * | 2018-02-11 | 2018-07-10 | 中国石油大学(北京) | 预测染料敏化太阳能电池性能的方法和装置 |
CN111062137A (zh) * | 2019-12-23 | 2020-04-24 | 荣盛盟固利新能源科技有限公司 | 一种锂离子电池性能预测模型及其构建方法和应用 |
CN111475956A (zh) * | 2020-04-13 | 2020-07-31 | 清华大学 | 电池设计方法、评估电池设计的方法及计算机设备 |
CN111965204A (zh) * | 2020-08-14 | 2020-11-20 | 厦门厦钨新能源材料股份有限公司 | 一种锂离子电池正极材料电活性的评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101191778A (zh) * | 2006-11-30 | 2008-06-04 | 比亚迪股份有限公司 | 一种判断石墨电化学性能的方法 |
CN101512365A (zh) * | 2006-09-04 | 2009-08-19 | 丰田自动车株式会社 | 二次电池的内部状态估计装置以及二次电池的内部状态估计方法 |
CN102236078A (zh) * | 2010-04-20 | 2011-11-09 | 深圳市比克电池有限公司 | 一种判断锂离子电池循环性能的方法 |
CN104899439A (zh) * | 2015-06-02 | 2015-09-09 | 吉林大学 | 一种锂离子电池机理建模方法 |
-
2017
- 2017-03-31 CN CN201710208704.1A patent/CN107066713B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101512365A (zh) * | 2006-09-04 | 2009-08-19 | 丰田自动车株式会社 | 二次电池的内部状态估计装置以及二次电池的内部状态估计方法 |
CN101191778A (zh) * | 2006-11-30 | 2008-06-04 | 比亚迪股份有限公司 | 一种判断石墨电化学性能的方法 |
CN102236078A (zh) * | 2010-04-20 | 2011-11-09 | 深圳市比克电池有限公司 | 一种判断锂离子电池循环性能的方法 |
CN104899439A (zh) * | 2015-06-02 | 2015-09-09 | 吉林大学 | 一种锂离子电池机理建模方法 |
Non-Patent Citations (1)
Title |
---|
汤依伟: "基于电化学一热辐合模型的锂离子动力电池放电行为研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009397A (zh) * | 2017-12-01 | 2018-05-08 | 中南大学 | 预测锂离子电池材料电化学性能的仿真方法、装置及设备 |
CN108009397B (zh) * | 2017-12-01 | 2020-01-17 | 中南大学 | 预测锂离子电池材料电化学性能的仿真方法、装置及设备 |
CN108269692A (zh) * | 2018-02-11 | 2018-07-10 | 中国石油大学(北京) | 预测染料敏化太阳能电池性能的方法和装置 |
CN108269692B (zh) * | 2018-02-11 | 2020-02-14 | 中国石油大学(北京) | 预测染料敏化太阳能电池性能的方法和装置 |
CN111062137A (zh) * | 2019-12-23 | 2020-04-24 | 荣盛盟固利新能源科技有限公司 | 一种锂离子电池性能预测模型及其构建方法和应用 |
CN111062137B (zh) * | 2019-12-23 | 2024-03-12 | 荣盛盟固利新能源科技有限公司 | 一种锂离子电池性能预测模型及其构建方法和应用 |
CN111475956A (zh) * | 2020-04-13 | 2020-07-31 | 清华大学 | 电池设计方法、评估电池设计的方法及计算机设备 |
CN111965204A (zh) * | 2020-08-14 | 2020-11-20 | 厦门厦钨新能源材料股份有限公司 | 一种锂离子电池正极材料电活性的评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107066713B (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Study on the performance evaluation and echelon utilization of retired LiFePO4 power battery for smart grid | |
Lyu et al. | A lead-acid battery's remaining useful life prediction by using electrochemical model in the Particle Filtering framework | |
Mei et al. | Experimental and numerical methods to investigate the overcharge caused lithium plating for lithium ion battery | |
CN107066713B (zh) | 一种预测锂离子电池材料电化学性能的仿真方法 | |
Ouyang et al. | A dynamic capacity degradation model and its applications considering varying load for a large format Li-ion battery | |
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 | |
Chiu et al. | Cycle life analysis of series connected lithium-ion batteries with temperature difference | |
Wang et al. | Internal resistance and heat generation of soft package Li4Ti5O12 battery during charge and discharge | |
Yang et al. | Thermal optimization of a kirigami-patterned wearable lithium-ion battery based on a novel design of composite phase change material | |
Lai et al. | Soft clustering of retired lithium-ion batteries for the secondary utilization using Gaussian mixture model based on electrochemical impedance spectroscopy | |
Leng et al. | Hierarchical degradation processes in lithium-ion batteries during ageing | |
Mao et al. | Dynamics of a blended lithium-ion battery electrode during galvanostatic intermittent titration technique | |
Mei et al. | Three-dimensional layered electrochemical-thermal model for a lithium-ion pouch cell Part II. The effect of units number on the performance under adiabatic condition during the discharge | |
Kwasi-Effah et al. | Dimensional analysis and modelling of energy density of lithium-ion battery | |
Haizhou | Modeling of Lithium-ion Battery for Charging/Discharging Characteristics Based on Circuit Model. | |
CN102608535A (zh) | 一种锂离子电池容量的预测方法 | |
Keshun et al. | Remaining useful life prediction of lithium-ion batteries using EM-PF-SSA-SVR with gamma stochastic process | |
Kang et al. | How electrode thicknesses influence performance of cylindrical lithium-ion batteries | |
CN110398693A (zh) | 一种退役磷酸铁锂单体电池状态快速评价方法 | |
Marangoni | Battery management system for li-ion batteries in hybrid electric vehicles | |
CN109033619A (zh) | 一种18650型锂电池放电循环的瞬态温度模型建模方法 | |
An et al. | A comparison of model prediction from P2D and particle packing with experiment | |
Xu et al. | Direct current internal resistance decomposition model for accurate parameters acquisition and application in commercial high voltage LiCoO2 battery | |
Zhang | High-power energy storage: ultracapacitors | |
CN103760212A (zh) | 一种磷酸铁锂正极材料循环寿命快速检测的方法 |
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 |