CN108417917A - 一种锂离子电池快速充电方法 - Google Patents
一种锂离子电池快速充电方法 Download PDFInfo
- Publication number
- CN108417917A CN108417917A CN201810021404.7A CN201810021404A CN108417917A CN 108417917 A CN108417917 A CN 108417917A CN 201810021404 A CN201810021404 A CN 201810021404A CN 108417917 A CN108417917 A CN 108417917A
- Authority
- CN
- China
- Prior art keywords
- voltage
- battery
- lithium ion
- charging
- ion battery
- 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
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 50
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000007600 charging Methods 0.000 claims abstract description 66
- 230000002999 depolarising effect Effects 0.000 claims abstract description 8
- 230000028161 membrane depolarization Effects 0.000 claims description 6
- 238000010277 constant-current charging Methods 0.000 claims description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 2
- 229910052744 lithium Inorganic materials 0.000 claims description 2
- 230000010287 polarization Effects 0.000 abstract description 18
- 238000010280 constant potential charging Methods 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010281 constant-current constant-voltage charging Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005518 electrochemistry Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
- H01M10/446—Initial charging measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- 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
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
- H01M10/448—End of discharge regulating measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种锂离子电池快速充电方法,包括以下步骤:首先确保端电压不低于预充电电压,若是则对电池进行预充电处理;然后采用恒流大电流的方法充电至恒压阶段的电压;随后采用恒压充电方式充电至端电压达到恒压阶段结束的电压;随后进入智能去极化充电模式,此阶段采用神经网络控制对充电电流及反向脉冲电流进行精确控制,以减去电池的极化现象;最后当端电压不再增长,采用恒流小电流将电池充满。上述方法,不仅满足整个充电过程的控制要求,而且大幅度提高了锂离子电池充电速度,减小锂离子电池充电时间;同时确保电池的充电电流始终保持在电池的可接受范围,降低了电池的温升,减少了电池的析气量,保证了电池充电过程的安全性。
Description
技术领域
本发明涉及一种锂离子电池快速充电方法,尤其是一种对锂离子电池充电时的极化电压进行计算并相应进行去极化操作的快速充电方法。
背景技术
传统的锂离子充电方法有连续充电方法和脉冲充电方法。而连续充电包括恒定电流充电、恒定电压充电以及恒流恒压充电三种充电方法。在传统充电方法中,如果充电电流过高,电池的极化现象将加剧,锂离子电池的极化现象如图1所示,电池的极化现象分为欧姆极化、电化学极化、浓度差极化,欧姆极化在电池的整个充电过程中维持不变,而电化学极化和浓度差极化随着电池的充电过程愈发剧烈。严重的极化现象使得电池温升剧烈升高,外部表现为内阻增加,从而导致电池充电接受能力的下降,影响电池充电效率,严重的极化现象甚至使电池出现析气现象,造成电池极板物质脱落,对电池造成不可逆的损害。如果电池整个充电过程中充电电流的尽量满足马斯三定律,也就是让充电电流尽量的逼近电池接受如图2所示的最佳充电曲线,电池的极化现象将得到控制,电池也将在较少析气的状态中充电,从而保护电池。达到缩短锂离子电池充电时间,提高电池充电效率,延长电池寿命的目的。
发明内容
针对上述现有技术的不足,本发明的目的在于提供一种锂离子电池快速充电控制方法,将人工神经网络控制和模糊控制相结合,以此自适应的调节锂离子电池充电过程中的充电电流,解决现有技术中充电时间长、充电过程温升较高等问题。本发明采用的控制算法高效,计算量小,可用于锂离子电池管理系统,能够对充电过程中的电池端电压进行实时预测,保证了对电池工况的准确把控。
本发明是这样来实现上述目的:
一种锂离子电池快速充电方法,包括以下步骤:
A.判断锂离子电池的端电压是否低于预充电电压,若是则对锂离子电池进行预充电,直到端电压不低于预充电电压;
B.对锂离子电池进行恒流充电,当端电压达到恒压阶段的电压时暂停充电;
C.对锂离子电池进行恒压充电,当充电电流达到0.1C时暂停充电;
D.对锂离子电池进行去极化充电,将此时的充电电流及端电压输入至神经网络控制模型计算获得锂离子电池的极化电压值,将极化电压至与锂离子电池的析气点电压进行比对,当极化电压达到析气点电压时,根据极化电压及荷电状态计算获得去极化电流脉冲的宽度,并根据去极化电流脉冲的宽度对锂离子电池进行反向脉冲充电;当端电压低于锂离子充电截止电压并判断端电压的增量为0时,暂停充电;
E.对锂离子电池进行恒流小电流充电,直到端电压达到锂离子充电截止电压。
其中神经网络控制模型包括4层:
第1层的输入量分别为
,
,
输出量为
,
式中i=1,2,j=1,2,....,7; 为k时刻锂离子电池的端电压; 为k时刻锂离子电池的端电压变化率;
第二层的输入量为
,
输出量为
),
式中i=1,2;j=1,2,...,7; 为第一层的输出量; 为隶属度函数的中心值;为隶属度函数的宽度;
第三层的输入量为
,
输出量为
,
式中i=1,2,...,7; 及 为第二层的输出量;
第四层输入量为
,
输出量为
,
式中i=1,2,3;j=1,2,...,7; 为第三层的输出量; 为权值系数; ;; ;
上述模型获得以下输出参数
, , ,
,
,
,
式中初始值设定为5.5, 初始值设定为0.045, 初始值设定为1;
并通过下式计算获得极化电压
,
上述公式中的权值系数 ,隶属度函数的中心值 及隶属度函数的宽度 按照下述公式计算获得
,
,
,
式中i=1,2;j=1,2,...,7; ; ; ; ;。
本发明的有益效果:过神经网络控制模型的实时计算和修正,预测得到电池的端电压,然后根据电池充电过程中各个阶段的不同特性,自适应的调整电池各个阶段的充电电流,实现对电池的充电过程实时控制,最终实现电池充电速度、充电效率的提升,并在有效的控制了充电过程中电池的温升。
附图说明
下面结合附图对本发明进一步说明:
图1是锂离子电池充电过程中极化现象示意图;
图2是锂离子电池充电最佳曲线示意图;
图3是本发明的锂离子电池快速充电控制方法的流程图;
图4是本发明的控制系统示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
如图3所示,本发明提供一种锂离子电池快速充电控制方法,所述锂离子电池快速充电控制方法至少包含以下步骤:
充电初期,电池在开始阶段不能接受大电流,故应首先判断电池端电压是否低于预充电电压,若电池低于所述预充电电压,则采用0.2C的电流对电池进行预充电,确保电池端电压不低于所述预充电电压;完成预充电后,对电池进行恒流大电流充电,此步骤中电池虽然可以接受大电流,但是考虑到过大的电流将会产生大量的热量,使得电池造成温度升高过快的现象,故采用2C的电流以恒流充电的方式对电池充电,当电池端电压达到恒压阶段的电压时暂停充电。完成步骤二后,电池进入恒压充电阶段,在此阶段,对电池进行恒压充电,当电池端电压达到恒压阶段结束的电压时暂停充电。完成步骤四后,对电池进行智能去极化充电,此段也是整个充电过程中阶段最重要的阶段。电流过大容易产生析气,电流过小将增加充电时间,同时如控制不当造成过冲将减少电池的使用寿命,甚至有爆炸的危险。所以对这一阶段应尽量满足马斯定律,减少充电时间。 当检测到电池需要去极化时,神经网络控制器输入极化电压和电池荷电状态SOC作为输入量,以去极化电流脉冲宽度作为输出,对电池进行反向大电流去极化处理。当电池端电压低于充电截止电压并且电压增量为0时,电池暂停充电。 完成步骤四后,如果停止充电,电池将会自放电,因此采用0.05C的充电电流对电池进行恒流小电流充电,将电池充满。
锂离子电池充电过程中,欧姆极化是不能消除的,因此,要想消除极化作用,只能针对浓差和电化学极化,锂离子电池充电过程中,存在一个电压点,当这个点的电压超过一定值时,锂离子电池的浓差电化学极化会瞬间增大,这个点叫做析气点电压,当神经网络模糊控制器预测的电池端电压接近电池的析气电压时,对电池进行反向脉冲充电,起到对电池去极化的作用。锂离子电池充电过程中,电池的端电压与充电电流、环境温度和前一时刻的端电压有关,以此电池的端电压可表示为后面三个量的函数关系,因我们的充电过程是在室温环境下进行,所以环境温度变化较小,为便于研究忽略环境温度的影响,通过对电池的大量实验,以及对实验数据的采集,构建出一个双输入单输出的 RBF神经网络来构建理想的锂离子电池充电模型,输入为电池端电压和电池端电压变化率,相邻的下一时刻的预测电压值作为输出。神经网络控制系统如图4显示, 和 分别为电池端电压和电池端电压变化率为输入量; 为预测的下一个时刻电池端电压,在系统中表现为对充电过程去极化时机的判断,当 接近于电池的析气电压时,对电池进行反向脉冲充电, 为系统中实际测量的电池端电压。其中,神经网络算法分为4层。
第一层为输入层,将电池端电压与电池端电压变化率定义为输入量
输入为
输出:,(i=1,2; j=1,2,....,7);
第二层输入为
(i=1,2;j=1,2,...,7)
输出
)(i=1,2;j=1,2,...,7)
为隶属度函数的中心值,为隶属度函数的宽度。
第三层输入为
(i=1,2,...,7)
输出为
(i=1,2,...,7)
第四层为输出层,输入为
(i=1,2,3;j=1,2,...,7)
输出为
(i=1,2,3)
输出三个参数:
,, ,
初始值设定为5.5,初始值设定为0.045,初始值设定为1。
下一时刻电池的端电压
权值系数 ,隶属度函数的中心值 ,隶属度函数的宽度 ,节点权重 的迭代公式为:
,
,
,
神经网络控制器输入极化电压和电池荷电状态SOC作为输入量,以去极化电流脉冲宽度L作为输出。电池的极化电压计算公式为:
其中,为电池的预测的端电压,I为充电电流,R0为电池的欧姆电阻。
论域为{0,+1,+2,+3,+4,+5,+6},将4.2V分成7分平均分配在各个论域上。SOC的论域为{0,+1,+2,+3,+4,+5,+6},具体值为{0,0.4,0.5,0.7,0.8,0.9,1}。L宽度为0~1s,论域取为{0,+1,+2,+3,+4,+5,+6,+7,+8,+9},将1s分成10分平均分配在各个论域上。根据经验确定隶属函数,、SOC以及L的模糊控制表如表1所示,通过查表获得脉冲宽度L,在确定好反向脉冲充电的时机和脉冲宽度后,对电池进行1C倍率放电去极化。
表1
Claims (2)
1.一种锂离子电池快速充电方法,其特征在于:包括以下步骤:
A.判断锂离子电池的端电压是否低于预充电电压,若是则对锂离子电池进行预充电,直到端电压不低于预充电电压;
B.对锂离子电池进行恒流充电,当端电压达到恒压阶段的电压时暂停充电;
C.对锂离子电池进行恒压充电,当充电电流达到0.1C时暂停充电;
D.对锂离子电池进行去极化充电,将此时的充电电流及端电压输入至神经网络控制模型计算获得锂离子电池的极化电压值,将极化电压至与锂离子电池的析气点电压进行比对,当极化电压达到析气点电压时,根据极化电压及荷电状态计算获得去极化电流脉冲的宽度,并根据去极化电流脉冲的宽度对锂离子电池进行反向脉冲充电;当端电压低于锂离子充电截止电压并判断端电压的增量为0时,暂停充电;
E.对锂离子电池进行恒流小电流充电,直到端电压达到锂离子充电截止电压。
2.根据权利要求1所述一种锂离子电池快速充电方法,其特征在于:所述神经网络控制模型包括4层:
第1层的输入量分别为
,
,
输出量为
,
式中i=1,2,j=1,2,....,7;为k时刻锂离子电池的端电压;为k时刻锂离子电池的端电压变化率;
第二层的输入量为
,
输出量为
),
式中i=1,2;j=1,2,...,7;为第一层的输出量;为隶属度函数的中心值;为隶属度函数的宽度;
第三层的输入量为
,
输出量为
,
式中i=1,2,...,7;及为第二层的输出量;
第四层输入量为
,
输出量为
,
式中i=1,2,3;j=1,2,...,7;为第三层的输出量;为权值系数;;;;
上述模型获得以下输出参数
,, ,
,
,
,
式中初始值设定为5.5,初始值设定为0.045,初始值设定为1;
并通过下式计算获得极化电压
,上述公式中的权值系数,隶属度函数的中心值及隶属度函数的宽度按照下述公式计算获得
,
,
,
式中i=1,2;j=1,2,...,7;;;;;。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810021404.7A CN108417917B (zh) | 2018-01-10 | 2018-01-10 | 一种锂离子电池快速充电方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810021404.7A CN108417917B (zh) | 2018-01-10 | 2018-01-10 | 一种锂离子电池快速充电方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108417917A true CN108417917A (zh) | 2018-08-17 |
CN108417917B CN108417917B (zh) | 2020-07-24 |
Family
ID=63125434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810021404.7A Active CN108417917B (zh) | 2018-01-10 | 2018-01-10 | 一种锂离子电池快速充电方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108417917B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109473745A (zh) * | 2018-12-24 | 2019-03-15 | 广东省智能制造研究所 | 一种电池快速充电方法及装置 |
CN110896239A (zh) * | 2019-11-22 | 2020-03-20 | 江苏聚合新能源科技有限公司 | 18650锂离子电池包充电系统、无绳吸尘器及其充电方法 |
CN113246783A (zh) * | 2021-06-07 | 2021-08-13 | 蜂巢能源科技有限公司 | 充电控制的方法、装置、电子设备以及车辆 |
CN113571787A (zh) * | 2020-04-29 | 2021-10-29 | 北京小米移动软件有限公司 | 一种锂离子电池的充电方法 |
CN114122500A (zh) * | 2021-11-24 | 2022-03-01 | 东莞新能安科技有限公司 | 电化学装置及其控制方法、电子装置、介质和充电装置 |
CN115498729A (zh) * | 2022-09-23 | 2022-12-20 | 深圳同圆智联科技有限公司 | 一种电池包及其充电方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016131452A (ja) * | 2015-01-14 | 2016-07-21 | 株式会社豊田自動織機 | 充電電流制御装置及び充電電流制御方法 |
CN106129509A (zh) * | 2016-06-28 | 2016-11-16 | 北方工业大学 | 一种充放电控制器集成蓄电池 |
CN106564393A (zh) * | 2016-07-26 | 2017-04-19 | 华南理工大学 | 一种电动汽车大功率智能化快速充电电源系统及控制方法 |
CN106684480A (zh) * | 2016-11-22 | 2017-05-17 | 四川尚航智能科技有限公司 | 一种基于pwm控制智能锂电池电容式充电方法 |
-
2018
- 2018-01-10 CN CN201810021404.7A patent/CN108417917B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016131452A (ja) * | 2015-01-14 | 2016-07-21 | 株式会社豊田自動織機 | 充電電流制御装置及び充電電流制御方法 |
CN106129509A (zh) * | 2016-06-28 | 2016-11-16 | 北方工业大学 | 一种充放电控制器集成蓄电池 |
CN106564393A (zh) * | 2016-07-26 | 2017-04-19 | 华南理工大学 | 一种电动汽车大功率智能化快速充电电源系统及控制方法 |
CN106684480A (zh) * | 2016-11-22 | 2017-05-17 | 四川尚航智能科技有限公司 | 一种基于pwm控制智能锂电池电容式充电方法 |
Non-Patent Citations (1)
Title |
---|
白婷: ""锂离子电池间歇-正负脉冲优化充电方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109473745A (zh) * | 2018-12-24 | 2019-03-15 | 广东省智能制造研究所 | 一种电池快速充电方法及装置 |
CN109473745B (zh) * | 2018-12-24 | 2024-03-08 | 广东省智能制造研究所 | 一种电池快速充电方法及装置 |
CN110896239A (zh) * | 2019-11-22 | 2020-03-20 | 江苏聚合新能源科技有限公司 | 18650锂离子电池包充电系统、无绳吸尘器及其充电方法 |
CN110896239B (zh) * | 2019-11-22 | 2021-02-26 | 江苏聚合新能源科技有限公司 | 18650锂离子电池包充电系统、无绳吸尘器及其充电方法 |
CN113571787A (zh) * | 2020-04-29 | 2021-10-29 | 北京小米移动软件有限公司 | 一种锂离子电池的充电方法 |
CN113571787B (zh) * | 2020-04-29 | 2023-04-07 | 北京小米移动软件有限公司 | 一种锂离子电池的充电方法 |
CN113246783A (zh) * | 2021-06-07 | 2021-08-13 | 蜂巢能源科技有限公司 | 充电控制的方法、装置、电子设备以及车辆 |
CN113246783B (zh) * | 2021-06-07 | 2021-10-01 | 蜂巢能源科技有限公司 | 充电控制的方法、装置、电子设备以及车辆 |
CN114122500A (zh) * | 2021-11-24 | 2022-03-01 | 东莞新能安科技有限公司 | 电化学装置及其控制方法、电子装置、介质和充电装置 |
CN115498729A (zh) * | 2022-09-23 | 2022-12-20 | 深圳同圆智联科技有限公司 | 一种电池包及其充电方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108417917B (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108417917A (zh) | 一种锂离子电池快速充电方法 | |
CN107991623B (zh) | 一种考虑温度和老化程度的电池安时积分soc估计方法 | |
Jiang et al. | Evaluation of acceptable charging current of power Li-ion batteries based on polarization characteristics | |
CN101388477B (zh) | 一种快速充电方法 | |
CN106130112B (zh) | 锂电池充、放电管理系统及方法 | |
CN104617330B (zh) | 电池微短路的识别方法 | |
CN107765190B (zh) | 一种长寿命快充型磷酸铁锂电池的寿命预测方法 | |
CN105449295B (zh) | 动力电池均衡控制方法、装置和电路 | |
CN107015157B (zh) | 基于恒流等压升片段的锂电池剩余循环寿命在线快速测试法 | |
CN101814640B (zh) | 改进型动力锂离子电池cc-cv充电方法 | |
CN105015360B (zh) | 汽车动力电池sof的监测方法 | |
CN101814639B (zh) | 动力锂离子电池极化电压控制充电方法 | |
CN106300545B (zh) | 一种用于液态金属电池的主动均衡控制装置及控制方法 | |
CN103985917B (zh) | 一种锂电池低温充放电方法 | |
CN106450536A (zh) | 一种锂离子电池快速充电方法 | |
CN101316048A (zh) | 镍氢动力蓄电池组智能充电控制方法 | |
CN107069120A (zh) | 一种电动车汽车锂离子电池的快充装置和方法 | |
CN105116344B (zh) | 基于二进制编码的电池开路电压估算方法 | |
CN104316879B (zh) | 一种铅酸蓄电池组寿命的预测方法 | |
CN107024664B (zh) | 基于恒流充电片段的锂电池剩余寿命快速预测法 | |
CN109839599B (zh) | 基于二阶ekf算法的锂离子电池soc估计方法 | |
CN107452997A (zh) | 基于锂表面浓度的基于模型的快速充电方法 | |
CN103956530A (zh) | 一种锂离子电池快速充电控制方法 | |
CN104852423B (zh) | 一种充电均衡控制电路、电池组充电管理系统及方法 | |
CN107769335A (zh) | 一种多模式锂电池智能充电管理方法及装置 |
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 |