CN111812536A - 一种退役动力电池残值快速评估方法 - Google Patents
一种退役动力电池残值快速评估方法 Download PDFInfo
- Publication number
- CN111812536A CN111812536A CN202010640826.XA CN202010640826A CN111812536A CN 111812536 A CN111812536 A CN 111812536A CN 202010640826 A CN202010640826 A CN 202010640826A CN 111812536 A CN111812536 A CN 111812536A
- Authority
- CN
- China
- Prior art keywords
- battery
- model
- data
- battery pack
- retired
- 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.)
- Pending
Links
Images
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
-
- 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种退役动力电池残值快速评估方法。数据采集:获得理论分析模型足够的样本数据,建立动力电池特征状态评价分析的理论模型;建模:采用电化学检测‑计算机模拟联合技术建立退役电池的寿命预测模型,结合计算机模拟得出关于电池的SOC模型预测分析模型;数据分析:直接分析BMS均衡日志,根据每串电池均衡的频率和深度,评估电池自放电变化趋势,拟合出方程式;建立电池梯次利用配组应用标准体系并进行配组方法和多参数分析算法和软件系统化设计。该方法研究退役电池的多参数最优组合的原理特性,找到最优的近似算法,在计算资源需求、计算精度、配组效率和配组成本等因素间找到最优平衡,并将最终计算模型付诸实践。
Description
技术领域
本发明涉及电池领域,尤其涉及一种退役动力电池残值快速评估方法。
背景技术
检测和筛选环节是梯次利用的关键,由于回收动力电池的不一致性,进行梯次利用时需要对其的剩余使用价值和健康状态进行大量的检测,对于使用情况类似、可以成组的电池进行筛选。健康状态(SOH)指标包括电池容量、电压均衡性、自放电率、循环使用寿命(DOD)等。现行的有效解决该问题的方法是对梯级利用锂动力电池进行分选,一般从外观、容量、直流内阻、自放电率等几个方面对梯级利用锂动力电池进行分选,将不合格电池剔除。而在梯级利用锂动力电池分选指标中,直流内阻指标显得尤为重要,直流内阻的一致性对电池模组一致性产生重要的影响,因此有必要对电池直流内阻分选方法进行研究。
发明内容
有鉴于此,本发明的目的之一在于提供一种退役动力电池残值快速评估方法。
为达到上述目的,本发明采用如下技术方案:
本发明所提供的一种退役动力电池残值快速评估方法,其方案如下:
(1)数据采集,获得理论分析模型足够的样本数据,建立动力电池特征状态评价分析的理论模型;
(2)建模
采用电化学检测-计算机模拟联合技术建立退役电池的寿命预测模型,结合计算机模拟得出关于电池的SOC模型预测分析模型;
(3)数据分析
a. 内阻
R=[△U/△I] T
根据每次充电末期恒流充电电流降低时电流与电压的变化关系计算出内阻,再依据当前温度与充放电次数拟合成多阶方程;
b.容量
C=[△I、△t、△U] T
数据分析软件检索数据库中的数据,寻找电流稳定时间内的运行工况,导出电池电压、电流、温度信息并计算出电池充/放容量,依照充放电次数拟合成多阶方程;
c.自放电
直接分析BMS均衡日志,根据每串电池均衡的频率和深度,评估电池自放电变化趋势,拟合出方程式;
(4)建立电池梯次利用配组应用标准体系并进行配组方法和多参数分析算法和软件系统化设计。
优选地,所述数据采集中电动车电池组的运行数据包括电压(V)、内阻(R)、容量(C)、自放电性能是电池静态配组的四大要素。
优选地,所述数据采集中电动车电池组的运行数据还包括循环次数(N)、环境温度(T)、放电倍率(C)和放电深度(DOD)。
优选地,所述建模中采用电化学检测技术建立退役电池的等效电路模型,结合电池模型,采用最小二乘、KF等算法对电池等效电路模型的电容、电阻等参数进行识别,以建立退役电池的劣化失效模型,以描述退役电池的SOH。
优选地,所述电池梯次利用配组时,电池组充放电容量、电池组均衡容量、电池组带电量、电池组当前容量、电池组运行温度、电池组运行工况、电池组电压等基础数据与电池管理系统检测或计算后上传云服务平台。
优选地,所述数据分析中电池运行数据包括电池组衰减趋势、倍率性能、剩余寿命的计算。
本发明提供了一种退役动力电池残值快速评估方法,该方法研究退役电池的多参数最优组合的原理特性,找到最优的近似算法,在计算资源需求、计算精度、配组效率和配组成本等因素间找到最优平衡,并将最终计算模型付诸实践,与数据平台、配组标准进行配合实验,并进行相关的性能指标、参数精度等检测和验证实验,做出分析评价,直至项目研发系统能够准确的对退役电池价值进行评测,给出有针对性的评测结论。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的数据采集图;
图2为本发明的数据建模流程图;
图3为本发明的电池梯次利用配组应用标准系统组成拓扑图;
图4为本发明的电池运行数据分析倍率性能拟合三维图;
图5为本发明的电池运行数据分析倍率性能拟合曲面图;
图6为本发明的电池运行数据分析方法示例图;
图7为本发明的电池运行数据分析模型阵列图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
1、电池梯次利用配组要素及项目应用配组标准系统的建立
不一致性是影响锂电池组寿命最重要的因素,首先利用平台的大数据分析功能,采用电性能测试手段结合计算机模拟方式,确定动力电池梯次利用的核心配组要素,然后分析电池放电特性动态曲线,并通过计算机模型确定电池的充放电特性行为模拟模型,预判电池的性能特征,将电池的核心配组要素与电池充放电特性预判结果组合进行优化配组,是要建立的电池梯次利用配组标准系统建立的关键技术问题。
2、电池梯次利用配组方法和算法研究
利用回收的电池生产出尽可能多的符合标准的电池,以实现利润最大化,是企业要达到的最终应用目标。面对庞大的电池筛选对象,设计科学的配组方法和算法是该电池价值评测系统要解决的另一个关键技术问题,本项目开发运行参数及环境参数分析算法、软件,实现产业化。
电池梯次利用配组应用标准系统功能:
如图3-7所示,该系统是大数据、云服务、计算机与新能源动力电池技术的结合,提出了未来新能源行业发展的一种新模式,以云互联的新能源电池管理系统大数据采集平台为依托解决动力电池二次利用的配组技术问题。
该系统软硬件平台统一,减少多次开发环节;运用互联,但又不是单独的硬件、软件结合的系统,其互联特性决定了其可扩展性、灵活性、可维护性;大数据分析的加入,更增加了其智能性。
该系统以动力电池运行数据分析系统单元作为该项目的核心,能够通过动力电池终端的历史运行数据,评估出电池剩余价值,并通过运行工况及环境对电池的影响程度、电池本身的劣化情况对动力电池终端的电池系统、电池组、电池单体进行第一步分类,同时开发梯次电池配组筛选仪用于梯次利用电池PACK厂商进行第二步电池配组,促进该项目的产业化、市场化。
系统特点:
如图该系统对电池运行数据分析,分当前实时性能分析(倍率性能、剩余寿命)及衰减性能分析。衰减趋势、倍率性能、剩余寿命参数可直接反应梯次利用的电池的价值和配组投入、配组后的电池组性能。
电池梯次利用配组时,除了配组参数在配组时一致,还通过对电池组退役前的运行参数及环境参数分析,引入配组参数未来变化的趋势的预测,确保梯次利用寿命范围内的一致性。
电池组充放电容量、电池组均衡容量、电池组带电量、电池组当前容量、电池组运行温度、电池组运行工况、电池组电压等基础数据与电池管理系统检测或计算后上传云服务平台,电池组综合内阻可由电池管理系统或者电池运行数据分析系统计算,本项目由电池运行数据分析系统计算,电池组衰减趋势、倍率性能、剩余寿命由电池运行数据分析系统计算。数据分析模型数据的输入如上述阵列,分析方案按照上述3维度多阶方程,主参数通过曲线方式直观展现在云服务平台。3维度多阶方程分析方案能保证分析所得结果的精度,方程连续曲线与实际数据拟合度95%以上。
衰减趋势能体现电池组、模组、电池在退役前每个循环内电池组的实际容量、电池组的综合内阻、电池组的均衡容量(自放电性能)的数据,系统根据该参数将变化趋势相近的电池组分类,增加终端客户的配组率。倍率性能能体现电池组在不同的带电量、不同温度环境下的电池组允许放电倍率,指导梯次利用时电池组的使用领域。
3、评估过程
(1)数据采集,获得理论分析模型足够的样本数据,建立动力电池特征状态评价分析的理论模型。
如图1所示,电动车电池组的运行数据有两种途径上传到监控后台,分析用数据总结在监控后台调取。电压(V)、内阻(R)、容量(C)、自放电性能是电池静态配组的四大要素,循环次数(N)、环境温度(T)、放电倍率(C)和放电深度(DOD)则是退役电池寿命评估的主要因素,以上多个参数,当前状态均能通过仪器设备或者电池管理系统平台来进行检测或监控,本项目主要首先将选取研究样本,对退役前电池组在运行周期内多参数变化通过图1所示路径进行数据采集,建立评价方法和评价模型,结合计算机模拟得出关于电池的SOC模型和SOH预测分析模型。
(2)建模
如图2所示,采用电化学检测-计算机模拟联合技术建立退役电池的寿命预测模型,结合计算机模拟得出关于电池的SOC模型预测分析模型,最终提出退役电池的状态评测方法。
结合电化学分析技术和计算机模拟技术,将检测方法与理论预测相结合,更加准确地预测出退役电池当前所处的健康状态,以及在该状态时退役电池的剩余寿命。
采用电化学检测技术建立退役电池的等效电路模型,结合电池模型,采用如最小二乘、KF等算法对电池等效电路模型的电容、电阻等参数进行识别,以建立退役电池的劣化失效模型,以描述退役电池的SOH。
(3)数据分析
a. 内阻
R=[△U/△I] T
根据每次充电末期恒流充电电流降低时电流与电压的变化关系计算出内阻,再依据当前温度与充放电次数拟合成多阶方程。
b.容量
C=[△I、△t、△U] T
数据分析软件检索数据库中的数据,寻找电流稳定时间内的运行工况,导出电池电压、电流、温度信息并计算出电池充/放容量,依照充放电次数拟合成多阶方程。
c.自放电
直接分析BMS均衡日志,根据每串电池均衡的频率和深度,评估电池自放电变化趋势,拟合出方程式。
(4)建立电池梯次利用配组应用标准体系并进行配组方法和多参数分析算法和软件系统化设计。研究退役电池的多参数最优组合的原理特性,找到最优的近似算法,在计算资源需求、计算精度、配组效率和配组成本等因素间找到最优平衡,并将最终计算模型付诸实践,与数据平台、配组标准进行配合实验,并进行相关的性能指标、参数精度等检测和验证实验,做出分析评价,直至项目研发系统能够准确的对退役电池价值进行评测,给出有针对性的评测结论。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (6)
1.一种退役动力电池残值快速评估方法,其特征在于,其方案如下:
(1)数据采集,获得理论分析模型足够的样本数据,建立动力电池特征状态评价分析的理论模型;
(2)建模
采用电化学检测-计算机模拟联合技术建立退役电池的寿命预测模型,结合计算机模拟得出关于电池的SOC模型预测分析模型;
(3)数据分析
a. 内阻
R=[△U/△I] T
根据每次充电末期恒流充电电流降低时电流与电压的变化关系计算出内阻,再依据当前温度与充放电次数拟合成多阶方程;
b.容量
C=[△I、△t、△U] T
数据分析软件检索数据库中的数据,寻找电流稳定时间内的运行工况,导出电池电压、电流、温度信息并计算出电池充/放容量,依照充放电次数拟合成多阶方程;
c.自放电
直接分析BMS均衡日志,根据每串电池均衡的频率和深度,评估电池自放电变化趋势,拟合出方程式;
(4)建立电池梯次利用配组应用标准体系并进行配组方法和多参数分析算法和软件系统化设计。
2.根据权利要求1中所述的方法,其特征在于,所述数据采集中电动车电池组的运行数据包括电压(V)、内阻(R)、容量(C)、自放电性能是电池静态配组的四大要素。
3.根据权利要求1中所述的方法,其特征在于,所述数据采集中电动车电池组的运行数据还包括循环次数(N)、环境温度(T)、放电倍率(C)和放电深度(DOD)。
4.根据权利要求1中所述的方法,其特征在于,所述建模中采用电化学检测技术建立退役电池的等效电路模型,结合电池模型,采用最小二乘、KF等算法对电池等效电路模型的电容、电阻等参数进行识别,以建立退役电池的劣化失效模型,以描述退役电池的SOH。
5.根据权利要求1中所述的方法,其特征在于,所述电池梯次利用配组时,电池组充放电容量、电池组均衡容量、电池组带电量、电池组当前容量、电池组运行温度、电池组运行工况、电池组电压等基础数据与电池管理系统检测或计算后上传云服务平台。
6.根据权利要求1中所述的方法,其特征在于,所述数据分析中电池运行数据包括电池组衰减趋势、倍率性能、剩余寿命的计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010640826.XA CN111812536A (zh) | 2020-07-06 | 2020-07-06 | 一种退役动力电池残值快速评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010640826.XA CN111812536A (zh) | 2020-07-06 | 2020-07-06 | 一种退役动力电池残值快速评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111812536A true CN111812536A (zh) | 2020-10-23 |
Family
ID=72841592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010640826.XA Pending CN111812536A (zh) | 2020-07-06 | 2020-07-06 | 一种退役动力电池残值快速评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111812536A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505573A (zh) * | 2020-11-23 | 2021-03-16 | 贵州电网有限责任公司 | 一种退役动力电池的一致性评价指标计算方法 |
CN112526347A (zh) * | 2020-11-13 | 2021-03-19 | 瑞萨科林(上海)新能源有限公司 | 一种退役车用锂离子动力电池评估模型 |
CN112989574A (zh) * | 2021-02-18 | 2021-06-18 | 北京理工大学 | 一种动力电池及其电池管理系统的闭环联合设计方法 |
CN113138347A (zh) * | 2021-05-21 | 2021-07-20 | 张家港清研检测技术有限公司 | 一种双脉冲信号采集电池参数及计算动力电池余能的方法 |
CN113161635A (zh) * | 2021-04-26 | 2021-07-23 | 东方醒狮储能电池有限公司 | 一种基于射频感应的锂动力电池组热监测管理系统 |
CN113283166A (zh) * | 2021-05-21 | 2021-08-20 | 上海电力大学 | 一种退役动力电池剩余价值优化方法 |
CN113391229A (zh) * | 2021-05-14 | 2021-09-14 | 国网河北省电力有限公司经济技术研究院 | 退役动力电池的性能评价方法、设备及系统 |
CN113884910A (zh) * | 2021-10-19 | 2022-01-04 | 岚图汽车科技有限公司 | 动力电池残值评估方法、装置、设备及可读存储介质 |
CN115015769A (zh) * | 2022-08-10 | 2022-09-06 | 深圳市杰成镍钴新能源科技有限公司 | 动力电池残值估算方法、装置、设备及介质 |
CN116754967A (zh) * | 2023-04-24 | 2023-09-15 | 中广核新能源安徽有限公司固镇分公司 | 用于储能电站电化学电池在线评估的方法和系统 |
CN117949831A (zh) * | 2024-03-27 | 2024-04-30 | 牡丹江师范学院 | 一种可调式物理相似模拟实验平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332666A (zh) * | 2014-08-28 | 2015-02-04 | 国家电网公司 | 一种退役动力锂电池可用性评价方法 |
CN106443475A (zh) * | 2016-10-21 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于运营大数据的退役动力电池无拆解再次利用筛选方法 |
CN110501652A (zh) * | 2019-09-05 | 2019-11-26 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
-
2020
- 2020-07-06 CN CN202010640826.XA patent/CN111812536A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104332666A (zh) * | 2014-08-28 | 2015-02-04 | 国家电网公司 | 一种退役动力锂电池可用性评价方法 |
CN106443475A (zh) * | 2016-10-21 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于运营大数据的退役动力电池无拆解再次利用筛选方法 |
CN110501652A (zh) * | 2019-09-05 | 2019-11-26 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
Non-Patent Citations (5)
Title |
---|
张利中: "再利用退役锂动力电池的性能评估", 《电源技术》 * |
殷娟娟: "退役锂电池快速评价及分选方法研究", 《重庆理工大学学报(自然科学)》 * |
赵光金: "退役动力锂电池可用性评价方法研究", 《电源技术》 * |
邱美艳: "《光伏发电系统集成》", 31 August 2019 * |
陈伟华: "梯次利用锂离子电池循环性能分析", 《华北电力技术》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112526347A (zh) * | 2020-11-13 | 2021-03-19 | 瑞萨科林(上海)新能源有限公司 | 一种退役车用锂离子动力电池评估模型 |
CN112505573A (zh) * | 2020-11-23 | 2021-03-16 | 贵州电网有限责任公司 | 一种退役动力电池的一致性评价指标计算方法 |
CN112989574A (zh) * | 2021-02-18 | 2021-06-18 | 北京理工大学 | 一种动力电池及其电池管理系统的闭环联合设计方法 |
CN113161635B (zh) * | 2021-04-26 | 2024-02-06 | 东方醒狮储能电池有限公司 | 一种基于射频感应的锂动力电池组热监测管理系统 |
CN113161635A (zh) * | 2021-04-26 | 2021-07-23 | 东方醒狮储能电池有限公司 | 一种基于射频感应的锂动力电池组热监测管理系统 |
CN113391229B (zh) * | 2021-05-14 | 2022-04-08 | 国网河北省电力有限公司经济技术研究院 | 退役动力电池的性能评价方法、设备及系统 |
CN113391229A (zh) * | 2021-05-14 | 2021-09-14 | 国网河北省电力有限公司经济技术研究院 | 退役动力电池的性能评价方法、设备及系统 |
CN113283166A (zh) * | 2021-05-21 | 2021-08-20 | 上海电力大学 | 一种退役动力电池剩余价值优化方法 |
CN113138347B (zh) * | 2021-05-21 | 2023-01-31 | 张家港清研检测技术有限公司 | 一种双脉冲信号采集电池参数及计算动力电池余能的方法 |
CN113138347A (zh) * | 2021-05-21 | 2021-07-20 | 张家港清研检测技术有限公司 | 一种双脉冲信号采集电池参数及计算动力电池余能的方法 |
CN113884910A (zh) * | 2021-10-19 | 2022-01-04 | 岚图汽车科技有限公司 | 动力电池残值评估方法、装置、设备及可读存储介质 |
CN115015769A (zh) * | 2022-08-10 | 2022-09-06 | 深圳市杰成镍钴新能源科技有限公司 | 动力电池残值估算方法、装置、设备及介质 |
CN115015769B (zh) * | 2022-08-10 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 动力电池残值估算方法、装置、设备及介质 |
CN116754967A (zh) * | 2023-04-24 | 2023-09-15 | 中广核新能源安徽有限公司固镇分公司 | 用于储能电站电化学电池在线评估的方法和系统 |
CN117949831A (zh) * | 2024-03-27 | 2024-04-30 | 牡丹江师范学院 | 一种可调式物理相似模拟实验平台 |
CN117949831B (zh) * | 2024-03-27 | 2024-05-31 | 牡丹江师范学院 | 一种可调式物理相似模拟实验平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111812536A (zh) | 一种退役动力电池残值快速评估方法 | |
CN112731159B (zh) | 一种储能电站电池舱电池故障预判及定位的方法 | |
CN107093775B (zh) | 一种串联结构电池组的一致性评价方法及装置 | |
CN110224192A (zh) | 一种梯次利用动力电池寿命预测方法 | |
CN112632850B (zh) | 一种锂电池组中异常电池的检测方法及系统 | |
CN107367698B (zh) | 电动汽车锂电池组的健康状态预测方法 | |
CN107329088A (zh) | 电池的健康状态诊断装置和方法 | |
Zhang et al. | Aging performance characterization and state-of-health assessment of retired lithium-ion battery modules | |
CN105304954A (zh) | 一种电池的配组方法及其配组系统 | |
CN112147530B (zh) | 一种电池状态评价方法及装置 | |
CN101738585A (zh) | 一种判定蓄电池容量与健康度的方法及系统 | |
Li et al. | The lithium-ion battery state-of-charge estimation using random forest regression | |
CN110045292A (zh) | 基于大数据和bp神经网络的锂离子电池SOC预测方法 | |
Xu et al. | A vehicle-cloud collaborative method for multi-type fault diagnosis of lithium-ion batteries | |
CN112083346B (zh) | 基于lstm的并联电池组内部电流分布估计方法及系统 | |
CN116401585B (zh) | 一种基于大数据的储能电池失效风险评估方法 | |
CN111580003A (zh) | 一种基于阻抗谱的二次电池不一致性鉴别方法及装置 | |
CN108957331A (zh) | 电池性能检测方法及电池性能检测系统 | |
CN115061058A (zh) | 退役动力电池梯次利用剩余寿命测算方法及系统 | |
CN115480180A (zh) | 一种新能源电池健康诊断分析方法 | |
CN112180279A (zh) | 一种退役电池健康状态诊断专家系统 | |
CN115616425A (zh) | 电池性能分析方法、电子设备及储能系统 | |
CN114675187A (zh) | 一种物理机理和机器学习融合的锂离子电池寿命预测方法 | |
CN109299552A (zh) | 一种电池能量状态的评估方法及其评估系统 | |
CN204030697U (zh) | 基于动态soc估算系统的电池管理系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201023 |