CN113505500B - 电池热失控预测方法、装置及计算机可读存储介质 - Google Patents

电池热失控预测方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN113505500B
CN113505500B CN202111058590.XA CN202111058590A CN113505500B CN 113505500 B CN113505500 B CN 113505500B CN 202111058590 A CN202111058590 A CN 202111058590A CN 113505500 B CN113505500 B CN 113505500B
Authority
CN
China
Prior art keywords
battery
thermal runaway
self
heat
hot box
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
CN202111058590.XA
Other languages
English (en)
Other versions
CN113505500A (zh
Inventor
胡伟东
王茂范
胡朝帅
徐亚杰
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.)
Svolt Energy Technology Co Ltd
Original Assignee
Svolt Energy Technology Co Ltd
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 Svolt Energy Technology Co Ltd filed Critical Svolt Energy Technology Co Ltd
Priority to CN202111058590.XA priority Critical patent/CN113505500B/zh
Publication of CN113505500A publication Critical patent/CN113505500A/zh
Application granted granted Critical
Publication of CN113505500B publication Critical patent/CN113505500B/zh
Priority to PCT/CN2022/094746 priority patent/WO2023035672A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644Constructional arrangements
    • G01R31/3648Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提供了一种电池热失控预测方法、装置及计算机可读存储介质,本发明的电池热失控预测方法,是在热箱温度T、电池自产热起始温度T1和热失控起始温度T2满足T1<T<T2时:若电池自产热速率K1大于热箱向电池内部的传热速率K2,则电池表面先发生热失控。若电池自产热速率K1小于热箱向电池内部的传热速率K2,则电池内部自产热量积累至极限值时先发生热失控,电池内部自产热量未积累至极限值时不会发生热失控。本发明所述的电池热失控预测方法,能够替代热箱测试方法,来有效评估电池安全性,以及准确地获取电池热箱测试的安全边界,且测试成本低、测试周期短。

Description

电池热失控预测方法、装置及计算机可读存储介质
技术领域
本发明涉及电池状态诊断技术领域,特别涉及一种电池热失控预测方法。
背景技术
锂离子电池以其高能量密度、循环寿命长及环保安全等优点,成为目前备受关注的二次电池。然而,随着锂离子电池的广泛应用,电池安全事故时有发生,锂离子电池的安全问题也越来越受到广泛的关注。因此,清楚认知电池在滥用情况下所能承受的极限是十分必要的。
锂离子电池的滥用情况主要分为:热滥用、机械滥用和电滥用;其中,不同的安全测试项目通过的难易程度是不同的,且一般认为针刺、过充、热箱和短路属于较难通过的滥用测试。
锂离子电池的安全性一般可从材料层级与电池单体层级进行评估,材料热稳定性难以真实准确的反应电池单体的安全性。目前,经常利用热箱来模拟电池或装有电池的仪器放在很热的环境中,并通过逐渐升高温度的方式来测出电池的忍耐限度,该测试过程称为热箱测试。
但是现有技术中,热箱测试只能评估某一温度下的电池是否能够通过测试,也即热箱测试只能评估某一温度下电池的安全性,而不能得知热箱的安全边界。在热箱测试过程,锂离子电池的容量越大,对设备的损害越大,测试成本与电池制作成本均越高,且测试周期与电池制作周期也越长。同时,热箱测试还存在样品量较少的条件下,难以满足重复性试验的需求。
发明内容
有鉴于此,本发明旨在提出一种电池热失控预测方法,以可替代热箱测试方法,并有效评估电池安全性。
为达到上述目的,本发明的技术方案是这样实现的:
一种电池热失控预测方法,该方法是在热箱温度T、电池自产热起始温度T1和热失控起始温度T2满足T1<T<T2时:
若电池自产热速率K1大于热箱向电池内部的传热速率K2,则电池表面先发生热失控;
若电池自产热速率K1小于热箱向电池内部的传热速率K2,则电池内部自产热量积累至极限值时先发生热失控,电池内部自产热量未积累至极限值时不会发生热失控。
进一步的,所述电池自产热速率
Figure 974375DEST_PATH_IMAGE001
其中:Ax为指前因子;Ea,x为反应的活化能;R为摩尔气体常数;Tx为峰值温度;f(αx)为反应机理函数;x为DSC测试曲线的峰值排序的下限值,y为DSC测试曲线的峰值排序的上限值。
进一步的,所述电池自产热速率K1为分别依据正极和负极、正极和电解液、负极和电解液进行DSC测试后,而后进行动力学参数拟合并分别计算三者的自产热速率后求和所得。
进一步的,所述反应机理函数f(αx)=(1-αx)n(1+Kcatαx),
其中:n为反应级数,Kcat为催化系数,αx为反应物参与自催化反应的比例。
进一步的,所述热箱向电池内部的传热速率
Figure 907696DEST_PATH_IMAGE002
,其中:ki为所述电池的各组分的热导率;di为所述电池的各组 分的厚度;d为电池内极组的总厚度;i为电池的组分种类数的下限值;m为电池的组分种类 数的上限值。
进一步的,所述电池的各组分包括:正极涂料、正极集流体、隔膜、负极涂料、负极集流体、电解液和铝壳。
进一步的,在热箱温度T和电池自产热起始温度T1满足T<T1时,电池不会发生热失控。
进一步的,在热箱温度T和热失控起始温度T2满足T>T2时,电池表面先发生热失控。
一种电池热失控预测装置,包括电池热失控预测设备和计算机,其中,所述计算机包括存储器、处理器,所述存储器上存储有计算机程序,所述计算机程序在所述处理器运行时,执行本发明所述的电池热失控预测方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在处理器上运行时,执行本发明所述的电池热失控预测方法。
相对于现有技术,本发明具有以下优势:
本发明所述的电池热失控预测方法,通过对比电池自产热速率K1和热箱向电池内部的传热速率K2之间大小关系,并获取电池内部自产热量累积的极限值的方式,能够替代热箱测试方法,来评估电池安全性,以及准确的获取电池热箱测试的安全边界,进而实现对电池安全性的表征,同时,还能够节约测试成本和周期,以及在样品数量较少的条件下,满足重复性实验的需求,快速简单有效。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的电池内各组分DSC测试曲线图;
图2为本发明实施例所述的电池内各组分DSC测试产热量的结果对比图;
图3为本发明实施例所述的动力学参数拟合数据的结果对比图;
图4为本发明实施例所述的电池内各组分热导率数据的对比图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
本实施例涉及一种电池热失控预测方法,该方法是在热箱温度T、电池自产热起始温度T1和热失控起始温度T2满足T1<T<T2时:若电池自产热速率K1大于热箱向电池内部的传热速率K2,则电池表面先发生热失控。若电池自产热速率K1小于热箱向电池内部的传热速率K2,则电池内部自产热量积累至极限值时先发生热失控,电池内部自产热量未积累至极限值时不会发生热失控。
需要注意的是,上述的热箱温度为模拟电池工作环境的温度。上述的电池自产热起始温度T1,其判定依据为电池自产热速率≥0.02℃/min。上述的电池热失控起始温度T2,其判定依据为电池自产热速率>1℃/min。
具体实施时,本实施例中的电池自产热速率
Figure 45417DEST_PATH_IMAGE003
,其中:Ax为指前因子;Ea,x为反应的活化能;R 为摩尔气体常数;Tx为峰值温度;f(αx)为反应机理函数;x为DSC测试曲线的峰值排序的下限 值,y为DSC测试曲线的峰值排序的上限值。
在此需要说明的是,峰值排序是指分辨DSC测试曲线的峰值数量,然后将所有的峰自1开始排序,可分别称之为第一个峰、第二个峰,直至第y个峰,x=1,2,…y,Ax、Ea,x、Tx和αx等参数均与峰值的数值相对应,峰值的数值不同,各参数会随之相应变化,具体可在拟合DSC测试曲线过程中确定。
而且,电池自产热速率K1为分别依据正极和负极、正极和电解液、负极和电解液进行DSC(Differential Scanning Calorimetry、差示扫描量热法)测试后,而后进行动力学参数拟合并分别计算三者的自产热速率后求和所得。
上述的反应机理函数f(αx)=(1-αx)n(1+Kcatαx),其中:n为反应级数,Kcat为催化系数,αx为反应物参与自催化反应的比例。当然,此处的反应机理函数f(αx)=(1-αx)n(1+Kcatαx)并非固定不变的,不同体系的电池在拟合时还对应有不同的反应机理函数。
具体实施时,本实施例中,热箱向电池内部的传热速率
Figure 648567DEST_PATH_IMAGE002
,其中:ki为电池的各组分的热导率;di为电池的各组分的厚度;d 为电池内极组的总厚度;i为电池的组分种类数的下限值;m为电池的组分种类数的上限值。 其中,电池的各组分包括:正极涂料、正极集流体、隔膜、负极涂料、负极集流体、电解液和铝 壳。
本实施例中,在热箱温度T和电池自产热起始温度T1满足T<T1时,电池不会发生热失控。同时,在热箱温度T和热失控起始温度T2满足T>T2时,电池表面先发生热失控。
下面,基于一次具体的测试来进一步说明本发明的方法,以验证本发明方法的可行性。首先分别对电池各组分进行DSC测试,选取放热量最多的三项进行不同升温速率的测试,并对测试所得的数据进行拟合,以得到动力学参数,之后对自产热速率进行计算。该具体测试过程及测试参数,如下:
S1、将电池1/3C CC-CV(恒流/恒压)充电到满电状态,然后在手套箱中拆解该电池。
S2、将拆解所得的正负极片用DMC(碳酸二甲酯)浸泡清洗3次,每次5min,然后在手套箱中晾干正负极片;其中,正极片需进行60℃真空烘烤,再封装进铝塑膜,而负极片不需要附加条件,在手套箱的常温下晾干,再封装进铝塑膜即可。
需要说明的是,DMC(碳酸二甲酯)是一种有机化合物,化学式为C3H6O3,DMC具有优良的溶解性能和低沸点的特性,在实际应用中,除了采用DMC浸泡和清洗正负极片外,也可以采用其它低沸点的有机溶剂,比如DEC(碳酸二乙酯)。
S3、在手套箱中制样,冲切出多个直径为D(D值可根据实际设计需要进行变化,本测试选取直径φ5mm)的极片(包括至少4个正极片和4个负极片),取出多个钢质坩埚;
然后将多个极片分别放入钢质坩埚中,并在部分钢质坩埚中放入2μL电解液,以制成组分分别为正极、负极、电解液、正极+电解液、负极+电解液、正极+负极及正极+负极+电解液的测试样本。
S4、对S3中的各测试样本进行DSC测试,测试时,将测试样本以不同的升温速率的温度由25℃升温至450℃。其中,升温速率分别取值为:5℃/min、 10℃/min、15℃/min及20℃/min。
测试结果参照图1至图4所示,其中,图1所示为电池内各组分DSC测试曲线图,横轴为温度,纵轴为放热量。其中,参照图1中横轴温度为100℃时,图中的各曲线从下往上依次表征的测试样本,分别为正极、负极、电解液、正极+电解液、负极+电解液、正极+负极+电解液及正极+负极。图2则为电池内各组分DSC测试产热量的结果对比图,从图中可以看出正极+电解液、负极+电解液、正极+负极的测试样本的产热量最多。
因此,选择这三项进行动力学参数拟合,也即通过反应机理函数f(αx)=(1-αx)n(1+Kcatαx)来进行计算,以得出图3所示的拟合结果,现在选取图3中正极+电解液的测试结果,进行电池自产热速率计算:
K正极+电解液=K正极+电解液-1+K正极+电解液-2
={3.639×1018×e^[(-212962)/(8.314×491.47)]×(1-0.39)2.665×(1+977.237×0.39)}+
{1.14×106×e^[(-91470)/(8.314×530.413)]×(1-0.61)2.274×(1+70.307×0.61)}=14.4
其中,3.639×1018和1.14×106为图3中对应正极+电解液测试样本的指前因子;
212962和91470为图3中对应正极+电解液测试样本的反应的活化能;
8.314为摩尔气体常数R;491.47和530.413为热箱温度T;
(1-0.39)2.665×(1+977.237×0.39)和(1-0.61)2.274×(1+70.307×0.61)为反应机理函数f(αx);
0.39和0.61为αx,其为采用NETZSCHKineticsNeo软件(耐驰公司的热动力学软件)进行动力学参数拟合得出。
同理可得:K负极+电解液=11.26;K正极+负极=11.02。
因此,总电池自产热速率K1=14.4+11.26+11.02=36.68。
此时,通过公式传热速率
Figure 137317DEST_PATH_IMAGE004
,并依据图4中电池内各组分热导率,以 及采用常规手段测得的各组分的厚度di和电池内极组的总厚度d,来计算电池内部传热速 率
Figure 343171DEST_PATH_IMAGE002
对比总电池自产热速率K1和电池内部传热速率K2可知,由于K1<K2,电池内部自产热量积累至极限值时先发生热失控,电池内部自产热量未积累至极限值时不会发生热失控。因此,依据计算得出的总电池自产热速率K1与传热速率K2,能够用来表征电池安全性,且K1还可用于准确表征电池热箱测试的安全边界。
综上所述,本实施例中对于电池安全性及安全边界的表征方式,具体为:
A、在T<T1时,电池可以安全工作,不会发生热失控,此时,T1用于表征电池可以安全工作的安全边界。
B、在T>T2时,电池不可以工作,其表面会先发生热失控,此时,T2用于表征超出电池工作的安全边界。
C、在T1<T<T2时,则需计算K1和K2;若K1>K2时,电池表面先发生热失控,此时,T用于表征超出电池工作的安全边界;若K1<K2时,T/K1=h(工作时长),可以计算出电池在T温度下的工作时长,此时,T与h共同用于表征电池工作的安全边界。
本实施例所述的电池热失控预测方法,通过对比电池自产热速率K1和热箱向电池内部的传热速率K2之间大小关系,并获取电池内部自产热量累积的极限值的方式,能够替代热箱测试方法,来评估电池安全性,以及准确的获取电池热箱测试的安全边界,进而实现对电池安全性的表征,同时,还能够节约测试成本和周期,以及在样品数量较少的条件下,满足重复性实验的需求,快速简单有效。
本实施例还提供一种电池热失控预测装置,其包括电池热失控预测设备和计算机。其中,计算机包括存储器、处理器,存储器上存储有计算机程序,计算机程序在处理器运行时,执行本实施例中的电池热失控预测方法。
此外,本实施例还一种计算机可读存储介质,其上存储有计算机程序。计算机程序在处理器上运行时,执行本实施例中的电池热失控预测方法。
对于实现上述实施例方法中的全部或部分流程,本领域技术人员可理解为是通过计算机程序或指令相关的硬件来完成的,该计算机程序可存储于一计算机可读取存储介质中,而该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、处理器、计算机程序或其它介质的任何引用,均可包括非易失性和/或易失性存储器。
非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。
当然,上述的RAM可以采用多种形式得到,如静态RAM(SRAM)、动态RAM(DRAM)、双数据率SDRAM(DDRSDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、同步DRAM(SDRAM)、直接存储器总线动态RAM(DRDRAM),以及存储器总线动态RAM(RDRAM)等。
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、改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种电池热失控预测方法,其特征在于:
该方法是在热箱温度T、电池自产热起始温度T1和热失控起始温度T2满足T1<T<T2时:
若电池自产热速率K1大于热箱向电池内部的传热速率K2,则电池表面先发生热失控;
若电池自产热速率K1小于热箱向电池内部的传热速率K2,则电池内部自产热量积累至极限值时先发生热失控,电池内部自产热量未积累至极限值时不会发生热失控;
所述电池自产热速率
Figure FDA0003325190530000011
其中:Ax为指前因子;Ea,x为反应的活化能;R为摩尔气体常数;Tx为峰值温度;f(αx)为反应机理函数;x为DSC测试曲线的峰值排序的下限值,y为DSC测试曲线的峰值排序的上限值;
所述热箱向电池内部的传热速率
Figure FDA0003325190530000012
其中:ki为所述电池的各组分的热导率;di为所述电池的各组分的厚度;d为电池内极组的总厚度;i为电池的组分种类数的下限值;m为电池的组分种类数的上限值;
所述电池的各组分包括:正极涂料、正极集流体、隔膜、负极涂料、负极集流体、电解液和铝壳。
2.根据权利要求1所述的电池热失控预测方法,其特征在于:
所述电池自产热速率K1为分别依据正极和负极、正极和电解液、负极和电解液进行DSC测试后,而后进行动力学参数拟合并分别计算三者的自产热速率后求和所得。
3.根据权利要求1所述的电池热失控预测方法,其特征在于:
所述反应机理函数f(αx)=(1-αx)n(1+Kcatαx),
其中:n为反应级数,Kcat为催化系数,αx为反应物参与自催化反应的比例。
4.根据权利要求1-3中任一项所述的电池热失控预测方法,其特征在于:
在热箱温度T和电池自产热起始温度T1满足T<T1时,电池不会发生热失控。
5.根据权利要求1-3中任一项所述的电池热失控预测方法,其特征在于:
在热箱温度T和热失控起始温度T2满足T>T2时,电池表面先发生热失控。
6.一种电池热失控预测装置,其特征在于:包括电池热失控预测设备和计算机,其中,所述计算机包括存储器、处理器,所述存储器上存储有计算机程序,所述计算机程序在所述处理器运行时,执行权利要求1-5中任一项所述的电池热失控预测方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序在处理器上运行时,执行权利要求1-5中任一项所述的电池热失控预测方法。
CN202111058590.XA 2021-09-10 2021-09-10 电池热失控预测方法、装置及计算机可读存储介质 Active CN113505500B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111058590.XA CN113505500B (zh) 2021-09-10 2021-09-10 电池热失控预测方法、装置及计算机可读存储介质
PCT/CN2022/094746 WO2023035672A1 (zh) 2021-09-10 2022-05-24 电池热失控预测方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111058590.XA CN113505500B (zh) 2021-09-10 2021-09-10 电池热失控预测方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113505500A CN113505500A (zh) 2021-10-15
CN113505500B true CN113505500B (zh) 2021-12-10

Family

ID=78017065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111058590.XA Active CN113505500B (zh) 2021-09-10 2021-09-10 电池热失控预测方法、装置及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN113505500B (zh)
WO (1) WO2023035672A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505500B (zh) * 2021-09-10 2021-12-10 蜂巢能源科技有限公司 电池热失控预测方法、装置及计算机可读存储介质
CN116049640B (zh) * 2023-04-03 2023-07-07 河北工业大学 一种用于液液非均相反应热行为判别的概率映射识别方法
CN116859269B (zh) * 2023-09-04 2023-11-28 中国汽车技术研究中心有限公司 一种动力电池安全性综合评估方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108445039A (zh) * 2018-02-07 2018-08-24 清华大学 动力电池热失控安全性能预测方法、装置及计算机可读存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7749650B1 (en) * 2009-07-17 2010-07-06 Tesla Motors, Inc. Method and apparatus for maintaining cell wall integrity during thermal runaway using multiple cell wall layers
FR2974922B1 (fr) * 2011-05-04 2013-04-26 IFP Energies Nouvelles Procede optimise de gestion thermique d'un systeme electrochimique de stockage
CN105589046A (zh) * 2016-01-29 2016-05-18 金龙联合汽车工业(苏州)有限公司 一种动力电池组热失控扩散的检测警报方法
CN106597299B (zh) * 2016-11-22 2019-01-25 南京能启能电子科技有限公司 一种锂电池热失控早期预警及自动控制方法
US11387507B2 (en) * 2017-01-19 2022-07-12 National Research Council Of Canada Apparatus and method for initiating thermal runaway in a battery
CN108446434B (zh) * 2018-02-07 2020-02-11 清华大学 动力电池热失控安全性的预测方法、装置及计算机可读存储介质
CN109884527A (zh) * 2019-02-13 2019-06-14 深圳市比克动力电池有限公司 一种锂离子电池热失控产热量计算方法
JP2022529607A (ja) * 2019-04-16 2022-06-23 ザ ガバメント オブ ザ ユナイテッド ステイツ オブ アメリカ,アズ リプレゼンテッド バイ ザ セクレタリー オブ ザ ネイビー 二相発熱急冷
CN110957545B (zh) * 2019-12-16 2021-05-28 国联汽车动力电池研究院有限责任公司 一种电池内部热失控扩散的检测方法
CN111199106B (zh) * 2020-01-06 2022-10-21 上海空间电源研究所 一种电池绝热热失控过程参数获取方法
CN111475933A (zh) * 2020-03-27 2020-07-31 中国电子科技集团公司第十八研究所 一种锂离子电池热失控模拟方法及系统
CN111736075A (zh) * 2020-07-10 2020-10-02 中国民用航空飞行学院 一种动压变温条件下锂离子电池热安全监测方法
CN112630670B (zh) * 2020-12-16 2023-07-07 蜂巢能源科技股份有限公司 电池安全性参数获取方法、装置、存储介质及电子设备
CN112798049B (zh) * 2021-01-28 2023-03-14 国网江苏省电力有限公司经济技术研究院 一种锂离子电池热失控产气速率与产气量测量装置及方法
CN112904204B (zh) * 2021-01-29 2023-06-02 天津市捷威动力工业有限公司 一种锂电池安全风险评估预判定方法
CN113505500B (zh) * 2021-09-10 2021-12-10 蜂巢能源科技有限公司 电池热失控预测方法、装置及计算机可读存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108445039A (zh) * 2018-02-07 2018-08-24 清华大学 动力电池热失控安全性能预测方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
WO2023035672A1 (zh) 2023-03-16
CN113505500A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN113505500B (zh) 电池热失控预测方法、装置及计算机可读存储介质
CN108445039B (zh) 动力电池热失控安全性能预测方法、装置及计算机可读存储介质
CN110095722B (zh) 动力电池热失控安全性综合评价方法与系统
Feng et al. Time Sequence Map for Interpreting the Thermal Runaway Mechanism of Lithium-Ion Batteries With LiNi x Co y Mn z O2 Cathode
Abada et al. Combined experimental and modeling approaches of the thermal runaway of fresh and aged lithium-ion batteries
CN108446434B (zh) 动力电池热失控安全性的预测方法、装置及计算机可读存储介质
Peng et al. Thermal safety of lithium-ion batteries with various cathode materials: A numerical study
CN108446435B (zh) 动力电池电极材料热稳定性判断方法、判断装置和计算机可读存储介质
CN110109020B (zh) 数据库驱动的动力电池热失控安全性正向评价方法及装置
Kim et al. Thermoelectrochemical simulations of performance and abuse in 50-Ah automotive cells
Shelkea et al. Combined numerical and experimental studies of 21700 lithium-ion battery thermal runaway induced by different thermal abuse
CN112883531A (zh) 锂离子电池数据处理方法、计算机设备和存储介质
CN110045287A (zh) 动力电池热失控安全性的定量评价方法及系统
Wang et al. Thermal explosion energy evaluated by thermokinetic analysis for series-and parallel-circuit NMC lithium battery modules
Shelke et al. Characterizing and predicting 21700 NMC lithium-ion battery thermal runaway induced by nail penetration
Duh et al. Thermal runaway on 18650 lithium-ion batteries containing cathode materials with and without the coating of self-terminated oligomers with hyper-branched architecture (STOBA) used in electric vehicles
CN111426724A (zh) 测试电极材料安全性能的方法
Zhao et al. Numerical modeling of thermal runaway for low temperature cycling lithium-ion batteries
Lagnoni et al. Survey and sensitivity analysis of critical parameters in lithium-ion battery thermo-electrochemical modeling
CN100483803C (zh) 一种模拟计算锂离子电池用电极材料高温安全性能的方法
CN111860860A (zh) 电池的安全性估计装置以及电池的安全性估计方法
Liu et al. Experimental study on lithium-ion cell characteristics at different discharge rates
Zarei-Jelyani et al. Development of lifetime prediction model of lithium-ion battery based on minimizing prediction errors of cycling and operational time degradation using genetic algorithm
Ziebert et al. Electrochemical–Thermal Characterization and Thermal Modeling for Batteries
Arunachalam et al. Temperature-dependent multiscale-dynamics in Lithium-ion battery electrochemical models

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
CP01 Change in the name or title of a patent holder

Address after: No.8899 Xincheng Avenue, Jintan District, Changzhou City, Jiangsu Province

Patentee after: SVOLT Energy Technology Co.,Ltd.

Address before: No.8899 Xincheng Avenue, Jintan District, Changzhou City, Jiangsu Province

Patentee before: SVOLT Energy Technology Co.,Ltd.

CP01 Change in the name or title of a patent holder