CN113866643B - 一种电池分容方法以及装置 - Google Patents
一种电池分容方法以及装置 Download PDFInfo
- Publication number
- CN113866643B CN113866643B CN202111123734.5A CN202111123734A CN113866643B CN 113866643 B CN113866643 B CN 113866643B CN 202111123734 A CN202111123734 A CN 202111123734A CN 113866643 B CN113866643 B CN 113866643B
- Authority
- CN
- China
- Prior art keywords
- capacity
- battery
- basic information
- battery cell
- dividing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005070 sampling Methods 0.000 claims abstract description 24
- 238000012821 model calculation Methods 0.000 claims abstract description 13
- 238000013461 design Methods 0.000 claims description 15
- 239000011248 coating agent Substances 0.000 claims description 14
- 238000000576 coating method Methods 0.000 claims description 14
- 239000007774 positive electrode material Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 239000003792 electrolyte Substances 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 19
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 18
- 229910001416 lithium ion Inorganic materials 0.000 description 18
- 208000028659 discharge Diseases 0.000 description 13
- 238000005265 energy consumption Methods 0.000 description 8
- 238000007599 discharging Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010277 constant-current charging Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007600 charging Methods 0.000 description 1
- 238000010281 constant-current constant-voltage charging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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]
- G01R31/367—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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- 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
本发明提供了一种电池分容方法以及装置,按照电芯的基本信息,分别进行抽样分容,以电芯的基本信息与电芯的容量为因子,分别进行单因素变量线性拟合,求出电芯的基本信息相应变量系数,建立模型计算公式,建立电芯基本信息‑容量预测模型,从而预测剩余电芯的容量。本发明通过对不同基本信息的电芯进行抽样分容,并建立容量预测模型,预测剩余电芯的容量,从而能够对少量电芯进行分容预测剩余电芯容量,而且可以通过多组预测模型进行分析计算,建立更具体的数学模型,具有工艺简单、耗时短、耗能低和适用性强等特点。
Description
技术领域
本发明属于电池技术领域,尤其涉及一种电池分容方法以及装置。
背景技术
目前,锂离子电池在新能源汽车、消费类电子、储能等领域应用广泛,市场需求量大。锂离子电池制造生产工序繁杂而且生产周期较长(一般需要15天以上),不能较好的满足市场需求。因此缩短锂离子电池的制造生产流程,缩短产品交付周期,对锂离子电池厂家而言,能提升产能、增加经济效益;对市场而言,满足绿色清洁能源快速发展的市场需求。
在制造行业中,在现有技术与生产条件下不可避免的作业内容,这部分属于非增值的。减少非增值的生产活动,将减少浪费,提高经济效益。对于锂离子电池制造生产环节而言,分容工艺流程就属于非增值的部分。锂离子电池分容的目的是为了获得每个电池的真实容量值,其作用是一方面来判断是否满足设计容量的要求;另一方面是电池进行后续的配组要求。但是电芯分容需要消耗较多的电能,占整个锂离子电池生产制造所耗能的20%,如能通过不分容的工艺(免分容)来减少这部分能耗,对于企业来说将节省一笔不小的开支。
当锂离子电池厂家的制造生产已实现自动化水平,而且过程稳定,则不必要对锂离子电池进行分容,也称为免分容。免分容的好处是节能减耗、缩短制程周期,降低生产成本。
CN107359375A公开了一种锂离子电池的分容方法,该发明的锂离子电池的分容方法,包括以下步骤:将充满电的锂离子电池以0.3~1C的电流进行恒流放电至第一放电截止电压,放置;然后以0.05~0.2C的电流恒流放电至第二放电截止电压;所述第一放电截止电压为2.0~2.7V,所述第二放电截止电压和所述第一放电截止电压相同。该发明的分容方法可实现对锂离子电池的快速分容,分容效率高,环境控制能耗小的优点,并能够降低温度影响,使分容容量更准确,提高锂离子电池成组的一致性,是一种适用于批量生产锂离子电池的高效分容方法。
CN109786874A公开了一种锂离子电池的分容方法,该方法包括以下步骤:
步骤一,对待分容的电池进行恒流放电,恒流放电阶段的放电电流为0.1C~0.6C;步骤二,在经过步骤一的恒流放电后的电池再进行恒流恒压充电和恒流放电,步骤二中的恒流恒压充电阶段的充电电流为0.3~0.6C,截止电压为3.75V,截止电流为0.02C,步骤二中的恒流放电的放电电流为0.3~0.6C;步骤三,在经过步骤二中的恒流恒压充电和恒流放电后的电池再进行恒流充电和恒流放电,步骤三中恒流充电阶段的充电电流为0.3~0.6C,截止电压为3.55V,步骤三中恒流放电的放电电流为0.3~0.6C。
现有分容工艺均存在工艺复杂、耗时久和耗能高等问题,因此,如何在保证分容过程具有工艺简单的情况下,还能够耗时短和耗能低,成为目前迫切需要解决的问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种电池分容方法以及装置,通过对不同基本信息的电芯进行抽样分容,并建立容量预测模型,预测剩余电芯的容量,从而能够对少量电芯进行分容预测剩余电芯容量,而且可以通过多组预测模型进行分析计算,建立更具体的数学模型,具有工艺简单、耗时短、耗能低和适用性强等特点。
为达此目的,本发明采用以下技术方案:
第一方面,本发明提供了一种电池分容方法,所述的电池分容方法包括:
按照电芯的基本信息,分别进行抽样分容,以电芯的基本信息与电芯的容量为因子,分别进行单因素变量线性拟合,求出电芯的基本信息相应变量系数,建立模型计算公式,建立电芯基本信息-容量预测模型,从而预测剩余电芯的容量。
本发明按照电芯的基本信息进行多组抽样分容,分别对抽样的电芯进行相关性分析,根据相关性建立容量预测模型数学公式,从而对剩余电芯的基本信息进行容量预测,避免了现有技术中需要对每一个电芯均进行分容检测,通过抽样分容,能够达到节能减耗、缩短制程时长和降低生产成本,而且通过长期大量的抽样分容以及模型建立,从而建立具体模型预测电芯的容量,达到免分容的效果,具有工艺简单、耗时短、耗能低和适用性强等特点。
作为本发明的一个优选技术方案,所述电芯的基本信息包括材料批次、正极材料克容量、涂布面密度、分容温度和初始设计容量。
作为本发明的一个优选技术方案,所述抽样分容的抽取量为电芯总量的10~15%,例如为10%、11%、12%、13%、14%或15%,但并不仅限于所列举的数值,该数值范围内其他未列举的数值同样适用。
作为本发明的一个优选技术方案,每一个所述电池的基本信息与相对应的容量预测模型一一对应,分别得到短期容量过程能力数据。
作为本发明的一个优选技术方案,所述模型计算公式为 其中x代表电芯的基本信息代号,y代表预测电芯的容量,A代表的是电芯的设计容量,Ax代表实际电芯的基本信息参数,/>代表电芯的基本信息参数平均值,kx代表的是电芯的基本信息的变量系数,kx通过电芯的基本信息与电芯的容量为因子,做单因素变量线性拟合得到。
示例性地,提供一种kx的求取方法,例如通过电芯的基本信息与电芯的容量建立一次函数关系,求取该电芯的基本信息的kx,本领域技术人员也可采用其他函数关系求取函数关系和kx。
作为本发明的一个优选技术方案,所述模型计算公式为 其中,A1为实际正极材料克容量,/>为平均正极材料克容量;A2为实际涂布面密度,/>为标准涂布面密度;A3为实际分容温度,/>为标准分容温度,例如标准分容温度为25℃或30℃;A为电芯的设计容量。
作为本发明的一个优选技术方案,所述预测剩余电芯的容量的方式包括:将待测电芯的基本信息输入电芯基本信息-容量预测模型,得出待测电芯的容量。
作为本发明的一个优选技术方案,所述模型计算公式预测剩余电芯的容量的结果与设计容量值差值大于异常值,则进行计算公式系数修正。
优选地,所述计算公式系数修正的方式包括:对电芯进行全分容,计算模型计算公式并修正计算公式系数。
优选地,所述异常值为设计容量的3%。
作为本发明的一个优选技术方案,所述抽样分容前,还依次进行化成和补充电解液。
优选地,所述抽样分容后进行开路电压测试,并计算电芯单位时间内的压降。
本发明通过对电芯进行开路电压测试,并计算电芯单位时间内的压降即K值,能够方便进行自放电筛选。
作为本发明的一个优选技术方案,所述电池分容方法具体包括以下步骤:
(Ⅰ)对电芯进行化成处理,形成SEI膜后,再进行补充电解液;
(Ⅱ)按照电芯的基本信息,所述基本信息包括材料批次、正极材料克容量、涂布面密度、分容温度、初始设计容量,各影响因素进行分别抽样分容,抽取量为电芯总量的10~15%,对抽样的电芯分别进行单因素变量线性拟合,求出相关变量系数,建立容量预测模型公式;
(Ⅲ)建立模型后,根据电芯基本信息-容量预测模型,结合剩余电芯的基本信息,预测剩余电芯的容量,当预测剩余电芯的容量与设计容量值的差值大于设计容量的3%时,将此电芯进行全分容处理,以修正容量预测模型公式。
第二方面,本发明提供了一种进行第一方面所述电池分容方法的装置,所述装置包括:
获取模块,用于获取抽样分容的分容数据以及电芯基本信息;
分析模块,用于对分容数据以及电芯基本信息进行分析,并建立电芯基本信息-容量预测模型,并修正计算公式系数;
输出模块,输出预测剩余电芯容量数据。
本发明所述的数值范围不仅包括上述例举的点值,还包括没有例举出的上述数值范围之间的任意的点值,限于篇幅及出于简明的考虑,本发明不再穷尽列举所述范围包括的具体点值。
与现有技术相比,本发明的有益效果为:
本发明按照电芯的基本信息进行多组抽样分容,分别对抽样的电芯进行相关性分析,根据相关性建立容量预测模型数学公式,从而对剩余电芯的基本信息进行容量预测,避免了现有技术中需要对每一个电芯均进行分容检测,通过抽样分容,能够达到节能减耗、缩短制程时长和降低生产成本,而且通过长期大量的抽样分容以及模型建立,从而建立具体模型预测电芯的容量,达到免分容的效果,具有工艺简单、耗时短、耗能低和适用性强等特点。
附图说明
图1为本发明一个具体实施方式中提供的电池分容方法的电芯基本信息-容量预测模型建立流程图。
具体实施方式
为更好地说明本发明,便于理解本发明的技术方案,下面对本发明进一步详细说明。但下述的实施例仅是本发明的简易例子,并不代表或限制本发明的权利保护范围,本发明保护范围以权利要求书为准。
下面通过具体实施方式来进一步说明本发明的技术方案。
在一个具体实施方式中,本发明提供了一种电池分容方法,所述电池分容方法具体包括以下步骤:
(Ⅰ)对电芯进行化成处理,形成SEI膜后,再进行补充电解液;
(Ⅱ)如图1所示,按照电芯的基本信息,所述基本信息包括材料批次、正极材料克容量、涂布面密度、分容温度、初始设计容量,各影响因素进行分别抽样分容,抽取量为电芯总量的10~15%,对抽样的电芯分别进行单因素变量线性拟合,求出相关变量系数,建立容量预测模型公式;
(Ⅲ)建立模型后,根据电芯基本信息-容量预测模型,结合剩余电芯的基本信息,预测剩余电芯的容量,当预测剩余电芯的容量与设计容量值的差值大于设计容量的3%时,将此电芯进行全分容处理,以修正容量预测模型公式。
在另一个具体实施方式中,本发明提供了一种进行上述电池分容方法的装置,所述装置包括:
获取模块,用于获取抽样分容的分容数据以及电芯基本信息;
分析模块,用于对分容数据以及电芯基本信息进行分析,并建立电芯基本信息-容量预测模型,并修正计算公式系数;
输出模块,输出预测剩余电芯容量数据。
实施例1
本实施例提供了一种电池分容方法,基于一个具体实施方式,其中抽取10个不同批次的电芯,每批次电芯的数量为10000个,抽样分容的抽取量为10%,即1000个。
其中,电芯基本信息-容量预测模型建立过程主要包括:根据上述数据得出容量与正极材料克容量、涂布面密度、分容温度、初始设计容量的相关关系,得到相应的模型计算公式为其中,A1为实际正极材料克容量,为平均正极材料克容量,k1代表的是正极材料克容量的变量系数;A2为实际涂布面密度,为标准涂布面密度,k2代表的是涂布面密度的变量系数;A3为实际分容温度,/>为标准分容温度,例如标准分容温度为25℃或30℃,k3代表的是分容温度的变量系数;A为电芯的设计容量。
此外,多个短期抽样数据(如不同批次的正极材料、不同的正极极片涂布面密度、波动较小的分容温度等)对预测模型的修正(修正系数k1、k2、k3);容量预测模型的计算精度由长期计算过程数据决定(其影响因素包括了人员、机器、材料、测量、方法和环境)。
将待测的免分容电芯的相关自变量(A1、A2、A3、A)代入修正后的模型计算公式,即可不分容而得出其容量值。
需要说明的是,具体模型计算公式的得出方法,以及参数的修正方法,已在说明中说明,本领域技术人员可根据实际参数计算统计得出。
其中,每个批次的抽样分容数据如表1所示。
表1
分别在各个批次的电芯中选取1个电芯进行分容测定,与预测模型预测后的数值进行对比,对比结果如表2所示。
表2
由上表可以看出,10个批次中,除第6批次误差在0.181%,其余均在0.1%以下,其中第6批次再次进行抽样分容,可以有效完善模型数据,从而提高预测准确度。
通过以上实施例,本发明按照电芯的基本信息进行多组抽样分容,分别对抽样的电芯进行相关性分析,根据相关性建立容量预测模型数学公式,从而对剩余电芯的基本信息进行容量预测,避免了现有技术中需要对每一个电芯均进行分容检测,通过抽样分容,能够达到节能减耗、缩短制程时长和降低生产成本,而且通过长期大量的抽样分容以及模型建立,从而建立具体模型预测电芯的容量,达到免分容的效果,具有工艺简单、耗时短、耗能低和适用性强等特点。
申请人声明,以上所述仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,所属技术领域的技术人员应该明了,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,均落在本发明的保护范围和公开范围之内。
Claims (12)
2.根据权利要求1所述的电池分容方法,其特征在于,所述电芯的基本信息包括材料批次、正极材料克容量、涂布面密度、分容温度和初始设计容量。
3.根据权利要求1所述的电池分容方法,其特征在于,所述抽样分容的抽取量为电芯总量的10~15%。
5.根据权利要求1所述的电池分容方法,其特征在于,所述预测剩余电芯的容量的方式包括:将待测电芯的基本信息输入电芯基本信息-容量预测模型,得出待测电芯的容量。
6.根据权利要求1所述的电池分容方法,其特征在于,所述模型计算公式预测剩余电芯的容量的结果与设计容量值差值大于异常值,则进行计算公式系数修正。
7.根据权利要求6所述的电池分容方法,其特征在于,所述计算公式系数修正的方式包括:对电芯进行全分容,计算模型计算公式并修正计算公式系数。
8.根据权利要求6所述的电池分容方法,其特征在于,所述异常值为设计容量的3%。
9.根据权利要求1所述的电池分容方法,其特征在于,所述抽样分容前,还依次进行化成和补充电解液。
10.根据权利要求1所述的电池分容方法,其特征在于,所述抽样分容后进行开路电压测试,并计算电芯单位时间内的压降。
11.根据权利要求1-10任一项所述的电池分容方法,其特征在于,所述电池分容方法具体包括以下步骤:
(Ⅰ)对电芯进行化成处理,形成SEI膜后,再进行补充电解液;
(Ⅱ)按照电芯的基本信息,所述基本信息包括材料批次、正极材料克容量、涂布面密度、分容温度、初始设计容量,各影响因素进行分别抽样分容,抽取量为电芯总量的10~15%,对抽样的电芯分别进行单因素变量线性拟合,求出相关变量系数,建立容量预测模型公式;
(Ⅲ)建立模型后,根据电芯基本信息-容量预测模型,结合剩余电芯的基本信息,预测剩余电芯的容量,当预测剩余电芯的容量与设计容量值的差值大于设计容量的3%时,将此电芯进行全分容处理,以修正容量预测模型公式。
12.一种进行权利要求1-11任一项所述电池分容方法的装置,其特征在于,所述装置包括:
获取模块,用于获取抽样分容的分容数据以及电芯基本信息;
分析模块,用于对分容数据以及电芯基本信息进行分析,并建立电芯基本信息-容量预测模型,并修正计算公式系数;
输出模块,输出预测剩余电芯容量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111123734.5A CN113866643B (zh) | 2021-09-24 | 2021-09-24 | 一种电池分容方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111123734.5A CN113866643B (zh) | 2021-09-24 | 2021-09-24 | 一种电池分容方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113866643A CN113866643A (zh) | 2021-12-31 |
CN113866643B true CN113866643B (zh) | 2023-05-30 |
Family
ID=78994015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111123734.5A Active CN113866643B (zh) | 2021-09-24 | 2021-09-24 | 一种电池分容方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113866643B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016208745A1 (ja) * | 2015-06-26 | 2016-12-29 | 国立研究開発法人宇宙航空研究開発機構 | 電池の充電状態又は放電深度を推定する方法及びシステム、及び、電池の健全性を評価する方法及びシステム |
CN107045108A (zh) * | 2016-12-26 | 2017-08-15 | 安徽广通汽车制造股份有限公司 | 一种充电过程中校准锂电池组soc的方法 |
JP2020020604A (ja) * | 2018-07-30 | 2020-02-06 | トヨタ自動車株式会社 | 電池情報処理システム、二次電池の容量推定方法、ならびに、組電池、および、その組電池の製造方法 |
WO2019020133A2 (zh) * | 2018-11-01 | 2019-01-31 | 深圳市恒翼能科技有限公司 | 用于锂电池容量测量的温度补偿系统及方法、存储介质 |
CN109765491A (zh) * | 2018-12-19 | 2019-05-17 | 深圳市比克动力电池有限公司 | 电池温度和容量的修正方法、装置及终端设备 |
CN110146822B (zh) * | 2019-04-25 | 2020-07-28 | 同济大学 | 一种基于恒流充电过程的车用动力电池容量在线估计方法 |
CN112034368A (zh) * | 2020-08-24 | 2020-12-04 | 中兴高能技术有限责任公司 | 一种电池容量的定标方法及装置 |
LU102004B1 (en) * | 2020-08-26 | 2021-03-12 | Univ Nanjing Forestry | The Methods for Measuring the Variation of SOC When the Power Battery is Discharged and the Conversion Coefficient of Discharge Power |
-
2021
- 2021-09-24 CN CN202111123734.5A patent/CN113866643B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113866643A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107728072A (zh) | 一种锂离子电池循环寿命的快速预测方法 | |
CN109782190B (zh) | 用于估计单颗电池或单批电池的剩余使用寿命的方法 | |
CN111398833A (zh) | 一种电池健康状态评估方法和评估系统 | |
CN109991548A (zh) | 一种ocv-soc标定实验方法、电池等效模型参数辨识方法及soc估算方法 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN115902647B (zh) | 一种电池状态智能监测方法 | |
CN109061478A (zh) | 一种利用eis测试进行锂离子电池寿命定性预测的方法 | |
CN113075554A (zh) | 一种基于运行数据的锂离子电池组不一致性辨识方法 | |
CN114280479A (zh) | 一种基于电化学阻抗谱的退役电池快速分选方法 | |
CN112180279A (zh) | 一种退役电池健康状态诊断专家系统 | |
CN114460474A (zh) | 电池分容方法及其装置、电子设备 | |
CN114217238A (zh) | 一种锂离子电池循环寿命的预测方法 | |
CN113484771A (zh) | 一种锂离子电池宽温度全寿命soc及容量估计的方法 | |
CN115201692A (zh) | 一种锂电池剩余寿命分析预测方法 | |
CN115146723A (zh) | 基于深度学习和启发式算法的电化学模型参数辨识方法 | |
Sun et al. | Aging mechanism analysis and capacity estimation of lithium-ion battery pack based on electric vehicle charging data | |
CN113866643B (zh) | 一种电池分容方法以及装置 | |
Wang et al. | State of health estimation of lithium-ion battery in wide temperature range via temperature-aging coupling mechanism analysis | |
CN114879042A (zh) | 电芯分容放电容量预测方法、装置及电子设备 | |
CN113642153B (zh) | 参比电极的测量误差标定方法及计算机设备 | |
CN113419188B (zh) | 一种电池内部关键电化学老化参数的在线辨识方法及系统 | |
CN115951225A (zh) | 一种电池均衡优化容量估计方法和装置 | |
CN115331743A (zh) | 基于实验类比法的高倍率工况电化学模型建模方法 | |
CN114076899B (zh) | 电池寿命的分档预估方法、装置、设备、系统及介质 | |
CN114415034A (zh) | 一种基于内部机理分析的锂离子电池容量预测方法 |
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 |