CN114137430A - 一种退役锂电池剩余寿命的预估方法 - Google Patents
一种退役锂电池剩余寿命的预估方法 Download PDFInfo
- Publication number
- CN114137430A CN114137430A CN202111385573.7A CN202111385573A CN114137430A CN 114137430 A CN114137430 A CN 114137430A CN 202111385573 A CN202111385573 A CN 202111385573A CN 114137430 A CN114137430 A CN 114137430A
- Authority
- CN
- China
- Prior art keywords
- battery
- test parameter
- value
- estimation method
- soc
- 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
- 238000000034 method Methods 0.000 title claims abstract description 108
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 30
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 30
- 238000012360 testing method Methods 0.000 claims abstract description 49
- 238000007600 charging Methods 0.000 claims abstract description 6
- 238000007599 discharging Methods 0.000 claims abstract description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 13
- 238000011056 performance test Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 5
- 238000004146 energy storage Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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]
- G01R31/392—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种退役锂电池剩余寿命的预估方法，所述预估方法包括：对电池进行物化性能的测试，在对电池进行循环充放电的过程中，记录电池的容量、交流内阻值和电芯厚度的数值，并做出各测试参数的数值变化曲线后，线性拟合得到各测试参数的归一化曲线，从而得到各测试参数的阈值，当各测试参数的实际值和阈值相差为5％以内时，判定电池为正常衰减状态，取各测试参数的平均值得出锂电池的循环寿命。在本发明中，通过综合电池的容量、交流内阻值和电芯厚度各参数作为主要研究对象，对换电电动车退役电池进行剩余寿命的预估，以更好地服务于电池梯次利用领域，在充分利用电池剩余价值的同时，可以增盈创收、降低成本。
Description
技术领域
本发明属于锂电池技术领域，涉及锂电池剩余寿命的评估，尤其涉及一种退役锂电池剩余寿命的预估方法。
背景技术
锂电池的应用覆盖当今社会相当多的领域，已经成为人类社会科技发展进步所不可替代的，且与我们的日常生活息息相关。锂电池作为工业化的产物，随着利用时间的增加，电池的性能将会下降，其主要特点就是电池容量的衰退，直至电池完全失效。作为核心部件，在某些重要系统中是相当关键的，管理稍有不慎，将会带来不可估量的损失。
但与此同时，大规模锂电池的退役及废弃将会对生态环境造成重大威胁，而将退役锂电池投放入某些适宜场合进行循环再利用，符合节约型社会的发展，且能将其使用价值和经济利益发挥到最大化，因此退役电池梯次再利用具有相当可观的应用前景。因此，对以锂电池为能源动力的系统，进行有效的电池剩余寿命预测和实现退役锂电池梯次利用，具有相当重要的研究意义和现实的经济价值。
CN112485688A公开了一种基于多元非线性回归的退役电池储能电站寿命预测方法，采集退役电池储能电站中退役动力电池包的运行数据。该基于多元非线性回归的退役电池储能电站寿命预测方法，通过采集每个退役动力电池包在储能电站中的实际运行数据，采用科学的方法对采集的原始数据进行数据清洗和特征提取，特征参数间相关性分析可更直观看到特征间相互关系，找出影响退役动力电池剩余循环寿命的重要因素，结合多元非线性回归方法，预测每个退役动力电池包的寿命，然后结合电池包的剩余寿命，预测整个储能电站的寿命，极大的提高了预测的准确性。
CN108037463B公开了一种锂离子电池寿命预测方法，所述方法包括如下过程：对相同型号在役或退役电池运行数据进行收集，建立包括电池运行温度、电池放电倍率、电池内阻以及总使用寿命参数的数据库；建立电池寿命预测线性回归函数模型为：h(x)＝hθ(x)＝θ0+θ1x1+θ2x2+θ3x3将特定型号电池运行温度、电池放电倍率、电池内阻代入上述回归模型，得到了电池的总使用寿命。电池运行温度、放电倍率以及内阻是影响电池寿命的关键因素，引入电池运行温度、放电倍率以及内阻作为电池寿命的影响参量进行建模预测是有效的。
CN111707957B公开了一种电动汽车电池残值估算方法及装置，所述方法基于电池的基础数据产生能够表现待评估电池组各方面性能的残值特征指标，利用残值特征指标从多个方面对电池残值做出综合性评价，采用加权求积的方式，能够放大每一个残值特征指标对电池残值的影响，以获得准确性更高的，更接近真实值的评价结果。进一步地，基于样本训练集通过计算机学习的方式训练得到各残值特征指标的权重系数，使电池残值的评估效果更贴近真实值，相比于通过理论分析法或专家评定法确定的权重系数，能够极大减小人为主观因素的影响。
目前，锂电池剩余寿命预测方法主要有两种：物理模型预测方法和数据驱动预测方法，却很少将电芯厚度作为电芯失效的评判参数之一，因此，为更好拓宽退役锂电池梯次利用领域，充分利用产品价值，亟需设计研究一种锂电池剩余寿命的精准预估方法。
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退役锂电池剩余寿命的预估方法，在本发明中，通过综合电池的容量、交流内阻值和电芯厚度各参数作为主要研究对象，对换电电动车退役电池进行剩余寿命的预估，以更好地服务于电池梯次利用领域，在充分利用电池剩余价值的同时，可以增盈创收、降低成本。
为达此目的，本发明采用以下技术方案：
本发明提供了一种退役锂电池剩余寿命的预估方法，所述预估方法包括：
对电池进行物化性能的测试，在对电池进行循环充放电的过程中，记录电池的容量、交流内阻值和电芯厚度的数值，将电池的容量、交流内阻值和电芯厚度记为测试参数，并做出各测试参数的数值变化曲线后，线性拟合得到各测试参数的归一化曲线，从而得到各测试参数的阈值，当各测试参数的实际值和阈值相差为5％以内时，判定电池为正常衰减状态，取各测试参数的平均值得出锂电池的循环寿命。
在本发明中，通过综合电池的容量、交流内阻值和电芯厚度各参数作为主要研究对象，对换电电动车退役电池进行剩余寿命的预估，以更好地服务于电池梯次利用领域，在充分利用电池剩余价值的同时，可以增盈创收、降低成本。
需要说明的是，在本发明中，结合直流内阻是通过电压差和电流之间的关系，即接触不好，压差较大，极化越大的规律，更能准确的识别出连接可靠性问题，简单方便，可靠性高，并且节约时间。
在本发明中特别限定了得出锂电池的循环寿命是当各测试参数的实际值和阈值相差为5％以内时，判定电池为正常衰减状态，若当电池的各测试参数的实际值和阈值相差为5％以外时，会出现无法控制的现象，过大能较好的识别异常，所以本发明5％的选取是为了方便识别。
作为本发明一种优选的技术方案，在对电池进行物化性能的测试之前，对所述电池进行处理，所述处理过程包括：以0.5C倍率将电池调整至50％SOC并静置。
作为本发明一种优选的技术方案，所述静置过程的时间为2～3h，例如可以是2h、2.1h、2.2h、2.3h、2.4h、2.5h、2.6h、2.7h、2.8h、2.9h、3h，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。
作为本发明一种优选的技术方案，所述电池循环充放电过程中，每循环充放电50～60次暂停，并将电池再次调整至50％SOC并静置。
作为本发明一种优选的技术方案，所述静置过程的时间为1～2h，例如可以是1h、1.1h、1.2h、1.3h、1.4h、1.5h、1.6h、1.7h、1.8h、1.9h、2h，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。
作为本发明一种优选的技术方案，所述静置过程的温度为25～35℃，例如可以是25℃、26℃、27℃、28℃、29℃、30℃、31℃、32℃、33℃、34℃、35℃，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。
作为本发明一种优选的技术方案，在所述电池循环充放电过程后，电池为40％SOC时，停止循环充放电过程。
作为本发明一种优选的技术方案，停止所述循环充放电过程后，将所述电池再次调整至50％SOC并静置。
作为本发明一种优选的技术方案，所述静置过程的时间为2～3h，例如可以是2h、2.1h、2.2h、2.3h、2.4h、2.5h、2.6h、2.7h、2.8h、2.9h、3h，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。
作为本发明一种优选的技术方案，在所述电池再次调整至50％SOC并静置后，对电池再次进行物化性能测试，并记录各测试参数的数值，线性拟合得到各测试参数的归一化曲线。
与现有技术相比，本发明的有益效果为：
在本发明中，通过综合电池的容量、交流内阻值和电芯厚度各参数作为主要研究对象，对换电电动车退役电池进行剩余寿命的预估，以更好地服务于电池梯次利用领域，在充分利用电池剩余价值的同时，可以增盈创收、降低成本。
附图说明
图1为本发明实施例1提供的电池的容量在循环充放电过程后的归一化曲线；
图2为本发明实施例1提供的电池的交流内阻值在循环充放电过程后的归一化曲线；
图3为本发明实施例1提供的电池的电芯厚度在循环充放电过程后的归一化曲线。
具体实施方式
下面结合附图并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，本发明提供了一种退役锂电池剩余寿命的预估方法，所述预估方法包括：
对电池进行物化性能的测试，在对电池进行循环充放电的过程中，记录电池的容量、交流内阻值和电芯厚度的数值，将电池的容量、交流内阻值和电芯厚度记为测试参数，并做出各测试参数的数值变化曲线后，线性拟合得到各测试参数的归一化曲线，从而得到各测试参数的阈值，当各测试参数的实际值和阈值相差为5％以内时，判定电池为正常衰减状态，取各测试参数的平均值得出锂电池的循环寿命。
在本发明中，通过综合电池的容量、交流内阻值和电芯厚度各参数作为主要研究对象，对换电电动车退役电池进行剩余寿命的预估，以更好地服务于电池梯次利用领域，在充分利用电池剩余价值的同时，可以增盈创收、降低成本。
在对电池进行物化性能的测试之前，对电池进行处理，处理过程包括：以0.5C倍率将电池调整至50％SOC并静置，进一步地，静置过程的时间为2～3h。电池循环充放电过程中，每循环充放电50～60次暂停，并将电池再次调整至50％SOC并静置，进一步地，静置过程的时间为1～2h，静置过程的温度为25～35℃。
在电池循环充放电过程后，电池为40％SOC时，停止循环充放电过程，停止循环充放电过程后，将电池再次调整至50％SOC并静置，静置过程的时间为2～3h，在电池再次调整至50％SOC并静置后，对电池再次进行物化性能测试，并记录各测试参数的数值，线性拟合得到各测试参数的归一化曲线。
实施例1
本实施例提供了一种退役锂电池剩余寿命的预估方法，其中：
对电池进行处理，处理过程包括：以0.5C倍率将电池调整至50％SOC并静置，静置过程的时间为2h。电池循环充放电过程中，每循环充放电50次暂停，并将电池再次调整至50％SOC并静置，静置过程的时间为1h，静置过程的温度为25℃。
在电池循环充放电过程后，电池为40％SOC时，停止循环充放电过程，停止循环充放电过程后，将电池再次调整至50％SOC并静置，静置过程的时间为2h，在电池再次调整至50％SOC并静置后，对电池再次进行物化性能测试，并记录各测试参数的数值，线性拟合得到各测试参数的归一化曲线，如图1、图2和图3所示。
实施例2
本实施例提供了一种退役锂电池剩余寿命的预估方法，其中：
对电池进行处理，处理过程包括：以0.5C倍率将电池调整至50％SOC并静置，静置过程的时间为2.4h。电池循环充放电过程中，每循环充放电55次暂停，并将电池再次调整至50％SOC并静置，静置过程的时间为1.5h，静置过程的温度为30℃。
在电池循环充放电过程后，电池为40％SOC时，停止循环充放电过程，停止循环充放电过程后，将电池再次调整至50％SOC并静置，静置过程的时间为2.5h，在电池再次调整至50％SOC并静置后，对电池再次进行物化性能测试，并记录各测试参数的数值，线性拟合得到各测试参数的归一化曲线。
实施例3
本实施例提供了一种退役锂电池剩余寿命的预估方法，其中：
对电池进行处理，处理过程包括：以0.5C倍率将电池调整至50％SOC并静置，静置过程的时间为2.5h。电池循环充放电过程中，每循环充放电55次暂停，并将电池再次调整至50％SOC并静置，静置过程的时间为1.6h，静置过程的温度为31℃。
在电池循环充放电过程后，电池为40％SOC时，停止循环充放电过程，停止循环充放电过程后，将电池再次调整至50％SOC并静置，静置过程的时间为2.6h，在电池再次调整至50％SOC并静置后，对电池再次进行物化性能测试，并记录各测试参数的数值，线性拟合得到各测试参数的归一化曲线。
实施例4
本实施例提供了一种退役锂电池剩余寿命的预估方法，其中：
对电池进行处理，处理过程包括：以0.5C倍率将电池调整至50％SOC并静置，静置过程的时间为2.8h。电池循环充放电过程中，每循环充放电55次暂停，并将电池再次调整至50％SOC并静置，静置过程的时间为1.8h，静置过程的温度为33℃。
在电池循环充放电过程后，电池为40％SOC时，停止循环充放电过程，停止循环充放电过程后，将电池再次调整至50％SOC并静置，静置过程的时间为2.8h，在电池再次调整至50％SOC并静置后，对电池再次进行物化性能测试，并记录各测试参数的数值，线性拟合得到各测试参数的归一化曲线。
实施例5
本实施例提供了一种退役锂电池剩余寿命的预估方法，其中：
对电池进行处理，处理过程包括：以0.5C倍率将电池调整至50％SOC并静置，静置过程的时间为3h。电池循环充放电过程中，每循环充放电60次暂停，并将电池再次调整至50％SOC并静置，静置过程的时间为2h，静置过程的温度为30℃。
在电池循环充放电过程后，电池为40％SOC时，停止循环充放电过程，停止循环充放电过程后，将电池再次调整至50％SOC并静置，静置过程的时间为3h，在电池再次调整至50％SOC并静置后，对电池再次进行物化性能测试，并记录各测试参数的数值，线性拟合得到各测试参数的归一化曲线。
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 (10)
1.一种退役锂电池剩余寿命的预估方法，其特征在于，所述预估方法包括：
对电池进行物化性能的测试，在对电池进行循环充放电的过程中，记录电池的容量、交流内阻值和电芯厚度的数值，将电池的容量、交流内阻值和电芯厚度记为测试参数，并做出各测试参数的数值变化曲线后，线性拟合得到各测试参数的归一化曲线，从而得到各测试参数的阈值，当各测试参数的实际值和阈值相差为5％以内时，判定电池为正常衰减状态，取各测试参数的平均值得出锂电池的循环寿命。
2.根据权利要求1所述的预估方法，其特征在于，在对电池进行物化性能的测试之前，对所述电池进行处理，所述处理过程包括：以0.5C倍率将电池调整至50％SOC并静置。
3.根据权利要求2所述的预估方法，其特征在于，所述静置过程的时间为2～3h。
4.根据权利要求1所述的预估方法，其特征在于，所述电池循环充放电过程中，每循环充放电50～60次暂停，并将电池再次调整至50％SOC并静置。
5.根据权利要求4所述的预估方法，其特征在于，所述静置过程的时间为1～2h。
6.根据权利要求4所述的预估方法，其特征在于，所述静置过程的温度为25～35℃。
7.根据权利要求4所述的预估方法，其特征在于，在所述电池循环充放电过程后，电池为40％SOC时，停止循环充放电过程。
8.根据权利要求7所述的预估方法，其特征在于，停止所述循环充放电过程后，将所述电池再次调整至50％SOC并静置。
9.根据权利要求8所述的预估方法，其特征在于，所述静置过程的时间为2～3h。
10.根据权利要求8所述的预估方法，其特征在于，在所述电池再次调整至50％SOC并静置后，对电池再次进行物化性能测试，并记录各测试参数的数值，线性拟合得到各测试参数的归一化曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111385573.7A CN114137430A (zh) | 2021-11-22 | 2021-11-22 | 一种退役锂电池剩余寿命的预估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111385573.7A CN114137430A (zh) | 2021-11-22 | 2021-11-22 | 一种退役锂电池剩余寿命的预估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114137430A true CN114137430A (zh) | 2022-03-04 |
Family
ID=80390711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111385573.7A Pending CN114137430A (zh) | 2021-11-22 | 2021-11-22 | 一种退役锂电池剩余寿命的预估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114137430A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115308609A (zh) * | 2022-08-02 | 2022-11-08 | 楚能新能源股份有限公司 | 一种锂离子电池厚度的预测方法、预测装置和锂离子电池 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103091639A (zh) * | 2013-01-11 | 2013-05-08 | 中兴通讯股份有限公司 | 一种电池寿命检测方法及装置 |
| WO2014019314A1 (zh) * | 2012-07-31 | 2014-02-06 | 河南省电力公司电力科学研究院 | 一种动力电池梯级利用分选评估方法 |
| CN107271610A (zh) * | 2017-06-16 | 2017-10-20 | 长沙新材料产业研究院有限公司 | 一种用于预测锰酸锂‑钛酸锂电池剩余生命周期的方法 |
| US20180198161A1 (en) * | 2017-01-12 | 2018-07-12 | StoreDot Ltd. | Increasing cycling lifetime of fast-charging lithium ion batteries |
| CN110320474A (zh) * | 2019-05-28 | 2019-10-11 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池老化模型的寿命预测方法 |
| CN111239629A (zh) * | 2020-02-28 | 2020-06-05 | 山东理工大学 | 一种退役锂电池的梯次利用状态区间划分方法 |
| CN111562510A (zh) * | 2020-04-03 | 2020-08-21 | 中国电力科学研究院有限公司 | 一种用于确定退役动力电池剩余寿命的方法及系统 |
| CN112198444A (zh) * | 2020-10-10 | 2021-01-08 | 联动天翼新能源有限公司 | 一种基于极片膨胀度预测锂离子电池循环寿命的方法 |
| CN112946490A (zh) * | 2021-03-04 | 2021-06-11 | 芜湖天弋能源科技有限公司 | 一种锂离子电池电芯容量衰减的fa分析方法 |
-
2021
- 2021-11-22 CN CN202111385573.7A patent/CN114137430A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014019314A1 (zh) * | 2012-07-31 | 2014-02-06 | 河南省电力公司电力科学研究院 | 一种动力电池梯级利用分选评估方法 |
| CN103091639A (zh) * | 2013-01-11 | 2013-05-08 | 中兴通讯股份有限公司 | 一种电池寿命检测方法及装置 |
| US20180198161A1 (en) * | 2017-01-12 | 2018-07-12 | StoreDot Ltd. | Increasing cycling lifetime of fast-charging lithium ion batteries |
| CN107271610A (zh) * | 2017-06-16 | 2017-10-20 | 长沙新材料产业研究院有限公司 | 一种用于预测锰酸锂‑钛酸锂电池剩余生命周期的方法 |
| CN110320474A (zh) * | 2019-05-28 | 2019-10-11 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池老化模型的寿命预测方法 |
| CN111239629A (zh) * | 2020-02-28 | 2020-06-05 | 山东理工大学 | 一种退役锂电池的梯次利用状态区间划分方法 |
| CN111562510A (zh) * | 2020-04-03 | 2020-08-21 | 中国电力科学研究院有限公司 | 一种用于确定退役动力电池剩余寿命的方法及系统 |
| CN112198444A (zh) * | 2020-10-10 | 2021-01-08 | 联动天翼新能源有限公司 | 一种基于极片膨胀度预测锂离子电池循环寿命的方法 |
| CN112946490A (zh) * | 2021-03-04 | 2021-06-11 | 芜湖天弋能源科技有限公司 | 一种锂离子电池电芯容量衰减的fa分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| D.G. VUTETAKIS: "The effect of charge rate and depth of discharge on the cycle life of sealed lead-acid aircraft batteries", IEEE, pages 103 - 105 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115308609A (zh) * | 2022-08-02 | 2022-11-08 | 楚能新能源股份有限公司 | 一种锂离子电池厚度的预测方法、预测装置和锂离子电池 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tian et al. | A review of the state of health for lithium-ion batteries: Research status and suggestions | |
| CN108089133B (zh) | 储能系统电池组一致性检测方法及检测装置 | |
| CN111239630A (zh) | 一种储能电池寿命预测方法及管理系统 | |
| CN111537899A (zh) | 一种梯次利用动力电池安全性评估方法 | |
| CN111198328A (zh) | 一种电池析锂检测方法及电池析锂检测系统 | |
| CN109307845B (zh) | 一种用于对梯次利用电池储能系统进行健康状态评估的方法及系统 | |
| CN109116242A (zh) | 一种动力电池的数据处理方法和装置 | |
| 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 | |
| CN102221675A (zh) | 基于模式识别技术的蓄电池容量判断方法 | |
| CN108490357A (zh) | 基于机理-数据驱动模型的锂电池剩余容量预测方法 | |
| CN115267555A (zh) | 基于电池多点温度测量的储能系统电池soh评估系统 | |
| CN111487532B (zh) | 一种基于层次分析法和熵值法的退役电池筛选方法及系统 | |
| Xu et al. | A hybrid drive method for capacity prediction of lithium-ion batteries | |
| CN114137430A (zh) | 一种退役锂电池剩余寿命的预估方法 | |
| Ma et al. | State of health estimation of retired battery for echelon utilization based on charging curve | |
| CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
| CN114545275A (zh) | 一种锂离子电池剩余使用寿命间接预测方法 | |
| CN113866646A (zh) | 基于极化阻抗压升的电池簇不一致性在线监测方法研究 | |
| CN111129628A (zh) | 锂离子电芯充放电的控制方法、系统、介质及电子设备 | |
| Li et al. | Data-driven state of health estimation for lithium-ion batteries based on universal feature selection | |
| CN113917351B (zh) | 基于容量变化的储能电站电池簇不一致性在线评估方法 | |
| CN115800433A (zh) | 电池组一致性评估与等级评价方法及装置 | |
| CN115877219A (zh) | 一种锂电子电池析锂检测模型构建方法 | |
| Liu et al. | Prediction method for battery self-discharge voltage drop based on pre-classifier | |
| CN114487855A (zh) | 电池的析锂检测方法、装置、存储介质以及处理器 |
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 |