CN117463643A - 退役动力锂电池容量分选方法、系统、电子设备及介质 - Google Patents
退役动力锂电池容量分选方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN117463643A CN117463643A CN202311824236.2A CN202311824236A CN117463643A CN 117463643 A CN117463643 A CN 117463643A CN 202311824236 A CN202311824236 A CN 202311824236A CN 117463643 A CN117463643 A CN 117463643A
- Authority
- CN
- China
- Prior art keywords
- capacity
- sorting
- increment
- battery
- retired power
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 67
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007600 charging Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 238000010281 constant-current constant-voltage charging Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 abstract description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 7
- 229910001416 lithium ion Inorganic materials 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000005486 organic electrolyte Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
Abstract
本发明公开了一种退役动力锂电池容量分选方法、系统、电子设备及介质，方法包括：将退役动力锂电池进行同一型号分拣，得到分拣锂电池；基于所述分拣锂电池，设置片段电压区间；基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；通过K‑Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选。系统包括：电池分拣模块、电压设置模块、增量计算模块、容量分选模块。本发明以充电容量增量作为反映退役动力电池容量特性的关联量，实现退役动力电池容量特性的简化提取，可以减小在检测过程中动力电池的容量损耗；运用无监督的聚类方式实现退役动力电池的容量分选，大大缩短了分选时间，使得容量分选更加快速。
Description
技术领域
本发明属于锂电池状态预测技术领域，尤其涉及一种退役动力锂电池容量分选方法、系统、电子设备及介质。
背景技术
随着全球新能源电动汽车的不断普及和存量的增加，一个不容忽视的问题逐渐出显现出来，即退役电池的梯次利用。动力锂离子电池的动态性能将随着使用逐渐下降，表现为容量的衰减以及内阻的增大。当动力锂离子电池的容量衰减到额定容量的80%之后，其动态性能将不再满足电动汽车的使用需求。然而，此时的电池寿命并没有终了。在电池完全失去电化学活性之前，新能源电动汽车退役的电池在分选重组之后可以用于电网储能、家庭储能等场景。因此，理论上动力电池可进行全生命周期的管理和使用。退役的电池中含有大量重金属、有机电解质和其他有毒物质，如果直接填埋或焚烧，会污染地下水和生态环境，对人类的健康构成巨大威胁。因此如何安全环保高效的处理退役电池成为了一个学者们普遍关注的问题。退役的动力电池可以在分选之后再次利用。
针对退役动力电池容量分选的必要性和紧迫性需求，相关研究机构和高校，如麻省理工学院、北京理工大学、清华大学等，针对退役动力电池容量特性提取展开了大量研究并取得大量研究成果；常用的容量特性提取方法为增量容量方法，但该方法需要一个完整的充电过程，用时长且计算繁琐；除此之外，还有基于等效阻抗和数据驱动的研究方法，如递推最小二乘方法、LSTM和DNN等；现有研究方法难以在容量特性提取时间和计算复杂度之间取得平衡，构建简便、快速度的退役动力电池容量特性提取模型很有必要。
综上可知，现有退役动力电池容量分选的方法存在容量特性提取时间长、计算复杂的问题。
发明内容
本发明提出了一种退役动力锂电池容量分选方法、系统、电子设备及介质，以解决上述现有技术中存在的技术问题。
为实现上述目的，本发明提供了一种退役动力锂电池容量分选方法，包括：
将退役动力锂电池进行同一型号分拣，得到分拣锂电池；
基于所述分拣锂电池，设置片段电压区间；
基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；
通过K-Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选。
优选地，所述片段电压区间为起始电压与结束电压之间的范围，其中所述起始电压为片段电压区间的最低点，所述结束电压为片段电压区间的最高点。
优选地，计算得到片段电压区间内的充电容量增量的过程包括：
对所述分拣锂电池进行恒流恒压充电，基于所述片段电压区间，对充电电压进行判断；
若所述充电电压处于所述片段电压区间之内，则通过安时积分法计算得到片段电压区间内的充电容量增量；
若所述充电电压超出所述片段电压区间之外，则调整充电电压，继续对充电电压进行判断。
优选地，所述充电容量增量的计算公式为：
；
式中：代表一组电池中第i块电池的充电容量增量，/>代表片段电压容量增量，t v1为积分开始时间，t v2为积分结束时间，I为测量电流，dt为时间t的微分。
优选地，通过K-Means算法对所述充电容量增量进行聚类的过程包括：
基于所述充电容量增量，计算得到相对容量特性；
基于所述相对容量特性，通过K-Means算法实现退役动力锂电池的容量分选。
优选地，所述相对容量特性的计算公式为：
；
式中：表示第i节电池的相对片段电压充电电荷量特征值；/>为电池单体充电容量增量最小值；/>为电池单体充电容量增量最大值。/>为第i节电池的充电容量增量，为第n节电池的充电容量增量，n为总的电池个数。
优选地，通过K-Means算法实现退役动力锂电池的容量分选的计算公式为：
式中：为第j族的族内平方和，j代表第j族；/>代表第j族的第i个元素；/>为代表第j族的均值向量；/>代表第j族的元素个数；/>表示聚类区间；/>为总体聚类平方和；k表示最终聚类的族数。
为了实现上述技术目的，本发明还提供了一种退役动力锂电池容量分选系统，包括：
电池分拣模块，用于将退役动力锂电池进行同一型号分拣，得到分拣锂电池；
电压设置模块，用于基于所述分拣锂电池，设置片段电压区间；
增量计算模块，用于基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；
容量分选模块，用于通过K-Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选；
其中所述电池分拣模块、所述电压设置模块、所述增量计算模块、所述容量分选模块依次连接。
本发明还提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算程序，所述处理器执行所述计算机程序时实现一种退役动力锂电池容量分选方法。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现一种退役动力锂电池容量分选方法。
与现有技术相比，本发明具有如下优点和技术效果：
1.本发明以片段电压内的充电容量增量作为反映退役动力电池容量特性的关联量，实现退役动力电池容量特性的简化提取，可以减小在检测过程中动力电池的容量损耗。
2.本发明运用安时积分方法计算退役动力电池的相对片段电压容量增量，克服了初始容量不确定的难题，实现了容量特性的简化获取。
3.本发明运用聚类方式实现退役动力电池的容量分选，大大缩短了分选时间，使得容量分选更加快速。
4.本发明主要用于退役动力锂电池容量特性提取，基于相对片段电压充电容量，实现退役动力电池可用容量的分选，简化了分选过程，提高了分选速度。
5.本发明是基于锂离子电池动力应用需求和工作特性实验分析，结合现代控制理论研究思想，基于相对片段电压充电容量K-Means策略的退役动力电池容量分选方法，具有较强的适用性；本发明可为不同应用场景下的退役动力电池容量分选提供方法参考，具有计算速度快、适应性好和精度高的优点。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例的方法流程图；
图2为本发明实施例的退役动力锂电池充电特性曲线示意图；
图3为本发明实施例的片段电压相对容量特性结果示意图；
图4为本发明实施例的退役动力电池的容量分选结果示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请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申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1所示，本实施例中提供一种退役动力锂电池容量分选方法，包括：
步骤1：采用观察外观的方式将同品牌同型号的退役动力电池分拣出来。
步骤2：检测退役动力电池的初始电量，确定片段电压区间；
获取片段电压起始电压V 1，用于相对积分容量计算的开始；
获取片段电压结束电压V 2：用于相对积分容量的计算结束。
步骤3：基于相对片段电压区间，以安时积分计算片段电压区间内退役动力电池的相对充电容量；
步骤3.1：起始相对容量计算判断：
；
式中：V 1代表片段电压最低点，U代表充电过程中退役动力电池采集到的充电电压，其中V 1可在步骤2中得到；
步骤3.2：结束相对容量计算判断：
；
式中：V 2代表片段电压最高点，U代表充电过程中退役动力电池采集到的充电电压，其中V 2可在步骤2中得到；
步骤3.3：计算片段电压内容量的增量：
；
式中：代表一组电池中第i块电池的充电容量增量，/>代表片段电压容量增量，t v1为积分开始时间，t v2为积分结束时间，I为测量电流，dt为时间t的微分。
步骤4：利用片段电压相对容量特性结合K-Means算法实现退役动力锂离子电池的容量分选；
步骤4.1：提取片段电压相对容量特性：
；
式中：表示第i节电池的相对片段电压充电电荷量特征值；/>为电池单体充电容量增量最小值；/>为电池单体充电容量增量最大值；/>为第i节电池的充电容量增量，为第n节电池的充电容量增量，n为总的电池个数。
步骤4.2：运用K-Means聚类算法实现退役动力锂离子电池的容量分选：
；
式中：为第j族的族内平方和，j代表第j族；/>代表第j族的第i个元素；/>为代表第j族的均值向量；/>代表第j族的元素个数；/>表示聚类区间；/>为总体聚类平方和；k表示最终聚类的族数。
本实施例针对退役动力锂电池容量特性提取难题，考虑初始电压的随机性设计相对片段电压容量特性提取策略，实现容量特性的无损提取；提出了一种片段电压内相对容量策略的退役动力锂电池容量特性提取方法，通过片段电压结合安时积分，获取退役动力锂电池电化学机理容量衰退特性；根据片段电压相对容量特性结合K-Means算法实现退役动力锂离子电池的容量分选。
为了更好地体现本实施例，本实施例中仅以退役三元锂电池为例进行说明，但本领域技术人员应该熟知，根据本实施例的技术思想可以实现多种退役动力锂电池的容量分选。
针对退役动力锂电池容量分选速度与精度目标，选取片段电压相对容量为容量因子，作为聚类算法的输入，实现退役动力锂电池容量的高精度、快速分选目标。图2为本实施例中使用的退役动力锂电池充电特性曲线；从A1到A20的充电曲线由于容量衰退程度不同的原因具有较大的区分度；图3为本实例中使用的退役动力锂电池片段电压相对容量特性值；从A1到A20的片段电压相对容量特性值由于衰退程度的差异出现了不同。图4为本实例中使用的退役动力锂电池容量分选结果，图4中纵坐标表示退役动力电池的实际容量，柱状图的标签为图3中相对应电池的标号，从图中可以看出运用本方法可以通过退役动力电池充电过程中的特性提取实现容量分选的目标，可以有效的将选用的退役动力电池按照实际容量分选为9个组，由于电池单体实际容量的差异，每个分组的电池单体数量不同,表明本方法可以达到容量分选与配组的目的。
本实施例技术效果：
本实施例以片段电压内的充电容量增量作为反映退役动力电池容量特性的关联量，实现退役动力电池容量特性的简化提取，可以减小在检测过程中动力电池的容量损耗；运用安时积分方法计算退役动力电池的相对片段电压容量增量，克服了初始容量不确定的难题，实现了容量特性的简化获取；运用无监督的聚类方式实现退役动力电池的容量分选，大大缩短了分选时间，使得容量分选更加快速。
本实施例针对退役动力锂电池容量分选目标，综合考虑估算精度和计算复杂度及算法的稳定性，提出基于片段电压相对容量K-Means策略的退役动力锂电池容量分选方法，为退役动力锂电池梯次利用提供了一种解决方案。
实施例二
本实施例提供了一种退役动力锂电池容量分选系统，包括：
电池分拣模块，用于将退役动力锂电池进行同一型号分拣，得到分拣锂电池；
电压设置模块，用于基于所述分拣锂电池，设置片段电压区间；
增量计算模块，用于基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；
容量分选模块，用于通过K-Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选；
其中所述电池分拣模块、所述电压设置模块、所述增量计算模块、所述容量分选模块依次连接。
实施例三
本实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算程序，所述处理器执行所述计算机程序时实现实施例一的一种退役动力锂电池容量分选方法。
实施例四
本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现实施例一的一种退役动力锂电池容量分选方法。
以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种退役动力锂电池容量分选方法，其特征在于，包括以下步骤：
将退役动力锂电池进行同一型号分拣，得到分拣锂电池；
基于所述分拣锂电池，设置片段电压区间；
基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；
通过K-Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选；
通过K-Means算法对所述充电容量增量进行聚类的过程包括：
基于所述充电容量增量，计算得到相对容量特性；
基于所述相对容量特性，通过K-Means算法实现退役动力锂电池的容量分选；
所述相对容量特性的计算公式为：
；
式中：表示第i节电池的相对片段电压充电电荷量特征值；/>为电池单体充电容量增量最小值；/>为电池单体充电容量增量最大值，/>为第i节电池的充电容量增量，/>为第n节电池的充电容量增量，n为总的电池个数。
2.根据权利要求1所述的退役动力锂电池容量分选方法，其特征在于，所述片段电压区间为起始电压与结束电压之间的范围，其中所述起始电压为片段电压区间的最低点，所述结束电压为片段电压区间的最高点。
3.根据权利要求1所述的退役动力锂电池容量分选方法，其特征在于，计算得到片段电压区间内的充电容量增量的过程包括：
对所述分拣锂电池进行恒流恒压充电，基于所述片段电压区间，对充电电压进行判断；
若所述充电电压处于所述片段电压区间之内，则通过安时积分法计算得到片段电压区间内的充电容量增量；
若所述充电电压超出所述片段电压区间之外，则调整充电电压，继续对充电电压进行判断。
4.根据权利要求3所述的退役动力锂电池容量分选方法，其特征在于，所述充电容量增量的计算公式为：
；
式中：代表一组电池中第i块电池的充电容量增量，/>代表片段电压容量增量，t v1为积分开始时间，t v2为积分结束时间，I为测量电流，dt为时间t的微分。
5.根据权利要求1所述的退役动力锂电池容量分选方法，其特征在于，通过K-Means算法实现退役动力锂电池的容量分选的计算公式为：
式中：/>为第j族的族内平方和，j代表第j族；/>代表第j族的第i个元素；/>为代表第j族的均值向量；/>代表第j族的元素个数；/>表示聚类区间；/>为总体聚类平方和；k表示最终聚类的族数。
6.一种退役动力锂电池容量分选系统，其特征在于，包括：
电池分拣模块，用于将退役动力锂电池进行同一型号分拣，得到分拣锂电池；
电压设置模块，用于基于所述分拣锂电池，设置片段电压区间；
增量计算模块，用于基于所述片段电压区间，计算得到片段电压区间内的充电容量增量；
容量分选模块，用于通过K-Means算法对所述充电容量增量进行聚类，实现退役动力锂电池的容量分选；
通过K-Means算法对所述充电容量增量进行聚类的过程包括：
基于所述充电容量增量，计算得到相对容量特性；
基于所述相对容量特性，通过K-Means算法实现退役动力锂电池的容量分选；
所述相对容量特性的计算公式为：
；
式中：表示第i节电池的相对片段电压充电电荷量特征值；/>为电池单体充电容量增量最小值；/>为电池单体充电容量增量最大值，/>为第i节电池的充电容量增量，/>为第n节电池的充电容量增量，n为总的电池个数；
其中所述电池分拣模块、所述电压设置模块、所述增量计算模块、所述容量分选模块依次连接。
7.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算程序，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1-5任意一项所述方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述权利要求1-5任意一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311824236.2A CN117463643B (zh) | 2023-12-28 | 2023-12-28 | 退役动力锂电池容量分选方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311824236.2A CN117463643B (zh) | 2023-12-28 | 2023-12-28 | 退役动力锂电池容量分选方法、系统、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117463643A true CN117463643A (zh) | 2024-01-30 |
| CN117463643B CN117463643B (zh) | 2024-03-26 |
Family
ID=89640056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311824236.2A Active CN117463643B (zh) | 2023-12-28 | 2023-12-28 | 退役动力锂电池容量分选方法、系统、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117463643B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AT206375B (zh) * | 1957-07-11 | 1959-11-25 | Siemens & Halske Aktiengesellschaft | |
| BE699565A (zh) * | 1965-09-29 | 1967-11-16 | ||
| BE794184A (fr) * | 1972-01-20 | 1973-07-18 | Ici America Inc | Dispositif d'alarme |
| AT9756U1 (de) * | 2006-12-11 | 2008-03-15 | Magna Steyr Fahrzeugtechnik Ag | Verfahren zur steuerung des hybridantriebes eines kraftfahrzeuges und steuersystem |
| CN101228696A (zh) * | 2005-06-16 | 2008-07-23 | 高通股份有限公司 | 模数转换器中的增益误差校正 |
| CN101359837A (zh) * | 2008-09-19 | 2009-02-04 | 哈尔滨工业大学 | 蓄电池组或超级电容器组充放电快速均衡装置 |
| CN104103457A (zh) * | 2014-08-18 | 2014-10-15 | 王稳忠 | 一种接触器节能抗晃电控制器电路 |
| CN204287444U (zh) * | 2014-12-26 | 2015-04-22 | 四川帝威能源技术有限公司 | 一种智能蓄电池放电仪 |
| CN104614655A (zh) * | 2013-11-05 | 2015-05-13 | 上海雷盘电子科技有限公司 | 多功能小功率黄光晶元芯片 |
| CN109613440A (zh) * | 2019-01-17 | 2019-04-12 | 清华-伯克利深圳学院筹备办公室 | 电池的分级方法、装置、设备和存储介质 |
| CN110749832A (zh) * | 2019-09-27 | 2020-02-04 | 山东科技大学 | 一种电动汽车退役锂离子电池实际容量的快速估算方法 |
| CN113049976A (zh) * | 2021-04-27 | 2021-06-29 | 武汉理工大学 | 一种车辆电池健康状态评估方法及系统 |
| CN115616428A (zh) * | 2022-10-10 | 2023-01-17 | 合肥工业大学 | 一种“充—检”一体电动汽车电池状态检测与评价方法 |
| CN116008811A (zh) * | 2022-11-08 | 2023-04-25 | 中国科学院广州能源研究所 | 电池剩余容量、soc及自放电量在线联合估计方法及系统 |
| CN116699446A (zh) * | 2023-05-26 | 2023-09-05 | 湖北文理学院 | 退役电池快速分选方法、装置、设备及存储介质 |
-
2023
- 2023-12-28 CN CN202311824236.2A patent/CN117463643B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AT206375B (zh) * | 1957-07-11 | 1959-11-25 | Siemens & Halske Aktiengesellschaft | |
| BE699565A (zh) * | 1965-09-29 | 1967-11-16 | ||
| BE794184A (fr) * | 1972-01-20 | 1973-07-18 | Ici America Inc | Dispositif d'alarme |
| CN101228696A (zh) * | 2005-06-16 | 2008-07-23 | 高通股份有限公司 | 模数转换器中的增益误差校正 |
| AT9756U1 (de) * | 2006-12-11 | 2008-03-15 | Magna Steyr Fahrzeugtechnik Ag | Verfahren zur steuerung des hybridantriebes eines kraftfahrzeuges und steuersystem |
| CN101359837A (zh) * | 2008-09-19 | 2009-02-04 | 哈尔滨工业大学 | 蓄电池组或超级电容器组充放电快速均衡装置 |
| CN104614655A (zh) * | 2013-11-05 | 2015-05-13 | 上海雷盘电子科技有限公司 | 多功能小功率黄光晶元芯片 |
| CN104103457A (zh) * | 2014-08-18 | 2014-10-15 | 王稳忠 | 一种接触器节能抗晃电控制器电路 |
| CN204287444U (zh) * | 2014-12-26 | 2015-04-22 | 四川帝威能源技术有限公司 | 一种智能蓄电池放电仪 |
| CN109613440A (zh) * | 2019-01-17 | 2019-04-12 | 清华-伯克利深圳学院筹备办公室 | 电池的分级方法、装置、设备和存储介质 |
| CN110749832A (zh) * | 2019-09-27 | 2020-02-04 | 山东科技大学 | 一种电动汽车退役锂离子电池实际容量的快速估算方法 |
| CN113049976A (zh) * | 2021-04-27 | 2021-06-29 | 武汉理工大学 | 一种车辆电池健康状态评估方法及系统 |
| CN115616428A (zh) * | 2022-10-10 | 2023-01-17 | 合肥工业大学 | 一种“充—检”一体电动汽车电池状态检测与评价方法 |
| CN116008811A (zh) * | 2022-11-08 | 2023-04-25 | 中国科学院广州能源研究所 | 电池剩余容量、soc及自放电量在线联合估计方法及系统 |
| CN116699446A (zh) * | 2023-05-26 | 2023-09-05 | 湖北文理学院 | 退役电池快速分选方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117463643B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiaqiang et al. | Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge | |
| Duan et al. | Evaluation of battery inconsistency based on information entropy | |
| Tian et al. | Consistency evaluation and cluster analysis for lithium-ion battery pack in electric vehicles | |
| CN104614630B (zh) | 一种电池微短路的识别方法 | |
| CN106651002B (zh) | 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法 | |
| CN107422266B (zh) | 一种大容量电池储能系统的故障诊断方法及装置 | |
| CN107741568B (zh) | 一种基于状态转移优化rbf神经网络的锂电池soc估算方法 | |
| CN102749588B (zh) | 基于蓄电池soc和soh的故障诊断方法 | |
| CN108919129A (zh) | 一种时变工况下动力电池的寿命预测方法 | |
| CN112540298B (zh) | 一种基于深度-迁移学习的锂离子电池soc估计方法 | |
| CN104614632B (zh) | 一种电池微短路的识别方法 | |
| CN107015158B (zh) | 基于恒流放电片段的锂电池剩余寿命在线快速检测法 | |
| CN109358293B (zh) | 基于ipf的锂离子电池soc估计方法 | |
| CN105261795A (zh) | 一种基于聚类算法的锂离子电池串联成组方法 | |
| CN105242212A (zh) | 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 | |
| CN109143076A (zh) | 用于调节电池组的放电功率的方法 | |
| CN103439666A (zh) | 一种锂离子电池容量衰退评估的几何方法 | |
| CN107677892B (zh) | 一种超级电容等效电路模型结构及验证方法 | |
| CN116826933B (zh) | 一种基于知识图谱混合储能电池供电反步控制方法及系统 | |
| CN108988427A (zh) | 用于调节电池组的充电功率的方法 | |
| CN117463643B (zh) | 退役动力锂电池容量分选方法、系统、电子设备及介质 | |
| CN111762059B (zh) | 一种考虑电池充放电工况的多变量融合电池组的均衡方法 | |
| CN109768595A (zh) | 一种串联电池组双电压混合均衡控制方法 | |
| CN108879867A (zh) | 用于调节电池组的充电功率的系统 | |
| CN112162198B (zh) | 一种适用于混动车辆的电池健康诊断系统及方法 |
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 |