铋基扣式锂硫电池应力敏感性研究

锂离子电池在机械应力等作用下往往会产生一系列的安全事故。为此,研究了扣式锂离子电池在不同应力下的力学、热学、电化学特性。通过对其进行平面和局部压缩实验并采集实验过程中的实时温度和电压,研究了不同应力下电池的容量、库伦效率和循环寿命的变化情况;通过结合力-变形响应、电压和温度的关系分析了电池在不同应力下的电化学衰减。结果表明：两种压缩下的电池容量均有不同程度的降低,压缩越大,降低的程度也越大,对电池内部结构的损坏也越大;而且局部压缩会产生更显著的影响。相同压缩率下,局部压缩后电池的带载能力明显要弱;并且局部压缩下电池的初始放电比容量也更低。为研发电化学性能和安全性能兼备的锂离子电池提供了一定的参考。     

磷酸铁锂动力电池阻抗谱参数分析

以电动汽车用动力锂离子电池为测试对象,通过等效电路拟合实际测量的电化学阻抗曲线来分析电池电极系统的动力学过程,并选取等效电路模型在不同荷电状态下的参数分析不同交流阻抗组份及阻抗特性对电池充放电特性的影响。 结果表明:基于阻抗谱测试得到的等效电路模型参数有利于得出更高精度的电池电荷转移阻抗以及扩散阻抗,并且较好地区分电化学极化和浓差极化,可以用于分析不同温度和不同荷电状态的电池充放电性能。      

等效滞回模型在锂离子电池SOC估计中的应用

锂离子电池荷电状态的快速准确估计是电池管理系统的关键技术之一.针对锂离子电池这一动态非线性系统,通过测试分析锂离子电池的滞回特性,建立了锂离子电池的二阶RC滞回模型,并利用容积卡尔曼滤波算法对电池荷电状态进行估算.实验结果表明,该模型能较好地体现电池的动态滞回特性,而且容积卡尔曼滤波算法在估算过程中能保持较高的精度.     

车用锂离子电池荷电状态参数辨识的建模仿真

为得到较为准确的电池荷电状态（SOC）参数,以厦门理工学院纯电动赛车用锂离子电池作为研究案例,采用二阶RC等效电路模型对锂离子电池进行HPPC充放电试验;然后,将实验数据导入Matlab的参数估计模块后,对电池荷电状态性能参数进行辨识。在Matlab的Simscape模块中建立锂离子电池的仿真模型,将仿真结果与实验结果进行比较,利用拟合工具箱对比不同阶次下RC等效电路模型的拟合精度。结果表明,锂离子电池的电压在放电脉冲开始及结束阶段时偏差较大,静置阶段则趋于平稳,二阶RC等效电路模型能够较为简便地反应锂离子电池的工作特性,且具有较好的拟合精度。锂离子电池仿真模型与实验测试的误差在2%以内,验证了所建立的仿真模型的可行性。     

动力锂离子电池建模及其动态特性研究

由于动力锂离子电池管理系统设计及电池剩余电量预测依赖于电池等效电路模型的建立,在几种常见的动力锂离子电池等效电路模型分析与比较的基础上,通过对动力锂离子电池进行多次充放电实验,分析了动力锂离子电池的动态特性,提出了基于Thevenin等效电路模型的双电源模型;并辨识了模型的相关参数。运用Matlab/Siumlink仿真工具建立仿真模型,对双电源模型进行仿真验证,结果表明双电源模型可准确模拟动力锂离子电池的工作特性,为动力锂离子电池的高效管理奠定基础。     

采用多模模型的锂离子电池荷电状态联合估计算法

针对单一的等效电路模型难以准确描述全时段的锂离子电池、估计电池荷电状态(SOC)准确度低的问题,提出采用多模模型的锂离子电池荷电状态联合估计算法。利用电化学阻抗谱分析不同SOC下锂离子电池的阻抗分布,并以此构建等效电路模型来描述整个充放电过程中的锂离子电池,得到一种基于变阶RC模型的多模模型。利用贝叶斯定阶准则综合模型的准确度和实用性来确定具体阶数,采用带有遗忘因子的递推最小二乘法对模型参数进行在线辨识,利用扩展卡尔曼滤波算法(EKF)求得锂离子电池的实时SOC。在恒流工况以及动态应力测试工况下,与传统基于一阶RC模型和二阶RC模型的EKF算法进行了多组实验对比。结果表明:采用多模模型的联合算法在不同工况下估计的SOC精度提高了30%以上,并均可在两个迭代周期内追踪到准确值。     

基于等效电路的内阻自适应锂离子电池模型

根据目前动力蓄电池模型研究的现状,分析了各种电池模型的优缺点,提出了一种非线性的等效电路电池模型,并通过卡尔曼滤波算法,在线辨识电池内阻,得到内阻自适应电池模型.通过两种实验,分别在不同电流循环工况和环境温度下测试模型的适应性,结果表明,该模型可以较好地反映电池的动态特性,并能适应电流、荷电状态、温度等变化对电池的影响.     

一种充放电双时间常数动力锂电池的建模与仿真

根据动力锂离子电池充放电特性建立了一种采用快慢电容回路模拟充放电双时间常数动力锂电池的电池模型.详述了模型建立的理论推导过程,经仿真表明,该模型能够准确地反映动力锂电池充电及放电特性以及荷电状态(SOC)的动态变化.     

热处理对锂离子电池热安全特性的影响

为了研究锂离子电池在遭受不同温度的外部刺激后其行为的差异性,实验对同一荷电状态的锂离子电池进行了不同温度的热处理,并考察了其被热处理后的热失控行为。研究通过分析锂离子电池热失控时间、热失控温度以及热失控时的电压变化,考察了不同热处理温度对同一荷电状态下的锂离子电池热失控特性的影响。研究表明,不同热处理温度对同一荷电状态下的锂离子电池的热失控最高温度及热失控时的电压变化有明显影响。热处理至80℃的锂离子电池热失控时的最高温度高于热处理至60℃及100℃时的锂离子电池。100℃热处理过的锂离子电池热失控时电压最先下降,80℃及60℃热处理过的锂离子紧随其后。实验结果可为高温环境中锂离子电池的安全应用提供理论参考。     

电动汽车锂离子电池组内散热特性数值模拟研究

锂离子电池组涉及数据规模庞大,传统方法无法有效实现对其散热特性的研究,为此,提出一种新的通过数值模拟方式研究电动汽车锂离子电池组内散热特性的方法。介绍了锂离子电池组工作原理,分析了锂离子电池的充放电过程。通过雷诺平均法进行雷诺时均处理,获取电动汽车锂离子电池组内散热控制方程和湍流方程。介绍了初始和边界条件,通过CFD实现控制方程的求解。依次进行了锂离子电池表面散热特性数值模拟、不同风孔大小下电池组散热特性数值模拟、不同倍率充放电后电池组散热特性数值模拟以及不同环境温度下电池散热特性数值模拟。实验结果表明,锂离子电池中心垂直截面和上下壁面的温度分布均为中心最高,壁面较低,壁面温度梯度大,热量散失速度快;在风孔大小和出口大小相近,充放电倍率为1C时,电动汽车锂离子电池组内散热性最佳;环境温度越低,电池温度升高幅度越大,散热性能越好。     

电动汽车用动力电池组SOC的神经网络估计

针对电动汽车用动力电池组的SOC受充放电率、放电历程和温度等因素的影响,传统方法很难建立准确的数学模型,对电池组SOC进行研究,在对动力电池组进行不同工况充放电试验的基础上。建立了电池组的神经网络仿真模型。并分别采用电流输入,电压和电压梯度输入进行了仿真,实现了对电池组SOC的估计。与实验结果对比,仿真结果与实验基本吻合,验证了该方法的正确性。     

智能LiMn_2O_4材料电特性测试仪的充放电模块设计

为了研究材料的电特性,设计了一种智能LiMn_2O_4材料电特性测试仪.主要介绍了硬件核心单元充放电模块的设计, 根据锂离子电池的特点采用二阶段法充电.系统采用继电器对电路的充放电状态进行切换,采用多路开关4053对电池通道进行切换,其两组开关在恒流充电与恒压充电电路中接入不同的位置,从而实现了采用恒流转恒压的充电方式.     

风光互补发电系统蓄电池动态参数的无线通信

给出了一种风光互补发电系统蓄电池动态数据采集和无线通信的方法.针对蓄电池充放电的电压、电流及温度等参数,设计了硬件电路并编写了上位机软件,用NRF2401芯片进行实时数据采集与无线传输,分析了NRF2401芯片的无线通信工作程序和信号调制解调办法,完成了风光互补发电系统蓄电池动态参数的监测和存储.     

锂电池膨胀力及位移测试试验台的开发

为了测试充放电过程中锂离子电池膨胀力及膨胀位移,本文拟开发相应的测试试验台。该实验台由充放电系统、环境控制系统、测试系统、数据采集系统等四部分组成。为了模拟电池对测试装置响应,提出了一种表征充放电过程中锂电池热-机-电耦合作用的等效方法。基于开发的试验台,测试不同放电倍率下电池膨胀位移-SOC曲线及电池膨胀力-SOC曲线,使基于温度-电流电压-力的电池管理系统的开发成为可能。     

电动汽车锂电池组的新型双向均衡法

由于电池制造工艺的制约导致生产出的电池间存在一定的离散性,多次充放电后不一致性更加严重,因此有必要对电动汽车电池组进行均衡.在分析了锂电池间不一致性的基础上建立了双向均衡结构,采用粒子滤波PF(Particle Filter)法估算电池初始剩余电量SOC(State Of Charge),提出了先让高SOC电池放电和先给低SOC电池充电的均衡法.该方法相比传统基于充电电压的均衡法能更精确的反映电池能量状态.实验结果表明,对于要求低能耗的系统采用先让高SOC电池放电均衡至±2%平均SOC界限范围;对于要求均衡结果一致性较高的系统采用先给低SOC电池充电均衡至±1%平均SOC界限范围.该均衡方法有效改善了电池组间的不一致性,对于提高电动汽车锂离子电池的使用寿命和续航里程具有实际意义.     

锂离子电池电化学建模及其简化方法

通用的锂离子电池精确电化学模型———准二维模型存在两个主要的数值问题: 状态量过多，计算复杂，导致难以实时应用。为此，搭建了电池的一维模型，用 Laplace 变换将模型转化到频域求解，将固相锂离子的径向扩散表示为无维度的导纳形式，通过降维解决了状态量过多的问题。针对超越方程，使用 Padé 近似做进一步化简以降低计算复杂度，设计了基于 Laplace 变换和 Padé 近似的锂离子电池简化一维模型。通过分析模型的复杂度，并采用不同放电电流工况验证该模型，比较了该模型与精确模型的浓度分布与端电压。实验结果验证了该模型的误差维持在 40 mV 以内，在降低计算复杂度的同时保持了较高的精度。     

主被动均衡电池管理系统设计

为了克服新能源汽车电池组在使用过程中内部单体电池充放电速率不一致问题,提出了一种基于现场可编程门阵列(field-programmable gate array,FPGA)的主被动均衡相结合的电池管理系统。该设计通过LTC6811电池采集芯片,将电压、电流、温度等数据传到FPGA进行容量估算。主控微控制单元(microcontroller unit,MCU)通过设置单体间荷电状态(state of charge,SOC)差值阈值,控制均衡电路中的回路开关的通断,使单体电池在不同容量差值时,进行不同的均衡策略。同时运用MATLAB/Simulink仿真软件搭建出核心主被动均衡电路模型,对电路的均衡方案进行仿真分析。仿真结果表明:通过采用主被动相结合的均衡策略,电池在充放电过程中均衡速度较单一均衡方式有明显的提升。可见通过主被动均衡结合的方式,能有效地提升电池均衡速度,改善电池使用效率。     

HEV再生制动时电池快速充电模糊控制策略

为了提高混合动力汽车(HEV)再生制动时蓄电池的充电效率,保证蓄电池的使用安全,在分析蓄电池充电过程热交换模型的基础上,建立了电池开路电压-内阻模型与充电效率间的数学关系.然后,基于马斯定律,设计了适用于HEV再生制动时电池快速充电模糊控制算法.在Mat1ab环境下搭建了闭环控制系统仿真模型,通过建模与仿真计算出HEV在不同控制策略下的电能回收率.结果表明在相同制动情况下,设计的快速充电模糊控制策略与限流充电控制策略相比,电能回收率增加了8.41％.     

基于神经网络的铅酸蓄电池剩余容量预测

为有效地对电动车电池剩余容量进行预测,在分析了铅酸蓄电池充放电过程的反应机理的基础上,应用改进算法的BP神经网络,建立了铅酸蓄电池的神经网络模型,用于预测铅酸蓄电池放电过程中某一状态下的剩余容量。结果表明,通过该网络模型可以方便快速地得到电池剩余容量及荷电状态的预测值,所得结果满足要求,为电池管理系统提供了一种新的预测方法。