开展锂离子电池热失控研究,可为提升电池热安全、减少新能源汽车热灾害等提供重要帮助。针对高比能21700型NCM811锂离子电池热滥用、老化等因素引起的热失控问题,通过实验研究了电池健康状态(state of health,SOH)对电池充放电特性及自...开展锂离子电池热失控研究,可为提升电池热安全、减少新能源汽车热灾害等提供重要帮助。针对高比能21700型NCM811锂离子电池热滥用、老化等因素引起的热失控问题,通过实验研究了电池健康状态(state of health,SOH)对电池充放电特性及自身热失控行为的作用机制,量化分析了电池老化特性与热失控触发时间、表面温度、工作电压、燃爆特性、能量、TNT当量及破坏半径等特征参数。发现能量效率随着老化循环次数的增加而降低,电池热失控的温升幅度随SOH的减小而下降,同时其自产热起始温度、热失控触发温度与安全阀脱落温度均减小,这表明老化电池热失控触发所需的时间更短,60%SOH电池在608 s触发热失控,相比于100%SOH缩短了64.8%。SOH越小,电池热失控剧烈程度越弱,热失控后的质量损失也越小。电池热失控过程的峰值温度、释放的能量、TNT当量与破坏半径随SOH的减小而降低,表明老化电池较新鲜电池热失控破坏性降低。研究结果可为全生命周期21700电池热失控的行为特征分析、预警与火灾防控等提供参考。展开更多
电池健康状态(state of health,SOH)是保证系统安全稳定运行的关键,健康状态估计不准将影响电池的使用性能,甚至引发电池滥用等问题。电池电化学阻抗谱通过宽频范围内电池的阻抗特征来反映其内部的电化学过程,蕴含了大量电池老化信息,...电池健康状态(state of health,SOH)是保证系统安全稳定运行的关键,健康状态估计不准将影响电池的使用性能,甚至引发电池滥用等问题。电池电化学阻抗谱通过宽频范围内电池的阻抗特征来反映其内部的电化学过程,蕴含了大量电池老化信息,已经逐渐成为分析锂离子电池性能的有力工具。然而,传统的电池阻抗谱测试方法耗时长、成本高昂。为此,以实现锂离子电池的精细化检测与健康状态快速评估为目标,围绕基于电化学阻抗谱重构技术的电池健康状态估计方法展开研究。通过逆重复最大长度序列设计多频电流激励信号,实现了电池阻抗谱的快速测试。采用连续小波变换开展阻抗谱重构,从而获取目标频率范围内的电池阻抗信息,整个过程耗时小于4.5 min。通过不同老化状态电池在特殊频率点下的重构阻抗幅值建立经验模型,实现了电池健康状态的快速准确评估。展开更多
锂离子电池的健康状态(state of health,SOH)是电池管理系统的重要功能,对于电池的可靠运行和使用寿命具有重要意义。为了进一步提高数据驱动方法对锂离子电池SOH估计的精度,提出一种卷积Fastformer模型的SOH估计方法。首先,提取锂离子...锂离子电池的健康状态(state of health,SOH)是电池管理系统的重要功能,对于电池的可靠运行和使用寿命具有重要意义。为了进一步提高数据驱动方法对锂离子电池SOH估计的精度,提出一种卷积Fastformer模型的SOH估计方法。首先,提取锂离子电池多个充电阶段的每次循环电压曲线、电流曲线,每个阶段各个曲线转换为统计健康特征来表征锂离子电池老化特性,并使用Pearson相关系数对所选统计特征进行了相关性分析,筛选出与容量相关性高的健康特征,消除特征冗余性。随后,融合卷积神经网络和具有线性复杂度的Fastformer神经网络的特点,使用卷积神经网络强大的特征提取能力挖掘健康特征的局部信息,利用Fastformer的多头附加注意力机制可以更高效地在复杂的长序列中总结全文信息。然后,为减少模型训练时间,利用正交实验法对模型超参数进行优化。最后,采用公开数据集将所提方法与CNN、GRU、RNN模型进行对比,验证卷积Fastformer模型的准确性,结果表明,平均绝对误差、均方根误差最大仅为0.25%,0.29%,相对误差在0.8%以内,具有较高的估计精度和稳定性。展开更多
电力设备状态评估是状态检修的关键一环。为了解决电力设备健康状态评估结果准确性不高这一问题,该文设计了一种基于最优云熵-灰云证据的中高压断路器健康状态评估方法,该方法以云模型和证据理论为基本理论框架。选取适当的定性和定量...电力设备状态评估是状态检修的关键一环。为了解决电力设备健康状态评估结果准确性不高这一问题,该文设计了一种基于最优云熵-灰云证据的中高压断路器健康状态评估方法,该方法以云模型和证据理论为基本理论框架。选取适当的定性和定量评价指标建立综合评估体系;在灰云模型的基础上引入最优云熵,结合大数定理对所得隶属度进行二次处理最终确定状态区间隶属度,并将其作为证据理论的基本信度分配(Basic Probability Assignment,BPA);利用不确定系数对BPA进行二次更新;通过改进证据融合规则进行证据融合,所得结果转化为相应的健康指数使评估结果更为直观。实例分析表明,该方法能很好地处理评价过程中的模糊性及随机性,具有一定的参考价值。展开更多
文摘开展锂离子电池热失控研究,可为提升电池热安全、减少新能源汽车热灾害等提供重要帮助。针对高比能21700型NCM811锂离子电池热滥用、老化等因素引起的热失控问题,通过实验研究了电池健康状态(state of health,SOH)对电池充放电特性及自身热失控行为的作用机制,量化分析了电池老化特性与热失控触发时间、表面温度、工作电压、燃爆特性、能量、TNT当量及破坏半径等特征参数。发现能量效率随着老化循环次数的增加而降低,电池热失控的温升幅度随SOH的减小而下降,同时其自产热起始温度、热失控触发温度与安全阀脱落温度均减小,这表明老化电池热失控触发所需的时间更短,60%SOH电池在608 s触发热失控,相比于100%SOH缩短了64.8%。SOH越小,电池热失控剧烈程度越弱,热失控后的质量损失也越小。电池热失控过程的峰值温度、释放的能量、TNT当量与破坏半径随SOH的减小而降低,表明老化电池较新鲜电池热失控破坏性降低。研究结果可为全生命周期21700电池热失控的行为特征分析、预警与火灾防控等提供参考。
文摘电池健康状态(state of health,SOH)是保证系统安全稳定运行的关键,健康状态估计不准将影响电池的使用性能,甚至引发电池滥用等问题。电池电化学阻抗谱通过宽频范围内电池的阻抗特征来反映其内部的电化学过程,蕴含了大量电池老化信息,已经逐渐成为分析锂离子电池性能的有力工具。然而,传统的电池阻抗谱测试方法耗时长、成本高昂。为此,以实现锂离子电池的精细化检测与健康状态快速评估为目标,围绕基于电化学阻抗谱重构技术的电池健康状态估计方法展开研究。通过逆重复最大长度序列设计多频电流激励信号,实现了电池阻抗谱的快速测试。采用连续小波变换开展阻抗谱重构,从而获取目标频率范围内的电池阻抗信息,整个过程耗时小于4.5 min。通过不同老化状态电池在特殊频率点下的重构阻抗幅值建立经验模型,实现了电池健康状态的快速准确评估。
文摘锂离子电池的健康状态(state of health,SOH)是电池管理系统的重要功能,对于电池的可靠运行和使用寿命具有重要意义。为了进一步提高数据驱动方法对锂离子电池SOH估计的精度,提出一种卷积Fastformer模型的SOH估计方法。首先,提取锂离子电池多个充电阶段的每次循环电压曲线、电流曲线,每个阶段各个曲线转换为统计健康特征来表征锂离子电池老化特性,并使用Pearson相关系数对所选统计特征进行了相关性分析,筛选出与容量相关性高的健康特征,消除特征冗余性。随后,融合卷积神经网络和具有线性复杂度的Fastformer神经网络的特点,使用卷积神经网络强大的特征提取能力挖掘健康特征的局部信息,利用Fastformer的多头附加注意力机制可以更高效地在复杂的长序列中总结全文信息。然后,为减少模型训练时间,利用正交实验法对模型超参数进行优化。最后,采用公开数据集将所提方法与CNN、GRU、RNN模型进行对比,验证卷积Fastformer模型的准确性,结果表明,平均绝对误差、均方根误差最大仅为0.25%,0.29%,相对误差在0.8%以内,具有较高的估计精度和稳定性。
文摘电力设备状态评估是状态检修的关键一环。为了解决电力设备健康状态评估结果准确性不高这一问题,该文设计了一种基于最优云熵-灰云证据的中高压断路器健康状态评估方法,该方法以云模型和证据理论为基本理论框架。选取适当的定性和定量评价指标建立综合评估体系;在灰云模型的基础上引入最优云熵,结合大数定理对所得隶属度进行二次处理最终确定状态区间隶属度,并将其作为证据理论的基本信度分配(Basic Probability Assignment,BPA);利用不确定系数对BPA进行二次更新;通过改进证据融合规则进行证据融合,所得结果转化为相应的健康指数使评估结果更为直观。实例分析表明,该方法能很好地处理评价过程中的模糊性及随机性,具有一定的参考价值。
