为有效降低退役动力电池梯次利用寿命损耗,提高电池模组运行过程中功能状态的一致性,本工作提出了考虑电池能量状态(state of energy,SOE)、健康状态(state of health,SOH)及功率状态(state of power,SOP)的多状态耦合的电池模组分选方...为有效降低退役动力电池梯次利用寿命损耗,提高电池模组运行过程中功能状态的一致性,本工作提出了考虑电池能量状态(state of energy,SOE)、健康状态(state of health,SOH)及功率状态(state of power,SOP)的多状态耦合的电池模组分选方法。首先,提取退役动力电池基本电性能参数(如容量、电压、内阻等),建立了电池模组SOE、SOH及SOP多状态耦合表征模型;其次,估计电池模组SOE特性,预测梯次利用电池模组SOH一致性,采用改进K-means聚类算法对电池模组进行了第一阶段的动态分选。最后,建立了电池模组耦合多参量的SOP表征模型,估计了电池模组中电池之间SOP偏差,对电池模组进行了第二阶段的动态分选。通过仿真算例分析验证该方法有效提高了退役动力电池梯次利用过程中模组的一致性,降低了系统运行的寿命损耗,为梯次利用储能大规模应用提供理论基础。展开更多
基于中国知网(CNKI)数据库和Web of Science核心数据库,运用文献计量软件CiteSpace对2000—2023年退役动力电池回收研究的发文趋势、高产作者、高产机构、关键词共现和聚类等进行可视化分析。结果发现:自2000年以来,动力电池回收研究呈...基于中国知网(CNKI)数据库和Web of Science核心数据库,运用文献计量软件CiteSpace对2000—2023年退役动力电池回收研究的发文趋势、高产作者、高产机构、关键词共现和聚类等进行可视化分析。结果发现:自2000年以来,动力电池回收研究呈持续上升趋势,国外高产作者聚集且合作关系紧,国内高产作者分散且合作关系疏;国外高产机构集中于发达国家,国内高产机构多来自经济发展水平较高的城市;关键词共现和聚类分析表明,退役动力电池回收工艺、梯次利用和回收体系是研究焦点。未来应积极开展跨区域、跨学科和跨产业合作,加强高效、智能、安全的退役动力电池回收体系及其梯次利用产业链构建研究,以促进新能源汽车产业链的健康发展。展开更多
针对退役动力电池梯次用于电力系统等领域存在初始参数不一致、筛选重组复杂等问题,提出一种基于退役动力电池模组静动态特性的阶梯式筛选方法。首先,构建退役动力电池模组端电压、荷电状态(state of charge,SOC)、健康状态(state of he...针对退役动力电池梯次用于电力系统等领域存在初始参数不一致、筛选重组复杂等问题,提出一种基于退役动力电池模组静动态特性的阶梯式筛选方法。首先,构建退役动力电池模组端电压、荷电状态(state of charge,SOC)、健康状态(state of health,SOH)及循环次数等参数间的关联特性,以电池模组内阻、剩余容量作为表征参数,采用密度权重Canopy改进的K-medoids聚类方法对外部特性参数相近的电池模组进行初次筛选;其次,将电池模组SOH动态一致性特性曲线作为表征对象,对其进行再次筛选;最后,采用非参数Bootstrap概率方法解析阶梯式静动态筛选下退役动力SOH估计的置信区间,评估动力电池模组筛选精度。结果表明,该文所提方法可将电池模组的筛选精度至少提高6.2%,为退役动力电池大规模筛选及梯次利用奠定理论基础。展开更多
文摘为有效降低退役动力电池梯次利用寿命损耗,提高电池模组运行过程中功能状态的一致性,本工作提出了考虑电池能量状态(state of energy,SOE)、健康状态(state of health,SOH)及功率状态(state of power,SOP)的多状态耦合的电池模组分选方法。首先,提取退役动力电池基本电性能参数(如容量、电压、内阻等),建立了电池模组SOE、SOH及SOP多状态耦合表征模型;其次,估计电池模组SOE特性,预测梯次利用电池模组SOH一致性,采用改进K-means聚类算法对电池模组进行了第一阶段的动态分选。最后,建立了电池模组耦合多参量的SOP表征模型,估计了电池模组中电池之间SOP偏差,对电池模组进行了第二阶段的动态分选。通过仿真算例分析验证该方法有效提高了退役动力电池梯次利用过程中模组的一致性,降低了系统运行的寿命损耗,为梯次利用储能大规模应用提供理论基础。
文摘基于中国知网(CNKI)数据库和Web of Science核心数据库,运用文献计量软件CiteSpace对2000—2023年退役动力电池回收研究的发文趋势、高产作者、高产机构、关键词共现和聚类等进行可视化分析。结果发现:自2000年以来,动力电池回收研究呈持续上升趋势,国外高产作者聚集且合作关系紧,国内高产作者分散且合作关系疏;国外高产机构集中于发达国家,国内高产机构多来自经济发展水平较高的城市;关键词共现和聚类分析表明,退役动力电池回收工艺、梯次利用和回收体系是研究焦点。未来应积极开展跨区域、跨学科和跨产业合作,加强高效、智能、安全的退役动力电池回收体系及其梯次利用产业链构建研究,以促进新能源汽车产业链的健康发展。
文摘针对退役动力电池梯次用于电力系统等领域存在初始参数不一致、筛选重组复杂等问题,提出一种基于退役动力电池模组静动态特性的阶梯式筛选方法。首先,构建退役动力电池模组端电压、荷电状态(state of charge,SOC)、健康状态(state of health,SOH)及循环次数等参数间的关联特性,以电池模组内阻、剩余容量作为表征参数,采用密度权重Canopy改进的K-medoids聚类方法对外部特性参数相近的电池模组进行初次筛选;其次,将电池模组SOH动态一致性特性曲线作为表征对象,对其进行再次筛选;最后,采用非参数Bootstrap概率方法解析阶梯式静动态筛选下退役动力SOH估计的置信区间,评估动力电池模组筛选精度。结果表明,该文所提方法可将电池模组的筛选精度至少提高6.2%,为退役动力电池大规模筛选及梯次利用奠定理论基础。
