主页 > 论坛展会 【产业论坛】廖强强:电动汽车退役电池梯次利用研究与应用

【产业论坛】廖强强:电动汽车退役电池梯次利用研究与应用

2024年5月16日,广受行业关注和赞誉的“第九届中国动力电池回收利用产业发展论坛”在长沙市成功召开。

本届论坛由中国电子节能技术协会电池回收利用委员会、动力电池回收网、电池材料网、电池回收利用网、电池工业网主办。

论坛期间,上海电力大学 廖强强教授 进行了以《电动汽车退役电池梯次利用研究与应用》为题的主题演讲。

【产业论坛】廖强强:电动汽车退役电池梯次利用研究与应用(图1)

廖强强教授的演讲主要从电动汽车动力电池的储能潜力、退役电池健康度快速评估技术、储能电站健康度在线评估技术、锂离子电池循环寿命预测技术、储能电站电池故障诊断技术、研究成果典型应用案例六个方面展开。

      当前,我国电动汽车保有量持续提高,回收利用市场规模也随之增长。
      廖教授认为,应着眼于资源循环利用,充分挖掘电动汽车电池的储能属性,实现节能减排。
      而健康状态(SOH)的快速评估则是退役电池梯次利用关键技术之一。
    退役电池健康状态快速评估技术
      廖教授讲解了如何从电池参数如电阻、电压、温度等的变化对退役电池的健康状态进行评估。
      展示了从电阻角度快速评估、从开路电压角度快速评估、采用低SOC段的工作电压数据快速评估、采用中SOC段的工作电压数据快速评估、采用高SOC段的工作电压数据快速评估从电池温度角度快速评估技术。
    锂离子电池循环寿命预测技术
     以电池特征参数(如统计学指标、微分参量)为输入量,采用机器学习方法,实现小样本训练的电池寿命精确预测。
     目标是开发基于锂离子电池机理和机器学习的混合模型,进行锂离子电池寿命预测,预测准确率95%以上。
    储能电站电池故障诊断技术
     以单体电压数据、总电压数据、和对应采样时间为原始数据,采用局部离群因子(LOF)算法提取电池故障特征,实现锂离子电池故障精准诊断。
     目标是开发基于锂离子电池机理和局部离群因子(LOF)算法的混合模型,进行锂离子电池故障的预测和识别,准确率95%以上。

以上根据现场录音整理,未经本人校验审核。

来源:中电能协电池回收利用委员会


免责声明:本文仅代表作者个人观点,与动力电池回收网无关。其原创性以及文中陈述文字和内容未经本网证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性,本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。涉及资本市场或上市公司内容也不构成任何投资建议,投资者据此操作,风险自担!凡本网注明 “来源:XXX(非动力电池回收网)”的作品,转载目的在于传递行业更多的信息或观点,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理、删除。电话:13126904348 邮箱:dchslm2019@126.com







上一篇
下一篇
联系我们

联系我们

/uploads/allimg/20240304/1-2403041511311U.png

在线咨询: QQ交谈

邮箱:

工作时间:周一至周五,9:00-17:30,节假日休息

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部