光伏硅弃料制备锂离子电池硅负极的性能

纯硅的导电性差,且纳米化、非晶化技术成本高。光伏行业用硅的产业化程度高、导电性好,弃料可在锂离子电池硅基负极实现再利用。以光伏硅弃料为原料,采用机械球磨法制备纳米硅和非晶/纳米硅材料。制备的材料均具有较高的可逆比容量和稳定的循环性能,以0.2 C在0.005~0.900 V循环100次,纳米硅剩余的比容量为2 123.32 mAh/g,非晶/纳米硅剩余的比容量为1 367.70 mAh/g。

软包装锂离子电池表面凹坑缺陷检测方法

软包装锂离子电池表面凹坑缺陷对比度低、缺陷区域过小且存在反光,传统方法很难进行准确检测。提出一种基于图像增强和改进DeepLabV3网络的软包装锂离子电池表面凹坑缺陷检测方法。通过分析表面凹坑缺陷图像特征,采用图像增强算法对图像进行预处理,以增强凹坑缺陷对比度。对DeepLabV3网络进行改进,使用ResNet101作为特征提取网络,同时引入位置注意力模块,使得模型更加关注于凹坑缺陷相关特征,提升网络的检测精度。改进后的网络在自制数据集上的平均交并比达到85.98%,缺陷检测准确率达到98.33%。

考虑应力特征的锂离子电池SOC估算

准确估计荷电状态(SOC)是保证锂离子电池可靠运行的基础。提出基于多维特征特别是结合力信号的数据驱动的SOC估算方法,对锂离子电池应力特征进行Savitzky-Golay(S-G)滤波,形成优化重构后的应力信号。提出基于麻雀搜索算法(SSA)改进的反向传播(BP)神经网络,提高神经网络的全局寻优能力。用恒流(CC)、联邦城市驾驶工况(FUDS)进行评估。在BP神经网络中,相比于单纯使用电信号,考虑应力特征的SOC估算的均方根误差(RMSE)降低89.1%,平均绝对误差(MAE)降低88.8%,考虑应力特征的SSA-BP神经网络的SOC估算误差在0.3%以内,鲁棒性和精确性更高。

叠片式锂离子电池在线快速CT检测技术

锂离子电池行业对电池质量检测方法的需求日益增长。针对叠片式电池X射线检测方式存在的图像遮挡和不能直接测量x、y方向包覆量的问题,提出一种快速计算机断层扫描(CT)定向重建技术。通过2维(2D)定位切片位置,重建3维(3D)体素数据的两张x、y方向切片图像,再进行正负极顶点定位,实现对包覆量的直接精确计算。使用所提方法的快速CT检测设备与传统2D检测设备相比,误判率可降低2~3个百分点。

基于主动方波激励检测锂离子电池早期内短路

锂离子电池内部短路(ISC)的早期检测对于避免潜在安全风险至关重要。现有的故障检测方法在检测早期短路时准确性较差,且需要大量的数据。以18650型锂离子电池为研究对象,通过在电池充电过程中施加微小的电流激励信号,借助极化压升与激励压升,发现锂离子电池在短路时压升异常规律。该方法在荷电状态(SOC)较低时效果更明显,对120Ω以内的短路检测有效,且适用范围可根据采样精度调配,可用于锂离子电池的常规短路检测。

温度自适应SMO算法估计锂离子电池的SOC

现有对锂离子电池荷电状态(SOC)的估计,没有考虑温度变化导致的SOC估计准确度降低。提出一种考虑温度的滑模观测(SMO)法进行SOC估计。基于混合脉冲功率测试(HPPC)实验的数据,得到18650型LiFePO4锂离子电池的SOC与温度、参数之间的拟合式,通过台风(Typhoon)系统进行半实物实验分析。温度自适应SMO算法在低温或常温工况下的平均误差较传统SMO算法降低0.3~0.5个百分点,直接通过拟合式所快速估计的SOC较温度自适应SMO算法平均误差在2%左右,常温25℃工况下误差低于1%,能够实现较高的估计精准度,为快速估计SOC提供了较好的算法参考。

基于电压曲线诊断锂离子电池的故障

锂离子电池在电动汽车中应用广泛,电池的不一致性故障与内短路故障是电动汽车的严重安全隐患。采用绝对中位差方法来放大电池组故障电池的电压特性;再利用非局部均值滤波算法进行滤波,得到平滑的故障电压特征;最后,通过动态时间归整(DTW)算法计算特征值曲线之间的相似度距离,实现故障电池自动定位。使用运行车辆电压数据进行验证,发现该诊断方法对两类故障车辆均具有良好的检测效果:一是故障电池DTW距离长期偏离其他电池的不一致性故障车辆;二是故障电池DTW距离短期偏离其他电池的内部短路故障车辆。与余弦相似度进行对比,验证所提方法的准确性更高。

富镍LiNi_(0.8)Co_(0.1)Mn_(0.1)O_(2)正极材料改性研究进展

锂离子电池用富镍正极材料LiNi_(0.8)Co_(0.1)Mn_(0.1)O_(2)具有高能量密度、高安全性等优点。受容量衰减、循环寿命和热稳定性等方面的限制,该材料进一步的改性成为当前研究的热点。针对LiNi_(0.8)Co_(0.1)Mn_(0.1)O_(2)材料的改性研究主要集中在离子掺杂、表面包覆和结构设计等方面。离子掺杂能改善结构稳定性和电化学性能,特别是过渡金属离子的掺杂有助于延长循环寿命和提高结构稳定性;表面包覆改性可增强电化学稳定性和抗氧化性能,延长循环寿命和提高抗极化能力;结构设计可优化晶体结构、提高传导性能和缓解应力,提高循环稳定性、容量保持率和功率密度。

电动汽车锂离子动力电池热失控测试与标准分析

锂离子动力电池的安全性是电池在电动汽车上大规模应用发展的一大挑战。锂离子电池热失控会导致冒烟、起火或爆炸,电池安全测试是帮助减少热失控威胁的关键。文章分析了国内外锂离子动力电池安全方面的测试标准,对过充电、强制放电、外部短路、加热与温度冲击、挤压等测试进行比较,分析了GB 38031-2020、UL2580-2020、UN/ECE R100.02-2013中的试验条件和参数的要求。指出相关标准存在的不足,希望能够为电池安全标准不断更新和优化作出贡献,建立更加科学的测试与评价方法。

多层楼梯间锂离子电池电动自行车火灾数值模拟研究

为探究搭载锂离子电池的电动自行车在多层居民楼内的潜在火灾风险,基于火灾动力学模拟器FDS软件对不同工况下的电动自行车火灾进行数值模拟,研究火灾中能见度、烟气温度和CO浓度等参数的动态变化,深入探讨火灾烟气的扩散特性。研究表明:电动自行车火灾发展迅速,在火灾初期,烟气浓度迅速上升;电池的充电状态并非决定电动自行车火灾严重程度的主要因素;在通风受限条件下,楼内温度与烟气积聚风险偏高,低楼层的危险程度更大。研究结果可为相关部门和电动车厂商等提供参考,协助其制定更有效的预防措施和应急处理方案,帮助人员在相似类型火灾中逃生。

基于改进概率神经网络的储能电池荷电状态估计

锂离子电池荷电状态(SOC)估计技术是储能电站电池管理系统重要组成部分。为了实现对SOC的准确估算,提出一种改进概率神经网络(MPNN)用于储能电池荷电状态估计。相较于传统神经网络,结合概率函数和补偿机制的MPNN,不仅可避免陷入局部最优,而且具有更优秀的拟合能力,可进一步提高SOC估计精度。仿真实验表明,所提MPNN方法的SOC估计值平均绝对误差和均方误差均低于1%,获得了满意的性能。

基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计

提高参数辨识的精度和SOC算法的精度是提高SOC估计的关键,该文提出了基于联合参数辨识的粒子群优化扩展粒子滤波的荷电状态(SOC)估计方法。在参数辨识阶段,结合遗忘因子递推最小二乘法在线辨识的优势,弥补粒子群辨识精度高但前期缺乏数据无法实时辨识的劣势,联合进行参数辨识;在SOC估计阶段,利用扩展卡尔曼滤波生成重要性密度函数,去克服粒子退化,同时采用粒子群优化算法优化重采样策略改进采样过程缓解粒子贫化。最后在联邦城市运行(FUDS)和US06高速公路运行(US06)工况下将所提算法与F-PF、F-PSO-PF、FPSO-PSO-PF进行了对比,结果表明,在FUDS工况下,方均根误差分别提高了65.4%、56.3%和43.5%;在US06工况下,方均根误差分别提高了45.8%、35.9%和35.1%,验证了所提算法具有较好的适应性和鲁棒性。

锂离子电容器负极材料的研究进展

锂离子电容器是弥补锂离子电池和超级电容器缺陷的选择之一。锂离子电容器由电容型正极和电池型负极组成,但电池型负极材料较差的倍率性能和循环稳定性导致与电容型正极材料性能不匹配,阻碍了其应用。对负极材料改性成为近年来的研究热点。介绍锂离子电容器的工作原理,讨论锂离子电容器对负极材料的要求及转化型、合金型和插层型等3种负极材料的发展现状,对未来锂离子电容器负极材料进行展望。

锂离子电池循环利用与碳足迹管理建设

截至2023年年底,我国新能源汽车保有量为2041万辆;符合行业规范条件审核的综合利用企业累计156家,共设立回收服务网点10468个,已覆盖全国31个省市。2023年锂离子电池产量超过940 GW·h,废旧锂离子电池循环利用量22.5万t,预计2024年废旧锂离子电池循环利用量超过26万t。有关行业政策规范和标准,提出了电池生产与材料生产环节的能耗指标,初步构建废旧锂离子电池循环利用和碳足迹管理体系。有研究表明,电池生产碳排放为61~106 kg(CO_(2))/kW·h,其中:生产和组装环节碳排放为2~47 kg(CO_(2))/kW·h;上游环节(采矿、精炼等)为59 kg(CO_(2))/kW·h,占比超过一半。

2023年中国电池市场分析

介绍2023年我国电池的产量及进出口量:电池总产量约609.66亿只,其中锂离子电池约960 GW·h,铅蓄电池约270 GW·h,碱性锌锰电池约147亿只,普通锌锰电池约166亿只,太阳能电池约541.16 GW,燃料电池为5 668堆;电池出口总量333.35亿只,进口总量23.04亿只。讨论我国电池市场发展趋势。

基于迁移学习和降噪自编码器-长短时间记忆的锂离子电池剩余寿命预测

针对锂离子电池退化数据噪声大、数据量少以及不同生命时期的退化趋势不同而导致的模型预测精度低、泛化能力差等问题,从数据预处理、预测模型的构建与训练三方面展开研究:首先结合变分自编码器(VAE)和生成对抗网络模型(GAN)构建VAE-GAN模型生成多组数据,实现电池的退化数据增强;然后结合降噪自编码器(DAE)和长短时记忆(LSTM)神经网络构建DAE-LSTM模型进行数据降噪和容量预测,为了降低模型参数,此过程中的数据降噪和预测共享同一个损失函数;最后先利用生成数据对DAE-LSTM模型进行预训练,再利用真实数据对其进行迁移训练。在CACLE和NASA公开数据集进行性能测试,实验结果表明该文所提方法精度高、鲁棒性强,能够有效提高锂离子电池剩余寿命的预测效果。

锂离子电池浸没式冷却的研究进展

浸没式冷却是极具潜力的热管理技术之一。罗列浸没式冷却的优势,描述浸没式冷却的工作机理,归纳目前常用的冷却工质,讲述冷却工质改性的作用。介绍浸没式冷却技术的研究进展,梳理调整流道结构与传热附件以增强冷却性能的研究。对浸没式冷却抑制热失控的机理进行初步探讨。将浸没式冷却技术未来的发展分为3个研究方向,分别为冷却工质改性、调整结构参数以强化系统的冷却性能、浸没式冷却抑制热失控机理的研究。

基于单频阻抗的锂离子电池热失控分级预警

潜在的热失控风险,特别是过充电,可能会引发锂离子电池的安全事故。以电化学阻抗谱(EIS)为基础,采用单频阻抗X_(1Hz)和X_(400Hz)实现电池内部阻抗的实时检测。在不同充电倍率、环境温度和健康状态下进行验证,特征阻抗表现出很好的稳定性。基于X_(1Hz)和X_(400Hz)的单频阻抗,提出一种热失控安全分级预警方法,并验证该方法的可靠性。该方法的最后一级预警可在热失控前5 min以上发出安全预警。

硅负极黏结剂对锂离子电池性能的影响

为考察负极黏结剂对锂离子电池性能的影响,分别以丁苯橡胶(SBR)、改性SBR、苯乙烯丙烯酸酯(SA)为负极黏结剂,制备锂离子电池,并对电池的性能进行评估。SA黏结剂在内阻、低温放电及循环性能上优于传统的SBR黏结剂。在25℃下,SA黏结剂制备电池的直流内阻为28.68 mΩ,比SBR黏结剂制备的电池下降了22.08%;-20℃下则下降了26.26%。与SBR黏结剂制备的电池相比,在2.8~4.2 V充放电,SA黏结剂制备电池以1.0 C(2.3 A)放电,-20℃与25℃容量之比提高10.78个百分点;25℃下以2.2 C快充循环700次,容量保持率提高9.3个百分点。

氟掺杂富锂层状氧化物的电化学性能

富锂锰基正极材料的应用前景广阔,但循环稳定性较差。为增强材料的电化学稳定性,设置F掺杂浓度梯度实验。采用聚合-热解法,通过优化丙烯酸聚合过程中的原料比例,制备Li_(1.2)Ni_(0.13)Co_(0.13)Mn_(0.54) O_(2-x)F_(x)材料,探究F掺杂比例对正极材料微观形貌和电化学稳定性的影响,定量分析首次充放电过程中,不同阶段氧化还原反应的容量释放情况。采用XRD、SEM分析样品的物相组成和微观形貌;采用恒流充放电和电化学阻抗测试分析样品的电化学性能。F掺杂可提升富锂锰基正极材料的电化学稳定性,x=0.03时,样品LMNC-F0.03的层状结构明显,阳离子混排程度低,电化学稳定性最优。以0.5 C在2.0~4.8 V循环100次,放电比容量为186.97 mAh/g,容量保持率为85.76%,放电中值电压保持率为84.93%;2.0 C倍率下的平均放电比容量为147.68 mAh/g。