内/外贸生产厂家
2019年7月2日 · 精确检测电压故障对于提高电池组的安全方位性至关重要。 因此,本文提出了一种使用局部离群值因子（LOF）的锂离子电池组电压故障检测方法。 所提出的方法系统地将基于模型的系统识别算法结合到离群值检测算法中。
本论文分析了电池电压极差、电池电压标准差系数、电池温度极差、SOE极差、功率-SOE相关度、运行充放电效率等6项储能锂电池运行状态评估指标,建立了基于综合性能、一致性、单体性能3个层次的评估指标体系,并对该指标体系进行了综合评价。 研究结果表明,6项评估指标涵盖了储能锂电池运行时的基本性能,通过评估上述指标可以及时发现电池缺陷,并精确定位故障,为
2019年7月24日 · 精确诊断电池组不一致性参数,能够更好地为维护电池组提供依据,防止不一致性加大。电池组的不一致性现象主要来自于两个方面。一方面是生产制造上,电池的生产工艺流程是复杂的,包括极片制作、电芯制作、电池组装三大工段。
由于锂电池组串是由大量电池串并联组成,可以通过分析电池电压标准差系数,对电池组串配平情况进行评估。与电池电压极差相比,电池电压标准差系数能更直观地反映电池组串一致性,电池电压标准差系数计算如公式(2)所示。 2.1 部件性能评估 2.1.1 电池电压
2016年6月24日 · 标准《QC/T 743-2006 电动汽车用锂离子蓄电池》给出的电池标准差计算方法,可描述动力电池组电压的一致性。 具体计算公式如下： 式中 n —电池总个数； Ui —第 i 个电池电压； Uav —电池组平均电压； σ —标准差,其值大小直接反映了各单体电压相对于平均电压的离散程度。 根据以上公式,利用该电池组2013年和2016年的放电数据,计算得到该电池组在
电压标准差越大说明电池组的一致性越差,电压极差越小说明个别电池的差异性越小。 电池的工作电压会受到电流、温度等的影响,使得基于工作电压的评价方法结果不精确。
2023年12月9日 · 为了更加精确地检测出电池组中存在安全方位隐患的故障电池,本文提出了一种故障检测方法。 首先,根据单体故障引起电池组一致性差异,使用引入滑动窗的局部离群点检测算法,检测电池组中不一致单体,同时捕捉单体不一致特性的演化性,根据演化性区分仅存在不一致的单体和具有隐患的故障单体,并对单体的不一致程度划分等级；其次,利用改进标准差算法对
2023年12月9日 · 结果表明,所提算法能够高效地获取储能电站运行数据中与电池组一致性相关的关键电气特征量,精确判断储能系统内电池组的一致性情况以及定位可能出现故障的单体电池。 本研究有助于判断在工程场景中大规模电池组的一致性状态,并能及时精确地筛选出异常单体电池,保障储能电站电池组的安全方位性。 关键词： 储能电站 ; 锂离子电池 ; DBSCAN聚类算法 ; 一致
2021年12月28日 · 结果表明：搁置状态下,前 3 d 单体间电压不一致性表现明显,7 d 后单体电压几 乎不再变化,趋于稳定；充放电状态下,电池组不一致现象会随充
2023年5月4日 · 为了更加精确地检测出电池组中存在安全方位隐患的故障电池,本文提出了一种故障检测方法。 首先,根据单体故障引起电池组一致性差异,使用引入滑动窗的局部离群点检测算法,检测电池组中不一致单体,同时捕捉单体不一致特性的演化性,根据演化性区分仅存在不一致的单体和具有隐患的故障单体,并对单体的不一致程度划分等级；其次,利用改进标准差算法对检测