專利名稱：一種基于熱效應的二次電池一致性評估方法
技術領域：
本發明涉及一種基于熱效應的二次電池的一致性進行評估的方法，屬于二次電池再分選技術領域。
背景技術：
隨著世界經濟與社會的快速發展，環境問題和能源問題日益受到關注，汽車對燃油的巨大消耗和汽車尾氣排放引發出石油資源枯竭和全球溫室效應等一系列問題，促使著人們不停地探索綠色交通工具。近年來，使用綠色二次電池作為動力的HEV(混合動力汽車)和EV(純電動汽車)的出現為減少二氧化碳排放抑制溫室效應和節約石油資源做出了巨大貢獻。目前在用的動力電池主要有鎳氫電池與鋰離子電池兩種。二次電池作為一種新型的環境友好綠色能源，在全球范圍內受到了廣泛關注。除了美國、日本等在此領域處于先進水平的國家外，我國對二次電池新能源領域也給予了重點關注，特別是，在當前節能減排、低碳經濟的大環境下，作為可替代傳統能源之一的二次電池的開發尤為重要，可以說是關系到國家未來能源發展的戰略問題之一，具有重要的意義。無論是鋰離子電池還是鎳氫電池，在用作汽車動力能源時都是數十只甚至數百只通過串聯和并聯的方式組成電池組進行工作的。因此，電池組里眾多電池的一致性問題至關重要。一致性的好壞直接關系到電池組的性能和壽命。電池一致性包括熱一致性和電化學性能一致性等，一直以來是電池系統研究領域中的難點。為了滿足對高性能電動汽車的需求，研究如何保持電池組里電池高度的熱一致性和電化學性能一致性具有重要的意義。目前電池的熱效應問題已經得到了普遍研究，許多熱模型被開發出來研究電池在充放電過程和工況過程中的熱行為。但是截至目前，通過熱效應來評估電池一致性的研究卻鮮見報導。在本發明中，通過構建自組織競爭神經網絡模型對電池的熱效應進行研究，從而尋找到一種評估電池一致性的方法。自組織競爭神經網絡模型是人工神經網絡模型中的一種，屬于模糊智能控制系統，易于處理非線性復雜問題。對于電池熱效應的研究，模型通過分析數據之間的規律能科學輸出計算結果。因此，通過模型參數的控制，電池被模型劃分為不同的組別，同組電池將具有高度的熱一致性。研究還發現，熱效應高度一致的電池其電化學性能也保持高度一致性。因此，由熱效應和電化學性能保持高度一致性的電池組成的電池組系統將具有優秀的安全性和工作效率。

發明內容
本發明的目的是為了解決現有組成電池組的電池一致性不均勻的問題，提出一種基于熱效應對二次電池的一致性進行評估的方法，通過建立自組織競爭神經網絡模型對電池進行再分選，研究電池的熱一致性和電化學性能的一致性。本發明的目的是通過以下技術方案實現的。本發明的一種基于熱效應的二次電池一致性評估方法，具體步驟如下1)將二次電池的表面進行涂黑處理；然后將電池一次一只置于高低溫試驗箱內，
3設置恒定溫度；同時將電池連接上充放電試驗機；2)電池每次充電之前將電池放電至SOC為0，靜置30分鐘后以一定的充電倍率對電池進行恒流充電，至SOC為1 1. 2時結束；3)運用紅外熱成像儀對在充電過程中的電池的表面溫度進行監測，記錄電池表面溫度變化數據；4)構建人工神經網絡模型，使用電池在充電結束時的表面最高溫度和最高溫度與最低溫度之差的數據對模型進行訓練，通過人工控制模型參數的神經元數n，然后模型根據電池的熱效應將電池分為η組；將電池劃分為η組不同產熱量的電池，同一組的電池具有熱一致性；5)對模型進行優化，使用單倍率充電結束時的電池表面最高溫度來訓練模型，經過優化后的模型的分組結果和步驟4)中的分組結果相同。通過電池放電電壓平臺和放電容量分析，可知具有熱一致性的電池其放電電壓平臺和放電容量也具有一致性。步驟1)中恒定溫度為-10°C 40°C ；步驟1)中表面涂黑處理所用材料為啞光黑漆，涂層厚度為0. 01 0. 5mm ；步驟2)中充電倍率為1 IOC ；步驟幻中電池表面溫度變化數據為電池在充電過程中的表面最高溫度和同一時刻的表面最高溫度與最低溫度之差；步驟4)中人工神經網絡模型為自組織競爭神經網絡模型；步驟4)中神經元數η = 2 5 ；步驟5)中充電時所使用的單倍率是步驟2)中使用的充電倍率中的一種。有益效果本發明的模型應用起來簡單易行，參數容易控制，所得結果具有高的實用價值；電池組中使用的電池能保持熱一致性和電化學性能一致性，為電池組的安全和工作效率提供了保證。


圖1為模型輸出結果圖。圖2為三類電池各取1只在8C充電時的表面溫度變化曲線。圖3為三類電池在8C充電后的IC放電曲線。
具體實施例方式下面結合實施例和附圖對本發明做詳細說明實施例一種基于熱效應的二次電池一致性評估方法，具體操作步驟如下1)選取10只圓柱型8Ah鎳氫電池，開路電壓在1. 21-1. 25之間。電池表面使用啞光黑漆涂黑；2)將電池一次一只置于高低溫試驗箱內設定環境溫度恒為25°C，電池連接上充放電試驗機；每次充電之前先將電池放電至SOC為0，然后靜置30分鐘。
4
3)以1C、5C和8C的倍率對電池進行恒流充電分別至其SOC等于1. 1、1. 1和1，同時應用紅外熱像儀監測電池表面的溫度變化，采集電池在充電結束時的表面最高溫度和最高溫度與最低溫度之差。4)構建自組織競爭網絡模型，設定神經元個數為3。通過第幻步中的數據訓練模型，將10只電池分為三組，分別為高產熱電池、中產熱電池和低產熱電池。如圖1所示。同組電池具有熱一致性。5)使用5C或8C實驗里的電池表面最高溫度數據同樣能使模型輸出和第(4)步中相同的結果，因此模型得以優化，使用起來更加方便。通過電池放電電壓平臺和放電容量分析，可知具有熱一致性的電池其放電電壓平臺和放電容量也具有一致性，分別見圖2和圖3。
權利要求
1.一種基于熱效應的二次電池一致性評估方法，其特征在于具體步驟為1)將二次電池的表面進行涂黑處理；然后將電池一次一只置于高低溫試驗箱內，設置恒定溫度；同時將電池連接上充放電試驗機；2)電池每次充電之前將電池放電至SOC為0，靜置30分鐘后以一定的充電倍率對電池進行恒流充電，至SOC為1 1. 2時結束；3)運用紅外熱成像儀對在充電過程中的電池的表面溫度進行監測，記錄電池表面溫度變化數據；4)構建人工神經網絡模型，使用電池在充電結束時的表面最高溫度和最高溫度與最低溫度之差的數據對模型進行訓練，通過人工控制模型參數中的神經元數n，然后模型根據電池的熱效應將電池分為η組；將電池劃分為η組不同產熱量的電池，同一組的電池具有熱一致性；5)對模型進行優化，使用單倍率充電結束時的電池表面最高溫度來訓練模型，經過優化后的模型的分組結果和步驟4)中的分組結果相同；通過電池放電電壓平臺和放電容量分析，可知具有熱一致性的電池其放電電壓平臺和放電容量也具有一致性。
2.根據權利要求1所述的一種基于熱效應的二次電池一致性評估方法，其特征在于 步驟1)中恒定溫度為-10°C 40°C。
3.根據權利要求1所述的一種基于熱效應的二次電池一致性評估方法，其特征在于 步驟1)中表面涂黑處理所用材料為啞光黑漆，涂層厚度為0. 01 0. 5mm。
4.根據權利要求1所述的一種基于熱效應的二次電池一致性評估方法，其特征在于 步驟2)中充電倍率為1 10C。
5.根據權利要求1所述的一種基于熱效應的二次電池一致性評估方法，其特征在于 步驟幻中電池表面溫度變化數據為電池在充電過程中的表面最高溫度和同一時刻的表面最高溫度與最低溫度之差。
6.根據權利要求1所述的一種基于熱效應的二次電池一致性評估方法，其特征在于 步驟4)中人工神經網絡模型為自組織競爭神經網絡模型。
7.根據權利要求1所述的一種基于熱效應的二次電池一致性評估方法，其特征在于 步驟4)中神經元數η = 2 5。
8.根據權利要求1所述的一種基于熱效應的二次電池一致性評估方法，其特征在于 步驟幻中充電時所使用的單倍率是步驟幻中使用的充電倍率中的一種。
全文摘要
本發明涉及一種基于熱效應的二次電池的一致性進行評估的方法，屬于二次電池再分選技術領域。將二次電池的表面進行涂黑；電池一次一只置于設定恒溫的高低溫試驗箱內，將電池連接上充放電試驗機；電池放電后充電，對電池的表面溫度進行監測；構建人工神經網絡模型，使用電池在充電結束時的表面最高溫度和最高溫度與最低溫度之差的數據對模型進行訓練，模型根據電池的熱效應將電池分為n組；對模型進行優化，使用單倍率充電結束時的電池表面最高溫度數據來訓練模型。本發明的模型應用起來簡單易行，參數容易控制，所得結果具有高實用價值；電池組中使用的電池能保持熱一致性和電化學性能一致性，為電池組的安全和工作效率提供了保證。
文檔編號G01R31/36GK102364353SQ20111036005
公開日2012年2月29日 申請日期2011年11月14日 優先權日2011年11月14日
發明者吳伯榮, 吳鋒, 宋亮, 方凱正, 林靜, 穆道斌, 陳實 申請人:北京理工大學