广告
直播｜基于模型数据融合的动力电池健康状况评估技术
近年来，动力电池作为清洁环保的新型能源受到各界广泛关注。随着使用时间和充放电循环次数的增加，动力电池的性能不可避免地会发生退化，导致剩余使用寿命缩短。动力电池的老化与失效会导致电池驱动设备的运行风险增加，造成安全隐患，因此对动力电池的健康状况进行评估有重要意义。动力电池的运行条件多变、影响老化的因素众多，而数据驱动的方法不足以准确实现动力电池在各种场景与运行条件下的健康状态估计及剩余寿命预测，因此，有必要考虑采用模型数据融合方法对动力电池的健康状况评估方法进行深入研究。本课题系统开展了基于模型数据融合的动力电池健康状况评估技术，主要内容包括：
（1）针对快速充电导致的电池加速老化及电池健康指标构建难题，提出基于电压-温度的动力电池健康指标构建方法，实现了对电池健康状态的量化估计。
（2）针对现有的电池退化模型对短期波动的描述精确度不足问题，提出了一种长短期电池退化模型，有效表征建模不确定性和观测不确定性，提升了退化建模的准确性。
（3）针对电池工作过程中的环境应力变化，提出了考虑应力变化的动力电池健康状况估计方法，实现对不同应力下电池的健康预测。
课程大纲：
大纲：
（1）研究背景和意义
（2）基于模型数据融合的动力电池健康状况评估技术
（3）总结与展望
亮点：本课题动力电池为研究对象，基于模型数据融合方法，系统性地构建了电池的退化模型及电池健康状况评估相关理论方法，为电池的可靠性评估提供了理论方法支撑。
直播：7月27日 15:40-16:20
观看直播方式
识别下方海报二维码注册观看
报名二维码
长按识别获得会议链接
广告
广告
编辑推荐
最新资讯
-
直播 | HBK通用数据采集系统在汽车行业的测
2024-11-19 15:05
-
直播| 汽车NVH生产下线检测——电驱总成中
2024-11-19 15:04
-
ENCAP2026对智能限速辅助ISA的要求
2024-11-19 11:00
-
驱动电机系统与动力电池系统试验实例
2024-11-19 09:35
-
氢能纳入《能源法》，更需重视氢安全
2024-11-19 09:34
广告
广告
