机构名称：
¥ 1.0
目标和意义：本项目旨在通过非侵入性现场技术开发方法、工具和协议，以改善电池诊断和预测。背景：电池诊断和预测是一项艰巨的任务。锂离子电池和钠离子电池比传统电池复杂得多，其退化具有路径依赖性，因为不同的用途（电流、温度、SOC范围、SOC窗口等）会导致不同类型的退化。此外，由于大型电池组由数千个电池组成，因此无法使用复杂模型或大量传感器。传统上，电池诊断通过两种相反的方法进行。学术路线旨在实现最大准确性，并通过投入大量资源来实现这一目标。第二种路线——通常在部署的系统上使用——使用尽可能少的资源，并且不能具有破坏性。因此，它无法有效预测真实的健康状况。这种对最新技术的评估促使 HNEI 定义并开发了第三条与行业兼容的中间路线，以经济高效且无损的方法实现准确诊断，仅使用电池组中已有的传感器，同时需要有限的计算能力。HNEI 开发了一个机械建模框架，其中电池数字孪生由单个电极数据构建，电池退化通过一个电极相对于另一个电极的缩放或平移来模拟。使用此框架，电压
电池智能：诊断和预测
主要关键词
相关文件推荐
