车载锂离子动力电池安全管理与高效利用的基础理论与关键技术

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61633015
  • 项目类别:
    重点项目
  • 资助金额:
    265.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0302.控制系统与应用
  • 结题年份:
    2021
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2021-12-31

项目摘要

Lithium ion power battery is famous for high-energy-density, low self-discharge rate and long service life, and becomes the fastest developing and most promising new energy vehicle power battery . Unfortunately, the issues of its decreased lifetime and poor security haven't been resolved which become the bottleneck that restricts the comprehensive applications of electric vehicles. Firstly, this project aims at realizing accurate lithium ion power battery modeling based on data-driven theory and fractional theory; realizing power battery multi-state joint estimation based on Adaptive Unscented Kalman Filter; Then vehicle lithium ion power battery safe and efficient charge&discharge control strategy and equilization control will be researched by comprehensively using new theories and new methods such as swarm intelligence multi-objective optimization and stochastic optimal control. Next, the battery thermal model and thermal runaway model will be built and advanced thermal management system will be designed. Multilevel security warning mechanism will be built based on multi-source information fusion theory and battery management system which aims at safety will be designed. In the end, the proposed new theoretical methods and key technologies will be verified based on the vehicle hardware in loop experiment platform. This project belongs to interdisciplinary fields such as control theory, electrochemistry, vehicle engineering and so on, which is of great theory value and practical significance in promoting basic theories and applications in related study fields, developing China's power battery industries and solving the environment and energy crisis .
锂离子动力电池以高比能量、低自放电率及长寿命而著称,是目前发展最快、前景最好的新能源汽车动力电池,但其安全性、使用性能和寿命等核心问题并未得到根本解决,遂成为制约电动汽车大规模推广应用的关键瓶颈。本项目拟首先基于分数阶理论和数据驱动实现锂离子动力电池准确建模;基于自适应无迹卡尔曼滤波实现动力电池多状态联合估计。其次,运用群智能多目标优化、随机系统最优控制等新理论与新方法研究车载锂离子动力电池安全高效充放电与均衡控制策略;再次,建立动力电池热模型及热失控模型并设计先进的热管理系统;基于多源信息融合理论建立多级安全预警机制,设计面向安全性的电池管理系统。最后,基于整车硬件在环实验平台验证新理论方法及关键技术的有效性。本课题属于控制理论、电化学、车辆工程等多学科交叉领域,对促进相关学科的基础理论研究和应用、发展我国动力电池及相关产业、解决环境能源危机具有重大的理论价值和现实意义。

结项摘要

电动汽车作为一种关乎民众生命安全的有限能量供电载人工具,对车载动力电池的安全性和运行效率要求极为苛刻。为此,本项目聚焦于锂离子电池安全管理和高效利用相关的建模与状态估计、高效充放电控制、热失控和热管理、多级安全预警等关键科学与技术问题,取得如下创新成果:. (1)建立了基于分数阶理论和电化学原理的动力电池高精度模型,提出了非同步采样和噪声干扰下的电池模型参数在线辨识方法;实现了电池单体和电池模组的多时间尺度多状态联合估计。. (2)揭示了动力电池负极析锂副反应机制及其阻抗特性变化规律,提出了无析锂的动力电池多目标优化充电策略;建立了电池模组的不一致演化规律及其诊断方法,设计了基于开关耦合电容和正反激变换的动力电池模组主动均衡拓扑;建立了计及电池温度和能耗的混合动力汽车能量管理优化方法。. (3)开展锂离子电池产热特性及热失控触发实验研究,建立了电池热模型及其参数辨识方法;揭示了电池热失控触发和蔓延机制,建立了热管理和热失控传播模型;设计了液冷式和相变材料-微通道液冷混合式电池热管理系统,提出了基于电容重构的低温动力电池交流预热拓扑。. (4)提出了非冗余交叉式测量电路及基于改进相关系数的多故障综合诊断策略,实现了动力电池系统内故障类型、位置及程度的同步诊断,建立了多级安全预警机制;设计开发了适用于电动汽车和储能系统应用的电池管理系统,搭建了电池管理系统硬件在环测试平台,实现了相关电池管理控制算法的验证及车载应用。. 项目执行期间,共发表相关学术论文109篇,其中SCI收录75篇、EI收录21篇;申请国家发明专利41件,其中已授权30件;培养国家杰青1名、优青1名、山东省杰青2名,培养博士后2名、博士生15名、硕士生21名。研究成果获CAA自然科学一等奖、中国专利优秀奖、CAA优秀博士论文等。本项目研究成果为车载锂离子动力电池的安全管理和高效利用提供了重要的理论指导及技术支撑,对推动新能源汽车推广应用、促进动力电池相关产业升级具有重大意义。

项目成果

期刊论文数量(69)
专著数量(0)
科研奖励数量(7)
会议论文数量(23)
专利数量(34)
A Temperature and Current Rate Adaptive Model for High-Power Lithium-Titanate Batteries Used in Electric Vehicles
电动汽车用大功率钛酸锂电池的温度和电流速率自适应模型
  • DOI:
    10.1109/tie.2019.2955413
  • 发表时间:
    2020-11
  • 期刊:
    IEEE Transactions on Industrial Electronics
  • 影响因子:
    7.7
  • 作者:
    Chen Anci;Zhang Weige;Zhang Caiping;Huang Weinan;Liu Sijia
  • 通讯作者:
    Liu Sijia
LCC-S型无线电能传输系统优化配置及特性研究
  • DOI:
    10.19595/j.cnki.1000-6753.tces.l80407
  • 发表时间:
    2019
  • 期刊:
    电工技术学报
  • 影响因子:
    --
  • 作者:
    国玉刚;崔纳新
  • 通讯作者:
    崔纳新
Analysis and Optimization of Star-Structured Switched-Capacitor Equalizers for Series-Connected Battery Strings
串联电池组星型开关电容均衡器分析与优化
  • DOI:
    10.1109/tpel.2017.2787909
  • 发表时间:
    2018-11
  • 期刊:
    IEEE Transactions on Power Electronics
  • 影响因子:
    6.7
  • 作者:
    Shang Yunlong;Cui Naxin;Duan Bin;Zhang Chenghui
  • 通讯作者:
    Zhang Chenghui
An Optimized Mesh-Structured Switched-Capacitor Equalizer for Lithium-Ion Battery Strings
一种优化的锂离子电池组网状结构开关电容均衡器
  • DOI:
    10.1109/tte.2018.2870971
  • 发表时间:
    2019-03
  • 期刊:
    IEEE Transactions on Transportation Electrification
  • 影响因子:
    7
  • 作者:
    Shang Yunlong;Zhang Qi;Cui Naxin;Duan Bin;Zhang Chenghui
  • 通讯作者:
    Zhang Chenghui
Peak power prediction for series-connected LiNCM battery pack based on representative cells
基于代表性电池的串联LiNCM电池组峰值功率预测
  • DOI:
    10.1016/j.jclepro.2019.05.144
  • 发表时间:
    2019-09
  • 期刊:
    Journal of Cleaner Production
  • 影响因子:
    11.1
  • 作者:
    Zhou Zhongkai;Kang Yongzhe;Shang Yunlong;Cui Naxin;Zhang Chenghui;Duan Bin
  • 通讯作者:
    Duan Bin

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于分数阶理论的车用锂离子电池建模及SOC状态估计
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电工技术学报
  • 影响因子:
    --
  • 作者:
    刘树林;崔纳新;李岩;张承慧
  • 通讯作者:
    张承慧
基于路况识别的混合动力汽车模糊能量管理策略
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    International Journal of Automotive Technology
  • 影响因子:
    1.6
  • 作者:
    吴剑;张承慧;崔纳新
  • 通讯作者:
    崔纳新
基于分时电价的电动汽车充放电多目标优化调度
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    电网技术
  • 影响因子:
    --
  • 作者:
    魏大钧;张承慧;孙波;崔纳新
  • 通讯作者:
    崔纳新
新型电动汽车动力电池SOC估计方法研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电力电子技术
  • 影响因子:
    --
  • 作者:
    崔纳新;石庆升;李熠
  • 通讯作者:
    李熠
电动汽车电驱动系统高速区快响应
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电工技术学报,22(6):41-47,2007.6(EI收录源)
  • 影响因子:
    --
  • 作者:
    李珂;张承慧*;崔纳新
  • 通讯作者:
    崔纳新

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

崔纳新的其他基金

基于路况预测的混合动力汽车智能能量管理策略研究
  • 批准号:
    U1864205
  • 批准年份:
    2018
  • 资助金额:
    208.0 万元
  • 项目类别:
    联合基金项目
电动汽车动力电池状态估计方法与均衡控制技术研究
  • 批准号:
    61273097
  • 批准年份:
    2012
  • 资助金额:
    82.0 万元
  • 项目类别:
    面上项目
Plug-In混合动力汽车能量管理及动力系统优化问题研究
  • 批准号:
    60874016
  • 批准年份:
    2008
  • 资助金额:
    35.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码