首页期刊导航|电源技术
期刊信息/Journal information
电源技术
中国电子科技集团第十八研究所
电源技术

中国电子科技集团第十八研究所

黄才勇

月刊

1002-087X

cjps@263.net

022-23959362

300384

天津296信箱44分箱

电源技术/Journal Chinese Journal of Power SourcesCSCD北大核心CSTPCD
查看更多>>本刊是信息产业部电源专业情报网网刊,中国电子科技集团公司第十八研究所主办,信息产业部主管,国家科技部(原国家科委)批准,属于全国性的技术类科技期刊。主要服务对象是从事化学与物理电源研究、研制、生产的科技工作者,科技管理工作者,有关专业的高等院校师生及部分用户,与电源相关行业的研究、研制、生产者。
正式出版
收录年代

    金刚石线切割单晶硅制绒研究进展

    黄虎一雄李杰章金兵王旭生...
    92-98页
    查看更多>>摘要:对常用的几种单晶硅片制绒技术,如添加剂辅助碱液刻蚀制绒工艺、酸液刻蚀制绒工艺、金属离子催化的化学制绒以及表面预处理(热处理、机械抛光和电化学预处理)叠加碱液刻蚀制绒工艺等进行了介绍.并对不同工艺的制绒原理、技术特点和应用情况等进行了对比分析,认为添加剂辅助碱液刻蚀制绒工艺应用较多;热处理叠加碱液刻蚀制绒工艺相较于其他制绒工艺,可减少溶液消耗、硅料消耗和简化工艺处理步骤等,可实现降低晶体硅太阳电池制造成本及硅片薄片化的目的.

    金刚石线切割单晶硅片制绒工艺热处理

    TPP添加剂对高镍高硅软包电池高温产气改善应用研究

    冀亚娟黄佳苑吴倩谢英朋...
    99-105页
    查看更多>>摘要:高镍/高硅软包电池存在日历寿命差及高温存储产气问题.通过满电态正负极与电解液间电化学稳定性分析表明,正极侧溶剂氧化分解是产气主要来源.研究表明:电解液中加入0.5%TPP,电池60 ℃存储7天,产气率由132%迅速降至6%,这归因于TPP添加剂可构建高热稳定性的正极界面CEI膜,抑制溶剂氧化,同时TPP因含3个不饱和炔基官能团,在硅负极表面与FEC共同参与成膜,增强SEI膜韧性,负极界面阻抗由9.45 Ω降低至1.19 Ω,降低87%.此外,TPP添加剂对硅基电池高温循环改善效果显著,45 ℃下1 C循环1 000次,容量保持率由82.3%升至86.9%.TPP因其优异的高温成膜稳定性,有望解决高镍/高硅体系商业化面临的日历寿命不足问题,加快下一代高比能硅基电池产品的快速落地.

    高镍/高硅体系高温存储性能磷酸三丙炔酯(TPP)日历寿命界面稳定化技术

    MOF基ZnO/NiO@C复合材料作为高性能锂离子电池负极材料

    李培枝雷盼杨晓武张康...
    106-113页
    查看更多>>摘要:通过简单的溶剂热法和煅烧法制备了 MOF衍生的ZnO/NiO@C多孔纳米复合材料,采用傅里叶红外光谱(FT-IR)、扫描电镜(SEM)、X射线衍射(XRD)对其微观形貌和结构进行表征,利用X射线光电子能谱(XPS)分析了复合材料的元素组成,通过氮气吸附/脱附实验测试了复合材料的比表面积和孔径分布,结果表明:复合材料具有高比表面积和一定数量的介孔,在100 mA/g电流密度下,ZnO/NiO@C电极首次放电比容量为1 489.7 mAh/g,循环400次后的可逆比容量为1 078.0 mAh/g,容量保持率为72.4%.此外,通过不同倍率的充放电实验,电极的比容量可以恢复到初始倍率的75.28%,测试结果表明ZnO/NiO@C电极具有优异的循环性能和较好的倍率性能,良好的电化学性能是由于其多孔结构、高比表面积和丰富的电化学活性位点,降低了电荷的传递阻力,促进了离子的扩散,提高了倍率性能和循环稳定性.

    锂离子电池负极材料MOF金属有机骨架多孔结构

    高温浮充鼓胀锂离子电池的安全风险研究

    王猛吴森明王胜楠栾伟玲...
    114-122页
    查看更多>>摘要:浮充是手机和笔记本电脑等便携式电子产品中锂离子电池常用的充电方法.然而,锂离子电池在高温环境下浮充常常导致容量下降和产气鼓胀,引起消费者对产品安全的担忧.为了明晰高温浮充老化对电池安全性能的影响,选择了同一电芯制造商生产的五款商用软包锂离子电池开展对比研究.对鼓胀电池进行加热测试、外短路测试和挤压实验,分析了产生气体的组分,发现高温浮充老化加速了锂离子电池的容量衰减和气体产生.产气导致电池膨胀,增加了破裂、漏液的风险,产生的混合气体虽然可燃,但由于气体量不多,对风险影响不大.虽然老化膨胀后锂离子电池的电化学性能下降,但在常规电子产品使用条件下,鼓胀电池的安全性能保持良好,热失控的风险较低.

    锂离子电池安全风险高温浮充热失控

    结合半导体制冷的复合电池热管理模块仿真研究

    赵兴兴霍兆瑞洪小波阮殿波...
    123-131页
    查看更多>>摘要:电池热管理系统对于保证电池工作温度环境和延长其使用寿命至关重要.提出了一种半导体制冷片(TEC)结合相变材料(PCM)用于电池热管理的设计,以改善大倍率放电时电池模组内部热量积聚问题.通过建立集成热电冷却和相变材料关键散热部件的电池模组的散热模型,对不同变量参数下的电池模组进行热仿真计算.结果表明:TEC和PCM集成散热部件的散热模型,当导热柱直径为6 mm、TEC工作电流为0.8A、PCM导热系数为1 W/(m·K),电池模组在大倍率放电时,温度可控制在42.3 ℃以下,组内最大温差为5 ℃.

    锂离子电池半导体制冷相变材料电池热管理有限元仿真

    锂离子电池过充热失控特征和预警策略研究

    王博涵刘勇郭宇峰王敏欣...
    132-138页
    查看更多>>摘要:随着全球对碳中和目标的追求,锂离子电池储能技术的发展前景广阔,而安全问题是制约锂离子电池储能电站发展的重要障碍.分析了不同充电倍率条件下磷酸铁锂电池的热失控动态特性及其影响因素.通过综合电压、温度和气体释放特征的协同分析,揭示了电池过充过程中的风险阶段及其安全阈值.采用云模型计算,建立了基于电压、温度和气体产生的多变量预警系统,通过基本概率分配(BPA)函数和mass函数来融合传感器数据,实现了磷酸铁锂电池过充危险等级的综合判断,为锂离子电池的安全监测和风险管理提供了切实可行的思路和技术支持.

    锂离子电池热失控过充监测与预警

    磷酸铁锂储能电池不同温度循环容量衰减研究

    郑建明
    139-146页
    查看更多>>摘要:以石墨||磷酸铁锂软包电池为研究对象,对其进行25、45、60、70和80 ℃下充放电循环测试,计算电池循环容量衰减速率数据.利用Arrhenius公式,推导计算不同温度下铁锂电池活化能.采用微分容量(dQ/dV)曲线做容量损失分析;结合扫描电子显微镜(SEM)、电感耦合等离子体光谱分析(ICP)、X射线衍射(XRD)等表征数据,结果表明,当温度超过60 ℃进行循环测试时,石墨负极界面SEI膜生长加速、正负极活性材料微观结构破裂、过渡金属离子出现溶出/沉淀现象,导致电池性能恶化,容量加速衰减.

    电化学储能磷酸铁锂循环容量衰减加速老化寿命预测

    基于三支决策聚类的退役电池快速分选方法

    王珍杰刘景霞宋中浩
    147-154页
    查看更多>>摘要:单体电池性能一致性对所组成电池组的安全使用有重要影响,而高效的分选方法有助于降低这种不一致性.针对获取退役电池聚类特征用时长的问题,提出了一种从4 C电流下的容量增量(IC)曲线中提取聚类特征的方法;由于高效的划分聚类算法得到的二支决策聚类结果通常不利于分选电池的一致性,故采用由三支决策改进的K-means聚类算法,同时提出一种结合局部引力模型的网格划分矫正策略以准确划定三支决策中的核心对象.结果表明,该方法在筛选效率和分选电池一致性方面具有良好效果.

    退役电池快速分选容量增量分析三支决策网格划分局部引力模型

    基于BP-DCKF-LSTM的锂离子电池SOC估计

    张宇李维嘉吴铁洲
    155-166页
    查看更多>>摘要:电池荷电状态(SOC)的准确估计是电池管理系统(BMS)的核心功能之一.为了提高锂电池SOC估算精度,提出了一种将反向传播神经网络(BP)、双容积卡尔曼滤波(DCKF)和长短期记忆神经网络(LSTM)相结合的SOC估计方法.针对多温度条件下传统多项式拟合法在拟合开路电压(OCV)与SOC时效果较差的问题,提出了一种基于BP神经网络的拟合方法,通过验证表明该方法能有效提高拟合精度.针对单独使用模型法或数据驱动法估计SOC各自存在的优缺点,提出了一种将DCKF与LSTM相结合的估计方法,在提高估计精度的同时,可以减少参数调节时间和训练成本.实验验证表明,BP-DCKF-LSTM算法的均方根误差(RMSE)和平均绝对误差(MAE)分别小于0.5%和0.4%,具有较高的SOC估算精度和鲁棒性.

    荷电状态反向传播神经网络双容积卡尔曼滤波长短期记忆神经网络

    面向真实世界车辆LFP电池的深度学习SOC估计方法

    孟易真杨林周正益李怀瑾...
    167-175页
    查看更多>>摘要:电动汽车磷酸铁锂(LFP)电池的开路电压-荷电状态曲线在20%~95%荷电状态(SOC)范围内存在平台期,导致基于模型的方法难以准确估计SOC,而基于数据驱动的方法又存在真实世界准确的样本数据难以获取和实验环境无法完全模拟真实世界电池系统运行的问题.提出了一种面向真实世界车辆LFP电池的深度学习SOC估计方法,利用真实世界车辆LFP电池系统运行数据通过反向安时积分法为其自动标签准确的SOC,构建了 CNNGRUM新模型预测SOC的方法,通过多层卷积神经网络结合多层门控循环单元,基于电流、电压、温度和充电过程安时量四个特征实现对LFP电池SOC的估计.通过在真实世界的20辆电动汽车LFP电池上进行模型训练和验证,实现了最大绝对误差为2.85%、均方根误差(RMSE)为0.61%、平均绝对误差(MAE)为0.42%的SOC准确估计.

    磷酸铁锂电池SOC估计深度学习电动汽车