为有效降低退役动力电池梯次利用寿命损耗,提高电池模组运行过程中功能状态的一致性,本工作提出了考虑电池能量状态(state of energy,SOE)、健康状态(state of health,SOH)及功率状态(state of power,SOP)的多状态耦合的电池模组分选方...为有效降低退役动力电池梯次利用寿命损耗,提高电池模组运行过程中功能状态的一致性,本工作提出了考虑电池能量状态(state of energy,SOE)、健康状态(state of health,SOH)及功率状态(state of power,SOP)的多状态耦合的电池模组分选方法。首先,提取退役动力电池基本电性能参数(如容量、电压、内阻等),建立了电池模组SOE、SOH及SOP多状态耦合表征模型;其次,估计电池模组SOE特性,预测梯次利用电池模组SOH一致性,采用改进K-means聚类算法对电池模组进行了第一阶段的动态分选。最后,建立了电池模组耦合多参量的SOP表征模型,估计了电池模组中电池之间SOP偏差,对电池模组进行了第二阶段的动态分选。通过仿真算例分析验证该方法有效提高了退役动力电池梯次利用过程中模组的一致性,降低了系统运行的寿命损耗,为梯次利用储能大规模应用提供理论基础。展开更多
文摘为有效降低退役动力电池梯次利用寿命损耗,提高电池模组运行过程中功能状态的一致性,本工作提出了考虑电池能量状态(state of energy,SOE)、健康状态(state of health,SOH)及功率状态(state of power,SOP)的多状态耦合的电池模组分选方法。首先,提取退役动力电池基本电性能参数(如容量、电压、内阻等),建立了电池模组SOE、SOH及SOP多状态耦合表征模型;其次,估计电池模组SOE特性,预测梯次利用电池模组SOH一致性,采用改进K-means聚类算法对电池模组进行了第一阶段的动态分选。最后,建立了电池模组耦合多参量的SOP表征模型,估计了电池模组中电池之间SOP偏差,对电池模组进行了第二阶段的动态分选。通过仿真算例分析验证该方法有效提高了退役动力电池梯次利用过程中模组的一致性,降低了系统运行的寿命损耗,为梯次利用储能大规模应用提供理论基础。
文摘为了高效回收利用河北某超贫钒钛磁铁矿中的铁矿物,在矿石性质研究的基础上将原矿破碎至-12 mm采用干式磁选机进行分选,得到的精矿再利用阶段磨矿、阶段磁选工艺进行分选。最终研究结果表明:将干选精矿进行一段磨矿至-0.074 mm40%进行粗选弱磁选,得到的精矿再磨至-0.074 mm 61.5%通过两段弱磁选,得到了铁品位65.73%、铁回收率62.74%的良好指标,有效实现了超贫钒钛磁铁矿中铁矿物的回收利用。
