用于估计电池的长期特性的系统和方法

    公开(公告)号:CN101803104B

    公开(公告)日:2013-01-09

    申请号:CN200880106937.X

    申请日:2008-09-12

    CPC classification number: H01M10/482 G01R31/3651 G01R31/3679 H01M10/48

    Abstract: 一种系统,其包括:学习数据输入单元,其用于接收要作为学习对象的电池的初始特性学习数据和长期特性学习数据;测量数据输入单元,其用于接收要作为估计长期特性的对象的电池的初始特性测量数据;人工神经网络操作单元,其用于将所述初始特性学习数据和长期特性学习数据转换到第一数据结构和第二数据结构中,允许人工神经网络基于每一数据结构学习所述初始特性学习数据和长期特性学习数据,将所输入的初始特性测量数据转换到第一和第二数据结构中,并独立地应用相应于每一数据结构的已学习过的人工神经网络来计算并输出基于每一数据结构的长期特性估计数据;以及长期特性估计单元,其用于计算每一数据结构的输出的长期特性估计数据的误差,并根据该误差确定长期特性估计数据的可靠性。

    用于估计电池的长期特性的系统和方法

    公开(公告)号:CN101803104A

    公开(公告)日:2010-08-11

    申请号:CN200880106937.X

    申请日:2008-09-12

    CPC classification number: H01M10/482 G01R31/3651 G01R31/3679 H01M10/48

    Abstract: 一种系统,包括:其包括:学习数据输入单元,其用于接收要作为学习对象的电池的初始特性学习数据和长期特性学习数据;测量数据输入单元,其用于接收要作为估计长期特性的对象的电池的初始特性测量数据;人工神经网络操作单元,其用于将所述初始特性学习数据和长期特性学习数据转换到第一数据结构和第二数据结构中,允许人工神经网络基于每一数据结构学习所述初始特性学习数据和长期特性学习数据,将所输入的初始特性测量数据转换到第一和第二数据结构中,并独立地应用相应于每一数据结构的已学习过的人工神经网络来计算并输出基于每一数据结构的长期特性估计数据;以及长期特性估计单元,其用于计算每一数据结构的输出的长期特性估计数据的误差,并根据该误差确定长期特性估计数据的可靠性。

    非水电解质和使用该电解质的锂二次电池

    公开(公告)号:CN100502132C

    公开(公告)日:2009-06-17

    申请号:CN200480041548.5

    申请日:2004-02-10

    CPC classification number: H01M10/052 H01B1/122 H01M10/0567 H01M10/4235

    Abstract: 本发明涉及一种包含新添加剂的非水电解质溶液和包括该非水电解质溶液的锂二次电池。更具体地讲,本发明涉及非水电解质溶液以及包括所述非水电解质溶液的锂二次电池,所述非水电解质溶液包含锂盐、电解质化合物、氧化起始电势在4.2V以上的第一添加剂化合物、和氧化起始电势在4.2V以上的第二添加剂化合物,所述第二添加剂化合物的氧化起始电势比第一添加剂的高,并且在氧化中会沉积氧化产物或形成聚合物膜。本发明通过将第一添加剂与第二添加剂联用作为非水电解质溶液的添加剂,从而可以提供在电池性能和电池在过充电中的安全性方面均优良的锂二次电池。

Patent Agency Ranking