【产业论坛】廖强强：电动汽车退役电池梯次利用研究与应用

论坛展会
2026-01-28 12:20

2024年5月16日，广受行业关注和赞誉的“第九届中国动力电池回收利用产业发展论坛”在长沙市成功召开。本届论坛由中国电子节能技术协会电池回收利用委员会、动力电池回收网、电池材料网、电池回收利用网、电池工业网主办。论坛期间，上海电力大学廖强强教授进行了以《电..

2024年5月16日，广受行业关注和赞誉的“第九届中国动力电池回收利用产业发展论坛”在长沙市成功召开。

本届论坛由中国电子节能技术协会电池回收利用委员会、动力电池回收网、电池材料网、电池回收利用网、电池工业网主办。

论坛期间，上海电力大学廖强强教授进行了以《电动汽车退役电池梯次利用研究与应用》为题的主题演讲。

廖强强教授的演讲主要从电动汽车动力电池的储能潜力、退役电池健康度快速评估技术、储能电站健康度在线评估技术、锂离子电池循环寿命预测技术、储能电站电池故障诊断技术、研究成果典型应用案例六个方面展开。

当前，我国电动汽车保有量持续提高，回收利用市场规模也随之增长。

廖教授认为，应着眼于资源循环利用，充分挖掘电动汽车电池的储能属性，实现节能减排。

而健康状态（SOH）的快速评估则是退役电池梯次利用关键技术之一。

退役电池健康状态快速评估技术

廖教授讲解了如何从电池参数如电阻、电压、温度等的变化对退役电池的健康状态进行评估。

展示了从电阻角度快速评估、从开路电压角度快速评估、采用低SOC段的工作电压数据快速评估、采用中SOC段的工作电压数据快速评估、采用高SOC段的工作电压数据快速评估、从电池温度角度快速评估技术。

锂离子电池循环寿命预测技术

以电池特征参数（如统计学指标、微分参量）为输入量，采用机器学习方法，实现小样本训练的电池寿命精确预测。

目标是开发基于锂离子电池机理和机器学习的混合模型，进行锂离子电池寿命预测，预测准确率95%以上。

储能电站电池故障诊断技术

以单体电压数据、总电压数据、和对应采样时间为原始数据，采用局部离群因子（LOF）算法提取电池故障特征，实现锂离子电池故障精准诊断。

目标是开发基于锂离子电池机理和局部离群因子（LOF）算法的混合模型，进行锂离子电池故障的预测和识别，准确率95%以上。

以上根据现场录音整理，未经本人校验审核。

来源：中电能协电池回收利用委员会

免责声明：本文仅代表作者个人观点，与动力电池回收网无关。其原创性以及文中陈述文字和内容未经本网证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性，本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。涉及资本市场或上市公司内容也不构成任何投资建议，投资者据此操作，风险自担！凡本网注明 “来源：XXX（非动力电池回收网）”的作品，转载目的在于传递行业更多的信息或观点，并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的，请在一周内进行，以便我们及时处理、删除。电话：13126904348 邮箱：dchslm2019@126.com