登录注册
请使用微信扫一扫
关注公众号完成登录
我要投稿
针对退役动力电池分选方法匮乏的问题,提出一种基于SOM(自组织特征映射网络)+SVM(支持向量机)的退役锂离子电池分选方法。对退役电池进行电池测试,通过电池测试系统记录电池的电流、电压、温度和放电容量的变化,进行电池PNGV(新一代汽车合作伙伴)模型参数辨识,并依据电池容量、等压降时间等特征参数与模型参数对电池进行多参数聚类与分选归类。将分选归类结果中的退役电池单体进行并联重组,进行一致性实验,并对实验结果进行比较分析。实验结果表明:该方法下的退役电池参数在经过重组循环运算后,极化内阻、剩余容量、等压降时间、温度转换速率一致性变化程度较小,欧姆内阻离散度明显减小,在退役电池分选工作中具有实际意义。
(来源:储能科学与技术 作者:王鲁 王峰 徐竞 赵延鹏 李玮 王艳艳 王应彪)
当动力电池容量衰退至80%后即不适用于电动汽车,但仍具有较强的放电能力与使用寿命。中国汽车技术研究中心的数据显示,2020年我国动力电池累计退役量约20万吨,并逐年增长,预计2025年累计退役量将达78万吨。造成这一巨大困境的主要原因在于退役电池梯次利用体系的不完善,退役电池梯次利用的关键在于解决退役电池单体间一致性问题,需要进行一致性分选。针对电池分选方法已有国内外学者开展了相关研究,其中王东梅等研究了利用电池充放电曲线的平台特性进行聚类分组,但是此分选方式对分选环境要求高,分选成本昂贵。Fang等基于电池的充电热性能参数,采用人工神经网络对电池以不同热状态进行分组,但是在不同温度下,单体电池的衰减速度是不一样的,反而会加剧单体电池的不一致性。Zhu等采用加权K均值算法,以容量、内阻为参数对退役电池进行分选,并以不同工作条件进行验证,结果表明可满足使用条件。从分选难度和效率方面分析,利用电池的容量、内阻、容量增量曲线进行分析,虽然在容量和温度一致性方面有较好的结果,但分选过程复杂且缓慢。传统的分选方法需要消耗大量的人力物力,同时需要逐个对电池测试从而完成分选,所以传统的分选方法对于大批量退役电池快速分选不适用。依据王焰辉等以电压、内阻、温度等参数对钴酸锂电池电芯采用不同聚类算法进行分选研究,相比传统聚类算法,采用神经网络进行快速分选效果更佳;郑岳久等分析退役电池充放电曲线中特征电压与容量的关系,采用支持向量机器学习算法对退役电池进行快速分选,提高了分选效率。本工作提出了一种快速且高效的分选方法:采用神经网络和支持向量机器学习相结合的方法,以退役锂离子电池特征参数为输入对模型进行训练,完成对拆机退役电池单体的分类。
1 自组织映射(SOM)神经网络+支持向量机(SVM)
自组织映射(SOM)神经网络具有收敛速度快、分类精度高的特点,广泛应用于模糊识别分类和故障诊断方面。支持向量机(SVM)在高维或无限维空间中构造超平面或超平面集合,其可以用于分类、回归或其他任务,它基本上不涉及概率测度及大数定律等,简化了通常的分类和回归等问题。本工作提出并通过实验验证了SOM+SVM分选实验在退役锂离子电池分选方面的成功应用。
1.1 自组织映射(SOM)神经网络算法原理
自组织特征映射网络(self-organizing feature map)是一种无监督的人工神经网络。它运用竞争学习(competitive learning)策略,依靠神经元之间互相竞争逐步优化网络。使用近邻关系函数(neighborhood function)来维持输入空间的拓扑结构。如图1所示,该网络由输入层和竞争层组成,其中输入层由m个神经构成,可以在一维或二维的处理单元阵列上,形成输入信号的特征拓扑分布,接收网络的输入信号,竞争层则是由神经元按一定的方式排列成一个二维节点矩阵。输入层的神经元与竞争层的神经元通过权值相互联结在一起,当网络接收到外部的输入信号以后,竞争层的某个神经元便会兴奋起来,通过学习样本数据特征,产生数据映射。
图1SOM神经网络模型
1.2 支持向量机(SVM)算法原理
支持向量机(support vector machine)是一种监督机器学习算法,适用于模式分类或非线性回归问题,其本质是一种二分类模型,它的基本模型是定义在特征空间上的间隔最大的线性分类器,间隔最大使它有别于感知机。SVM的目的是用训练数据集的间隔最大化找到一个最优分离超平面来创建边界。支持向量机具有适用性广、鲁棒性好、简单高效等特点,是由算法从训练数据中抽取小的子集构成,其体系结构如图2所示。
图2支持向量机体系结构
1.3 提取电池一致性特征参数
对电池进行一致性分选,需要进行电池测试,获取电池容量、等压降时间、温度变化速率等特征参数,作为电池分选的依据。电池容量一般都会作为电芯分组的初选内容,是电芯一致性最重要的参数表现。造成容量不一致的原因很多,并且多数都是制造过程不一致的结果。等压降时间不一致,在化成后,经历同样的充放电过程,在同样的环境温度下,待评价电芯充电到相同开路电压。测量其电压上升和下降时间,此时体现出来的时间差距,就是单体电芯的等压降时间不一致性。温度变化速率也就是温升,温升不一致,除了每只电芯直接影响发热的内阻因素外,其内部电化学物质制造过程中形成的不一致,对发热量也会产生影响。每一只电芯在电池包中所处位置不同,造成其散热条件的差异,最终也会导致电芯温升不一致。
2 特征参数辨识与SOM+SVM分选
SOM+SVM分选实验设计,首先需获取电池的特征参数作为分选依据,通过SOM对退役电池样品进行聚类,再用SVM对聚类结果进行训练,根据训练结果对电池样品样本进行归类分选。
2.1 试验方案
实验测试使用的电池为国产某品牌18650拆机退役磷酸铁锂电池,额定电压为3.2 V,额定容量为1100 mAh,共20只,编号从001至020。电池经过初期筛选,无外体破损、软化、鼓包等外表问题。实验测试仪器为国产某品牌电池测试系统,型号为CT-8002。试验数据通过电池脉冲充放电测试获得,其中脉冲充放电阶段是以3 C电流恒流放电10 s后搁置40 s,再以放电电流大小的75%进行10 s恒流充电。测试流程参考“Freedom CAR Battery Test Manual”[12]进行制定,测试过程在室温下进行(约为25 ℃),退役锂离子电池单体整体测试流程为:①将退役电池单体进行1 C恒流充电至3.6 V;②转为恒压充电,当充电电流小于0.055 A时视为充满;③搁置30 min;④进行1 C恒流放电,使电池容量下降10%;⑤搁置30 min;⑥进行脉冲充放电测试;⑦1 C恒流放电10 min;⑧搁置30 min;⑨重复⑥~⑧三次;⑩进行1 C恒流放电使电压降至放电截止电压;⑪结束。测试过程所得电池的电压曲线如图3所示。
图3电池测试电压曲线
2.2 特征参数辨识
在对退役锂离子电池分选时,所选取的特征参数应具有可表现电池性能一致性的能力,从而作为分选依据。PNGV模型是2001年“PNGV Battery Test Manual”提出的等效电路模型,PNGV等效电路图如图4所示。参考杨阳等对电池PNGV等效电路模型的研究,可选取模型中欧姆内阻(R0)、初始大电容(Cb)、极化内阻(Ra)、极化电容(Ca)作为部分参数。所以单个电池可提取模型参数有欧姆内阻R01、R02、R03,初始大电容Cb1、Cb2、Cb3,极化内阻Ra1、Ra2、Ra3,极化电容Ca1、Ca2、Ca3;以上参数均为退役电池单体在放出10%容量后,每次放电10 min后的状态参数。参考谌虹静的相关研究,其余特征参数可选取电池放电容量(C)、等电压降时间(tD)、温度变化速率(TR)。以上参数计算方法如下文所示。
图4PNGV等效电路图
图5充放电脉冲阶段电压电流
2.2.5 等压降时间
如图6所示,等电压降时间选取测试流程⑩放电工步,取电压3~2.5 V所耗时间作为参数,由式(9)计算
图6等压降时间示意图
式中,TR2_n为放电开始时电池温度,为放电结束时电池温度,单位为℃;为放电时间,单位为s。对20只电池进行测试,通过上述方法计算其参数,所得参数如表1所示,参数散点分布如图7所示。
表1退役电池分选参数表
图7特征参数散点分布图
2.3 退役电池SOM模糊聚类分选
首先将表1中的退役电池特征参数进行归一化作为输入数据,由于样本较少,竞争层神经元结构选择为2x3的二维神经元平面,初始化神经网络后,把特征参数进行归一化,作为数据训练集对SOM神经网络进行训练,达到训练次数500后将得到的电池分类结果如图8进行展示。图中,将5号类别归为A类,1号类别归为B类,4号为C类,4号为D类,2号为E类,6号为F类。
图8退役电池分类结果
由图8中的分类结果可得,采用SOM神经网络对退役电池样品进行聚类,可将该20个退役电池样品分为三类,结果如表2所示。
表2退役电池分类结果
上述分类方法是基于多个参数进行的,除了考虑电池容量、等压降时间、温度变化速率以外,也将电池PNGV等效电路中内阻、极化内阻、大电容、极化电容作为参数。通过SOM神经网络可将参数性能相近的电池单体聚类在一起,以实现退役电池单体的分类。
2.4 退役电池SVM分类
由于试验样品较少,根据表2中对退役电池样品的聚类结果,可选取A、B两类电池样品进行分类。首先将样品数据分为训练数据与测试数据。在A、B两类电池中随机选取一个电池单体作为测试数据,用剩余电池数据作为训练数据,并给电池赋予类别编号。训练数据在Matlab工作区保存为train_bat,类别编号保存为train_bat_labels;同样将测试数据保存为test_bat,测试类别编号保存为test_bat_labels。选取核函数为径向核函数后,将训练数据与测试数据作为输入对支持向量机网络进行训练,得出的结果如图9所示。
图9支持向量机分类结果
采用支持向量机对聚类结果进行分类,可分别将A、B类别中两个测试样本成功归类于该电池所属类别内。
3 分选结果的验证实验
为验证退役锂离子电池样品聚类分选后的结果,需要对电池分选前后的一致性进行检验。本工作将退役锂离子电池进行一致性试验,提取试验后的参数进行一致性分析,以此验证上述分选方法。
3.1 电池一致性试验
电池一致性可根据电压、欧姆内阻、剩余容量、荷电状态等性能指标进行评价。本工作参考谌虹静对电池一致性分选的研究,选取参数中欧姆内阻(R01、R02、R03)、极化内阻(Ra1、Ra2、Ra3)、电池剩余容量C、等压降时间tD、温度变化速率TR来评价退役锂离子电池单体分组循环前后的一致性。实验中采用NEWARE电池测试平台,测试温度为室温,对B类的电池单体04、06、08、17、18、19号进行50次循环测试,检测循环测试后B类电池的相关参数,验证确定的分类是否在使用后仍然保持良好的一致性。由于电池在4 C到6 C恒流快充和快放期间表现出稳定的性能,体现出电池容量衰减最小,所以本工作采取6 C恒流对锂电池进行循环快充和快放,在最严苛的充放电环境下检验分选后锂电池的性能。实验测试流程如下:①首先将电池组以6.6 A电流进行恒流充电至3.6 V;②恒压充电,当充电电流小于0.33 A时视为充满;③搁置30 min;④以6.6 A电流进行恒流放电至2.5 V;⑤搁置30 min;⑥重复①~⑤50次;⑦结束。将电池组进行50次充放电循环,将循环过程中的电压变化情况进行记录,如图10所示。
图10电池组充放电循环
3.2 试验结果及分析
根据2.2节中的参数获取试验数据,分别对04、06、08、17、18、19号电池进行测试,重新辨识循环后的退役电池特征参数,结果如表3所示。
表3B类退役电池单体一致性特征参数离散程度
由表3可知,退役电池特征参数中,欧姆内阻R01、R02、R03进行重组循环后,参数离散程度有所下降;剩余容量C、等压降时间tD、温度变换速率TR离散度有所增加,其中剩余容量离散程度增加0.0203,等压降时间离散程度增加0.0229,温度变化速率离散程度增加0.0160。其余参数为等效电路模型参数,可反映电池的动态特性,参数特征较为复杂,其变化规律也较为复杂。其中,极化内阻Ra1、Ra2、Ra3离散程度有小部分增长,其余参数变化程度较大。将上述参数离散度变化情况由表4进行汇总。由表4可知,经过50次充放电循环的退役锂离子电池单体中,所选取的反映电池一致性的参数离散度增加最大的为极化内阻参数Ra1,且最大值为0.034即3.4%,根据锂离子电池组离散度与一致性的关系[17]可视为轻度离散,同时由于本次试验退役电池样品较少,该结果已满足预期结果。通过欧姆内阻、极化内阻、剩余容量、等压降时间、温度变化速率5种基础参数的离散程度变化情况,采用基于SOM+SVM退役电池分选方法对退役锂离子电池进行分选重组,重组后的电池在后续使用时其欧姆内阻的一致性得到了改善,极化内阻、剩余容量等其余参数一致性变化程度较小。
表4电池一致性参数变化情况
注:离散度变化负为减少,正为增加。
4 结论
本工作提出一种基于SOM+SVM的退役锂离子电池分选方法。首先对退役电池进行电池测试和PNGV模型参数辨识。并依据电池测试结果获取电池容量、等压降时间、温度变化速率等特征参数。将所得参数作为输入对电池进行多参数聚类与分选归类。最后进行一致性实验,将分选归类结果中的退役电池单体进行并联重组,经过50次充放电循环后,获取循环后的退役电池参数。对循环前后所归类的退役电池单体参数进行离散度计算。实验结果表明:该方法下的退役电池参数在经过重组循环后,极化内阻、剩余容量、等压降时间、温度转换速率一致性变化程度较小,欧姆内阻离散度减小明显。本工作提出的方法,相比传统聚类,采用SOM与SVM进行退役电池分类,经过一致性验证表明其分类效果较好,可为退役电池分选归类提供参考。
第一作者:王鲁(1996—),男,硕士研究生,研究方向为电力电子与电力传动,E-mail:1105331851@qq.com;
通讯作者:王峰,博士,实验师,硕士生导师,研究方向为电力电子与电力传动,E-mail:wangf@swfu.edu.cn。
特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
凡来源注明北极星*网的内容为北极星原创,转载需获授权。
北极星储能网讯,4月23日,湖南省人民政府印发《湖南省推动大规模设备更新和消费品以旧换新实施方案》的通知。文件强调:加快发展再制造产业。鼓励对具备条件的废旧生产设备实施再制造,再制造产品设备质量特性和安全环保性能应不低于原型新品。大力推进产业基础较好的工程机械、农用机械、轨道交通、
北极星储能网获悉,据宁德时代消息,4月16日,沃尔沃汽车与宁德时代签署战略合作备忘录,旨在深化双方在可持续发展方面的合作。根据双方协议内容,沃尔沃汽车将回收退役及废旧电池,交由沃尔沃汽车认证的下游供应商进行回收处理,提取其中的镍、钴、锂等金属材料。宁德时代则利用这些再生材料生产新电
4月17日,天奇股份公告,公司拟与中国长安汽车集团有限公司(简称“中国长安”)、重庆长安汽车股份有限公司(简称“长安汽车”)共同出资设立合资公司辰致安奇循环科技有限公司,并以合资公司为主体合作开展电池回收、梯次利用及再生利用业务,目标打造成为西南区域领先的电池回收标杆企业。合资公司
北极星储能网讯,近期,新疆圣瑞绿源新能源有限公司成立,法定代表人为刘太武,注册资本为9000万元人民币。公司股东分别为:深圳市圣瑞新能源有限公司和新疆凯盛融余产业股权投资基金合伙企业(有限合伙)。经营范围包含:一般项目:新兴能源技术研发;电池零配件生产;电池零配件销售;电池制造;新能
4月10日,广州优美再生技术有限公司(以下简称广州优美)正式成立,公司由优湃能源科技(广州)有限公司与格林美集团下属武汉动力电池再生技术有限公司携手打造。广州优美落户于广州市白云区钟落潭镇,占地面积24,934平方米,建筑面积34,900平方米,一期建成后将具备动力电池回收拆解能力2万吨/年、电
北极星储能网讯,根据福建省省财政厅消息,省级财政对通过行业规范条件的废旧动力蓄电池回收利用企业,按每家20万元标准给予补助;对年处理能力在1万吨及以上、年再生利用量达5000吨及以上且信息完整、生产前驱体或正极材料的企业,按每吨1000元标准予以补助,单家企业最高补助1000万元。聚焦强化技术
北极星储能网获悉,4月9日,惠州市工业和信息化局发布关于公布新能源汽车废旧动力蓄电池综合利用行业规范企业名单的公告。文件明确,惠州市恒创睿能环保科技有限公司为第二批新能源汽车废旧动力蓄电池综合利用行业规范条件企业,中商锂新能源科技(惠州)有限公司为第五批新能源汽车废旧动力蓄电池综合
2024年4月7日,为做好电动自行车废锂离子电池回收处置工作,提升电动自行车全链条管理水平,工业和信息化部节能与综合利用司组织召开电动自行车废锂离子电池回收体系建设座谈会,部分地方工业和信息化主管部门、自行车协会及电动自行车生产企业有关人员参加会议。会上,地方工信部门介绍了本地区在推动
北极星储能网获悉,3日上午,湖南推动大规模设备更新和消费品以旧换新工作视频会议在长沙召开。湖南省委副书记、省长毛伟明强调,要深入贯彻习近平总书记在湖南考察时的重要讲话和指示精神,全方位兑现放大政策红利,全链条创新激发有效需求,切实把政策红利转化为全省高质量发展实效。毛伟明强调,要
近年来,我国锂电池产业发展迅猛,数量快速增加的同时,废旧锂电池回收利用行业,成了一条火热的赛道。废物利用原本是件好事,但《财经调查》的记者在一线走访中发现,当前锂电池回收渠道里,一些资质不全的小作坊、小工厂进入这个市场,他们擅自回收拆解旧的锂电池,并进行粗加工牟利,这些“三无”产
北极星电池网获悉,据Li-Cycle官网消息,当地时间3月26日,加拿大锂电池回收企业Li-Cycle宣布,预计裁减约60个职位,约占公司全球员工总数的17%。该公司预计在2024年第一季度末基本完成裁员,并预估裁员相关总费用约为830万美元,大部分将在未来12个月内作为现金遣散费支付。
全球视野,中国制造。4月25日,由深圳市战略性新兴产业发展促进会,PNEEXPO组委会、印尼米奥兰特主办,英特尔大湾区科技创新中心联合主办的“印尼电车及周边配套对接交流会”,在英特尔大湾区科技创新中心19楼成功召开,本次会议得到了PERIKLINDO印尼电动汽车工业协会的支持,车桩网,索比储能,北极星
动力电池应用分会数据显示,今年一季度,中国市场动力电池装机量约为85.7GWh,同比增长24.3%。同期,中国新能源汽车产量约为211.5万辆,同比增长28.1%。值得注意的是,今年一季度,理想汽车、问界、埃安、蔚来、零跑、深蓝、极氪、岚图、阿维塔等造车新势力或新品牌,凭借快速增长的产销量,带动动力电
4月25日,2024(第十八届)北京国际汽车展览会在中国国际展览中心正式拉开帷幕。蜂巢能源携旗下全新PHEV和增程市场热销大单品62Ah、90Ah、117Ah,及100Ah龙鳞甲混动三元快充电池和供坦克700越野豪华车专用电池包亮相北京车展。这是蜂巢能源首次全系插混产品亮相车展,并首次与搭载的长城全系车型同台亮
如果你最近和燃油车主聊天,他们可能不会关注小米SU7卖得好不好,也不会关注谁家又出了新车,而是大概率会向你诉苦,如今的油价一涨再涨,每一脚踩下去都是钱,出门开车都没法痛痛快快地开了。4月17日0点,油价迎来2024年最大上调,此次油价上涨是2024年的“第5次”上涨,经过这一轮调整后,92#汽油价
数据显示,2024年4月的前半个月,中国乘用车零售51.6万辆。其中,新能源乘用车零售26万辆,同比增长32%,新车渗透率达50.39%,占比首次超过传统燃油车!而且值得一提的是,新车渗透率突破50%的时间,比我国原定的2035年提前了11年。这不仅是中国交通领域能源转型的重要标志,表明中国汽车产业持续向绿色
北极星储能网获悉,据卫蓝新能源消息,2024年4月22日,北京卫蓝新能源科技股份有限公司与钇威汽车科技有限公司在钇威汽车科技有限公司合肥签署了战略合作协议。双方将基于江淮钇为全球第二代纯电平台——DI平台,合作开发4695大圆柱半固态电芯应用的车型,该车型将采用原位固态技术,实现整车600km-100
北极星储能网获悉,4月25日,宁德时代在北京车展上发布神行PLUS电池,为全球首款实现1000公里续航的磷酸铁锂电池。神行PLUS电池支持4C倍率快充,实现充电10分钟,续航600公里。神行PLUS电池首创一体式外壳结构,大幅提升空间利用率,电池系统在CTB3.0基础上优化,体积效率提升7%,能量密度达到205Wh/kg
过去“10年来动力电池能量密度提升3倍,成本下降80%以上。”中国科学院院士欧阳明高表示。实际上,对于300Wh/kg能量密度的动力电池,行业目前已经司空见惯。国务院办公厅印发的《新能源汽车产业发展规划(2021-2035年)》指出,到2025年动力电池单体比能量达到400Wh/kg,2030年能量密度达到500Wh/kg。随
北极星电池网获悉,来自木垒县融媒体中心的消息显示,4月23日,新疆维吾尔自治区昌吉回族自治州木垒县2024年第二批重点项目集中开工。据悉,此次集中开工14个重点项目,总投资29亿元。其中年产2GWh锂电池项目开工。据了解,该项目由新疆宁迪新能源科技有限公司投建,总投资4.99亿元,项目建成后预计年
动力电池出货量同比增长19%三元动力电池市场占比超30%高工产研锂电研究所(GGII)初步调研数据显示,2024Q1中国锂电池出货量200GWh,同比增长18%。其中动力、储能电池出货量分别为149GWh、40GWh,同比分别增长19%、14%。分技术路线看,2024Q1动力三元电池出货量47GWh,在动力电池中占比32%,较2023年提
4月24日,据孚能科技消息,孚能科技超级软包解决方案SPS(SuperPouchSolution)首个量产配套车型——吉利雷达地平线正式发布。吉利雷达地平线此次推出的纯电动四轮驱动车型采用了孚能科技首个磷酸铁锂材料体系的SPS(超级磷酸铁锂系统)。这标志着孚能科技的SPS产品在性能和质量方面已经通过了客户的全
全球视野,中国制造。4月25日,由深圳市战略性新兴产业发展促进会,PNEEXPO组委会、印尼米奥兰特主办,英特尔大湾区科技创新中心联合主办的“印尼电车及周边配套对接交流会”,在英特尔大湾区科技创新中心19楼成功召开,本次会议得到了PERIKLINDO印尼电动汽车工业协会的支持,车桩网,索比储能,北极星
如果你最近和燃油车主聊天,他们可能不会关注小米SU7卖得好不好,也不会关注谁家又出了新车,而是大概率会向你诉苦,如今的油价一涨再涨,每一脚踩下去都是钱,出门开车都没法痛痛快快地开了。4月17日0点,油价迎来2024年最大上调,此次油价上涨是2024年的“第5次”上涨,经过这一轮调整后,92#汽油价
过去“10年来动力电池能量密度提升3倍,成本下降80%以上。”中国科学院院士欧阳明高表示。实际上,对于300Wh/kg能量密度的动力电池,行业目前已经司空见惯。国务院办公厅印发的《新能源汽车产业发展规划(2021-2035年)》指出,到2025年动力电池单体比能量达到400Wh/kg,2030年能量密度达到500Wh/kg。随
记者从中国汽车流通协会相关部门了解到,4月上半月,我国新能源乘用车零售渗透率首次突破50%。该协会的乘用车市场联席分会的数据显示,4月1日至14日,我国新能源乘用车市场零售26万辆,同比增长32%,4月上半月,新能源乘用车零售渗透率为50.39%,首次超过传统燃油乘用车。近二十年来,新能源汽车以惊人
近期,拜登政府“以威胁国家安全”的名义,宣布将调查在中国制造的电动汽车。关于中国电动车是否会窃取数据的讨论也不断增多,甚至导致当前电动车出口增速出现放缓。中国电动车真的会威胁国家安全吗?美国的调查依据是什么?中国电动汽车究竟得罪了谁?为了找到所有信息的源头,我们利用最新的大模型技
4月23日,甘肃定西安定区电动汽车充换电基础设施建设运营管理办法征求意见。其中提到,电网企业要根据电动汽车发展规划和应用推广情况,按照“适度超前”的原则,结合老旧小区改造,积极推进现有居民区(含高压自管小区)停车位的电气化改造。同时,电网企业要按照优化服务、简化手续的原则,制定充电
北极星储能网讯,4月23日,湖南省人民政府印发《湖南省推动大规模设备更新和消费品以旧换新实施方案》的通知。文件强调:加快发展再制造产业。鼓励对具备条件的废旧生产设备实施再制造,再制造产品设备质量特性和安全环保性能应不低于原型新品。大力推进产业基础较好的工程机械、农用机械、轨道交通、
北极星储能网获悉,据中国汽研消息,4月18日,由中国汽车工程研究院股份有限公司(以下简称“中国汽研”)与中国标准化研究院牵头的《电动汽车充电桩能效限定值及能效等级》强制性国家标准起草工作启动会在中国汽研礼嘉本部顺利召开。多位行业领导专家及华南理工大学、北京理工大学专家学者等共70余人
据中国汽车工业协会分析,春节后,企业生产经营活动加快,制造业景气面明显扩大、重返扩张区间,市场预期继续向好。一季度,汽车行业经济运行起步平稳,实现良好开局。具体来看,汽车产销呈现较快增长,乘用车和商用车均有良好表现;新能源汽车延续快速增长势头,市场占有率稳定在30%;整车出口依然保
北极星储能网获悉,4月18日,360创始人、董事长周鸿祎更新个人微博,称“做了一个艰难的决定,我要把陪伴我9年的迈巴赫600给卖掉。”随后,他解释道:“这是因为我需要体验新一代车的感觉。古人说要‘破釜沉舟’,所以我就把这车卖掉,放弃传统意义的豪华车,换上国产新能源智能网联车。”同时他还表示
北极星储能网获悉,4月15日,工信部发布《减免车辆购置税的新能源汽车车型目录》(第四批)公告,在《减免车辆购置税的新能源汽车车型目录》(第四批)中,小米SU7、比亚迪海豹、智界S7等均列入新车型纯电动汽车乘用车车型名单。减免车辆购置税的新能源汽车车型目录(第四批)纯电动汽车-乘用车车型如
请使用微信扫一扫
关注公众号完成登录
姓名: | |
性别: | |
出生日期: | |
邮箱: | |
所在地区: | |
行业类别: | |
工作经验: | |
学历: | |
公司名称: | |
任职岗位: |
我们将会第一时间为您推送相关内容!