为期五年、投资额5,000万美元的Battery500联盟,旨在将电动车电池的储存电量提升三倍,并将把资金中的20%用以赞助电池技术领域的小型“种子”研发项目。
一个美国的电池技术研发联盟,将提供最多1,000万美元资金赞助小型项目,以鼓励针对电动车与智能电网储存应用的锂金属电池技术研发。
这个为期五年、投资额5,000万美元的Battery500联盟,旨在将电动车电池的储存电量提升三倍,并将把资金中的20%用以赞助电池技术领域的小型“种子”研发项目。该联盟将打造能量比(specific energy)达到每公斤500瓦时(watt-hours)的电池组,而目前典型电动车电池组的能量比为每公斤170~200瓦时。
美国国家实验室Pacific Northwest National Laboratory (PNNL)的研究人员Jason Zhang将担任联盟团队的共同主持人,专注于改善电池的电极以及电解质。
Battery500联盟的目标是打造新一代能量比更高的电动车电池;图为该联盟共同主持人,PNNL研究员Jason Zhang (图片来源:PNNL)
“我们的目标是充分提取电池材料的每一滴能量,并制造出可靠、安全而且价格更低的高性能电池;”PNNL材料科学家、联盟总监Jun Liu表示:“透过我们跨机构的合作,包括全世界最具创新性的能源储存方案领导供应商,Battery500联盟将检验最佳的技术选项,为电动车打造最高性能的新一代锂电池。”
除了PNNL,Battery500联盟成员还包括美国斯坦福大学(Stanford University)、加州大学圣地亚哥分校(University of California, San Diego)、德州大学奥斯汀分校(University of Texas at Austin)、华盛顿大学(the University of Washington),以及IBM;而除了打造高效率、平价电动车电池的实时目标,Liu也预期联盟的研发成果能有助于智能电网的能量储存。
内容来源:我爱研发网(52RD.com) - R&D大本营
责任编辑:龚淑娟
审 核:李峥
登录后可发表评论
2026-07-20
2026-07-22
2026-07-21
2026-07-23
2026-07-24
针对传统永磁同步电机建模方法难以兼顾精度与实时性的问题,本文基于深度学习技术提出一种融合物理约束的永磁同步电机降阶模型,通过深度神经网络实现对电机非线性电磁特性的精细化建模。围绕所提降阶模型,搭建了电驱实验系统,并将该模型集成至电驱系统中,实现了实时硬件在环验证。在不同工况下对降阶模型和传统dq轴解析模型开展实验分析,结果表明,所提出的基于深度学习的永磁同步电机降阶模型在保证高精度建模的同时,实现了更好的动态性能。该模型支撑的实验系统可用于电驱系统的快速仿真与控制算法研究,具有良好的工程应用前景。
作者:高健 王向前 朱绍鹏
AI汽车制造业
18518227486
评论
加载更多