CN109856562A

CN109856562A - 基于自适应“i-u-r”法的锂电池梯次利用检测方法

Info

Publication number: CN109856562A
Application number: CN201910093752.XA
Authority: CN
Inventors: 刘昊霖
Original assignee: North China Electric Power University
Current assignee: North China Electric Power University
Priority date: 2019-01-30
Filing date: 2019-01-30
Publication date: 2019-06-07

Abstract

本发明提出一种基于自适应“I‑U‑R”法的锂电池梯次利用检测方法。针对退役锂电池梯次利用问题，在测试工况方面，提出基于自适应算法的短时间恒流放电方案，有效降低虚电压、虚电阻影响；在测试原理方面，提出全新的“I‑U‑R”检测方法，综合了已有技术的优点，提高检测精度；在评价算法方面，提出“锂电池多参数协调评估模型”，使得评价结果更客观、真实、全面。基于该方法设计了配套的硬件装置，使其具有智能化，速度快的优点。

Description

基于自适应“I-U-R”法的锂电池梯次利用检测方法

技术领域

本发明属于电子设备技术领域，具体涉及一种基于自适应“I-U-R”法的锂电池梯次利用检测方法。

背景技术

近年来，随着新能源发电的兴起，手机电脑等电子产品的普及以及电动汽车等行业的快速发展，使得具有优良储能以及供电作用的锂电池被广泛应用，而它在人们的日常生活和生产中扮演着越来越重要的角色。

截至2017年底，市场上新能源汽车的保有量已经超过160万辆。根据权威机构预测,到2020年时,国内磷酸铁锂、三元等动力电池的报废量将会达到17万吨左右。报废量达32.2Gwh。大批量动力电池不断退役，为电力储能的成本化带来机遇，动力电池从电动汽车上退役下来后仍有80％的剩余容量，可应用于对电池性能要求较低的场合，即进入电池储能梯级利用阶段。典型的储能梯级场合如低速电动车领域；在电网储能方面，可以削峰填谷，减小用电峰谷差，减轻电网供需矛盾；作为备用电源，提高供电可靠性；与可再生能源发电结合，提高可再生能源发电的可控性等。研究动力电池的梯次利用技术，对于推动电力行业的健康绿色发展、储能系统的推广应用以及节能环保具有重要的社会意义和巨大的经济效益。国家已经陆续出台了一系列梯次利用行业标准(GB/T34015-2017《车用动力电池回收利用余能检测》)以推动其加快发展，国家电网公司等能源中外企业也是投入大量资金在该领域展开立项研究(《面向电网企业的退役动力电池梯次利用辅助决策关键技术研究及软件开发》)。

自2018年起，国内首批进入市场的汽车动力电池开始迎来“报废潮”。数据显示，2018年动力电池报废回收将达6.39万吨，同比增长129.99％；到2020年回收量将达24.76万吨，按照80％的容量衰减以及60％的梯次利用筛选率，到2020年累计梯次利用动力电池约为29.69GWh，按照0.62元/Wh的梯次利用电池价格估算，2020年动力电池梯次利用的市场规模约为77.69亿元。

而在整个回收产业链中，对电池性能及健康状态参数的准确评估极其重要，以作为后续梯次利用的重要评判依据。作为百亿级规模回收市场中至关重要的一环，退役电池的性能评级分类关乎产业链的健康良性发展，具有巨大的发展前景和经济效益。然而当前市面上还没有出现一款用于锂电池废旧回收及梯次利用的检测评价装置，本发明旨在填补该领域的空白。

发明内容

本发明的目的在于，针对退役锂电池梯次利用问题，在测试工况条件、测试原理，评价算法模型三个方面，填补现有技术的不足，提出一种基于自适应“I-U-R”法的锂电池梯次利用检测方法，用于准确检测评估退役锂电池的各项重要参数和健康状态，具体技术方案如下。

一种基于自适应“I-U-R”法的锂电池梯次利用检测方法，其特征在于，包括如下步骤：

(a)将充满电的锂电池通过自适应算法调整锂电池放电倍率，使其恒流放电；

(b)结合本发明提出的“自适应恒流放电端电压内阻匹配法”(简称“I-U-R”检测法)，准确检测得到锂电池的端电压，内阻，剩余容量，荷电状态(SOC，state of charge)等关键参数；

(c)并根据本发明提出的“锂电池多参数协调评估模型”对锂电池性能及健康状态进行评级，为其梯次利用提供重要数据支撑和参考依据。

步骤(a)所述通过自适应算法调整锂电池放电倍率，是因为大量实验表明，只有当放电电流选取合适时，同一类型蓄电池的当前电压U和实测内阻R才与电池的实际容量直接相关，而不同类型不同电压等级的电池其合适的放电电流往往不一样。

所述自适应算法原理为装置控制器会根据实际检测到的端电压判断电池型号，电压级别，进而自动将放电倍率调整到合适数值，精确检测电池容量。

所述步骤(b)中“I-U-R”检测法原理为：通过大量的实验数据得到不同类型锂电池的“端电压—剩余容量”(“U-SOC”)以及“内阻—剩余容量”(“R-SOC”)的对应关系，并存储在控制器中；经过恒流放电后，可以降低虚电压，虚内阻影响，提高检测精度；精确检测出U和R后，先利用“U-SOC”关系确定电池剩余容量，然后利用“R-SOC”关系对剩余容量进行修正，这种基于“I-U-R”检测方法得到的剩余容量容错率更高，预估结果更接近真实值。

步骤(c)中所述“锂电池多参数协调评估模型”为：

A_H＝0.5A_SOC+0.3A_U+0.2A_R

其中A_H为健康因子，取值介于0-1；A_SOC为容量因子，A_SOC＝当前容量/额定容量；A_U为端电压因子，A_U＝实际放电电压/额定电压；A_R为内阻因子，A_R＝实测内阻/额定容量下对应内阻值。

所述“锂电池多参数协调评估模型”中各项比例系数是在大量锂电池实测数据基础上通过BP神经网络进行数据挖掘分析得到的容量、端电压、内阻对于电池健康因数影响程度的权重值。

所述健康因子A_H的评级标准为：0.9-1为优，可用于汽车、自行车等车载动力电池；0.8-0.9为良，可用于电网、新能源发电等储能领域；0.6-0.8为合格，可用于对电池性能要求不高的低端用户；0.6以下为报废，可用于拆解回收。

本发明的有益效果是：在测试工况方面，提出基于自适应算法的短时间恒流放电方案，有效降低虚电压、虚电阻影响；在测试原理方面，提出全新的“I-U-R”检测方法，综合了已有技术的优点，提高检测精度；在评价算法方面，提出“锂电池多参数协调评估模型”，使得评价结果更客观、真实、全面。

附图说明

图1为本发明检测流程图。

图2为发明硬件结构图。

图3为恒流负载电路结构图。

具体实施方式

下面结合附图对本发明进一步详细说明。整个检测流程如图1所示

为实现本发明所述方法，设计了配套的硬件实现电路。图2为本发明的硬件结构图，包括：微控制器系统、A/D转换电路、D/A转换电路、恒流负载电路、按键电路、显示电路、时钟电路。

具体操作流程为以微控制器作为控制核心，由按键设置初始放电电流，控制器通过D/A转换器将读入的放电电流值输出到恒流负载，实现恒流放电。同时，控制器通过A/D转换器采集锂电池的各项试验参数，并对采集的数据进行处理，经过一系列分析判断，得到锂电池的性能指标及健康状况，由液晶屏显示检测结果，具体过程如下。

充放电倍率＝充放电电流/额定容量；例如：额定容量为100A·h的电池用20A放电时，其放电倍率为0.2C。电池放电C率，表示放电快慢的一种量度。所用的容量1小时放电完毕，称为1C放电；5小时放电完毕，则称为1/5＝0.2C放电。

表1为自适应恒流放电倍率参照表。该表是对各个类型锂电池施以不同倍率放电，在进行大量试验后，通过对所得数据进行对比分析，归纳总结得到。实验发现，以表中倍率恒流放电，容量测量值最接近真实值。

表1自适应恒流放电倍率参照表

将表中数据存储到控制芯片，实际测试时，先通过检测到的端电压判断锂电池电压级别；再计算内阻，判断锂电池类别，进而根据存储数据确定放电电流，控制负载恒流放电。

恒流负载电路结构如图3所示。其工作原理为：R4至R7为输出端大功率采样电阻，受热情况下其阻值改变不大。在下面的公式中用R8表示R4-R7的并联电阻值。设定Utest作为锂电池接入端的测试点端电压，Uda的值是控制芯片控制的输出数值，经R1和R3串联分压，集成运放OP07同向输入端设为Up，因此采样电阻R8的端电压U0可以表示为：U0＝Up＝Uda*R3/(R1+R3)。则输出电流I为：I＝U0/R8，I即为检测方法初始设定的电流值。当I增加时，R8采样电阻两端的电压，即集成运放OP07的反相输入端电压Un也随之增大，从而使集成运放0P07输出端电压Utest随之降低，即MOS管栅极电压值降低，导致场效应管Q1导通量减少，进而R8端分压减小，引入的负反馈最终使Up和Un相等，维持动态平衡。所以，R8上的压降恒定，进而流过采样电阻的电流恒定。同理，当Utest减小时，R8压降降低，Q1导通量增大，R8上压降也随之增大，最终达到Up＝Un，从而达到恒流负载输出电流I达到动态平衡的目的。

精确检测出U和R后，先利用“U-SOC”关系确定电池剩余容量SOC_U，然后利用“R-SOC”关系得到容量SOC_R对SOC_U进行修正。具体方法为：若SOC_R和SOC_U之间的误差在5％以内，则取两者均值作为最终结果；若误差大于5％，则改变恒流放电倍率另测一组数据，且倍率每次的改变量为±10％，直到误差小于5％，取最后一组数据取均值；若连续五组数据误差都不达标，则停止测试，取五组数据的均值作为最后结果。

将得到的各项状态参量送入“锂电池多参数协调评估模型”进行评级。

Claims

1.一种基于自适应“I-U-R”法的锂电池梯次利用检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于自适应“I-U-R”法的锂电池梯次利用检测方法，其特征在于，步骤(a)所述通过自适应算法调整锂电池放电倍率，这是因为大量实验表明，只有当放电电流选取合适时，同一类型蓄电池的当前电压U和实测内阻R才与电池的实际容量直接相关，而不同类型不同电压等级的电池其合适的放电电流往往不一样。

3.根据权利要求1所述的基于自适应“I-U-R”法的锂电池梯次利用检测方法，其特征在于，步骤(a)中所述自适应算法原理为装置控制器会根据实际检测到的端电压判断电池型号，电压级别，进而自动将放电倍率调整到合适数值，精确检测电池容量。

4.根据权利要求1所述的基于自适应“I-U-R”法的锂电池梯次利用检测方法，其特征在于，所述步骤(b)中“I-U-R”检测法原理为：通过大量的实验数据得到不同类型锂电池的“端电压—剩余容量”(“U-SOC”)以及“内阻—剩余容量”(“R-SOC”)的对应关系，并存储在控制器中；经过恒流放电后，可以降低虚电压，虚内阻影响，提高检测精度；精确检测出U和R后，先利用“U-SOC”关系确定电池剩余容量，然后利用“R-SOC”关系对剩余容量进行修正，这种基于“I-U-R”检测方法得到的剩余容量容错率更高，预估结果更接近真实值。

5.根据权利要求1所述的基于自适应“I-U-R”法的锂电池梯次利用检测方法，其特征在于，步骤(c)中所述“锂电池多参数协调评估模型”为：

A_H＝0.5A_SOC+0.3A_U+0.2A_R

6.根据权利要求5所述的基于自适应“I-U-R”法的锂电池梯次利用检测方法，其特征在于，所述“锂电池多参数协调评估模型”中各项比例系数是在大量锂电池实测数据基础上通过BP神经网络进行数据挖掘分析得到的容量、端电压、内阻对于电池健康因数影响程度的权重值。

7.根据权利要求5所述的基于自适应“I-U-R”法的锂电池梯次利用检测方法，其特征在于，所述健康因子A_H的评级标准为：0.9-1为优，可用于汽车、自行车等车载动力电池；0.8-0.9为良，可用于电网、新能源发电等储能领域；0.6-0.8为合格，可用于对电池性能要求不高的低端用户；0.6以下为报废，可用于拆解回收。