CN112474435A

CN112474435A - 一种电池模组的快速分选方法和装置

Info

Publication number: CN112474435A
Application number: CN202011205378.7A
Authority: CN
Inventors: 李浩松; 周寒冰; 吴国良; 李明维; 张传远; 马晓昆; 徐成梅; 张玉; 梁薇; 孙胜宇; 钟月萍; 张国一
Original assignee: State Grid Corp of China SGCC; State Grid Information and Telecommunication Co Ltd; Beijing Guodiantong Network Technology Co Ltd
Current assignee: State Grid Corp of China SGCC; State Grid Information and Telecommunication Co Ltd; Beijing Guodiantong Network Technology Co Ltd
Priority date: 2020-11-02
Filing date: 2020-11-02
Publication date: 2021-03-12
Anticipated expiration: 2040-11-02
Also published as: CN112474435B

Abstract

本发明公开了一种电池模组的快速分选方法和装置，所述方法包括：获取串联的n个电池模组在单能量脉冲激励下，于n个检测端点分别测量得到的n组检测信号；根据获取的检测信号，恢复出每个电池模组的源信号；基于源信号的分类结果对n个电池模组进行分选。应用本发明可以基于快速充电过程实现对电池模组的快速分选，提高电池分选效率。

Description

一种电池模组的快速分选方法和装置

技术领域

本发明涉及电池模组技术领域，特别是指一种电池模组的快速分选方法和装置。

背景技术

未来五到十年将有大批量的电动汽车面临退役，退役电池仍保有70％～80％的剩余容量和寿命，在梯次利用储能设备中应用广泛。由于退役动力电池的使用工况和制造工艺的差异，导致退役动力电池一致性和老化程度表现出明显差异，较差的一致性成为动力电池梯级利用时产生过早老化、热失控和爆炸等安全性问题。因此，在梯次利用之前必须进行电池的一致性筛选以提高梯次利用电池的能源利用率与安全性。

传统的退役电池分选方法一般采用标准容量测试获得电池的容量、电化学阻抗、等效内阻参数等，虽能获得较为准确的和可靠的分选方案，但是标准容量测试需要消耗大量时间和能源，使得分选效率低下。为解决电池分选过程中的效率问题，采用基于不同老化程度的电池的充放电过程电压变化提取特征电压实现电池容量的不一致性分选，电池快速充放电测试所需的时间远小于标准容量测试，能够整体提高电池分选效率。然而，现有的分选方法研究对象是电芯，实际工程中电芯通过串联或者并联后以焊接、铆接的方式联结，将电芯作为研究对象的分选方法需要将电池模组拆解至电芯级别耗时巨大。因此，有必要提供一种模组水平的分选方法，基于快速充电过程实现对电池模组的快速分选。

发明内容

有鉴于此，本发明的目的在于提出一种电池模组的快速分选方法和装置，可以基于快速充电过程实现对电池模组的快速分选，提高电池分选效率。

基于上述目的，本发明提供一种电池模组的快速分选方法，包括：

获取串联的n个电池模组在单能量脉冲激励下，于n个检测端点分别测量得到的n组检测信号；

根据获取的检测信号，恢复出每个电池模组的源信号；

基于源信号的分类结果对n个电池模组进行分选。

其中，所述根据获取的检测信号，恢复出每个电池模组的源信号，具体包括：

根据获取的检测信号形成数据集D，根据数据集D估计出矩阵W；

根据矩阵W恢复出每个电池模组的源信号；

其中，矩阵W＝A^-1，A为交叉混合矩阵，用于将源信号S进行交叉混合后得到所述检测信号X，三者关系为X＝AS。

较佳地，所述矩阵W通过梯度下降法迭代得到；其中，迭代过程中W的迭代计算式如下：

W＝W+α(Z^TD+m(W^-1)^T)

其中，α，m≥0，α为设定参数用于表示梯度下降的快慢，m为在一个检测端点测量得到的一组检测信号中检测信号的数量；

其中，

其中，K＝WD，

其中，所述根据获取的检测信号形成数据集D，具体包括：

对获取的检测信号进行中心化、白化，得到白化后的数据；

将白化后的数据组成所述数据集D。

本发明还提供一种电池模组的快速分选装置，包括：

检测信号获取模块，用于获取串联的n个电池模组在单能量脉冲激励下，于n个检测端点分别测量得到的n组检测信号；

源信号恢复模块，用于根据获取的检测信号，恢复出每个电池模组的源信号；

电池分选模块，用于基于源信号的分类结果对n个电池模组进行分选。

本发明还提供一种电子设备，包括中央处理单元、信号处理和存储单元，以及存储在信号处理和存储单元上并可在中央处理单元上运行的计算机程序，其中，所述中央处理单元执行如上所述的电池模组的快速分选方法。

本发明的技术方案中，获取串联的n个电池模组在单能量脉冲激励下，于n个检测端点分别测量得到的n组检测信号；根据获取的检测信号，恢复出每个电池模组的源信号；基于源信号的分类结果对n个电池模组进行分选。不需要将电池模组拆解至电芯级别，可以基于快速充电过程实现对电池模组的快速分选，提高电池分选效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种电池模组的快速分选方法流程图；

图2为本发明实施例提供的一种根据获取的检测信号恢复源信号的方法流程图；

图3为本发明实施例提供的一种电池模组的快速分选装置的内部结构框图；

图4为本发明实施例提供的一种电子设备硬件结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

本发明人考虑到，同一辆电动汽车产生的退役电池模组性能呈现高斯正态分布，但是当处理较多电池汽车的退役电池模组时，所有的电动汽车产生的退役动力电池模组性能呈现非高斯分布。若在高斯分布条件下，可采用PCA方法实现退役电池模组特征参数降维和提取；若为非高斯分布条件，退役电池模组的分选方法需采用ICA(独立成分分析)的方法提取退役动力电池模组的特征。针对大规模退役动力电池模组来自不同电动汽车的现状，采用基于ICA的退役动力电池模组分选方法能够实现退役动力电池模组的快速分选。

基于电池模组快速充放电过程中极化内阻和电容构成的等效RC电路，在施以混合能量脉冲(Hybrid PowerPulse Characteristics,HPPC)激励的条件下，在对采集到的的零响应信号进行ICA方法分析后，得出源信号(每个退役动力电池模组)的参数特征。设有n个电池模组待进行分选，设置n个检测点进行单能量脉冲激励后的零响应信号，设s(t)∈R^n×1为n个电池模组零激励响应下的源信号，是需要通过计算得到的退役动力电池模组的性能的表征，设交叉混合矩阵A将源信号进行了交叉混合，得到检测端点测量的检测信号x(t)∈R^n×1。三者的关系为X＝AS，具体表示如下式所示：

其中，检测信号X里的n个随机变量是互相非独立的，在一定假设条件下可用n个相互独立的随机变量线性组合重新表达X，s_i是一个随机变量且两两相互独立，A为满秩矩阵，且A∈R^n×n。则有X＝AS。令W＝A^-1，则S＝WX，其中W∈R^n×n，将采集到的随机变量的检测信号X形成的数据集记为：

其中，D∈R^n×m；其中，m为在一个检测端点测量得到的检测信号的数量。

进行ICA计算的目标是在仅知道D的情况下估算A,W,S，从而恢复出源信号S。

由S＝WX可知：

令w_i＝(w_i,1 w_i,2 … w_i,j … w_i,n)，则s_i＝w_iX。

设随机变量s_i的概率密度函数p_si(s_i),由于S的n个成员s_i是相互独立的，所以S的概率密度函数为：pS(s)＝Π_ip_si(s_i)。设X的概率密度函数为pX(x)，则根据s_i的概率密度函数求p_X(x)的方法如下：

设X的概率分布函数是F_X(x)，根据概率分布函数和概率密度函数的关系可知p_X(x)＝F′_XX(x)，同理设S的概率分布函数为F_S(s)，则p_S(s)＝F′_S(s)，根据s_i＝w_iX则有：

其中||W||表示矩阵W的行列式。

从概率的角度，使得数据集D出现概率最大的W就是最优解。数据集D出现的概率L为：

式中，Π表示连乘，d_i表示D的第i列。

采用梯度下降法求解，计算对于W的偏导，对上式两端取对数得：

用梯度法求解上式，需要计算

这是一个复杂的过程，先从计算

开始，它表示W的第u行第v列的元素：

设随机变量x_i的概率分布式函数是sigmoid函数，因为是递增、可微、且最大值不超过1，

那么概率密度函数就是

所以有：

故

故有：

对上式进行矩阵化，令K＝WD，其中，K∈R^n×m，W∈R^n×n，D∈R^n×m，那么，令

令

那么得：

其中，z_u表示Z的第u行，d_v是D的第v列。

对于W而言，则有

其中，W^*表示W的伴随矩阵，(W^*)^T是W^*的转置，它的第i行第j列的元素是w_ij的代数余子式，根据矩阵和伴随矩阵的性质，可知：

那么梯度下降求法求解W的更新式子如下式1所示：

W＝W+α(Z^TD+m(W^-1)^T) (式1)

式中，α，m≥0，其中，α为设定参数用于表示梯度下降的快慢，m为在一个检测端点测量得到的检测信号的数量；在求得W后，可根据S＝WX恢复出源信号。

基于上述的分析，本发明实施例提供的一种电池模组的快速分选方法，流程如图1所示，包括如下步骤：

步骤S101：获取串联的n个电池模组在单能量脉冲激励下，于n个检测端点分别测量得到的n组检测信号。

具体地，将n个待进行分选的退役的动力电池模组(后简称电池模组)进行串联后，进行单能量脉冲激励；并在n个检测端点分别对应n个待进行分选的电池模组，测量得到的n组检测信号。其中，n个检测端点分别位于n个电池模组的正极。一组检测信号中可以包括m个检测信号。

步骤S102：根据获取的检测信号，恢复出每个电池模组的源信号。

本步骤中根据获取的检测信号，恢复出每个电池模组的源信号的具体流程，如图2所示，包括如下子步骤：

子步骤S201：根据获取的检测信号形成数据集D；

本子步骤中可以先对获取的检测信号进行中心化，具体地，对于当前从n个检测端点分别测量得到的n个检测信号x₁～x_n，可以根据如下式2进行中心化：

式2中，x＝[x₁ x₂ … x_n]^T表示在检测端点处检测到的检测信号，为n维随机变量组成的矩阵，x′表示经过中心化处理后的检测信号，为n维矩阵；

进而，本子步骤中再对中心化后的数据进行白化；具体地，将中心化后的数据x′的协方差矩阵C_X进行基于特征值的SVD分解得到如下式3：

C_X＝FGF^T (式3)

式3中，矩阵G表示n个特征值为主对角线的n×n维对角矩阵；F表示矩阵C_X的特征向量张成的n×n维矩阵；从而得到白化矩阵：P＝G^-1/2F^T。

利用白化矩阵，如下式4所示，对中心化后的数据x′进行白化，得到白化后的数据x″：

x”＝Px' (式4)

将白化后的数据组成所述数据集D。

子步骤S202：根据数据集D估计出矩阵W；

具体地，所述矩阵W可通过梯度下降法迭代得到；在迭代之前，可设置迭代次数和范围，也可设置分量个数，分量个数为采集到的检测信号的数量，迭代次数根据收敛和精度通常可以设置为200次，截止迭代精度范围在0.0001以内。随机选择初始权重，并选择线性函数为sigmoid函数。

其中，在每次迭代过程中W的迭代计算式如上述式1所示：

W＝W+α(Z^TD+m(W^-1)^T) (式1)

其中，α，m≥0，其中，α为设定参数用于表示梯度下降的快慢，m为在一个检测端点测量得到的一组检测信号中检测信号的数量；式1右侧计算式中的W为上次迭代计算得到的矩阵；式1左侧计算式中的W为本次迭代计算得到的矩阵。

其中，

K＝WD，

所述迭代过程的迭代收敛条件为：相邻两次迭代计算得到的矩阵W之间的差值的绝对值小于设定阈值。也就是说，在每次迭代计算出矩阵W后，将本次迭代计算的矩阵W与上次迭代计算出的矩阵W的差值的绝对值与设定阈值，比如0.0001，进行比较；若小于设定阈值，则表示达到收敛，结束迭代。

子步骤S203：根据矩阵W恢复出每个电池模组的源信号；

具体地，可根据S＝WX恢复出源信号。

步骤S103：基于源信号的分类结果对n个电池模组进行分选。

具体地，可以对n个电池模组的源信号进行k-means(k-均值)分类，从而根据分类结果，实现对n个电池模组的分类；根据n个电池模组的分类结果，选择相应的电池模组进行梯次利用。

基于上述的电池模组的快速分选方法，本发明实施例提供的一种电池模组的快速分选装置，内部结构如图3所示，包括：检测信号获取模块301、源信号恢复模块302、电池分选模块303。

检测信号获取模块301用于获取串联的n个电池模组在单能量脉冲激励下，于n个检测端点分别测量得到的n组检测信号；

源信号恢复模块302用于根据获取的检测信号，恢复出每个电池模组的源信号；具体地，源信号恢复模块302根据获取的检测信号形成数据集D，根据数据集D估计出矩阵W；根据矩阵W恢复出每个电池模组的源信号；其中，矩阵W＝A^-1，A为交叉混合矩阵，用于将源信号S进行交叉混合后得到所述检测信号X，三者关系为X＝AS。

电池分选模块303用于基于源信号的分类结果对n个电池模组进行分选。

其中，源信号恢复模块302具体包括：矩阵W估计单元和源信号计算单元；

矩阵W估计单元，用于根据获取的检测信号形成数据集D，根据数据集D估计出矩阵W；

源信号计算单元，用于根据矩阵W恢复出每个电池模组的源信号；

所述矩阵W估计单元具体用于对获取的检测信号进行中心化、白化，得到白化后的数据；将白化后的数据组成所述数据集D；在通过梯度下降法迭代计算矩阵W时，采用的迭代计算式如上述式1。

上述电池模组的快速分选装置中各模块功能的具体实现方法可参考上述图1所示流程中各步骤的方法，此处不再赘述。

图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的电池模组的快速分选方法。

存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，可以与非线性接收机相连，从非线性接收机接收信息，实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种电池模组的快速分选方法，其特征在于，包括：

根据获取的检测信号，恢复出每个电池模组的源信号；

基于源信号的分类结果对n个电池模组进行分选。

2.根据权利要求1所述的方法，其特征在于，所述根据获取的检测信号，恢复出每个电池模组的源信号，具体包括：

根据矩阵W恢复出每个电池模组的源信号；

3.根据权利要求2所述的方法，其特征在于，所述矩阵W通过梯度下降法迭代得到；其中，迭代过程中W的迭代计算式如下：

W＝W+α(Z^TD+m(W^-1)^T)

其中，

其中，K＝WD，

4.根据权利要求2所述的方法，其特征在于，所述根据获取的检测信号形成数据集D，具体包括：

对获取的检测信号进行中心化、白化，得到白化后的数据；

将白化后的数据组成所述数据集D。

5.根据权利要求1所述的方法，其特征在于，所述迭代过程的迭代收敛条件为：

相邻两次迭代计算得到的矩阵W之间的差值的绝对值小于设定阈值。

6.根据权利要求1所述的方法，其特征在于，n个检测端点分别位于n个电池模组的正极。

7.一种电池模组的快速分选装置，其特征在于，包括：

8.根据权利要求7所述的装置，其特征在于，所述源信号恢复模块具体包括：

9.根据权利要求8所述的装置，其特征在于，

所述矩阵W估计单元具体用于对获取的检测信号进行中心化、白化，得到白化后的数据；将白化后的数据组成所述数据集D；在通过梯度下降法迭代计算矩阵W时，迭代计算式如下：

W＝W+α(Z^TD+m(W^-1)^T)

其中，

其中，K＝WD，

10.一种电子设备，包括中央处理单元、信号处理和存储单元，以及存储在信号处理和存储单元上并可在中央处理单元上运行的计算机程序，其特征在于，所述中央处理单元执行所述程序时实现如权利要求1-8任一所述的方法。