CN112966208A - 电动汽车动力电池梯级利用多参数影响筛分方法 - Google Patents

电动汽车动力电池梯级利用多参数影响筛分方法 Download PDF

Info

Publication number
CN112966208A
CN112966208A CN202110140111.2A CN202110140111A CN112966208A CN 112966208 A CN112966208 A CN 112966208A CN 202110140111 A CN202110140111 A CN 202110140111A CN 112966208 A CN112966208 A CN 112966208A
Authority
CN
China
Prior art keywords
power battery
interval
screening
batteries
cascade utilization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110140111.2A
Other languages
English (en)
Other versions
CN112966208B (zh
Inventor
童勇
陈子龙
曾令洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang New Era Zhongneng Technology Co ltd
Original Assignee
Xihua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xihua University filed Critical Xihua University
Priority to CN202110140111.2A priority Critical patent/CN112966208B/zh
Priority to CN202210723903.7A priority patent/CN114996639A/zh
Publication of CN112966208A publication Critical patent/CN112966208A/zh
Application granted granted Critical
Publication of CN112966208B publication Critical patent/CN112966208B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Abstract

本发明涉及电动汽车动力电池梯级利用多参数影响筛分方法，提取电动汽车行驶总里程数VMT，总循环充电次数CN、动力电池故障次数GZ，电动汽车每百公里行程内平均环境温度TV，电动汽车每百公里行程内动力电池放电电流超过一定阈值的总时长TM，并根据上述参数进行综合计算判断，充分考虑了影响报废动力电池技术状态的多种因素，将各影响因素统一计算域变换后赋予不同的权重系数，将不同使用情况的电池进行区分，可以快速的将使用情况、环境温度等相接近的动力电池划分在一起，方便后续梯级利用，且对不同状态的电池采用不同的后续测试步骤，极大的减少了报废动力电池的测试环节，减小了报废动力电池的筛选成本，具有广阔的市场应用前景。

Description

电动汽车动力电池梯级利用多参数影响筛分方法
技术领域
本发明涉及电动汽车动力电池回收技术领域，具体涉及电动汽车动力电池梯级利用多参数影响筛分方法。
背景技术
目前，国家在规范动力电池的尺寸、动力电池电压统一化、标准化，未来各个汽车厂家使用的动力电池规格会趋向于统一性设计，即各个厂家之间的动力电池的尺寸、接口可以通用，仅电池类型、容量大小不同，这会使动力电池的回收及大规模梯级利用成为新的发展趋势，同一类型的报废动力电池的数量可达到数十万组。
《新能源汽车动力蓄电池回收利用管理暂行办法》中也明确提到对废旧动力蓄电池进行分类重组利用，并对梯次利用电池产品进行编码，这将会为梯级利用节省很大成本，从环保的角度以及回收再利用的角度出发，梯级利用是动力电池最好的回收方式，当动力电池数量较多，回收形成一定规模时，如果政策得当，仍然能产生较为可观的经济效益，且对环境保护意义重大。
经过几年的研究探索和试点示范，我国动力电池梯级利用应用领域已集中在电力系统储能、通信基站备用电源、低速电动车以及小型分布式家庭储能、风光互补路灯、移动充电车、电动叉车等其他相关领域。目前做储能的厂家提出组串分布式的概念，把整车退役的动力电池作为一个基本的储能单元利用，最大限度保证电池组原有状态和一致性不变，然后配上一台中小功率的过程控制系统(PCS)，加上合适的监控单元构成一个基本的储能单元，再并联在一起，构成一个功率不等的储能功率系统。由于动力电池设计之初就考虑了一致性问题，并且配备了电池管理系统。退役的电池并不是损坏无法使用，而是整体容量不足，所以整套利用时一致性问题不大。
但是把整车退役的动力电池作为一个基本的储能单元利用，最大的问题在于，对于退役的动力电池，并不是简单组合起来就能用，检测和筛选环节是梯次利用的关键。由于回收动力电池的不一致性，进行梯次利用时需要对其的剩余使用价值和健康状态进行大量的检测，检测筛选环节需要综合应用软件技术、测控技术、制程工艺等，涉及光、机、电等跨行业多学科技术，成本和检测设备要求非常高，不利于大规模快速的开展报废动力电池筛选，而现有的针对动力电池测试技术，也大多是针对新电池的测试，并没有针对报废动力电池专门开发的筛分方法。
实际上，动力电池报废后的技术状态不仅受到使用循环次数、充电次数的影响，还与过充、过放、短路等不合理使用，以及到工作时的环境温度有关，同时电池的放电电流大小也会对电池的寿命产生影响；也就是动力电池的使用状态及使用环境会对其报废后的技术状态产生影响，而现有的针对新电池的检测方法是不会考虑上述因素的，因此针对新电池的检测方法无法直接用于报废动力电池的筛选。
专利CN102755966A中的一种动力电池梯级利用分选评估方法，只对相关参数进行了考虑，但是没有具体的计算方法，无法直接用于动力电池的筛分，不具有实际的使用价值。
发明内容
基于此，本发明提供一种检测速度快、成本低、准确度较高的电动汽车动力电池梯级利用多参数影响筛分方法。
为实现上述目的，本发明提供了如下技术方案：
电动汽车动力电池梯级利用多参数影响筛分方法，电动汽车动力电池梯级利用多参数影响筛分方法，所述的筛分方法包括顺次进行的以下步骤：
步骤a：电动汽车在正常使用期间，其动力电池管理系统BMS实时记录第一层筛选数据、第二层筛选数据；
所述的第一层筛选数据包括：电动汽车行驶总里程数VMT，总循环充电次数CN、动力电池故障次数GZ；
所述的第二层筛选数据包括：电动汽车每百公里行程内平均环境温度TV，电动汽车每百公里行程内动力电池放电电流超过一定阈值的总时长TM；
步骤b：对第一层筛选数据进行以下处理：
若电动汽车的行驶里程数VMT在一定范围[VTM_1，VTM_2]，且总循环充电次数CN在一定范围[CN_1，CN_2]，且动力电池故障次数(过充、过放、短路)GZ在一定范围[GZ_1，GZ_2]，则进入步骤c，否则进入步骤h；
步骤c：按照公式(1-1)至(1-3)进行统一计算域变换：
Figure BDA0002928389950000031
Figure BDA0002928389950000032
Figure BDA0002928389950000033
步骤d：按照公式(1-4)计算第一影响因子Hi：
Figure BDA0002928389950000034
上式中，α、β、γ分别为Δ1、Δ2、Δ3各自的权重系数，范围取(0,1)
计算出多辆汽车动力电池的Hi值后，将多个Hi划分到第一区间、第二区间、第三区间内；其中第一区间内的Hi值＜第二区间内的Hi＜第二区间内的Hi值；划分至第一区间的动力电池，进入步骤e；划分至第二区间的动力电池，进入步骤f；划分至第三区间的动力电池，进入步骤g；
步骤e：划分至第一区间的动力电池按照公式(1-5)、公式(1-6)计算第二层筛选数据：
多个每百公里行程内平均环境温度TV形成的数据组TV1、TV2……TVn，计算该组数据的均方根值：
Figure BDA0002928389950000041
多个每百公里行程内动力电池放电电流超过一定阈值的总时长TM形成的数据组TM1、TM2……TMn，计算该组数据的均方根值：
Figure BDA0002928389950000042
Figure BDA0002928389950000043
根据公式(1-7)在一定范围
Figure BDA0002928389950000044
统一计算域变换；
Figure BDA0002928389950000045
根据公式(1-8)在一定范围
Figure BDA0002928389950000046
统一计算域变换；
Figure BDA0002928389950000047
Figure BDA0002928389950000048
然后按照公式(1-9)计算第二影响因子Yi：
Figure BDA0002928389950000049
上式中，λ、θ分别为Δ3、Δ4各自的权重系数，范围取(0,1)；
计算出多辆汽车的Yi值后，将多个Yi值根据大小划分为至少三个一级子区间，然后对同一个一级子区间内的动力电池并联在一起进行梯级利用；
步骤f：划分至第二区间的动力电池，先进行步骤e，根据Yi值划入不同的一级子区间后，还在(20±5)℃条件下进行满充电池1C电流恒流放电试验，计算标准放电时率值，即放电电流等于动力电池的额定电流；
根据放电时率的大小，将每个一级子区间再划分为至少两个二级子区间，每个二级子区间内的动力电池并联进行梯级利用；
步骤g：划分至第三区间的动力电池，先进行步骤e、步骤f，根据Yi值、标准放电时率(C/n)将第三区间的动力电池划入不同的二级子区间后，还进行满充电池小倍率电流恒流放电试验，根据小倍率放电时率的大小将每个二级子区间再划分为至少两个三级子区间，每个三级子区间内的动力电池并联进行梯级利用；
步骤h：将该电动汽车动力电池标记为不具备当前梯级利用要求。
优选的，所述的总循环充电次数CN计数时，单次连续充电时长超过1h的记为一次充电次数，所述的动力电池故障次数的计数包括动力电池过充故障、动力电池过放故障、动力电池短路故障。
优选的，所述的α取0.5-0.7，所述的β取0.25-0.45，所述的γ取0.15-0.3，且α+β+γ＝1；所述的λ取0.4-0.6，θ取0.4-0.6，且λ+θ＝1；
优选的，所述的步骤g中，满充电池小倍率电流恒流放电试验中，小倍率电流为0.1C-0.2C。
优选的，所述的步骤a之前，还根据报废动力电池的当前电池容量值与标定动力电池容量之比，划分为至少3个预筛区间进行预筛分，预筛分后，对不同的预筛区间进行步骤a至步骤h。
优选的，所述的筛分方法中，BMS实时记录的第一层筛选数据、第二层筛选数据通过通信线或无线信号发送方式发送给控制器，控制器将第一层筛选数据、第二层筛选数据通过通信线或无线信号发送方式存储在存储设备或通过互联网上传至云服务器；控制器为AT89C52单片机或STM32单片机或三菱PLC工控机或带有CAN总线接口的微型处理器，控制器与电动汽车动力电池管理系统BMS之间通过CAN总线连接方式通信连接，所述的存储设备为固态硬盘或U盘。
与现有技术相比，本发明具有如下有益效果：
本发明充分考虑了影响报废动力电池技术状态的多种因素，将各影响因素统一计算域变换后赋予不同的权重系数，将不同技术状态的电池进行筛分，可以快速的将使用情况、环境温度等相接近的动力电池划分在一起，方便后续梯级利用，且对不同状态的电池采用不同的后续测试步骤，极大的减少了报废动力电池的测试环节，减小了报废动力电池的筛选成本，具有广阔的市场应用前景，对多辆同类型车的退役电池进行快速检测筛选，同时在节约成本的基础上，具有较高的准确率，保证梯级利用顺利。
附图说明
图1为筛分方法判断流程图；
图2为控制器连接示意图。
具体实施方式
下面结合附图对本发明专利的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，如出现术语“中心”、“上”、“下”“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对发明的限制。
参照附图1，电动汽车动力电池梯级利用多参数影响筛分方法，所述的筛分方法包括顺次进行的以下步骤：
实施例一：
现有电动汽车动力电池管理系统BMS可以做到对动力电池相关参数的实时监控，因此在电动汽车正常行驶时，即对影响动力电池技术状态的相关重要参数进行实时收集，将报废动力电池的部分筛分环节提前到报废前的正常使用阶段收集信息；
步骤a：电动汽车在正常使用期间，其动力电池管理系统BMS实时记录第一层筛选数据、第二层筛选数据；
所述的第一层筛选数据包括：电动汽车行驶总里程数VMT，总循环充电次数CN、动力电池故障次数GZ；
所述的第二层筛选数据包括：电动汽车每百公里行程内平均环境温度TV，电动汽车每百公里行程内动力电池放电电流超过一定阈值的总时长TM；
所述的总循环充电次数CN计数时，单次连续充电时长超过1h的记为一次充电次数，所述的动力电池故障次数的计数包括动力电池过充故障、动力电池过放故障、动力电池短路故障。
第一层筛选数据对动力电池的寿命、当前电池容量、自放电率等参数有较为直接的影响，第二层筛选数据同时还对动力电池的内阻、荷电状态(SOC)等参数有较为直接的影响，因此可以首先根据第一层筛选数据，选择电池的使用情况及使用环境较为接近的多个报废动力电池放在一起进行梯级利用，这样筛选出来的报废动力电池的电池容量、剩余寿命、自放电率等指标都较为接近，且第一层筛选数据均为汽车正常行驶时可以收集的数据，报废后可以直接筛分，省略了报废后的诸多检测过程；如果报废动力电池的技术状态较差，则还需要第二层筛选数据进行进一步的筛分，以使技术状态较差的多个报废动力电池并联后保持稳定。
步骤b：对第一层筛选数据进行以下处理：
若电动汽车的行驶里程数VMT在一定范围[VTM_1，VTM_2]，且总循环充电次数CN在一定范围[CN_1，CN_2]，且动力电池故障次数，且GZ在一定范围[GZ_1，GZ_2]，则进入步骤c，否则进入步骤h；
步骤b是根据报废动力电池的使用工况进行先行定向筛选，例如报废动力电池用作储能装置时，其自放电率指标较为重要，对应的电动汽车的总循环充电次数，总放电时间应适当短一些，且对报废电池的稳定性要求较高，则可以将[VTM_1，VTM_2]设为[5000km，20000km]，[CN_1，CN_2]设为[500，2000]，[GZ_1，GZ_2]设为[0，30]；再例如报废动力电池用作家庭备用电源时，相应指标可以降低，则可以将[VTM_1，VTM_2]设为[10000km，30000km]，[CN_1，CN_2]设为[500，2600]，[GZ_1，GZ_2]设为[0，60]。
步骤c：按照公式(1-1)至(1-3)进行统一计算域变换：
Figure BDA0002928389950000081
Figure BDA0002928389950000082
Figure BDA0002928389950000083
统一计算域变换后，将单位不同三个参数变为了百分比，可以用于后续综合判断。
步骤d：按照公式(1-4)计算第一影响因子Hi：
Figure BDA0002928389950000084
上式中，α、β、γ分别为Δ1、Δ2、Δ3各自的权重系数，范围取(0,1)，α、β、γ可以根据经验取值，选择一定数量的报废动力电池筛分后进行相应的性能测试，根据测试结果调整，调整时还可以根据电动汽车的类型进行二次微调，例如轿车、SUV、MPV车型上使用同一种动力电池，则α、β、γ的取值也不同，本技术方案推荐的取值范围为：α取0.5-0.7，β取0.25-0.45，γ取0.15-0.3，且α+β+γ＝1；其中可以用于大部分家用电动轿车的一种推荐取值为α取0.55，β取0.3，γ取0.15。
计算出多辆电动汽车的报废动力电池Hi值后，将多个Hi划分到第一区间、第二区间、第三区间内；其中第一区间内的Hi值＜第二区间内的Hi＜第二区间内的Hi值；三个区间各自的限值可以事先设定，也可以根据某一批报废动力电池的数量和其Hi值的分布进行动态调整。
划分至第一区间的动力电池，进入步骤e；划分至第二区间的动力电池，进入步骤f；划分至第三区间的动力电池，进入步骤g；
步骤e：划分至第一区间的动力电池其技术状态较好，则可以直接按照公式(1-5)、公式(1-6)计算第二层筛选数据：
多个每百公里行程内平均环境温度TV形成的数据组TV1、TV2……TVn，计算该组数据的均方根值：
Figure BDA0002928389950000091
多个每百公里行程内动力电池放电电流超过一定阈值的总时长TM形成的数据组TM1、TM2……TMn，计算该组数据的均方根值：
Figure BDA0002928389950000092
Figure BDA0002928389950000093
根据公式(1-7)在一定范围
Figure BDA0002928389950000094
统一计算域变换；
Figure BDA0002928389950000095
根据公式(1-8)在一定范围
Figure BDA0002928389950000101
统一计算域变换；
Figure BDA0002928389950000102
数值大小可以通过实验法选择一辆或多辆报废动力电池计算后推出，也可以将计算出的多个报废动力电池的
Figure BDA0002928389950000103
的最小值作为
Figure BDA0002928389950000104
将多个
Figure BDA0002928389950000105
的最大值作为
Figure BDA0002928389950000106
将计算出的多个报废动力电池的
Figure BDA0002928389950000107
的最小值作为
Figure BDA0002928389950000108
将
Figure BDA0002928389950000109
的最大值作为
Figure BDA00029283899500001010
Figure BDA00029283899500001011
Figure BDA00029283899500001012
然后按照公式(1-9)计算第二影响因子Yi：
Figure BDA00029283899500001013
上式中，λ、θ分别为Δ3、Δ4各自的权重系数，范围取(0,1)；本技术方案推荐的λ取0.4-0.6，θ取0.4-0.6，且λ+θ＝1；其中推荐的一种用于家用电动轿车的取值为λ取0.4，θ取0.6。
计算出多辆汽车的Yi值后，将多个Yi值根据大小划分为至少三个一级子区间，然后对同一个一级子区间内的动力电池并联在一起进行梯级利用；
步骤f：划分至第二区间的报废动力电池，较第一区间的报废动力电池的技术状态有所下降，多个报废动力电池相互之间的差异性增大，为了提高并联使用的稳定性，先进行步骤e，根据Yi值划入不同的一级子区间后，还在(20±5)℃条件下进行满充电池1C电流恒流放电试验，计算标准放电时率值(C/n)，所述的标准放电时率中，C为额定容量，n为放电电流，1C放电电流为1倍率放电，即放电电流等于动力电池的额定电流；
根据放电时率值(C/n)的大小，将每个第二区间下的一级子区间再划分为至少两个二级子区间，每个第二区间下的二级子区间内的动力电池并联进行梯级利用。
步骤g：划分至第三区间的报废动力电池，其技术状态较第一区间、第二区间更差，则先进行步骤e、步骤f，根据Yi值、标准放电时率(C/n)将第三区间的动力电池划入不同的二级子区间后，还进行满充电池小倍率电流恒流放电试验，根据小倍率放电时率的大小将每个二级子区间再划分为至少两个三级子区间，每个三级子区间内的动力电池并联进行梯级利用；本技术方案推荐的小倍率电流为0.1C-0.2C。
步骤h：控制器(1)或云服务器(3)将该电动汽车动力电池标记为不具备当前梯级利用要求。
上述筛分过程中，步骤a至步骤e均可以直接读取电动汽车BMS中的数据计算得到，将报废动力电池的筛分过程提前到正常使用环节，筛分快速，且可以将多种参数较为接近的报废动力电池筛分成一组，后续的多个报废动力电池并联使用的稳定性也能大大提高。
当报废动力电池的技术状态和使用环境较恶劣时，再增加相应的标准放电时率测试或小电流放电时率测试，进行进一步的筛分，以保证后续梯级利用时的稳定性。
本方案充分考虑了影响报废动力电池技术状态的多种因素，将各影响因素统一计算域变换后赋予不同的权重系数，将不同使用情况的电池进行区分，可以快速的将使用情况、环境温度等相接近的动力电池划分在一起，方便后续梯级利用，且对不同状态的电池采用不同的后续测试步骤，极大的减少了报废动力电池的测试环节，减小了报废动力电池的筛选成本，具有广阔的市场应用前景，对多辆同类型车的退役电池进行快速检测筛选，同时在节约成本的基础上，具有较高的准确率，保证梯级利用顺利，当报废动力电池数量为10万组或以上时，本方案下筛分过程的成本可以大大降低，具有非常广阔的市场前景。
实施例二：当报废动力电池对应的车辆使用场合不同时，动力电池的报废标准可能不一致，例如家用电动轿车本身没有强制性报废年限，根据动力电池行业规定，其上搭载的动力电池的电池容量下降至标定电池容量的80％以下时，对动力电池进行报废，此时大部分家用轿车的动力电池报废后其电池容量基本维持在75％-80％，可以不做预筛分；
但对于营运车辆，例如滴滴专车，其行驶600000km或行驶年限超过8年后会对整车进行强制报废，此时动力电池的电池容量可能还未达到报废标准，或者较为接近，因此所述的步骤a之前，还可以根据报废动力电池的当前电池容量值与标定电池容量之比，划分为至少3个预筛区间进行预筛分，例如分为75％-80％，80％-84％，84％-87％。预筛分后，对不同的预筛区间进行步骤a至步骤h。
所述的筛分方法中，BMS实时记录的第一层筛选数据、第二层筛选数据通过通信线或无线信号发送方式发送给控制器(1)，控制器(1)将第一层筛选数据、第二层筛选数据通过通信线或无线信号发送方式存储在存储设备(2)或通过互联网上传至云服务器(3)；控制器(1)为AT89C52单片机或STM32单片机或三菱PLC工控机或带有CAN总线接口的微型处理器，控制器(1)与电动汽车动力电池管理系统BMS之间通过CAN总线连接方式通信连接，所述的存储设备(2)为固态硬盘或U盘。

Claims (6)

1.电动汽车动力电池梯级利用多参数影响筛分方法，其特征在于：所述的筛分方法包括顺次进行的以下步骤：
步骤a：电动汽车在正常使用期间，其动力电池管理系统BMS实时记录第一层筛选数据、第二层筛选数据；
所述的第一层筛选数据包括：电动汽车行驶总里程数VMT，总循环充电次数CN、动力电池故障次数GZ；
所述的第二层筛选数据包括：电动汽车每百公里行程内平均环境温度TV，电动汽车每百公里行程内动力电池放电电流超过一定阈值的总时长TM；
步骤b：对第一层筛选数据进行以下处理：
若电动汽车的行驶里程数VMT在一定范围[VTM_1，VTM_2]，且总循环充电次数CN在一定范围[CN_1，CN_2]，且动力电池故障次数(过充、过放、短路)GZ在一定范围[GZ_1，GZ_2]，则进入步骤c，否则进入步骤h；
步骤c：按照公式(1-1)至(1-3)进行统一计算域变换：
Figure FDA0002928389940000011
Figure FDA0002928389940000012
Figure FDA0002928389940000013
步骤d：按照公式(1-4)计算第一影响因子Hi：
Figure FDA0002928389940000014
上式中，α、β、γ分别为Δ1、Δ2、Δ3各自的权重系数，α、β、γ范围取(0,1)；
计算出多辆汽车动力电池的Hi值后，将多个Hi划分到第一区间、第二区间、第三区间内；其中第一区间内的Hi值＜第二区间内的Hi＜第二区间内的Hi值；划分至第一区间的动力电池，进入步骤e；划分至第二区间的动力电池，进入步骤f；划分至第三区间的动力电池，进入步骤g；
步骤e：划分至第一区间的动力电池按照公式(1-5)、公式(1-6)计算第二层筛选数据：
多个每百公里行程内平均环境温度TV形成的数据组TV1、TV2……TVn，计算该组数据的均方根值：
Figure FDA0002928389940000021
多个每百公里行程内动力电池放电电流超过一定阈值的总时长TM形成的数据组TM1、TM2……TMn，计算该组数据的均方根值：
Figure FDA0002928389940000022
Figure FDA0002928389940000023
根据公式(1-7)在一定范围
Figure FDA0002928389940000024
统一计算域变换；
Figure FDA0002928389940000025
根据公式(1-8)在一定范围
Figure FDA0002928389940000026
统一计算域变换；
Figure FDA0002928389940000027
Figure FDA0002928389940000028
然后按照公式(1-9)计算第二影响因子Yi：
Figure FDA0002928389940000029
上式中，λ、θ分别为Δ3、Δ4各自的权重系数，λ、θ范围取(0,1)；
计算出多辆汽车的Yi值后，将多个Yi值根据大小划分为至少三个一级子区间，然后对同一个一级子区间内的动力电池并联在一起进行梯级利用；
步骤f：划分至第二区间的动力电池，先进行步骤e，根据Yi值划入不同的一级子区间后，还在(20±5)℃条件下进行满充电池1C电流恒流放电试验，计算标准放电时率值，即放电电流等于动力电池的额定电流；
根据放电时率的大小，将每个一级子区间再划分为至少两个二级子区间，每个二级子区间内的动力电池并联进行梯级利用；
步骤g：划分至第三区间的动力电池，先进行步骤e、步骤f，根据Yi值、标准放电时率(C/n)将第三区间的动力电池划入不同的二级子区间后，还进行满充电池小倍率电流恒流放电试验，根据小倍率放电时率的大小将每个第三区间下的二级子区间再划分为至少两个三级子区间，每个三级子区间内的动力电池并联进行梯级利用；
步骤h：将该电动汽车动力电池标记为不具备当前梯级利用要求。
2.根据权利要求1所述的电动汽车动力电池梯级利用多参数影响筛分方法，其特征在于：所述的总循环充电次数CN计数方法为：单次连续充电时长超过1h的记为一次充电次数，所述的动力电池故障次数的计数包括动力电池过充故障次数、动力电池过放故障次数、动力电池短路故障次数之和。
3.根据权利要求1所述的电动汽车动力电池梯级利用多参数影响筛分方法，其特征在于：所述的α取0.5-0.7，所述的β取0.25-0.45，所述的γ取0.15-0.3，且α+β+γ＝1；所述的λ取0.4-0.6，θ取0.4-0.6，且λ+θ＝1。
4.根据权利要求1所述的电动汽车动力电池梯级利用多参数影响筛分方法，其特征在于：所述的步骤g中，满充电池小倍率电流恒流放电试验中，小倍率电流为0.1C-0.2C。
5.根据权利要求1所述的电动汽车动力电池梯级利用多参数影响筛分方法，其特征在于：所述的步骤a之前，还根据报废动力电池的当前电池容量值与标定动力电池容量之比的大小，划分为至少3个预筛区间进行预筛分，预筛分后，对不同的预筛区间进行步骤a至步骤h。
6.根据权利要求1所述的电动汽车动力电池梯级利用多参数影响筛分方法，其特征在于：所述的筛分方法中，BMS实时记录的第一层筛选数据、第二层筛选数据通过通信线或无线信号发送方式发送给控制器(1)，控制器(1)将第一层筛选数据、第二层筛选数据通过通信线或无线信号发送方式存储在存储设备(2)或通过互联网上传至云服务器(3)；控制器(1)为AT89C52单片机或STM32单片机或三菱PLC工控机或带有CAN总线接口的微型处理器，控制器(1)与电动汽车动力电池管理系统BMS之间通过CAN总线连接方式通信连接，所述的存储设备(2)为固态硬盘或U盘。
CN202110140111.2A 2021-02-02 2021-02-02 电动汽车动力电池梯级利用多参数影响筛分方法 Active CN112966208B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110140111.2A CN112966208B (zh) 2021-02-02 2021-02-02 电动汽车动力电池梯级利用多参数影响筛分方法
CN202210723903.7A CN114996639A (zh) 2021-02-02 2021-02-02 低成本模式的动力电池梯级利用多因素筛分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110140111.2A CN112966208B (zh) 2021-02-02 2021-02-02 电动汽车动力电池梯级利用多参数影响筛分方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210723903.7A Division CN114996639A (zh) 2021-02-02 2021-02-02 低成本模式的动力电池梯级利用多因素筛分方法

Publications (2)

Publication Number Publication Date
CN112966208A true CN112966208A (zh) 2021-06-15
CN112966208B CN112966208B (zh) 2022-09-23

Family

ID=76273104

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210723903.7A Withdrawn CN114996639A (zh) 2021-02-02 2021-02-02 低成本模式的动力电池梯级利用多因素筛分方法
CN202110140111.2A Active CN112966208B (zh) 2021-02-02 2021-02-02 电动汽车动力电池梯级利用多参数影响筛分方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202210723903.7A Withdrawn CN114996639A (zh) 2021-02-02 2021-02-02 低成本模式的动力电池梯级利用多因素筛分方法

Country Status (1)

Country Link
CN (2) CN114996639A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115921356A (zh) * 2023-01-10 2023-04-07 北京凌禾科技有限公司 一种废旧锂电池的处理方法及处理系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104362395A (zh) * 2014-09-12 2015-02-18 奇瑞汽车股份有限公司 一种废旧电池梯次使用的筛选方法
CN105005222A (zh) * 2015-06-12 2015-10-28 山东省科学院自动化研究所 基于大数据的新能源电动汽车整车性能提升系统及方法
CN105738830A (zh) * 2016-04-14 2016-07-06 中山大学 锂离子动力电池梯次利用分析方法
CN105983542A (zh) * 2015-02-13 2016-10-05 国家电网公司 一种退役电动汽车动力电池分类方法
CN106143474A (zh) * 2015-03-25 2016-11-23 比亚迪股份有限公司 混合动力汽车及其驱动控制方法和装置
CN106443475A (zh) * 2016-10-21 2017-02-22 国网山东省电力公司电力科学研究院 基于运营大数据的退役动力电池无拆解再次利用筛选方法
CN110504501A (zh) * 2019-08-19 2019-11-26 国网河北省电力有限公司石家庄供电分公司 退役电池梯次利用方法及系统
CN111495800A (zh) * 2020-04-20 2020-08-07 江苏省新能源开发股份有限公司 一种动力电池组梯次再利用的筛选分组方法
CN111540983A (zh) * 2020-05-12 2020-08-14 西华大学 电动汽车中电池组用分布式温度均衡装置及温度均衡方法
CN111660869A (zh) * 2019-12-13 2020-09-15 摩登汽车有限公司 电动车电耗计算方法、整车控制器、系统及汽车
CN111859294A (zh) * 2020-07-09 2020-10-30 北理新源(佛山)信息科技有限公司 一种基于大数据的电动汽车评估方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104362395A (zh) * 2014-09-12 2015-02-18 奇瑞汽车股份有限公司 一种废旧电池梯次使用的筛选方法
CN105983542A (zh) * 2015-02-13 2016-10-05 国家电网公司 一种退役电动汽车动力电池分类方法
CN106143474A (zh) * 2015-03-25 2016-11-23 比亚迪股份有限公司 混合动力汽车及其驱动控制方法和装置
CN105005222A (zh) * 2015-06-12 2015-10-28 山东省科学院自动化研究所 基于大数据的新能源电动汽车整车性能提升系统及方法
CN105738830A (zh) * 2016-04-14 2016-07-06 中山大学 锂离子动力电池梯次利用分析方法
CN106443475A (zh) * 2016-10-21 2017-02-22 国网山东省电力公司电力科学研究院 基于运营大数据的退役动力电池无拆解再次利用筛选方法
CN110504501A (zh) * 2019-08-19 2019-11-26 国网河北省电力有限公司石家庄供电分公司 退役电池梯次利用方法及系统
CN111660869A (zh) * 2019-12-13 2020-09-15 摩登汽车有限公司 电动车电耗计算方法、整车控制器、系统及汽车
CN111495800A (zh) * 2020-04-20 2020-08-07 江苏省新能源开发股份有限公司 一种动力电池组梯次再利用的筛选分组方法
CN111540983A (zh) * 2020-05-12 2020-08-14 西华大学 电动汽车中电池组用分布式温度均衡装置及温度均衡方法
CN111859294A (zh) * 2020-07-09 2020-10-30 北理新源(佛山)信息科技有限公司 一种基于大数据的电动汽车评估方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
徐艳民: "电动汽车退役锂离子动力电池故障诊断及梯次利用关键技术研究", 《中国优秀博硕士论文全文数据库（博士）工程科技辑》 *
窦虎明等: "新能源汽车动力电池梯级利用技术分析", 《农机使用与维修》 *
赵光金 等: "退役磷酸铁锂电池容量一致性及衰减特征研究", 《全球能源互联网》 *
陈伟华等: "梯次利用锂离子电池循环性能分析", 《华北电力技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115921356A (zh) * 2023-01-10 2023-04-07 北京凌禾科技有限公司 一种废旧锂电池的处理方法及处理系统

Also Published As

Publication number Publication date
CN114996639A (zh) 2022-09-02
CN112966208B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
Jiang et al. Recognition of battery aging variations for LiFePO4 batteries in 2nd use applications combining incremental capacity analysis and statistical approaches
CN103163464B (zh) 电池包中电芯的检测方法
CN110797591B (zh) 一种锂动力梯次电芯重组的快速分选方法以及锂动力梯次重组电池
CN111816938B (zh) 一种退役电池梯次利用方法
CN103094633B (zh) 一种用于电动汽车动力电池的检测及维护系统
CN110614236B (zh) 一种退役电池梯次利用的筛选方法
CN109655754B (zh) 一种基于充电过程多维分阶的电池性能评估方法
CN113369176B (zh) 一种退役电池再利用的分选方法及系统
CN113064939B (zh) 一种新能源车辆三电系统安全特征数据库构建方法
CN205049709U (zh) 电池检测装置
CN103084342B (zh) 一种二次电池的分选方法
CN111413628A (zh) 一种具有电池评估功能的充换电站及评估方法
CN110323508B (zh) 电动汽车中动力电池的回收系统和方法
CN106423919A (zh) 退役锂电池分选方法及其系统
CN112966208B (zh) 电动汽车动力电池梯级利用多参数影响筛分方法
CN112363061A (zh) 一种基于大数据的热失控风险评估方法
CN110865307B (zh) 一种电池模组余能检测方法
CN108832187B (zh) 基于新能源汽车储能需求的锂离子电池的设计方法
CN114646888A (zh) 一种动力电池容量衰减的评估方法及系统
CN109490791B (zh) 通过远程监控数据判定车辆退役电池筛选方法
CN117199569B (zh) 一种退役电池梯次利用方法
CN114833097A (zh) 一种退役动力电池梯次利用的分选方法及装置
CN115121507A (zh) 一种低测试成本的退役动力电池分选方法
CN110297185A (zh) 一种新能源汽车电池参数动态监测系统
CN203039043U (zh) 一种用于电动汽车动力电池的检测及维护系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220907

Address after: 312000 Shangyu Economic and Technological Development Zone, Hangzhou Bay, Shaoxing City, Zhejiang Province

Applicant after: Zhejiang new era Zhongneng Technology Co.,Ltd.

Address before: Xihua University, 999 Jinzhou Road, Jinniu District, Chengdu, Sichuan 610039

Applicant before: XIHUA University

GR01 Patent grant
GR01 Patent grant