CN113500012A - 一种基于聚类筛选的车载锂离子动力电池梯次利用方法 - Google Patents
一种基于聚类筛选的车载锂离子动力电池梯次利用方法 Download PDFInfo
- Publication number
- CN113500012A CN113500012A CN202110640023.9A CN202110640023A CN113500012A CN 113500012 A CN113500012 A CN 113500012A CN 202110640023 A CN202110640023 A CN 202110640023A CN 113500012 A CN113500012 A CN 113500012A
- Authority
- CN
- China
- Prior art keywords
- battery
- screening
- cluster
- clustering
- vehicle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012216 screening Methods 0.000 title claims abstract description 38
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 21
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 21
- 239000000178 monomer Substances 0.000 claims abstract description 68
- 230000000704 physical effect Effects 0.000 claims abstract description 13
- 238000003064 k means clustering Methods 0.000 claims abstract description 10
- 238000005485 electric heating Methods 0.000 claims abstract description 9
- 238000004146 energy storage Methods 0.000 claims description 28
- 238000010586 diagram Methods 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 4
- 238000004064 recycling Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000007621 cluster analysis Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
- H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种基于聚类筛选的车载锂离子动力电池梯次利用方法,包括以下步骤:1)对电池包进行拆解得到待分级筛选的电池单体并标号;2)对拆解得到的电池单体的电热物性参数进行测定,获取各电池单体的电热物性数据;3)基于各电池单体的电热物性数据对电池单体分别进行K‑means聚类和元启发式聚类;4)根据聚类结果对电池单体进行筛选分级;5)将筛选分级后的电池单体梯次成组后应用。与现有技术相比,本发明具有综合考虑电热物理性能、聚类筛选准确性高、规避热风险安全性高等优点。
Description
技术领域
本发明涉及锂离子电池回收梯次利用技术领域,尤其是涉及一种基于聚类筛选的车载锂离子动力电池梯次利用方法。
背景技术
随着新能源汽车车用电池产业的高速发展,我国相关法律也陆续出台要求加强动力电池梯次利用和回收管理,强化动力电池的收集、存储、运输、处理、再生利用及最终处置等各环节的技术标准。此外,我国863计划重大项目智能电网关键技术研发课题提出要加强电池梯次利用的筛选原则、成组方法和系统方案的研究。充分利用价格昂贵的动力电池在从电动汽车上退役后用于储能,可接入电网解决电网峰谷差,进行系统频率调节,应急备用,稳定电压支持缓解输电拥塞等问题。
然而,现有动力电池回收方式大多将容量的80%简单粗暴地视为动力电池退役的节点,而非考虑动力电池在日历老化与循环老化过程的后期出现的容量“跳水”现象,浪费了动力电池的储能潜力,同时未考虑动力电池安全性,因此,建立全面、安全、准确、可行的锂离子动力电池梯次利用方法尤为重要。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于聚类筛选的车载锂离子动力电池梯次利用方法。
本发明的目的可以通过以下技术方案来实现:
一种基于聚类筛选的车载锂离子动力电池梯次利用方法,包括以下步骤:
1)对电池包进行拆解得到待分级筛选的电池单体并标号;
2)对拆解得到的电池单体的电热物性参数进行测定,获取各电池单体的电热物性数据;
3)基于各电池单体的电热物性数据对电池单体分别进行K-means聚类和元启发式聚类;
4)根据聚类结果对电池单体进行筛选分级;
5)将筛选分级后的电池单体梯次成组后应用。
所述的步骤1)中,电池包在放电工步完成的情况下进行拆解,拆解过程保证绝缘防护,避免电池极柱间短接造成短路。
所述的步骤2)中,电池单体的电热物性参数包括电参数、热力学参数和物理参数,所述的电参数包括电压、容量、内阻和阻抗,所述的电参数热力学参数包括比热容和导热系数,所述的物理参数包括质量密度。
所述的步骤3)中,K-means聚类具体包括以下步骤:
301)以各标号后的电池单体的多维电热物性数据作为K-means聚类的输入;
302)获取K-means聚类的聚类结果,即分簇数量、簇中心以及每个电池单体的分簇结果;
303)计算每个簇中的数据点与簇中心的欧式距离。
所述的步骤3)中,元启发式聚类具体包括以下步骤:
311)将各电池单体的标号以及对应的与簇中心的欧氏距离作为元启发式聚类的输入;
312)生成一颗树状图用以表示各电池单体在簇内的相似性;
313)根据树状图对具有相似性的各电池单体进行相似性分类。
所述的步骤4)中,根据相似性分类结果对电池单体再分别进行安全性和储能潜力的筛选分级。
所述的安全性筛选分级具体为:
对相似性分类后的多个电池单体进行倍率充电实验并检测充电过程的温升,若温升超过设定的上限值,则认定为安全性较差。
所述的储能潜力筛选分级具体为:
对相似性分类后的多个电池单体检测其电池容量,若电池容量低于设定的下限值,则认定为储能潜力保持较差。
所述的步骤5)具体为:
对于安全性较好且储能潜力保持较好的相近性能电池单体,则成组继续用于新能源汽车的动力系统;
对于安全性较好且储能潜力保持较差的相近性能电池单体,则退役用于储能电站储能;
对于安全性较差的电池单体,则直接进行电池单体回收拆解。
所述的新能源汽车包括纯电动汽车和混合动力汽车。
与现有技术相比,本发明具有以下优点:
一、有效提升成组电池性能:本发明所筛选用于各梯次电池组电池单体具备相近性能,可提升电池组一致性,有利于车用动力系统及储能设备的使用寿命及工作性能提升;
二、工作量小:各电池单体电参数均可采用充放电设备、电化学工作站及绝热量热仪进行测定,避免了不必要的人工操作;
三、聚类筛选准确性高:通过合理利用聚类算法模型结构,可实现较高的分级筛选准确性;
四、聚类筛选指标更全面:本发明所提出的聚类筛选方法综合考虑各电池单体电、热、物理各方面性能指标;
五、计算成本小:本发明通过合理设置迭代结束误差平方和指标可在保证准确性的前提下有效减少计算成本及计算资源消耗;
六、安全性高:本发明所设计方法有效规避热安全稳定性差的电池单体,将其直接用于电池回收,有效保障流程安全性。
附图说明
图1为本发明的方法流程框图。
图2为本发明实施例中12节锂离子动力电池单体热物性参数(内阻、比热容)示意图。
图3为本发明实施例中基于K-平均值算法的锂离子动力电池单体聚类分析示意图。
图4为本发明实施例中基于元启发式聚类分析及相近性能电池单体筛选示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
本例中,本发明考虑电性能(内阻)和热性能(比热容)两方面,对车载锂离子动力电池单体进行聚类筛选,结合K-平均值聚类分析及元启发式聚类分析方法筛选性能相近的八节电池单体构成电池组,可最大程度利用各电池单体的储能潜力,在保障储能安全性的前提下避免电池浪费。
如图1所示,本发明提供一种基于聚类筛选的车载锂离子动力电池梯次利用方法,该方法包括如下步骤:
步骤S1、对电池包进行拆解;
步骤S2、对拆解得到的电池单体的电热物性参数进行测定,获取各电池单体的电热物性数据;
步骤S3、基于各电池单体电热物性数据对电池单体分别进行K-平均值聚类分析和元启发式聚类分析;
步骤S4、基于步骤S3聚类分析结果对电池单体分别进行安全性、储能潜力以及相似性的筛选分级;
步骤S5、将筛选分级后的电池单体梯次成组进行应用。
步骤S1中,电池包在放电工步完成的情况下进行拆解,拆解过程保证绝缘防护,避免电池极柱间短接造成短路。
步骤S2中,所测电池单体电热物性参数包括基本电参数(电压、容量、内阻和阻抗)、热力学参数(比热容和导热系数)和物理参数(质量密度),本例中,以内阻和比热容构成二维数据为例,实际上可以选取多维数据聚类。
步骤S3中,本例中采用的K-平均值算法是一种大数据集的聚类分析中得到广泛应用的聚类分析算法,其基本步骤如下:
(1)随机选取k个数据点作为初始聚类中心;
(2)计算其他数据点与每个初始聚类中心的距离,将所有数据点划分为最近聚类中心所在的聚类域;
(3)在对所有数据点进行排序后,重新计算每个聚类所有数据点的平均值,平均值所在的数据点成为一个新的聚类中心。
(4)多次迭代直到两个连续簇的中心相同,表示所有数据点被划分为k个簇。
在K-平均值算法中,误差平方和是常用的评价标准之一,它是指从一个簇中的数据点到簇中心ml的欧几里得距离之和,其计算如下:
式中,Nl表示聚类域cl中的数据点的数量。
上式中的目标函数E(·)表示k个聚类中所有数据点与其聚类中心ml之间的误差平方和,E(·)值越小,表示聚类中的数据越集中,聚类结果越好。
在欧几里德空间中,对属性进行归一化,以便所有属性对距离的计算具有同等的影响,对于不同的单位和不同的量级,应进行归一化处理,使这两个参数具有相同的尺度,归一化函数Z-函数如下式所示:
其中,m表示xi的平均值;s表示xi的标准差。
步骤S3中,本例中采用的元启发式聚类分析用于建立聚类层次,通常用于数据挖掘和统计,最常用的层次聚类算法为单链(SL),内容具体介绍如下:
元启发式聚类过程是凝聚的,两个数据点子集(簇)之间的相似性定义为这些子集中数据点之间的最小距离,SL根据下式定义:
这个过程的一个典型的可视化表示被称为树状图,通过一棵树显示数据点子集之间基于距离的连接的层次结构,数据点或数据点组之间的相似性取决于算法。
对于每个树状图,构造一个超度量空间,其中,三角形不等式被重新定义为下式:
D(l,j)≤max(D(l,m),D(m,j))
步骤S4中,从多角度评估电池单体性能,综合安全性和储能潜力因素对单体进行分级。
安全性筛选分级具体为:
对相似性分类后的多个电池单体进行倍率充电实验并检测充电过程的温升,若温升超过设定的上限值,则认定为安全性较差。
储能潜力筛选分级具体为:
对相似性分类后的多个电池单体检测其电池容量,若电池容量低于设定的下限值,则认定为储能潜力保持较差。
步骤S5中,对于安全性较好(倍率充电温升)、储能潜力(电池容量)保持较好的相近性能电池单体,可成组继续用于新能源汽车(纯电动汽车、混合动力汽车)的动力系统;对于安全性较好、储能潜力保持较差的相近性能电池单体,可退役用于储能电站储能;对于安全性较差的电池单体,可直接进行电池单体回收拆解。
在此案例聚类筛选工作中,经短路预检测试,本例中12个电池单体具备较高的安全性,考虑到电池单元间参数的差异,选择电池单元的电性能参数(内阻)和热性能参数(比热容)相近的电池单体作为储能单元构成一个电池组,其余电池单体用于储能。
如图3所示,通过利用K-均值聚类方法计算簇之间的簇中心距离,可以将这12个电池单体划分为两个簇,为了有特定的电池单体选择,需要元启发式分层聚类,12个电池单体的树状图,如图4所示,直观表示出了各个电池单体之间的相似性。
从树状图上看,电池单体1、电池单体8、电池单体2、电池单体6、电池单体3、电池单体7、电池单体5、电池单体10、电池单体9和电池单体12可以属于一个簇。可以从这些电池中选择八个电池,形成一个电池模组。
通过运用此聚类筛选梯次利用方法,可实现对动力电池单体的高效分类、筛选,可在保证梯次利用的电池单体安全性的前提下最大限度发挥各电池单体储能潜力。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (10)
1.一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,包括以下步骤:
1)对电池包进行拆解得到待分级筛选的电池单体并标号;
2)对拆解得到的电池单体的电热物性参数进行测定,获取各电池单体的电热物性数据;
3)基于各电池单体的电热物性数据对电池单体分别进行K-means聚类和元启发式聚类;
4)根据聚类结果对电池单体进行筛选分级;
5)将筛选分级后的电池单体梯次成组后应用。
2.根据权利要求1所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的步骤1)中,电池包在放电工步完成的情况下进行拆解,拆解过程保证绝缘防护,避免电池极柱间短接造成短路。
3.根据权利要求1所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的步骤2)中,电池单体的电热物性参数包括电参数、热力学参数和物理参数,所述的电参数包括电压、容量、内阻和阻抗,所述的电参数热力学参数包括比热容和导热系数,所述的物理参数包括质量密度。
4.根据权利要求1所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的步骤3)中,K-means聚类具体包括以下步骤:
301)以各标号后的电池单体的多维电热物性数据作为K-means聚类的输入;
302)获取K-means聚类的聚类结果,即分簇数量、簇中心以及每个电池单体的分簇结果;
303)计算每个簇中的数据点与簇中心的欧式距离。
5.根据权利要求4所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的步骤3)中,元启发式聚类具体包括以下步骤:
311)将各电池单体的标号以及对应的与簇中心的欧氏距离作为元启发式聚类的输入;
312)生成一颗树状图用以表示各电池单体在簇内的相似性;
313)根据树状图对具有相似性的各电池单体进行相似性分类。
6.根据权利要求5所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的步骤4)中,根据相似性分类结果对电池单体再分别进行安全性和储能潜力的筛选分级。
7.根据权利要求6所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的安全性筛选分级具体为:
对相似性分类后的多个电池单体进行倍率充电实验并检测充电过程的温升,若温升超过设定的上限值,则认定为安全性较差。
8.根据权利要求7所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的储能潜力筛选分级具体为:
对相似性分类后的多个电池单体检测其电池容量,若电池容量低于设定的下限值,则认定为储能潜力保持较差。
9.根据权利要求8所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的步骤5)具体为:
对于安全性较好且储能潜力保持较好的相近性能电池单体,则成组继续用于新能源汽车的动力系统;
对于安全性较好且储能潜力保持较差的相近性能电池单体,则退役用于储能电站储能;
对于安全性较差的电池单体,则直接进行电池单体回收拆解。
10.根据权利要求9所述的一种基于聚类筛选的车载锂离子动力电池梯次利用方法,其特征在于,所述的新能源汽车包括纯电动汽车和混合动力汽车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110640023.9A CN113500012A (zh) | 2021-06-09 | 2021-06-09 | 一种基于聚类筛选的车载锂离子动力电池梯次利用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110640023.9A CN113500012A (zh) | 2021-06-09 | 2021-06-09 | 一种基于聚类筛选的车载锂离子动力电池梯次利用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113500012A true CN113500012A (zh) | 2021-10-15 |
Family
ID=78009619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110640023.9A Pending CN113500012A (zh) | 2021-06-09 | 2021-06-09 | 一种基于聚类筛选的车载锂离子动力电池梯次利用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113500012A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117410598A (zh) * | 2023-12-15 | 2024-01-16 | 山西迪诺思新能源科技有限公司 | 一种基于指标相似性的退役电池模块组合方法 |
WO2024103563A1 (zh) * | 2022-11-16 | 2024-05-23 | 广东邦普循环科技有限公司 | 一种退役电池筛选分类方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103785629A (zh) * | 2014-01-13 | 2014-05-14 | 国家电网公司 | 一种梯次利用锂电池筛选成组方法 |
CN104375087A (zh) * | 2014-09-23 | 2015-02-25 | 中国检验检疫科学研究院 | 一种动力电池组安全性的评价方法 |
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 |
CN109604186A (zh) * | 2018-12-14 | 2019-04-12 | 北京匠芯电池科技有限公司 | 动力电池性能柔性评估分选方法 |
CN110614236A (zh) * | 2019-06-11 | 2019-12-27 | 恒大新能源科技集团有限公司 | 一种退役电池梯次利用的筛选方法 |
CN111438077A (zh) * | 2020-04-07 | 2020-07-24 | 北京工业大学 | 一种退役三元软包电池的梯次利用性能快速筛选及检测的方法 |
CN111816938A (zh) * | 2020-07-06 | 2020-10-23 | 安徽恒明工程技术有限公司 | 一种退役电池梯次利用方法 |
CN112474435A (zh) * | 2020-11-02 | 2021-03-12 | 北京国电通网络技术有限公司 | 一种电池模组的快速分选方法和装置 |
CN213184407U (zh) * | 2020-07-20 | 2021-05-11 | 浙江浙能技术研究院有限公司 | 退役动力电池分类筛选重组系统 |
CN112791997A (zh) * | 2020-12-16 | 2021-05-14 | 北方工业大学 | 一种退役电池梯次利用筛选的方法 |
-
2021
- 2021-06-09 CN CN202110640023.9A patent/CN113500012A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103785629A (zh) * | 2014-01-13 | 2014-05-14 | 国家电网公司 | 一种梯次利用锂电池筛选成组方法 |
CN104375087A (zh) * | 2014-09-23 | 2015-02-25 | 中国检验检疫科学研究院 | 一种动力电池组安全性的评价方法 |
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 |
CN109604186A (zh) * | 2018-12-14 | 2019-04-12 | 北京匠芯电池科技有限公司 | 动力电池性能柔性评估分选方法 |
CN110614236A (zh) * | 2019-06-11 | 2019-12-27 | 恒大新能源科技集团有限公司 | 一种退役电池梯次利用的筛选方法 |
CN111438077A (zh) * | 2020-04-07 | 2020-07-24 | 北京工业大学 | 一种退役三元软包电池的梯次利用性能快速筛选及检测的方法 |
CN111816938A (zh) * | 2020-07-06 | 2020-10-23 | 安徽恒明工程技术有限公司 | 一种退役电池梯次利用方法 |
CN213184407U (zh) * | 2020-07-20 | 2021-05-11 | 浙江浙能技术研究院有限公司 | 退役动力电池分类筛选重组系统 |
CN112474435A (zh) * | 2020-11-02 | 2021-03-12 | 北京国电通网络技术有限公司 | 一种电池模组的快速分选方法和装置 |
CN112791997A (zh) * | 2020-12-16 | 2021-05-14 | 北方工业大学 | 一种退役电池梯次利用筛选的方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024103563A1 (zh) * | 2022-11-16 | 2024-05-23 | 广东邦普循环科技有限公司 | 一种退役电池筛选分类方法 |
CN117410598A (zh) * | 2023-12-15 | 2024-01-16 | 山西迪诺思新能源科技有限公司 | 一种基于指标相似性的退役电池模块组合方法 |
CN117410598B (zh) * | 2023-12-15 | 2024-02-23 | 山西迪诺思新能源科技有限公司 | 一种基于指标相似性的退役电池模块组合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | An efficient screening method for retired lithium-ion batteries based on support vector machine | |
Xu et al. | A novel clustering algorithm for grouping and cascade utilization of retired Li-ion batteries | |
CN113887601B (zh) | 一种基于聚类分选的退役动力电池重组方法 | |
CN112791997B (zh) | 一种退役电池梯次利用筛选的方法 | |
CN109980742B (zh) | 计及动力电池梯次利用基于mmc结构的充电站优化方法 | |
CN111974709B (zh) | 基于温度变化聚类分析的退役动力锂电池筛选方法及系统 | |
CN108490366B (zh) | 电动汽车退役电池模块健康状态的快速评估方法 | |
CN113500012A (zh) | 一种基于聚类筛选的车载锂离子动力电池梯次利用方法 | |
CN103817091A (zh) | 电池分选方法及系统 | |
CN115121507B (zh) | 一种低测试成本的退役动力电池分选方法 | |
CN111495800A (zh) | 一种动力电池组梯次再利用的筛选分组方法 | |
CN108767340A (zh) | 锂离子电池梯次利用的分组方法 | |
CN111129628B (zh) | 锂离子电芯充放电的控制方法、系统、介质及电子设备 | |
CN111744827A (zh) | 一种分选锂电芯的方法 | |
Zhu et al. | A novel fast estimation and regroup method of retired lithium‐ion battery cells | |
Liu et al. | High-dimensional data abnormity detection based on improved Variance-of-Angle (VOA) algorithm for electric vehicles battery | |
Liu et al. | Fast sorting method of retired batteries based on multi-feature extraction from partial charging segment | |
CN113019964B (zh) | 一种退役动力电池快速分选系统 | |
CN107576916A (zh) | 一种退役动力电池的再利用方式的测试方法 | |
CN116154829A (zh) | 一种动力电池梯次利用的电网储能系统 | |
CN114282852B (zh) | 一种电池安全性计算方法和装置 | |
CN112966208B (zh) | 电动汽车动力电池梯级利用多参数影响筛分方法 | |
Liu et al. | An enhanced sorting method for retired battery with feature selection and multiple clustering | |
CN116804715A (zh) | 一种判断导致电池系统出现不一致原因的方法 | |
Li et al. | Optimization of Li-ion Battery Charge and Discharge Model Based on Genetic Algorithm |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211015 |
|
RJ01 | Rejection of invention patent application after publication |