CN114918159A - 一种退役锂离子动力电池的筛选方法 - Google Patents

Abstract

本发明属于电池检测技术领域，涉及一种退役锂离子动力电池的筛选方法，步骤包括：目检；利用内阻R和电容Q做一次分堆；利用形变检测光栅探测电芯外壳的形变量D，将退役电芯放电至单体电压下限；恒流后恒压充电至单体电压上限，再恒流放电至单体电压下限；将该充放电周期T内的形变量D相对时间t的变化关系绘成D‑t图形；将D‑t图形分为N段；计算得到关于该退役电芯的N维动态特征向量；测完M个退役电芯的特征向量后利用高斯混合模型进行聚类分析，进行二次分堆。本发明增加了对于形变量一致性的分选，为后续电池模组的设计提供形变量参考，从而降低设计难度，保证了退役锂离子动力电池进入到梯次利用环节的性能稳定与运行安全。

Description

一种退役锂离子动力电池的筛选方法

技术领域

本发明涉及电池安装架技术领域，特别涉及一种退役锂离子动力电池的筛选方法。

背景技术

锂离子动力电池具有能量密度高、寿命长等优点，是电动汽车的主要动力来源，也是锂电池储能系统的主要储能器件。近年来，随着新能源汽车市场的逐渐发展壮大，锂电池储能市场也得到了快速发展。未来将会有大量的锂离子电池从电动汽车上退役，如果直接报废或回收不及时，不仅会造成资源浪费，还会对环境产生很大的压力。如果将退役锂离子动力电池经分选后进行梯次利用，用到如储能系统、备电系统中，可以延长电动汽车动力电池的生命周期，不仅能减少资源浪费和环境污染，还能产生一定的经济价值。

动力电池在制造过程中，由于材料和工艺精度的影响会存在一些差异；动力电池经过在电动汽车上一段时间应用后，一致性会由于运行工况的不同而产生更为复杂的变化。当容量最低的电芯容量先放完时，电池组将停止放电，而此时其他容量较高电芯的电量还未完全放出，如果继续放电，将对容量较低电芯造成不可逆的伤害；充电过程中也存在着类似的情况。这就要求退役锂离子动力电池在梯次利用之前要进行一致性的筛选、检测甚至重组，从而降低其木桶短板效应对整个电池组的影响。

退役锂离子动力电池进入梯次利用环节的技术路线主要有三种：一是整包不拆解直接利用；二是拆解成模组后重新配组再利用；三是拆解成单体电池后检测、筛选、重组为模组后再配组利用。第一种方式对于退役电池的要求非常高，能够直接利用的整包退役电池数量有限，不适用于大多数情况。第二种方式对原电池模组内单体电芯的一致性要求也较高，仅适用于有限的退役锂离子动力电池，适用范围比较窄。第三种技术路线为较多采用的方式，此技术路线可以避免忽略单体电芯的健康状况，剔除电池包内的不合格电芯。其中对电芯的一致性筛选技术是第三种技术路线是否成功的基础。如CN114384436A披露的退役锂离子动力电池的筛选方法，当前针对电芯的筛选方法常用的主要是对电芯的容量、内阻、自放电等参数进行筛选，并未从电池形变的角度作考虑，而事实上电池的形变特性也是其性能一致性的外特性，对于后续电池成组设计及再利用具有重要意义。

因此有必要改进筛选方法来解决以上问题。

发明内容

本发明的主要目的在于提供一种退役锂离子动力电池的筛选方法，增加了对于形变量一致性的分选，为后续电池模组的设计提供形变量参考，从而降低设计难度，保证了退役锂离子动力电池进入到梯次利用环节的性能稳定与运行安全。

本发明通过如下技术方案实现上述目的：一种退役锂离子动力电池的筛选方法，其步骤包括：

S1、目检外观排除存在损伤的退役电芯；

S2、测出退役电芯的内阻R和电容Q，根据R值区间和Q值区间进行一次分堆，得到若干分组；

S3、取同一分组内的退役电芯连接到检测电路上，利用形变检测光栅探测电芯外壳的形变量D，将退役电芯放电至单体电压下限；

S4、对每个退役电芯先以初始电流I₁恒流充电至单体电压上限的50～80％，再以截止电压U恒压充电至单体电压上限，再以放电电流I₂进行恒流放电至单体电压下限,将该充放电周期T内的形变量D相对时间t的变化关系绘成D-t图形；

S5、以

为步长，将D-t图形分为N段，N为正整数，得到坐标(D_n，t_n)，0≤n≤N，D_n表示第n段结束时的形变量，t_n表示第n段结束时间，D₀＝0，t₀＝0；

S6、计算第n段特征值

得到关于该退役电芯的N维动态特征向量x_i＝[σ₁，σ₂，…σ_N]，0＜i≤M，M表示该分组内退役电芯的总数，i表示退役电芯在该分组内的序号；

S7、测完M个退役电芯的特征向量x_i后利用高斯混合模型进行聚类分析，进行二次分堆。

具体的，当退役电芯为方形锂电池时，形变检测光纤光栅布置于电芯最大面长轴中心线上的两个三等分点上，D表示这两个点之间的直线距离。

具体的，当退役电芯为圆柱形锂电池时，形变检测光纤光栅布置于电芯高轴的两个三等分点上，D表示这两个点之间的直线距离。

具体的，步骤S7初始化k个高斯混合模型的参数，混合系数α_k，均值向量μ_k，协方差矩阵Σ_k；其中混合系数α_k归一化处理：0≤α_k≤1，且

根据预设的高斯混合模型的参数计算动态特征向量x_i属于k类高斯曲线的后验概率：

公式1：

其中，z_ik表示被测试电芯i的特征向量x_i是否属于第k个分类。

若z_ik＝1，则特征向量x_i属于第k个分类；否则特征向量x_i不属于第k个分类；

其中p(x_i|μ_s,Σ_s)为多元高斯分布：

公式2：

根据以上公式的计算结果，更新混合系数α_k，均值向量μ_k，协方差矩阵Σ_k，计算公式为：

重复公式1和2，直至似然函数收敛。

本发明技术方案的有益效果是：

本发明增加了对于形变量一致性的分选，为后续电池模组的设计提供形变量参考，从而降低设计难度，保证了退役锂离子动力电池进入到梯次利用环节的性能稳定与运行安全。

附图说明

图1为实施例1电芯形变量随时间变化的D-t曲线图；

图2为实施例1方形锂电池形变检测点位置图；

图3为实施例2圆柱形锂电池形变检测点位置图。

具体实施方式

下面结合具体实施例对本发明作进一步详细说明。

实施例1：

如图2所示，一种退役锂离子动力电池的筛选方法应用于方形锂电池，形变检测光纤光栅布置于电芯最大面长轴中心线上的两个三等分点上，D表示这两个点之间的直线距离。

S1、目检外观排除存在损伤的退役电芯；

S2、测出退役电芯的内阻R和电容Q，根据R值区间和Q值区间进行一次分堆，得到若干分组；

S3、取同一分组内的1000个退役电芯连接到检测电路上，利用形变检测光栅探测电芯外壳的形变量D，D表示电芯最大面长轴中心线上的两个三等分点之间的直线距离，将退役电芯放电至单体电压下限；

S4、对每个退役电芯先以初始电流I₁恒流充电至单体电压上限的50～80％，再以截止电压U恒压充电至单体电压上限，再以放电电流I₂进行恒流放电至单体电压下限,将该充放电周期T内的形变量D相对时间t的变化关系绘成D-t图形，如图1所示；

S5、以

为步长，将D-t图形分为10段，得到坐标(D_n，t_n)，0≤n≤10，D_n表示第n段结束时的形变量，t_n表示第n段结束时间，D₀＝0，t₀＝0；

S6、计算第n段特征值

得到关于该退役电芯的10维动态特征向量x_i＝[σ₁，σ₂，…σ₁₀]，0＜i≤1000，1000即该分组内退役电芯的总数，i表示退役电芯在该分组内的序号；

S7、测完1000个退役电芯的特征向量x_i后利用高斯混合模型进行聚类分析，进行二次分堆。

步骤S7初始化k个高斯混合模型的参数，混合系数α_k，均值向量μ_k，协方差矩阵Σ_k；其中混合系数α_k归一化处理：0≤α_k≤1，且；

根据预设的高斯混合模型的参数计算动态特征向量x_i属于k类高斯曲线的后验概率：

公式1：

其中，z_ik表示被测试电芯i的特征向量x_i是否属于第k个分类。

若z_ik＝1，则特征向量x_i属于第k个分类；否则特征向量x_i不属于第k个分类；

其中p(x_i|μ_s,Σ_s)为多元高斯分布：

公式2：

根据以上公式的计算结果，更新混合系数α_k，均值向量μ_k，协方差矩阵Σ_k，计算公式为：

重复公式1和2，直至似然函数收敛。

在完成了S7以后，得到的就是内阻R、电容Q以及形变量D的变化规律都具有一致性的多个分组。同一个分组内的退役电芯可以一起使用或一起报废，不存在短板效应。

本发明增加了对于形变量一致性的分选，为后续电池模组的设计提供形变量参考，从而降低设计难度，保证了退役锂离子动力电池进入到梯次利用环节的性能稳定与运行安全。

实施例2：

如图3所示，与实施例1的区别之处在于，检测对象改为圆柱形锂电池。此时，形变检测光纤光栅布置于电芯高轴的两个三等分点上，D表示这两个点之间的直线距离。

实际应用中，测试点可以有灵活的设置方法，比如四等分点中的两点，圆周上的两点等等，目的只在使不同的退役电芯的形变量有统一的评价标准。

以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (4)

1.一种退役锂离子动力电池的筛选方法，其特征在于步骤包括：

S1、目检外观排除存在损伤的退役电芯；

S2、测出退役电芯的内阻R和电容Q，根据R值区间和Q值区间进行一次分堆，得到若干分组；

S3、取同一分组内的退役电芯连接到检测电路上，利用形变检测光栅探测电芯外壳的形变量D，将退役电芯放电至单体电压下限；

S4、对每个退役电芯先以初始电流I₁恒流充电至单体电压上限的50～80％，再以截止电压U恒压充电至单体电压上限，再以放电电流I₂进行恒流放电至单体电压下限,将该充放电周期T内的形变量D相对时间t的变化关系绘成D-t图形；

S5、以

为步长，将D-t图形分为N段，N为正整数，得到坐标(D_n，t_n)，0≤n≤N，D_n表示第n段结束时的形变量，t_n表示第n段结束时间，D₀＝0，t₀＝0；

S6、计算第n段特征值

得到关于该退役电芯的N维动态特征向量x_i＝[σ₁，σ₂，…σ_N]，0＜i≤M，M表示该分组内退役电芯的总数，i表示退役电芯在该分组内的序号；

S7、测完M个退役电芯的特征向量x_i后利用高斯混合模型进行聚类分析，进行二次分堆。

2.根据权利要求1所述的筛选方法，其特征在于：当退役电芯为方形锂电池时，形变检测光纤光栅布置于电芯最大面长轴中心线上的两个三等分点上，D表示这两个点之间的直线距离。

3.根据权利要求1所述的筛选方法，其特征在于：当退役电芯为圆柱形锂电池时，形变检测光纤光栅布置于电芯高轴的两个三等分点上，D表示这两个点之间的直线距离。

4.根据权利要求1所述的筛选方法，其特征在于：步骤S7初始化k个高斯混合模型的参数，混合系数α_k，均值向量μ_k，协方差矩阵Σ_k；其中混合系数α_k归一化处理：0≤α_k≤1，且

根据预设的高斯混合模型的参数计算动态特征向量x_i属于k类高斯曲线的后验概率：

公式1：

其中，z_ik表示被测试电芯i的特征向量x_i是否属于第k个分类；

若z_ik＝1，则特征向量x_i属于第k个分类；否则特征向量x_i不属于第k个分类；

其中p(x_i|μ_s,Σ_s)为多元高斯分布：

公式2：

根据以上公式的计算结果，更新混合系数α_k，均值向量μ_k，协方差矩阵Σ_k，计算公式为：

重复公式1和2，直至似然函数收敛。

Images