CN114918159A - 一种退役锂离子动力电池的筛选方法 - Google Patents
一种退役锂离子动力电池的筛选方法 Download PDFInfo
- Publication number
- CN114918159A CN114918159A CN202210528855.6A CN202210528855A CN114918159A CN 114918159 A CN114918159 A CN 114918159A CN 202210528855 A CN202210528855 A CN 202210528855A CN 114918159 A CN114918159 A CN 114918159A
- Authority
- CN
- China
- Prior art keywords
- retired
- battery
- deformation
- battery cell
- voltage
- 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
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 20
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 20
- 238000012216 screening Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000013598 vector Substances 0.000 claims abstract description 26
- 239000000203 mixture Substances 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 239000000178 monomer Substances 0.000 claims abstract description 14
- 238000007599 discharging Methods 0.000 claims abstract description 11
- 238000007600 charging Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims abstract description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 10
- 229910052744 lithium Inorganic materials 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000835 fiber Substances 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 9
- 239000003990 capacitor Substances 0.000 abstract 1
- 238000010280 constant potential charging Methods 0.000 abstract 1
- 238000011179 visual inspection Methods 0.000 abstract 1
- 238000004146 energy storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000002699 waste material Substances 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/84—Recycling of batteries or fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Secondary Cells (AREA)
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
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;
S7、测完M个退役电芯的特征向量xi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。
根据预设的高斯混合模型的参数计算动态特征向量xi属于k类高斯曲线的后验概率:
其中,zik表示被测试电芯i的特征向量xi是否属于第k个分类。
若zik=1,则特征向量xi属于第k个分类;否则特征向量xi不属于第k个分类;
其中p(xi|μs,Σs)为多元高斯分布:
根据以上公式的计算结果,更新混合系数αk,均值向量μk,协方差矩阵Σk,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;
S7、测完1000个退役电芯的特征向量xi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αk,均值向量μk,协方差矩阵Σk;其中混合系数αk归一化处理:0≤αk≤1,且;
根据预设的高斯混合模型的参数计算动态特征向量xi属于k类高斯曲线的后验概率:
其中,zik表示被测试电芯i的特征向量xi是否属于第k个分类。
若zik=1,则特征向量xi属于第k个分类;否则特征向量xi不属于第k个分类;
其中p(xi|μs,Σs)为多元高斯分布:
根据以上公式的计算结果,更新混合系数αk,均值向量μk,协方差矩阵Σk,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;
S7、测完M个退役电芯的特征向量xi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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210528855.6A CN114918159A (zh) | 2022-05-16 | 2022-05-16 | 一种退役锂离子动力电池的筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210528855.6A CN114918159A (zh) | 2022-05-16 | 2022-05-16 | 一种退役锂离子动力电池的筛选方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114918159A true CN114918159A (zh) | 2022-08-19 |
Family
ID=82809368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210528855.6A Pending CN114918159A (zh) | 2022-05-16 | 2022-05-16 | 一种退役锂离子动力电池的筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114918159A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103302040A (zh) * | 2013-06-13 | 2013-09-18 | 高平唐一新能源科技有限公司 | 锂离子电池一致性的筛选方法 |
US20150160302A1 (en) * | 2013-12-10 | 2015-06-11 | Southwest Research Institute | Strain measurement based battery testing |
US20170153292A1 (en) * | 2015-12-01 | 2017-06-01 | Southwest Research Institute | Monitoring And Control Of Electrochemical Cell Degradation Via Strain Based Battery Testing |
CN109127472A (zh) * | 2018-07-03 | 2019-01-04 | 哈尔滨理工大学 | 一种基于放电电压平台的fcm银锌电池分选方法 |
CN110649675A (zh) * | 2019-09-26 | 2020-01-03 | Oppo(重庆)智能科技有限公司 | 充电控制方法和装置、电子设备、计算机可读存储介质 |
JP2020053167A (ja) * | 2018-09-25 | 2020-04-02 | 株式会社Gsユアサ | 二次電池の再利用方法、及びコンピュータプログラム |
CN111729856A (zh) * | 2020-07-02 | 2020-10-02 | 南京工程学院 | 一种基于热一致性的退役动力锂电池筛选方法 |
CN112946509A (zh) * | 2021-02-26 | 2021-06-11 | 同济大学 | 一种基于电极应变的锂离子电池老化状态估计方法 |
CN213455437U (zh) * | 2020-11-25 | 2021-06-15 | 欣旺达电动汽车电池有限公司 | 一种电芯测量装置 |
CN113504482A (zh) * | 2021-06-18 | 2021-10-15 | 华南理工大学 | 考虑机械应变的锂离子电池健康状态估计与寿命预测方法 |
-
2022
- 2022-05-16 CN CN202210528855.6A patent/CN114918159A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103302040A (zh) * | 2013-06-13 | 2013-09-18 | 高平唐一新能源科技有限公司 | 锂离子电池一致性的筛选方法 |
US20150160302A1 (en) * | 2013-12-10 | 2015-06-11 | Southwest Research Institute | Strain measurement based battery testing |
US20170153292A1 (en) * | 2015-12-01 | 2017-06-01 | Southwest Research Institute | Monitoring And Control Of Electrochemical Cell Degradation Via Strain Based Battery Testing |
CN109127472A (zh) * | 2018-07-03 | 2019-01-04 | 哈尔滨理工大学 | 一种基于放电电压平台的fcm银锌电池分选方法 |
JP2020053167A (ja) * | 2018-09-25 | 2020-04-02 | 株式会社Gsユアサ | 二次電池の再利用方法、及びコンピュータプログラム |
CN110649675A (zh) * | 2019-09-26 | 2020-01-03 | Oppo(重庆)智能科技有限公司 | 充电控制方法和装置、电子设备、计算机可读存储介质 |
CN111729856A (zh) * | 2020-07-02 | 2020-10-02 | 南京工程学院 | 一种基于热一致性的退役动力锂电池筛选方法 |
CN213455437U (zh) * | 2020-11-25 | 2021-06-15 | 欣旺达电动汽车电池有限公司 | 一种电芯测量装置 |
CN112946509A (zh) * | 2021-02-26 | 2021-06-11 | 同济大学 | 一种基于电极应变的锂离子电池老化状态估计方法 |
CN113504482A (zh) * | 2021-06-18 | 2021-10-15 | 华南理工大学 | 考虑机械应变的锂离子电池健康状态估计与寿命预测方法 |
Non-Patent Citations (3)
Title |
---|
张立军 等: "锂离子电池电-热-机耦合特性实验研究及关键参数辨识", 《西安交通大学学报》, vol. 51, no. 8, pages 142 - 148 * |
梁浩斌 等: "锂电池膨胀形成机制研究现状", 《储能科学与技术》, vol. 10, no. 2, pages 647 - 657 * |
鲁怀敏 等: "压力对三元锂电池膨胀及充放电性能的影响", 《电源技术》, vol. 41, no. 5, pages 686 - 688 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110224192B (zh) | 一种梯次利用动力电池寿命预测方法 | |
CN109031145B (zh) | 一种考虑不一致性的串并联电池组模型及实现方法 | |
CN113369176B (zh) | 一种退役电池再利用的分选方法及系统 | |
CN108490366B (zh) | 电动汽车退役电池模块健康状态的快速评估方法 | |
CN108732510B (zh) | 基于内部特征的锂离子电池一致性筛选分组方法 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
EP2648011A1 (en) | System for predicting lifetime of battery | |
CN110333463B (zh) | 一种电芯一致性筛选方法及其系统 | |
WO2024060600A1 (zh) | 废旧电池梯次使用的筛选方法 | |
CN109078871B (zh) | 一种面向梯次利用的退役电池并联模块的剔除方法 | |
CN112051512B (zh) | 一种梯次利用分选方法及储能系统 | |
CN110614236A (zh) | 一种退役电池梯次利用的筛选方法 | |
CN108334900B (zh) | 动力电池的分类模型的生成方法及系统、分类方法及系统 | |
CN114280479A (zh) | 一种基于电化学阻抗谱的退役电池快速分选方法 | |
CN111029668A (zh) | 一种锂离子动力电池的配组方法 | |
CN114720899A (zh) | 退役电池梯次利用分选方法及系统、电子设备、存储介质 | |
CN112186278B (zh) | 一种锂离子电池配组方法 | |
CN112686380A (zh) | 基于神经网络的梯次动力电芯一致性评估方法和系统 | |
CN111617989A (zh) | 一种锂离子动力电池多参数分选方法 | |
CN115121507B (zh) | 一种低测试成本的退役动力电池分选方法 | |
CN115508719A (zh) | 串联电池组中异常单体电芯诊断方法、系统、存储介质及终端 | |
CN110187291B (zh) | 基于直流阻抗的锂离子电池自放电快速筛选装置及筛选方法 | |
Zhu et al. | A novel fast estimation and regroup method of retired lithium‐ion battery cells | |
CN116736159A (zh) | 一种退役动力电池梯次利用快速一致性筛分方法 | |
CN114918159A (zh) | 一种退役锂离子动力电池的筛选方法 |
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 |