CN115193747A - 一种基于容量增量曲线的电动车退役电池的筛选重组方法 - Google Patents
一种基于容量增量曲线的电动车退役电池的筛选重组方法 Download PDFInfo
- Publication number
- CN115193747A CN115193747A CN202210808713.5A CN202210808713A CN115193747A CN 115193747 A CN115193747 A CN 115193747A CN 202210808713 A CN202210808713 A CN 202210808713A CN 115193747 A CN115193747 A CN 115193747A
- Authority
- CN
- China
- Prior art keywords
- batteries
- battery
- screening
- curve
- recombining
- 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
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
-
- 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
- H01M10/54—Reclaiming serviceable parts of waste accumulators
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于容量增量曲线的电动车退役电池的筛选重组方法,涉及电池处理技术领域,其技术方案要点包括如下步骤:步骤1、外观检查,并对通过的多个电池继续步骤2,否则剔除;步骤2、对电池并联放电至截止电压,使电池同时到达截止电压;步骤3、对电池串联充电至截止电压,使电池保持相同充电电流;步骤4、计算电池的IC曲线;步骤5、提取每个电池的IC特征参数;步骤6、获取每个电池的特征数据;步骤7、使用K‑means++算法,结合t‑tset进行聚类。本发明具有成本低、步骤用时短和筛选效果提升的效果。
Description
技术领域
本发明涉及电池处理技术领域,更具体地说它涉及一种基于容量增量曲线的电动车退役电池的筛选重组方法。
背景技术
随着国家补贴政策的出台,国内新能源汽车行业发展迅速,迅速增长的动力电池装机量将带来巨大的动力电池回收利用市场。退役动力电池的梯次回收利用,不仅有助于提高动力电池的全寿命周期的使用价值,降低电池的采购成本,促进电动汽车行业的发展,同时妥善处理了废旧电池中的重金属污染物,减少了环境污染,促进节能减排。
公开号为CN114558800A的中国专利申请文件公开了一种动力电池梯次利用的筛选重组方法及系统,该动力电池梯次利用的筛选重组方法包括以下步骤:S1、对退役电池包进行拆解得到梯次电芯,按照预选规则预选出合格梯次电芯;S2、采用第一电流值对所述梯次电芯进行分容测试,所述分容测试包括对梯次电芯进行容量清空、恒流充电、恒流恒压充电、恒流放电以及恒流充电至固定容量;S3、将分容测试后的梯次电芯按照恒流放电所放出的总容量进行分组,并按顺序对各组内所有梯次电芯排序,等待预设时间后测量并记录每支梯次电芯的开路电压OCV值;S4、对所述梯次电芯的开路电压OCV值进行分类,并根据设计的容量要求组合所述梯次电芯形成电池Pack。
但是该动力电池梯次利用的筛选重组方法虽然操作简单,但是其筛选的效果较差,进而将影响到经过筛选重组的电池组包的有效利用和稳定使用,有待改进。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于容量增量曲线的电动车退役电池的筛选重组方法,该基于容量增量曲线的电动车退役电池的筛选重组方法具有控制成本的同时显著提升可操作性和筛选重组准确性的效果。
为实现上述目的,本发明提供了如下技术方案:
一种基于容量增量曲线的电动车退役电池的筛选重组方法,包括如下步骤:
步骤1、外观检查,并对通过的多个电池继续步骤2,否则剔除;
步骤2、对电池并联放电至截止电压,使电池同时到达截止电压;
步骤3、对电池串联充电至截止电压,使电池保持相同充电电流;
步骤4、计算电池的IC曲线;
步骤5、提取每个电池的IC特征参数;
步骤6、获取每个电池的特征数据;
步骤7、使用K-means++算法,结合t-tset进行聚类。
本发明进一步设置为:在步骤1中,采用人工或视觉系统进行电池的外观检查,并将外观破损的电池剔除,外观完整的电池继续步骤2。
本发明进一步设置为:在步骤2和步骤3中,采用电池的并联放电并同时到达截止电压后,再保持相同充电电流并获得Q-V曲线。
本发明进一步设置为:在步骤4中,电池的IC曲线的计算通过求导所述Q-V曲线获得。
本发明进一步设置为:所述IC曲线为经过滤波处理的滤波IC曲线。
本发明进一步设置为:在步骤5中,所述IC特征参数为所述IC曲线的所有峰的坐标。
本发明进一步设置为:在步骤6中,所述特征数据为相应电池的向量,由如下公式组成:
Xi=(am,bm,cm,…);
其中,(am,bm,cm,…)为相应向量的长度,并取决于选取特征的数量。
本发明进一步设置为:在步骤7中,所述K-means++算法用于聚类,所述t-tset用于剔除怀疑数据;其中,所述K-means++算法包括如下步骤:s1、随机选取一点作为第一个簇中心,计算其他点到簇中心的最小距离d(xi);s2、计算每个点被选为下一个簇中心的概率,即p(xi)=d(xi)/∑d(xi);s3、根据概率p(xi),用轮盘读法确定下一个簇中心;s4、重复步骤1-3,并直到聚类中心达到规定数目;s5、将各点分配到距离最近的中心点所在的簇中;s6、计算每个簇内所有点的均值作为新的簇中心;s7、重复步骤5-6,并直到各簇中心点不变为止。
本发明进一步设置为:所述t-tset包括如下步骤:s1、计算各数据点到均值点的距离,并记录离均值最远的点作为可疑点;s2、计算除可疑点外其他数据的均值M和方差D;s3、根据数据点的个数和双侧百分位100a,查表得到双侧百分位点值a;s4、判断可疑点是否为需要剔除的点,即当可疑点与均值M的差值大于双侧百分位点值a与方差D的乘积时,剔除可疑点,否则保留;s5、重复步骤1-4,并直到剔除所有需要剔除的可疑点为止。
本发明进一步设置为:所述的距离均为n维向量距离,且距离d=[(am-am+1)2+(bm-bm+1)2+…]1/2。
综上所述,本发明具有以下有益效果:
1.成本低:需要的装置仅有电压采集装置,恒流电源,恒压电源,计算机,以完成IC曲线的计算,特征提取和聚类。
2.步骤用时短:IC曲线的计算,特征提取和聚类,通过计算机都可以快速实现,且唯一较为耗时的步骤是电池的充放电过程,通过采用大倍率电流1C(倍率单位为C,计算公式为倍率=充电电流/电池额定容量),比传统的使用0.2C电流的IC方法缩减80%时间。
3.筛选效果提升:通过IC曲线反映电池的老化信息和状态,根据IC曲线筛选,从而实现显著提升准确性的效果。
附图说明
图1是本实施例的流程框图;
图2是本实施例的电池并联放电的结构示意图;
图3是本实施例的电池串联充电的结构示意图。
具体实施方式
为使本发明的技术方案和优点更加清楚,以下将结合附图对本发明作进一步详细说明,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通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,都属于本申请保护的范围。
如图1所示,一种基于容量增量曲线的电动车退役电池的筛选重组方法,包括如下步骤:
步骤1、外观检查,采用人工或视觉系统进行电池的外观检查,并将外观破损的电池剔除,外观完整的多个电池继续步骤2;
步骤2、对电池并联放电至截止电压,使电池同时到达截止电压;
步骤3、对电池串联充电至截止电压,使电池保持相同充电电流;
步骤4、计算电池的IC曲线;
步骤5、提取每个电池的IC特征参数;
步骤6、获取每个电池的特征数据;
步骤7、使用K-means++算法,结合t-tset进行聚类。
其中,IC特征参数为所述IC曲线的所有峰的坐标。
如图2和图3所示,在步骤2和步骤3中,采用电池的并联放电并同时到达截止电压后,再保持相同充电电流并获得Q-V曲线,以通过Q-V曲线进行IC曲线的获取,即将Q-V曲线作为进行步骤4的基础进行。相应的,在步骤4中,电池的IC曲线的计算通过求导Q-V曲线获得。
需要提及的是,IC曲线为经过滤波处理的滤波IC曲线,以避免通过由Q-V曲线求导获得的原始IC曲线的噪声较大的问题。并在步骤6中的特征数据为相应电池的向量,由如下公式组成:
Xi=(am,bm,cm,…);
其中,(am,bm,cm,…)为相应向量的长度,并取决于选取特征的数量。
需要说明的是,在步骤7中的K-means++算法用于聚类,所述t-tset用于剔除怀疑数据。
其中:
K-means++算法包括如下步骤:s1、随机选取一点作为第一个簇中心,计算其他点到簇中心的最小距离d(xi);s2、计算每个点被选为下一个簇中心的概率,即p(xi)=d(xi)/∑d(xi);s3、根据概率p(xi),用轮盘读法确定下一个簇中心;s4、重复步骤1-3,并直到聚类中心达到规定数目;s5、将各点分配到距离最近的中心点所在的簇中;s6、计算每个簇内所有点的均值作为新的簇中心;s7、重复步骤5-6,并直到各簇中心点不变为止。
t-tset包括如下步骤:s1、计算各数据点到均值点的距离,并记录离均值最远的点作为可疑点;s2、计算除可疑点外其他数据的均值M和方差D;s3、根据数据点的个数和双侧百分位100a,查表得到双侧百分位点值a;s4、判断可疑点是否为需要剔除的点,即当可疑点与均值M的差值大于双侧百分位点值a与方差D的乘积时,剔除可疑点,否则保留;s5、重复步骤1-4,并直到剔除所有需要剔除的可疑点为止。
且上述的K-means++算法以及t-tset中的距离均为n维向量距离,且距离d=[(am-am+1)2+(bm-bm+1)2+…]1/2。
综上,本申请需要的装置仅有电压采集装置,恒流电源,恒压电源,计算机,以完成IC曲线的计算,特征提取和聚类,从而实现成本低的效果;并通过IC曲线的计算,特征提取和聚类,通过计算机都可以快速实现,且唯一较为耗时的步骤是电池的充放电过程,通过采用大倍率电流1C(倍率单位为C,计算公式为倍率=充电电流/电池额定容量),比传统的使用0.2C电流的IC方法缩减80%时间,以达到显著缩短步骤用时的目的;与此同时,通过IC曲线反映电池的老化信息和状态,根据IC曲线筛选,从而实现显著提升准确性的效果,使得该基于容量增量曲线的电动车退役电池的筛选重组方法具有控制成本的同时显著提升可操作性和筛选重组准确性的效果。
本申请涉及的“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法或设备固有的其它步骤或单元。
需要说明的是,在本申请中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于,包括如下步骤:
步骤1、外观检查,并对通过的多个电池继续步骤2,否则剔除;
步骤2、对电池并联放电至截止电压,使电池同时到达截止电压;
步骤3、对电池串联充电至截止电压,使电池保持相同充电电流;
步骤4、计算电池的IC曲线;
步骤5、提取每个电池的IC特征参数;
步骤6、获取每个电池的特征数据;
步骤7、使用K-means++算法,结合t-tset进行聚类。
2.根据权利要求1所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:在步骤1中,采用人工或视觉系统进行电池的外观检查,并将外观破损的电池剔除,外观完整的电池继续步骤2。
3.根据权利要求1所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:在步骤2和步骤3中,采用电池的并联放电并同时到达截止电压后,再保持相同充电电流并获得Q-V曲线。
4.根据权利要求3所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:在步骤4中,电池的IC曲线的计算通过求导所述Q-V曲线获得。
5.根据权利要求4所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:所述IC曲线为经过滤波处理的滤波IC曲线。
6.根据权利要求1所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:在步骤5中,所述IC特征参数为所述IC曲线的所有峰的坐标。
7.根据权利要求6所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:在步骤6中,所述特征数据为相应电池的向量,由如下公式组成:
Xi=(am,bm,cm,…);
其中,(am,bm,cm,…)为相应向量的长度,并取决于选取特征的数量。
8.根据权利要求1所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:在步骤7中,所述K-means++算法用于聚类,所述t-tset用于剔除怀疑数据;其中,所述K-means++算法包括如下步骤:s1、随机选取一点作为第一个簇中心,计算其他点到簇中心的最小距离d(xi);s2、计算每个点被选为下一个簇中心的概率,即p(xi)=d(xi)/∑d(xi);s3、根据概率p(xi),用轮盘读法确定下一个簇中心;s4、重复步骤1-3,并直到聚类中心达到规定数目;s5、将各点分配到距离最近的中心点所在的簇中;s6、计算每个簇内所有点的均值作为新的簇中心;s7、重复步骤5-6,并直到各簇中心点不变为止。
9.根据权利要求8所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:所述t-tset包括如下步骤:s1、计算各数据点到均值点的距离,并记录离均值最远的点作为可疑点;s2、计算除可疑点外其他数据的均值M和方差D;s3、根据数据点的个数和双侧百分位100a,查表得到双侧百分位点值a;s4、判断可疑点是否为需要剔除的点,即当可疑点与均值M的差值大于双侧百分位点值a与方差D的乘积时,剔除可疑点,否则保留;s5、重复步骤1-4,并直到剔除所有需要剔除的可疑点为止。
10.根据权利要求8或9所述的一种基于容量增量曲线的电动车退役电池的筛选重组方法,其特征在于:所述的距离均为n维向量距离,且距离d=[(am-am+1)2+(bm-bm+1)2+…]1/2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210808713.5A CN115193747A (zh) | 2022-07-11 | 2022-07-11 | 一种基于容量增量曲线的电动车退役电池的筛选重组方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210808713.5A CN115193747A (zh) | 2022-07-11 | 2022-07-11 | 一种基于容量增量曲线的电动车退役电池的筛选重组方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115193747A true CN115193747A (zh) | 2022-10-18 |
Family
ID=83579874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210808713.5A Pending CN115193747A (zh) | 2022-07-11 | 2022-07-11 | 一种基于容量增量曲线的电动车退役电池的筛选重组方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115193747A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116078697A (zh) * | 2023-01-17 | 2023-05-09 | 帕诺(常熟)新能源科技有限公司 | 一种考虑长期一致性的电动汽车退役电池的筛选重组方法 |
-
2022
- 2022-07-11 CN CN202210808713.5A patent/CN115193747A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116078697A (zh) * | 2023-01-17 | 2023-05-09 | 帕诺(常熟)新能源科技有限公司 | 一种考虑长期一致性的电动汽车退役电池的筛选重组方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107803350B (zh) | 一种锂电池自动分选的方法、存储介质及电池分选装置 | |
CN113696786B (zh) | 电池均衡方法及系统 | |
CN108287312B (zh) | 一种退役电池的分选方法、系统及装置 | |
CN106125006B (zh) | 电池荷电状态确定方法及装置 | |
CN105390759B (zh) | 一种电动汽车锂电池的状态确定方法 | |
CN106180002B (zh) | 一种用于梯次利用的电池筛选方法 | |
CN114833097B (zh) | 一种退役动力电池梯次利用的分选方法及装置 | |
CN113391229B (zh) | 退役动力电池的性能评价方法、设备及系统 | |
CN113064939A (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN115193747A (zh) | 一种基于容量增量曲线的电动车退役电池的筛选重组方法 | |
CN110927609B (zh) | 梯次利用电池储能系统的衰退评估方法及装置 | |
CN114942386A (zh) | 一种动力电池故障在线检测方法及系统 | |
CN116078697A (zh) | 一种考虑长期一致性的电动汽车退役电池的筛选重组方法 | |
CN109459698A (zh) | 一种基于数学的关联程度相关系数的电池配组方法 | |
CN111495800A (zh) | 一种动力电池组梯次再利用的筛选分组方法 | |
CN114966412A (zh) | 一种多终端电池均衡检测方法和装置 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN111239607A (zh) | 磷酸铁锂电池系统容量不均衡度的大数据提取计算方法 | |
CN113435688A (zh) | 动力电池系统的风险排查方法 | |
CN108832187A (zh) | 基于新能源汽车储能需求的锂离子电池的设计方法 | |
CN116872775A (zh) | 一种用于充电设备的充电管理方法、系统、设备与介质 | |
CN114798502B (zh) | 梯次利用电池的分类成组方法、系统及生产线 | |
CN111199104A (zh) | 一种电池残余性能分析方法、装置、设备及存储介质 | |
CN114282852B (zh) | 一种电池安全性计算方法和装置 | |
CN115760078A (zh) | 电池的回收方式确定方法、装置、电子设备和存储介质 |
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 |