[发明专利]一种基于拉伸矢量和平移量的电池模组分选方法

说明书

本发明的目的是，提供一种基于拉伸矢量和平移量的电池模组分选方法。采用该方法，只需提供单体间的放电电压曲线，即可实现对退役电池的一致性分选，可提升电池模组的故障诊断率、延长模组寿命。

技术领域

本发明提供一种基于拉伸矢量和平移量的电池模组分选方法，属于电动汽车动力电池技术领域。本发明考虑了模组内部单体间的一致性影响因素种类差异及其影响程度差异，构建了多维参数的单体模型和模组模型；提出了基于拉伸矢量和平移量的模组内一致性综合指标和模组间一致性综合指标，并结合聚类思想，给出了一种基于拉伸矢量和平移量的电池模组分选方法。

背景技术

近年来，我国电动汽车的保有量在不断增加：依据我国十三五规划，到2020年，我国国内电动汽车保有量将达到500万辆。电动汽车的快速发展，带来的问题是退役电池数量剧增。根据行业经验，当电动汽车用动力电池容量衰减至80％时，其将无法满足电动汽车行驶需求，面临退役。按照当前我国电动汽车发展速度，预计2022年前后将迎来退役电池数量的高峰。针对这些退役电池，倘若直接报废拆解，则会严重缩短其使用寿命，造成资源的严重浪费。为此，国家大力提倡对退役动力电池进行梯次再利用。然而，退役动力电池单体之间参数(容量、内阻和电压等)不一致程度较高，直接梯次利用，极大可能会导致电池系统的比能量和比功率远远小于单体水平，不仅造成资源浪费，还易引发模组内部单体间过充和过放，造成电池热失控，甚至引发自燃，危险很大。因此，梯次利用退役电池，关键是要解决一致性分选。现有的方法忽略了模组内部单体间的一致性影响因素种类差异及其影响程度差异，因此，其分选结果只能保证模组间当前的一致性良好，而无法保证分选结束并应用一段时间后模组间一致性。本方法考虑了模组内部单体间的一致性影响因素种类差异及其影响程度差异，构建了多维参数的单体模型和模组模型；基于仿真结论，计算基于拉伸矢量和平移量的各个一致性指标的权重，提出了模组内一致性综合指标和模组间一致性综合指标，并结合聚类思想，给出了一种基于拉伸矢量和平移量的电池模组分选方法。

发明内容

本发明的目的是，提供一种基于拉伸矢量和平移量的电池模组分选方法。采用该方法，只需提供单体间的放电电压曲线，即可实现对退役电池的一致性分选，可提升电池模组的故障诊断率、延长模组寿命。

为达到此目的，本发明采用如下技术方案。

电池单体一致性影响因素主要包括单体的初始内阻(R₀)、初始容量(C₀)、初始温度(T₀)和初始SOC(SOC₀)、内阻变化率(R_t)，容量衰减率(C_t)和库伦效率(η)。

对退役电池模组进行分选，需同时考虑模组内一致性和模组间一致性，其具体分选步骤如说明书附图1所示。

第一步，通过充放电实验，得到模组单体电压曲线，进一步，获得每个模组的一致性表征指标矢量幅值r、矢量相位θ、平移量T_x和平移量T_y。

第二步，基于仿真结论，计算各个表征指标的权重。

仿真采用如说明书附图2所示电池模组模型，七种影响因素中，令六种影响因素在成组之初保持一致，每次仿真只改变一种因素，且每一种因素的差异性根据实际情况分为一致性好、一般和一致性差三种情况。考虑到电池参数服从正态分布，则一致性好、一般和一致性差分别对应一倍标准差(S1)内、两倍标准差(S2)内和三倍标准差(S3)内。同时，考虑到退役电池的实际情况，采用一般即两倍标准差(S2)内的情景，具体参数设置如表1所示。

表1仿真参数

在此情景下充循环次数N＝1000时，测量不同类型一致性影响因素作用下模组容量的衰减量，设其为△SOH，结果表2所示。

表2不同类型影响因素对应的△SOH