[发明专利]一种退役动力电池剩余价值优化方法

权利要求书

1.一种退役动力电池剩余价值优化方法，其特征在于：包括，

选取电池放电深度作为影响电池衰退的主要因素，并以m组不同的放电深度建立m组灰色模型；收集电动汽车动力电池历史使用数据，将所述历史使用数据导入所灰色模型中；将所述灰色模型的预测结果作为输入，实际数据作为输出，训练最小二乘支持向量机；根据灰色模型与最小二乘支持向量机的组合，预测动力电池梯次利用期间的衰退规律；

将电池的容量衰退换算成折损成本，以退役电池单日充放电收益最高为目标函数，构建储能状态约束为：

能量平衡约束为：

P_load＝P_Gird+P_ESB+P_DG

电池功率约束为：

其中，μ_t为状态变量；

调度周期约束为：

SOC₀＝SOC_H

式中，I(t)为充放电电流；V为电池的额定电压；SOC(t)，SOC(t+1)分别表示充放电前后的荷电状态；E_b表示电池额定容量；SOC_max与SOC_min分别表示储能系统荷电状态的上下限；P_load表示微网总负荷；P_Gird表示微网购电功率；P_ESB表示蓄电池充放电功率；P_DG表示分布式能源功率；P_c,max和P_c,min表示退役电池充电功率的上下限；P_d,max和P_d,min表示退役电池放电功率的上下限；SOC₀表示调度开始时的退役电池组SOC；SOC_H表示调度结束后的退役电池组SOC；

导入微网数据，利用粒子群算法求解所述灰色模型，制定收益最高的退役电池运行方案，同时采集所述退役电池运行方案下退役电池的使用数据；

将所述电池梯次利用后的使用真实数据反馈给所述最小二乘支持向量机，作为所述最小二乘支持向量机的训练集，完成衰退速度的滚动预测。

2.根据权利要求1所述的退役动力电池剩余价值优化方法，其特征在于：所述最小二乘支持向量机包括，

利用回归模型进行训练，如下，

其中，w^T为权向量，b为偏置。

3.根据权利要求2所述的退役动力电池剩余价值优化方法，其特征在于：利用风险最小化原则建立约束条件，包括，

其中，e_i为误差，γ为正则化参数。

4.根据权利要求3所述的退役动力电池剩余价值优化方法，其特征在于：所述回归模型的核函数选择径向基函数，如下，

5.根据权利要求4所述的退役动力电池剩余价值优化方法，其特征在于：所述目标函数包括，

其中，F为退役电池组日净收益；P_t为退役电池组充放电功率，充电为负放电为正；λ_t为t时刻电价，吸纳光伏时代表光伏上网电价；η表示退役电池的充放电效率；C是折合成每日的储能成本。

6.根据权利要求5所述的退役动力电池剩余价值优化方法，其特征在于：维护和检修成本C_E、功率损耗成本C_l、折损成本C_f包括，

C_f＝L(t)C_PV

其中，k_m为退役电池的维护系数；r_i为退役电池已循环次数；R_i为退役电池总循环次数；k_i为退役电池的损耗系数；μ_t为状态变量，1对应充电，-1对应放电；L(t)表示各次放电损耗，CPV表示电池的初始投资成本。