[发明专利]一种退役动力电池剩余价值优化方法

说明书

本发明公开了一种退役动力电池剩余价值优化方法，包括，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，以功率平衡约束、储能安全和退役电池调度为约束条件；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。本发明为后续制定运行方案提供数据支撑，有效解决电池衰退规律的不一致性问题。

技术领域

本发明涉及退役动力电池梯次利用的技术领域，尤其涉及一种退役动力电池剩余价值优化方法。

背景技术

随着近年来，新能源汽车热度居高不下，伴随而来的是动力电池的退役潮，预计到2025年，中国动力锂电池退役量超过73万吨，其中70％可梯次利用，市场规模超过200亿元。2020年10月，工信部对《新能源汽车动力蓄电池梯次利用管理办法》征求意见，鼓励梯次利用企业与新能源汽车生产、动力蓄电池生产及报废机动车回收拆解等企业协议合作，加强信息共享。

但是，现有的退役电池梯次利用作为储能存在以下问题：电池的衰退是极不规则且非线性的，不同厂商或不同批次的电池衰退规律具有不一致性，对后续制定运行方案造成难题；目前企业普遍采用深充深放的充放电模式，将放电深度控制在70％～80％，并未考虑电池衰退带来的折损成本。综上，充分挖掘电池历史信息，预测电池衰退规律，能够提高衰退模型的准确性，从而提升退役电池的剩余价值。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种退役动力电池剩余价值优化方法，能够解决电池衰退规律不一致性的问题。

为解决上述技术问题，本发明提供如下技术方案：包括，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，以功率平衡约束、储能安全和退役电池调度为约束条件；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。

作为本发明所述的退役动力电池剩余价值优化方法的一种优选方案，其中：进行所述预测之前包括，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述灰色模型中；将所述灰色模型的预测结果作为输入，实际数据作为输出，训练所述最小二乘支持向量机。

作为本发明所述的退役动力电池剩余价值优化方法的一种优选方案，其中：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。

作为本发明所述的退役动力电池剩余价值优化方法的一种优选方案，其中：利用风险最小化原则建立所述约束条件，包括，

其中，e_i为误差，γ为正则化参数。

作为本发明所述的退役动力电池剩余价值优化方法的一种优选方案，其中：所述回归模型的核函数选择径向基函数，如下，