[发明专利]一种退役动力电池一致性评估和分选重组装置在审
申请号: | 202110743396.9 | 申请日: | 2021-07-01 |
公开(公告)号: | CN113447825A | 公开(公告)日: | 2021-09-28 |
发明(设计)人: | 苏建徽;蔡杨杨;赖纪东;解宝;张健;施永 | 申请(专利权)人: | 合肥工业大学 |
主分类号: | G01R31/367 | 分类号: | G01R31/367;G01R31/385;G01R31/396 |
代理公司: | 安徽省合肥新安专利代理有限责任公司 34101 | 代理人: | 陆丽莉;何梅生 |
地址: | 230009 安*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 退役 动力电池 一致性 评估 分选 重组 装置 | ||
本发明公开了一种退役动力电池一致性评估和分选重组装置,包括可调压双向DC/AC变流器、N个充放电单元和上位机;各充放电单元通过直流母线与通信总线互联,并通过通信总线与上位机相连;该装置通过对双向DC/DC变换器配对互补同步控制,实现能量互相流动平衡;基于多维EIS数据组、温度、开路电压等参数建立电池多维多时间尺度SOC和SOH数学模型,采用神经网络确定动力电池的一致性状态、SOC和SOH参数;根据一致性对退役电池进行分选重组,再以能量损失最小和时间最短为目标函数确定各分组退役电池的均衡电压值,进而对各分组退役电池进行均衡优化的充放电控制,提高配组质量和整体性。本发明实现快速、高效、精准、灵活的退役动力电池一致性评估和分选重组。
技术领域
本发明属于退役电池梯次利用技术领域,涉及一种检测装置,具体目标是实现对退役动力电池一致性评估和分选重组。
背景技术
近年来,随着低碳节能经济持续推进和“双碳”目标的提出,新能源电动汽车行业发展迅猛,电动汽车退役动力电池的保有量将随之急剧增加,为确保汽车的安全性以及使用性能,一般电动汽车厂商要求当动力电池的容量衰减至70%~80%时须退役并替换。由于退役动力电池仍有一定剩余容量,可通过梯次利用来实现电池价值利用最大化。退役动力电池的梯次利用,将带来规模化的经济效应和环境效益,相关梯次利用产业将具有广阔的市场前景,属于未来的朝阳产业。
预计2021年至2030年全球乘用电动汽车退役动力电池将达到1285万吨,电量将达到1.3TWh,我国退役动力电池电量将达到708GWh。由于电动汽车使用环境的不同,且电池本身又是一个复杂的电化学系统,易受各种内在和外界因素影响,导致单体电池老化程度存在差异,这给退役动力电池剩余容量及寿命预测带来困难。退役动力电池梯次利用最为关键的问题就是一致性评估和寿命预测,只有正确判断退役电芯或模组的健康状态和相互间的一致性,才能进行相匹配的重组和梯次利用。
针对退役动力电池,其处理方式取决于电池的性能,其中电池容量与内阻是两个基本特征。在退役动力电池容量保持率高,内阻上升较小的情况下,可进行梯次利用,而在容量衰减显著,内阻明显增加的情况下则应进行拆解及材料回收。传统的退役动力电池检测主要是容量和内阻检测,其容量测试时间长,内阻变量参数单一,且对退役动力电池的一致性和健康状态评估耗时长、精确性差。另外,现有的退役动力电池测试评估装置大多单机运行,专用检测设备价格昂贵,测试周期长,成本高,严重制约退役动力电池的回收利用产业发展。
发明内容
本发明是为了解决上述现有技术存在的不足之处,提出一种退役动力电池一致性评估和分选重组装置,以期通过测试获取多维EIS数据组、温度、开路电压等参数,建立多维多时间尺度的SOC和SOH的等效数学模型,采用神经网络,确定动力电池的一致性状态、SOC参数和SOH参数。根据一致性评估结果进行分选重组,再以能量损失最小和时间最短为目标函数确定各分组退役电池的均衡电压值,从而对各分组退役电池进行均衡优化的充放电控制,以提高电池配组质量和整体性,从而解决现有技术中装置效率低、测试周期长、精确性差及设备成本高的问题。
本发明为达到上述发明目的,采用如下技术方案:
本发明一种退役动力电池的一致性评估和分选重组装置的特点包括:一个可调压双向DC/AC变流器、N个充放电单元以及上位机;
任意第n个充放电单元包括:第n个主电路、第n个控制器、第n个采样单元、第n组退役电池;
所述第n个主电路中包括:2×m个双向DC/DC变换器;
所述第n组退役电池包括:2×m个退役动力电池;
所述可调压双向DC/AC变流器的输入侧与所述电网相连,所述双向DC/AC变流器的输出侧通过直流母线与所述N个充放电单元级联;所述N个充放电单元通过通信总线与所述上位机相连;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110743396.9/2.html,转载请声明来源钻瓜专利网。