[发明专利]一种基于聚类分选的退役动力电池重组方法

说明书

本发明涉及一种基于聚类分选的退役动力电池重组方法，能够在若干数据中，通过原型距离的方式，得到数据之间的相似度，进而保证聚类精度。通过本方法选取的数据评价指标更具有代表性，能够基于该方法的误差平方和准则函数实现具有相同属性数据之间的聚类。通过本发明提供的聚类分选方法，能够提高退役动力电池梯次利用分选中的聚类精度在保证筛选精度的前提下，提升整体分选效率、改善重组后电池包的一致性，以期为实现退役动力电池快速精准筛选技术开展提供借鉴参考，为退役动力电池聚类算法及评价方法提供思路。

技术领域

本发明涉及一种退役电池梯次利用的筛选方法，属于动力电池检测技术领域。

背景技术

随着电动汽车的持续快速发展，动力电池的梯次利用与电网已经形成了深度互动。根据相关预测，动力电池退役量将从当前的36万吨激增至百万吨级。增长态势迅猛，退役电池的梯次利用关键技术成为亟待解决的热点问题。在能源与交通全面低碳化的发展背景下，面对高比例的可再生能源以及波动性较强的电力负荷带来的挑战，退役动力电池梯次利用关键技术的研究和发展契合绿色能源可持续发展的要求。

退役动力电池具有体量大、种类多、特异性强，测试方法单一、耗时长等特点，而基于常规电池发展而来的电池表征、能量管理、场景匹配技术等不能直接应用于退役电池储能的实际工况中。鉴于木桶效应，单体电池的性能基本决定了整包电池的性能，因此在电池梯次利用之前，需对电池包进行拆解，筛选出性能较好且具有一致性的单体电池进行重组。因此，构建面向退役动力电池的筛选可靠且高效的评价体系，精准快速的工程化筛选及评价方法为退役动力电池的实际应用提供技术支撑，减小安全风险是当下该领域亟待解决的问题。

聚类分选技术是退役动力电池梯次利用的有效途径。传统分选方法在实际应用中存在精度低、效率低等问题，造成此现象的主要原因在于在分选过程中针对退役动力电池梯次利用选取的综合评价指标代表性不够，过程复杂、周期长，导致其分选得出的结果与实际情况存在一定误差。

申请号为202011490339.6的中国发明专利申请公开了一种退役电池梯次利用筛选的方法。该发明专利申请涉及退役电池梯次利用筛选的防范，选取了电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流八个电池工作特征参量，计算每个参量与推理动力电池健康程度的互信息值，基于不同互信息值选取参量进行电池的聚类操作。该发明专利申请中涉及到的电池参量较多，计算及数据量较大，从较多的已有研究成果表明，影响退役电池再利用的，较为重要的特征参量较为集中，该方法的测量和计算工作量较大，导致流程时间的加长。

申请号为202011479510.3的中国发明专利申请公开了一种退役动力电池的聚类分选方法。该发明专利申请涉及一种借鉴遗传演化过程中的编码、选择、交叉以及变异思想，将全局最优化过程与聚类问题结合。通过n进制编码实现多类聚合的外在描述，通过选择、交叉和变异的迭代过程实现聚类目的。该方法中没有明确说明特征量的选取和标准，另外，该发明专利申请中所提及的流程及算法复杂、计算量大、实用性和应用效率欠缺。

申请号为202010943517.X的中国发明专利申请公开了一种梯次利用分选方法及储能系统。该发明专利申请公开的梯次利用分选方法及储能系统，选择对退役电池中状况良好的电池单体进行HPPC测试，通过电池管理系统采集到的电压、电流和温度计算各个SOC区间内的内阻，基于此参数对退役电池进行分选。并且方法中以模组为单位，进行直接再利用。该发明专利申请中针对电池模组，基于内阻进行分组分选的方式，考虑因素及算法过于单一，难保数据的准确性和代表性，从而难以保证重组再利用电池包的一致性。

发明内容

本发明的目的是提供一种退役电池梯次利用的筛选方法。

为了达到上述目的，本发明的技术方案是提供了一种基于聚类分选的退役动力电池重组方法，其特征在于，包括以下步骤：

步骤1：将退役电池根据其结构特征进行拆解，拆解为电池单体。