CN111974709B - 基于温度变化聚类分析的退役动力锂电池筛选方法及*** - Google Patents

Abstract

本发明公开了一种基于温度变化聚类分析的退役动力锂电池筛选方法，设计针对退役动力锂电池筛选过程的测试工况；从该测试过程中提取电池容量，进行第一层次筛选；再提取电池内阻，进行第二层次筛选；在此基础上，使用红外热成像记录测试过程中温度的变化，依据该温度的变化特征，分别计算变异系数及信息熵，通过聚类运算分析，完成第三层次的筛选，获得电气与热特性一致性均较好的退役电池单体。还公开了基于温度变化聚类分析的退役动力锂电池筛选***，包括数据采集模块、红外成像模块、计算模块和筛选模块。本发明能够在保证退役动力锂电池电特性一致的基础上，选出热特征较为统一电池单体组成电池组，以便于提高梯次利用电池组的效率。

Description

基于温度变化聚类分析的退役动力锂电池筛选方法及***

技术领域

本发明属于退役动力锂电池梯次利用领域，具体涉及一种基于温度变化聚类分析的退役动力锂电池筛选方法。

背景技术

近年，国内新能源汽车保有量迅速增加，我国已经成为全球新能源汽车的主要市场。作为新能源汽车最重要的储能元件，动力锂电池在使用过程中不可避免地不断老化。在新能源汽车中过度使用锂电池，也会产生潜在的安全风险。故应将容量保持率低于特定值的动力电池适时地从新能源汽车中退役下来，以保障车辆的使用安全。因此，大量的新能源汽车也意味着未来会有大量的退役动力锂电池产生。

退役动力锂电池仍然具有一定的潜在应用价值，从新能源汽车中退役的锂电池，依然具备在低速车辆、固定式储能等场景中继续使用的潜在价值。然而，退役电池单体的老化程度往往是不统一的，对动力锂电池进行梯次利用的第一步就是对所有退役单体进行筛选，找出性能及一致性较好的单体，组成新的电池组。针对退役动力锂电池梯次利用环节的关键技术，当前，对于退役动力锂电池的筛选多是单纯根据其电气特性进行筛选，如：容量、内阻等等，而并未考虑电池的热特性。无法全面准确地分选出具备较好电气特性的电池，不便于找到热特征方面较为统一的电池单体。无法在保证电池单体一致性的同时，降低后续退役动力锂电池组热管理的难度。

发明内容

本发明提供了一种基于温度变化聚类分析的退役动力锂电池筛选方法，解决了退役动力锂电池筛选时未考虑电池热特性的技术问题。

为了解决上述技术问题，本发明所采用的技术方案是：一种基于温度变化聚类分析的退役动力锂电池筛选方法，包括以下步骤：

设计测试工况，在测试过程中获取待筛选的退役动力锂电池的原始数据，所述原始数据包括电池容量、电池直流内阻和电池的温度变化；

从所述原始数据中提取电池容量，进行第一层次筛选；

基于所述第一层次筛选，提取电池直流内阻，进行第二层次筛选；

基于所述第二层次筛选，记录测试过程中电池的温度变化曲线，依据所述温度变化曲线，分别计算温度变化的变异系数及信息熵，进行聚类分析，完成第三层次筛选，获得所需退役动力锂电池单体；

所述信息熵的计算公式如下：

式中：H_T为信息熵，p(T_i)为数据舍入截断后T_i出现的概率，[T₁，T₁+ΔT]为退役动力锂电池的温度变化范围，T_i为将温度的原始测量数据四舍五入截断到以ΔT单位步长所对应的温度变化区间。

进一步地，所述测试工况包括对所述待筛选的退役动力锂电池进行充放电测试；测试过程中，通过数据采集模块收集所述待筛选的退役动力锂电池的电流和电压，所述电流和电压用于计算电池容量和电池直流内阻；测试过程中，通过红外成像模块获取电池的温度变化。

进一步地，所述电池容量在标准恒流恒压充电过程中测试；所述电池直流内阻的获得方法为：将电池放电至荷电状态后，采用幅值不同的短时电流脉冲组合，测量各电流倍率下的直流内阻，求取平均值，得到电池的直流内阻；所述电池的温度变化具体为：将双极性电流脉冲注入退役动力电池过程中的电池温度变化。

进一步地，所述电池容量的计算公式如下

式中：Q_i为第i个电池的计算容量，t₁为恒流恒压充电过程的起始时间，t₂为恒流恒压充电过程的截止时间，i(t)为充电过程的电流。

进一步地，所述各电流倍率下的直流内阻的计算公式如下

式中：R_nC为各电流倍率下的直流内阻，ΔU和ΔI分别为电流脉冲跳变时刻电池两端对应的电流与电压的变化量。

进一步地，所述变异系数的计算公式如下

式中，C_v即为变异系数，σ为温度变化的标准差，μ为温度变化的平均值。

进一步地，所述p(T_i)的计算公式如下

式中：N_t为温度变化的总采样点数，n_ti为电池温度变化测量得到数据点的个数。

一种基于温度变化聚类分析的退役动力锂电池筛选***，包括

数据采集模块，用于收集待筛选的退役动力锂电池的电流和电压；

红外成像模块，用于获取电池的温度变化；

计算模块，用于计算待筛选的退役动力锂电池的电池容量、电池直流内阻和温度变化特征；

筛选模块，用于筛选出满足要求的所需退役动力锂电池。

进一步地，所述温度变化特征包括温度变化的变异系数及信息熵。

本发明所达到的有益效果：通过设计特定的测试工况，利用红外成像记录锂电池的温度变化过程，在对电池容量、内阻筛选的基础上，提取温度特征，进行退役动力锂电池热特性的筛选。利用本发明所提筛选方法，能够在保证退役动力锂电池电特性一致的基础上，遴选出热特征较为统一的电池单体，组成电池组，以便于提高梯次利用电池组的效率，降低电池组热管理的难度。本发明对于退役动力锂电池的梯次利用具有重要意义。

附图说明

图1为本发明实施例中电池筛选方法示意图；

图2为本发明实施例中退役动力锂电池筛选的测试工况图；

图3为本发明实施例中电池筛选体统示意图。

具体实施方式

下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，一种基于温度变化聚类分析的退役动力锂电池筛选方法，包括以下步骤：

设计测试工况，在测试过程中获取待筛选的退役动力锂电池的原始数据，所述原始数据包括电池容量、电池直流内阻和电池的温度变化；

从所述原始数据中提取电池容量，进行第一层次筛选；

基于所述第一层次筛选，提取电池直流内阻，进行第二层次筛选；

基于所述第二层次筛选，记录测试过程中电池的温度变化曲线，依据所述温度变化曲线，分别计算变异系数及信息熵，进行聚类分析，完成第三层次筛选，获得所需退役动力锂电池单体。

实施例1、

如图2所示，图中数字代表相应步骤。本实施例提供测试工况的具体步骤：

1.以1C恒流将电池充电至许可最大电压V_max；

2.保持电池端电压为V_max，继续充电直至电流小于0.02A，充电截止；

3.静置电池2小时；

4.以1/3C的电流倍率将电池放电至荷电状态SOC＝50％；

5.静置电池1小时；

6.以1/4C电流脉冲给电池充电，持续时间为20秒；

7.静置电池10分钟；

8.以1/4C电流倍率给电池放电，持续时间为20秒；

9.静置电池10分钟；

10.以1/2C电流脉冲给电池充电，持续时间为20秒；

11.静置电池10分钟；

12.以1/2C电流脉冲给电池放电，持续时间为20秒；

13.静置电池10分钟；

14.以1C电流脉冲给电池充电，持续时间为20秒；

15.静置电池10分钟；

16.以1C电流脉冲给电池放电，持续时间为20秒；

17.静置电池1小时，记录此时电池温度为T₁；

18.给电池施加频率为f_I的双极性电流脉冲，当电池温度变化超过ΔT时，停止电流脉冲注入；

19.静置电池，记录温度变化，直至电池温度恢复至T₁。

本实施例中，工况主要包含了放电过程用于测试电池容量，混合脉冲测试用于测试电池内阻，双极性电流注入用于激励电池产生相应的温度变化。容量测试为1C电流的标准恒流恒压充电过程，直流内阻测试为将电池充电到SOC_m＝50％；然后，采用一系列幅值不同的短时电流脉冲组合，测量各电流倍率下的直流内阻后，求平均值得到电池的直流内阻；最后，选取频率f_I为10Hz的双极性电流方波脉冲注入退役动力电池进行加热，直至电池温度上升ΔT＝5℃时结束。

实施例2、

本实施例提供一种基于温度变化聚类分析的退役动力锂电池筛选方法，包括以下步骤：

1)对退役动力锂电池的第一层次筛选：电池容量筛选。电池恒流恒压充电之前，先将电池放电至截止电压，通过下式来计算电池的容量

式中，Q_i为第i个电池的计算容量，t₁为恒流恒压充电过程的起始时间，t₂为恒流恒压充电过程的截止时间，i(t)为充电过程的电流。

根据计算得到的所有退役动力锂电池容量的整体分布，选取[Q_min,Q_max]范围内的N_Q块退役动力锂电池，其中，N_Q需大于后续梯次利用中电池成组所需的单体数目M。

2)对退役动力锂电池的第二层次筛选：电池直流内阻筛选。将电池放电至荷电状态后，采用幅值不同的短时电流脉冲组合，计算每个电流脉冲对应的电池直流内阻，具体计算方法如下式所示：

式中，R_nC为各电流倍率下的直流内阻，ΔU和ΔI分别为电流脉冲跳变时刻电池两端对应的电流与电压的变化量。

由上述公式能够根据已经获得的测量数据，计算出R_I1、R_I2以及R_I3。为尽量避免测量误差，本发明所使用的电池内阻为不同倍率下测量获得电池内阻的平均值。

R_i＝(R_I1+R_I2+R_I3)/3

式中，R_i为计算得到的电池内阻的平均值。

根据计算得到的所有退役动力锂电池直流内阻的整体分布，选取[R_min,R_max]范围内的N_R块退役动力锂电池，其中，N_R需大于后续梯次利用中电池成组所需的单体数目M。

3)对退役动力锂电池的第三层次筛选：温度特征筛选。记录将双极性电流脉冲注入退役动力锂电池过程中带来的电池温度变化的曲线，计算该曲线的温度变化统计特征，作为聚类算法的输入特征向量，经过相应的聚类运算，即可筛选出最终所需一致性较好的退役动力锂电池单体。所述温度变化统计特征为变异系数与信息熵。

变异系数定义为标准差与均值的比值，是对数据离散化程度的描述，其定义如下式：

式中，C_v即为变异系数，σ为温度变化的标准差，μ为温度变化的平均值。由以上式可知，变异系数已经综合了温度变化过程中标准差和均值两方面的信息。

信息熵能够反映曲线的不确定性，本实施例中退役动力锂电池的温度变化范围为[T₁，T₁+ΔT]，温度变化的总采样点数为N_t，选取T_step为统计的单位步长，则可以获得每个以单位步长T_step划分的区间内，电池温度变化测量得到数据点的个数n_ti，同时将温度原始测量数据舍入截断到每个步长对应的区间内，记为T_i。那么，温度变化的信息熵为：

式中：p(T_i)为数据舍入截断后T_i出现的概率，H_T为由温度变化过程计算得到的信息熵。

经过以上计算，可得到第m块退役动力锂电池用于聚类的输入特征向量F_m＝[C_v,H_T]_m。由此，使用K-Means聚类算法，实现对于退役动力锂电池的筛选。完成退役动力锂电池温度变化过程的聚类分析以后，可根据结果，选取同一分类集合内的退役电池成组，以保证电气与热特性方面具有较好的一致性。

所述通过K-Means聚类算法进行退役动力锂电池温度变化筛选的步骤如下：

1.将输入特征向量中各变量进行归一化处理，具体如下式所示：

式中，X为相应的指标，X_min为各指标中的最小值，X_max为各指标中的最大值，X_norm为归一化后的指标。即可得到归一化后的输入特征向量为F_{m_norm}＝[C_{v_norm},H_{T_norm}]_m。

2.设定K个分类C_i＝{C₁，C₂，…，C_k}，随机初始化质心u_i(i＝1,2,…k)，计算各特征向量与质心得距离。本实施例采用欧式距离作为衡量标准，各特征向量F_m与质心u_i距离的具体计算如下式所示：

将F_{m_norm}归类到与其距离最近的质心所属的分类中。

3.根据每个分类C_i中所有特征向量，重新计算各分类的质心，具体如下式所示：

其中，L_i为每个分类中特征向量的数目。

4.若质心变化小于某个特定值Δx，则认为聚类结束；否则，跳转到第2步，继续计算欧式距离及K个分类的质心。

经过退役动力锂电池温度变化过程的聚类分析以后，可根据结果，尽量选取同一类内的退役电池成组，以保证电气与热特性方面具有较好的一致性。

实施例3、

本实施例提供一种基于温度变化聚类分析的退役动力锂电池筛选***，如图3所示，包括

数据采集模块，用于收集待筛选的退役动力锂电池的电流和电压；

红外成像模块，用于获取电池的温度变化；

计算模块，用于计算待筛选的退役动力锂电池的电池容量、电池直流内阻和温度变化特征；

筛选模块，用于筛选出满足要求的所需退役动力锂电池。

具体地，预先在功率单元中设定特定的测试工况，对退役动力锂电池进行充放电测试。在此基础上，通过数据采集***收集退役动力锂电池的电流、电压等测量数据，用于计算电池的容量及内阻。同时，利用红外成像技术，获得锂电池的温度变化情况，将该温度数据传输至上位机。上位机将基于以上数据信息，分别通过容量筛选、内阻筛选、温度特征筛选三个主要环节，完成退役动力锂电池的筛选，以便于后续退役电池的梯次利用。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种基于温度变化聚类分析的退役动力锂电池筛选方法，其特征在于，包括以下步骤：

设计测试工况，在测试过程中获取待筛选的退役动力锂电池的原始数据，所述原始数据包括电池容量、电池直流内阻和电池的温度变化；

从所述原始数据中提取电池容量，进行第一层次筛选；

基于所述第一层次筛选，提取电池直流内阻，进行第二层次筛选；

基于所述第二层次筛选，记录测试过程中电池的温度变化曲线，依据所述温度变化曲线，分别计算温度变化的变异系数及信息熵，进行聚类分析，完成第三层次筛选，获得所需退役动力锂电池单体；

所述信息熵的计算公式如下：

式中：H _T为信息熵，p(T _i)为数据舍入截断后T _i出现的概率，[T ₁，T ₁+ΔT]为退役动力锂电池的温度变化范围，T _i为将温度的原始测量数据四舍五入截断到以ΔT单位步长所对应的温度变化区间。

2.根据权利要求1所述的基于温度变化聚类分析的退役动力锂电池筛选方法，其特征在于，所述测试工况包括对所述待筛选的退役动力锂电池进行充放电测试；测试过程中，通过数据采集模块收集所述待筛选的退役动力锂电池的电流和电压，所述电流和电压用于计算电池容量和电池直流内阻；测试过程中，通过红外成像模块获取电池的温度变化。

3.根据权利要求1所述的基于温度变化聚类分析的退役动力锂电池筛选方法，其特征在于，所述电池容量在标准恒流恒压充电过程中测试；所述电池直流内阻的获得方法为：将电池放电至荷电状态后，采用幅值不同的短时电流脉冲组合，测量各电流倍率下的直流内阻，求取平均值，得到电池的直流内阻；所述电池的温度变化具体为：将双极性电流脉冲注入退役动力电池过程中的电池温度变化。

4.根据权利要求1所述的基于温度变化聚类分析的退役动力锂电池筛选方法，其特征在于，所述电池容量的计算公式如下：

式中：Q _i 为第i个电池的计算容量，t ₁为恒流恒压充电过程的起始时间，t ₂为恒流恒压充电过程的截止时间，i(t)为充电过程的电流。

5.根据权利要求3所述的基于温度变化聚类分析的退役动力锂电池筛选方法，其特征在于，所述各电流倍率下的直流内阻的计算公式如下：

式中：R _nC为各电流倍率下的直流内阻，ΔU和ΔI分别为电流脉冲跳变时刻电池两端对应的电流与电压的变化量。

6.根据权利要求1所述的基于温度变化聚类分析的退役动力锂电池筛选方法，其特征在于，所述变异系数的计算公式如下：

式中，C _v 即为变异系数，𝜎为温度变化的标准差，𝜇为温度变化的平均值。

7.根据权利要求1所述的基于温度变化聚类分析的退役动力锂电池筛选方法，其特征在于，所述p(T _i)的计算公式如下：

式中：N _t为温度变化的总采样点数，n _ti为电池温度变化测量得到数据点的个数。

8.一种根据权利要求1-7任一项所述基于温度变化聚类分析的退役动力锂电池筛选方法的 筛选***，其特征在于，包括

数据采集模块，用于收集待筛选的退役动力锂电池的电流和电压；

红外成像模块，用于获取电池的温度变化；

计算模块，用于计算待筛选的退役动力锂电池的电池容量、电池直流内阻和温度变化特征；

筛选模块，用于筛选出满足要求的所需退役动力锂电池。

9.根据权利要求8所述的一种基于温度变化聚类分析的退役动力锂电池筛选***，其特征在于，所述温度变化特征包括温度变化的变异系数及信息熵。

Images