[发明专利]一种适用于梯次利用的电池模组筛选方法

权利要求书

1.一种适用于梯次利用的电池模组筛选方法，其特征在于包含的步骤如下：

第一步，建立退役动力电池内部还原反应、副反应与外部电压、电流关联关系；

第二步，分析退役动力电池内阻、端电压、SOC特性、环境温度等对电池外部特性影响；

第三步，建立单体电池与电池模组之间的关联特性，确定影响电池模组特性的主要参数；

3.1：确定影响单体电池动态特性的内外部主要参数，主要包括荷电状态SOC_im，电池内阻R_Ωim，电池温度T_im，电池端电压U_oim，辨识出电池模组对应单体电池特性的主要参数；

电池剩余容量C_im与电池荷电状态SOC_im、电池内阻R_Ωim、环境温度T_im及电池端电压U_oim的关系可表示为

C_im＝f(SOC_im,R_Ωim,T_im,…,U_oim)                 (1)

3.2：建立单体电池参数与电池模组特性关联函数；

基于均衡控制方法通过电池模组表征各个单体电池输出特性，电池模组m中第i个单体电池输出功率为P_im(t)，计算出整个电池模组可提供功率输出计算每个单体电池的输出占比τ_im为

其中，Y为剩余容量低于50％额定容量的单体电池个数；

在考虑电池模组表征出的SOC_m，SOH_m时，对各个单体电池的SOC_im，SOH_im进行估计，电池模组外部特性为

第四步，解析各个电池模组中SOC，SOH表征特性；

4.1：表征电池模组的衰减程度；

衰减程度Δα_m(t)表达式为

其中，α_m(t)为t时刻寿命衰减值，l_m(t)为第m个电池模组t时刻寿命衰减值，P_m(t)为第m个电池模组t时刻功率输出，SOC_m^max为第m个电池模组SOC最大值；

4.2：建立电池模组主要参数与SOC，SOH特性的耦合关系；

其中，T为充放电时间，D_m为第m个电池模组t时刻充放电深度，D_max为电池模组最大放电深度，取值范围为[0，0.8]，L_Dm为不同充放电深度D_m对应的寿命损耗；

根据上述公式得出SOC，SOH特性与不同时间、不同充放电深度寿命损耗有直接关系；

第五步，采用K-means聚类方法筛选出特性相近的电池模组；

5.1对梯次利用初始参数相一致的电池模组进行筛选；

设置供筛选的电池模组个数为M，测量第m个电池模组梯次利用初始的容量C_m0，初始健康度SOH_m0，初始荷电状态SOC_m0；确定电池模组容量的平均值健康度的平均值荷电状态的平均值为

其中，m＝1,2,…,M，C₁₀,C₂₀,…,C_M0为第1,2,…,M个电池模组梯次利用时初始容量；SOH₁₀,SOH ₂₀,…,SOH _M0为第1,2,…,M个电池模组梯次利用时初始健康度；SOC₁₀,SOC₂₀,…,SOC _M0为第1,2,…,M个电池模组梯次利用时初始荷电状态；

以梯次利用时单体表征为电池模组的初始容量、初始健康度、初始荷电状态标准差最小为目标进行静态筛选，具体为

其中，σ_Cm0为初始容量的标准差、σ_SOHm0为初始健康度的标准差、σ_SOCm0为初始荷电状态标准差，σ_m为三者标准差平均值；

以静态特性相近为目标，确定允许的初始筛选偏差差值Δσ_m，对电池模组进行集群规划，采用K-means聚类方法对电池模组进行第一次筛选；

5.2根据预测动态特性参数对电池模组进一步筛选；

预测剩余寿命周期内的SOH_m，包括多次充放电荷电状态SOC_m，剩余容量C_m，端电压V_m，根据对筛选准确度的要求，选取单个或多个动态参数，对曲线进行采样，计算允许的二次筛选偏差差值Δλ_m，对电池模组进一步集群规划，采用K-means聚类方法对电池模组进行第二次筛选；

5.3根据设定裕度范围完成对退役动力电池整体筛选；

设定静态筛选裕度μ和二次筛选裕度Γ为

Δσ_m-Δσ_m-1＜μ                  (8)

Δλ_m-Δλ_m-1＜Γ                   (9)

其中，Δσ_m-1为第m-1个电池模组第一次筛选偏差差值；Δλ_m-1为第m-1个电池模组第二次筛选偏差差值；

对被筛选电池模组进行集群划分，给予电池模组编号，为电池模组重组奠定基础。