退役磷酸铁锂电池梯次利用的分选方法研究
研制开发
退役磷酸铁锂电池梯次利用的分选方法研究
,2，雷旗开1,2，王浩3，华思聪
南方电网调峰调频发电有限公司，广东广州510630；2.先进储能技术联合实验室，广东
杭州高特电子设备股份有限公司，浙江
针对退役磷酸铁锂电池梯次利用过程中的分选配组方法，分析磷酸铁锂电池的特性及电池成组后一致性
问题，确定梯次利用电池的筛选流程后，介绍性能测试中容量、能量以及内阻
K-means聚类算法对退役磷酸铁锂电池进行分选。
聚类算法对退役电池进行分选可以准确分选配组出一致性较高的电池组，具有一定的工程实用价值。
：磷酸铁锂电池；梯次利用；K-means聚类算法；电池分选
腌萝卜怎么腌好吃又脆Study on Selection Method of Echelon Utilization of Retired Lithium Iron Phosphate
Batteries
LEI Qikai1,2，WANG Hao3
.China Southern Power Grid Peak and Frequency Regulation Power Generation Co.
重阳节金句.Joint Laboratory for Advanced Energy Storage Technology
.Hangzhou Gote Electronic Equipment Co.，Ltd.，
曲线仍旧能保持线性，这利于电池的梯次利用[5]。
图1 磷酸铁锂电池内部结构
图2 磷酸铁锂电池循环衰减曲线
2 退役磷酸铁锂电池的一致性筛选
电池一致性表现在电池组内各单体电池的端电压、内部温度、可用容量以及自放电率等参数的一致性，对其实际应用尤为重要[6]。
在退役电池的梯次利用中可根据开路电压、容量、内阻、温度以及倍率特性等因素进行电池的二次配组。图3是一种梯次利用电池筛选的流程图，退役动力电池模组拆解后需要经过两次检测，第一次为外观检测，判断电池外观是否合格，剔除外观存在鼓包、漏液、变形的电池，第二次为性能检测，判断电池基本性能是否满足要求，剔除容量低于原始容量50%、端电压异常或者是内阻值过大的电池。最后通过K-means 聚类算法对筛选后的电池进行分级。
2.1 K-means聚类算法
K-means聚类算法由MacQueen提出，该算法是数据挖掘领域中的一种重要方法，其选取欧氏距离作为相似性和距离判断准则，K-means聚类算法流程如图4所示[7]。
计算该类内各点到聚类中心μ
i
的距离平方和，公式为：
FePO Li e
+x+x 
()会当凌绝顶 一览众山小
i k
2
k i k
x C
=-
J c xµ
∈
∑
)
i k
k i k ki i k ki
=-=-
K K n
22
k1x C k1i1
c x
d x d
µµ
=∈==
∑∑∑∑，
是数据样本中的数据点，其属于在
类算法划分的C
k
10086人工服务类中。聚类中心μ
k
应该取为类别
类各数据点的平均值，K均值聚类算法从一个初始的类别开始，然后将各数据点划分到各个类别中，
均值聚类算法中总的距离平方和随着类别个数
增加而趋向于减小，当K=n时，J(C)=0[8]。
戚薇出演的电视剧电池性能测试的关键指标
C是电池在一定条件下可获取的电池能量。容量不一致问题会造成电池组短板效应。容量最小的电池达到满电状态时，其余电池还处于未充满状态，容量最小的电池决定电池组的充电时间，而放电过程中也会使整个电池组提前终止放电，导致电池组利用E是电池在一定条件下对外做功所输出的电能。
测试中用代表电池性能的能量参数代替一般测
图3 梯次利用电池的筛选流程
图4 K-means聚类算法流程图
·　１０　·
 2020年12月25日第37卷第24期
·　１１　·
Telecom Power Technology
Ｄｅｃ．　２５，２０２０，Ｖｏｌ．　３７　Ｎｏ．　２４　
李勇琦，等：退役磷酸铁锂电池梯次利用的 
分选方法研究
试过程中的开路电压参数，将电池搁置规定时长后再
调节至目标荷电状态进行测量并计算压差，然后对电池进行分组。电压分选方法简便但考虑因素过少，不能反映电流和容量等性能参数，准确度不高。该测试充放电过程中能量作为分选参数，可以弥补电压分选的不足，具有较好的分选参考价值。
内阻R 一定程度上能够体现出电池的状态信息。内阻差别较大时，电池充放电过程中放出不同的热量，造成电池组内单体电池间温度差异较大，电池组内的不一致性现象更加严重，并且内阻大的电池升温快，会严重影响电池充放电循环时的容量，制约电池性能发挥[9]。
2.3 退役磷酸铁锂电池聚类分选
采用K-means 聚类算法对退役磷酸铁锂电池进行聚类分选，首先需要获取电池相关参数，如开路电压、容量、内阻、温度以及倍率特性等，在梯次利用的筛选过程中获得这些数据后对其分别进行归一化处理，通过计算这些数据在多维空间中的欧式距离再进行分选。
本文采用的退役磷酸铁锂电池由天津某公司提供（额定容量为50 Ah ，标称电压为3.2 V ），文中以储能电站为分选后梯次利用电池的应用场景，其中容量C 、能量E 、内阻R 作为聚类样本的3个维度，3个参数的获取实验遵照国标GB/T 36276-2018《电力储能用锂离子电池》中性能试验标准，实验设备由杭州高特电子设备股份有限公司提供（电压分辨率为1 mV ，电流分辨率为1 mA ，时间分辨率为1 s ）[10]。考虑到电池容量在退役梯次利用过程中对电池的性能影响较大，文中以容量划分聚类中心，
按照容量均匀分布原则确定K 个聚类中心，其聚类结果如图5所示。
3 结 论
当退役磷酸铁锂电池在大规模电化学储能电站进行梯次利用时，其电池的分选质量直接决定成组电池的性能，进而影响电池梯次利用带来的效益。因此一套好的电池分选策略是不可缺少的。本文通过测试数据分析退役磷酸铁锂电池性能，结合K-means 聚类算法，提出了新的分选方法。实验表明，基于容量、端电压以及温升等参数的K-means 聚类分选方法能反映电池的充放电特征，可以获得较好的分选效果，
具有一定的实际工程应用价值。参考文献：
[1] 郑志坤，赵光金，金 阳，等.基于库仑效率的退役
锂离子动力电池储能梯次利用筛选[J ].电工技术学报，2019，34（S1）：388-395.
[2] 朱国才，何向明.废旧锂离子动力电池的拆解及梯次
利用[J ].新材料产业，2017（9）：43-46.
[3] 李建林，修晓青，刘道坦，等.计及政策激励的退
役动力电池储能系统梯次应用研究[J ].高电压技术，2015，41（8）：2562-2568.
[4] Viswanathan V V ， Kintner-Meyer M.Second Use of
Transportation Batteries ：Maximizing the Value of Batteries for Transportation and Grid Services [J ].IEEE Transactions on Vehicular Technology ，2011，60（7）：2963-2970.
[5] 李 哲.纯电动汽车磷酸铁锂电池性能研究[D ].北京：
清华大学，2011.
[6] 徐 懋，刘 东，王德钊.退役磷酸铁锂动力电池梯
次利用分析[J ].电源技术，2020，44（8）：1227-1230.
[7] Hansen P ，Ngai E ，Cheung B K ，et al.Analysis of
Global k-Means ，an Incremental Heuristic for Minimum Sum-of-Squares Clustering [J ].Journal of Classification ，2005，22（2）：287-310.
[8] 高 崧，朱华炳，刘征宇，等.基于K-means 聚类
的退役动力电池梯次利用成组方法[J ].电源技术，2020，44（10）：1479-1482，1513.
[9] 李祥瑞，兰 欣，唐清林.车用锂离子电池一致
性分选方法研究[J/OL ].电源学报：1-10[2020-12-02].http ：//knski/kcms/detail/12.1420.TM.20191118.1000.010.html.
[10] 徐 晶.梯次利用锂离子电池容量和内阻变化特性研
究[D ].北京：北京交通大学，2014.
图5 K-means 聚类结果
>著名珠宝品牌

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。