退役磷酸铁锂电芯性能研究

一致性分选是退役电池梯次利用的关键技术之一.本文以15A·h退役磷酸铁锂单体电池为研究对象,通过外部特征分析、容量测试、脉冲充放电测试来研究电池的内部及外部性质.研究结果表明,退役锂离子电池分选的第一步可通过外观检查进行初步快速筛选.对于退役电池实际容量的标定,按标称容量的80％来定义充放电电流I3,得到的退役电池实际容量更准确.脉冲放电电压是判断电池一致性的一个重要指标,可作为锂电池快速分选的特征指标.最后选出了电池健康度(SOH)在80％以上、脉冲放电电压在2.7V以上的电池作为工况良好的电池.     

退役动力电池一致性评估及均衡策略研究

电池梯次利用是处理动力电池庞大退役量的有效手段之一。针对退役电池梯次利用过程中分选技术进行研究,主要从退役电池SOC关键参数分布特性以及退役电池一致性控制策略分析两方面展开。提出主动被动协同均衡策略考虑电池参数的相关性,弥补了单一均衡方式的不足。同时提高充放电均衡控制的可靠性,实现了均衡效率的最优化。分析退役动力电池荷电状态数学模型,涵盖不同类型的退役动力电池的荷电状态。并进一步对退役动力电池储能系统荷电状态控制策略进行研究。基于主动被动协同均衡策略,分析多组退役电池储能单元的SOC一致性,为完善退役电池梯次利用一致性分选技术有所助益。     

基于老化机理分析退役磷酸铁锂电池分选方法

随着电动汽车保有量的逐年上升,退役电池梯次利用已经成为能源合理利用的必然趋势,可是在经历电动汽车复杂和严苛的工况运行后,构成电池组的单体内部老化程度不尽相同,外特性上也呈现出电池单体特性不一致。如果要进行退役电池梯次利用,首先要解决退役电池的无损检测和分选问题。以退役磷酸铁锂电池为研究对象,通过对电池的容量、内阻以及电池的容量增量(increment capacity,IC)曲线进行测试和分析,对磷酸铁锂电池内部的老化机理进行判别,提出基于老化机理分析的退役磷酸铁锂电池分选方法,并对该方法进行实验验证。结果表明,利用该方法分选出的电池所构成的电池组在电池组容量利用率和温度一致性方面都具有较好的效果。     

动力电池梯次利用关键技术与应用综述

近年来，随着新能源汽车产业的发展，动力电池迎来大规模退役，为避免资源浪费，延长电池使用寿命，对动力电池梯次利用技术的研究具有重大现实意义。为此从梯次利用技术的现状出发，分析国内外梯次利用项目和相关政策，对梯次利用过程中的检测、筛选、重组和均衡技术以及电池梯次利用在多种储能场景下的应用进行综述，并对锂离子电池梯次利用中的性能检测做出重点总结。最后总结了梯次利用在电池状态评估和梯次电池筛选上的技术难点与未来的研究趋势，指出以卡尔曼滤波为代表的模型驱动方法和以人工神经网络为代表的数据驱动方法的有机结合，可以有效提高电池状态评估与分选的效率，是重要的研究趋势；提出针对不同的电池工况和不同的梯次利用场景应具有多样性的检测和分选方法，并应制订具体标准；对梯次利用的级别、标准化程度以及退役电池回收体系几个方面的研究给出了合理的建议。     

基于快速充电曲线的退役锂电池模块快速分选技术EI北大核心CSCD

由于在使用过程中造成的电池间的不一致性,退役锂离子电池在储能应用等梯次利用前要进行一致性分选。然而,现有的退役锂电池分选方法存在着效率低下的问题,并且研究多集中于单体,针对模块层面的分选方法相对欠缺。为此提出了一种基于机器学习算法的退役锂电池模块快速分选方法。首先阐述了由于电池不一致性所带来的串联充电曲线不同的现象,基于此原理设计了分选步骤;其次,提出了基于支持向量机的筛选模型,实现了利用少部分样品电池的特征电压筛选大批量的退役电池;进一步,提出了一种针对模块级别的退役电池重组方法,以应对实际工程中电池模块难以拆解的特性。结果表明,相较于传统方法,所提退役电池模块快速分选方法大幅提升了分选效率,同时解决了退役锂电池模块分选的问题。     

基于容量增量分析的退役LiFePO4电池分选方法

为解决电动汽车(EVs)动力电池批量退役时检测与分选效率低下的问题,提出一种基于容量增量分析(ICA)的退役磷酸铁锂(LiFePO4)电池分选方法.分析电池容量增量(IC)曲线特征与内部老化过程的关系,提出一致性特征量提取方法;结合模糊C均值聚类(FCM)方法,确定电池一致性分选方法.实验结果表明,IC特征一致性分选方法与传统容量-内阻分选方法相比,提高了退役电池分选的一致性和分选效率.此分选方法对电动汽车退役电池科学高效梯次利用有重要意义.     

基于快速充电曲线的退役锂电池模块快速分选技术

由于在使用过程中造成的电池间的不一致性,退役锂离子电池在储能应用等梯次利用前要进行一致性分选。然而,现有的退役锂电池分选方法存在着效率低下的问题,并且研究多集中于单体,针对模块层面的分选方法相对欠缺。为此提出了一种基于机器学习算法的退役锂电池模块快速分选方法。首先阐述了由于电池不一致性所带来的串联充电曲线不同的现象,基于此原理设计了分选步骤;其次,提出了基于支持向量机的筛选模型,实现了利用少部分样品电池的特征电压筛选大批量的退役电池;进一步,提出了一种针对模块级别的退役电池重组方法,以应对实际工程中电池模块难以拆解的特性。结果表明,相较于传统方法,所提退役电池模块快速分选方法大幅提升了分选效率,同时解决了退役锂电池模块分选的问题。     

梯次利用锂离子电池循环性能分析

电动汽车退役电池梯次利用技术对提高其全寿命周期利用价值、降低锂动力电池成本与缓解环境污染问题有着重要的意义。为了最大限度发挥梯次利用电池的价值,对其进行分选以及对其进行性能分析等方面的研究非常必要。从电池容量、内阻、荷电状态等几个关键指标出发,以某充换电站退役电池为研究对象,对电池模组和串联组进行了一系列充放电循环试验。对比分析了电池模组与串联组的容量、欧姆内阻、极化内阻等主要性能参数的衰变特性,研究结果对实现磷酸铁锂动力电池的梯次利用具有指导意义。     

电动车退役电池梯次利用之储能性能及预测

退役动力电池的梯次利用有助于提高电池全生命周期的利用价值,降低储能装置成本,但其再利用于电力储能后的性能变化规律尚无确定性结论。以青岛薛家岛电动公交车充换电站退役电池为研究对象,抽样测试退役单体电池性能并分析了循环性能变化趋势,建立了退役电池容量预测模型,并对其验证。研究成果可用于电动汽车退役电池梯次利用于储能领域的筛选重组、运行参数设定。     

基于新型功率架构的退役动力电池储能系统在配网中的应用

目前梯次利用退役电池的储能系统仍然存在退役电池参数一致性要求高、能量均衡系统复杂的问题,无法实现真正意义上的梯次利用。针对该问题,本文提出一种新型的储能系统功率变换架构,降低对储能系统电池模组一致性的要求,简化电池管理系统要求,并介绍了退役电池梯次利用的储能系统拓扑结构、硬件电路以及充放电控制策略等,实现配电网中退役动力电池的梯次利用、对电网负荷进行峰谷调节并作为配电网的应急和后备电源。     

一种基于电化学阻抗谱的大规模退役锂离子电池的软聚类方法

退役锂离子电池的分选目前存在效率与精度不可兼得的问题,严重制约大规模退役锂电池梯次利用的经济性与安全性。该文针对以上问题,提出一种基于电化学阻抗谱（EIS）的退役锂离子电池软聚类方法。首先,对退役锂离子电池进行EIS测试和弛豫时间（DRT）分析,利用BP神经网络建立电池容量与DRT关联模型,并用于大规模电池容量的快速估计。然后,构建电池容量、欧姆内阻与DRT特征等六维度判据,在此基础上提出一种基于高斯混合模型的电池软聚类方法。该方法在考虑电池内部重要电化学特征的基础上实现了退役锂离子电池的软聚类,大大提高了聚类结果的准确性与灵活性。最后,通过计算轮廓系数和进行混合脉冲功率特性（HPPC）实验对聚类结果进行验证。实验结果表明,获取电池容量的时间由标准容量测试的3h缩短到10min,容量预测误差控制在4%以内;所提出的软聚类分类方法能提高电池重组的灵活性,并能保证重组电池具有很好的一致性。     

退役动力电池梯次利用关键技术及现状分析

随着电动汽车动力电池的第一个退役高峰期的来临,废旧动力电池的后续处理对环境和社会资源提出严峻挑战,储能电站是退役动力电池梯次利用的有效途径,研究退役动力电池梯次利用关键技术及其发展现状具有重大现实意义。针对梯次利用电池面临的主要问题及技术难点,首先详细介绍了国内外一些梯次储能示范工程,总结梳理了当前行业内存在的相关政策与标准。在此基础上,对退役电池梯次利用过程中的电池分类筛选、重组、热失控特征、均衡控制及电极材料回收等关键技术展开研究,并着重分析不同方法及控制策略的优缺点。最后结合国内外电动汽车发展趋势,对梯次利用电池的商业应用模式进行探讨与展望。     

退役电池储能系统中可重构电池网络技术应用

可重构电池网络在电动汽车电池组、备用电源和储能系统中应用广泛。灵活的电池拓扑重构可实现电池单体间差异化管理,在电-热-安全管控中发挥作用。可重构电池网络技术应用于退役电池储能系统,革新动力电池梯次利用的分选、重组环节,有效解决电池差异化带来的安全性问题。将可重构电池网络应用于退役电池储能电站设计,围绕可重构电池网络设计的原理、技术优势和应用案例,介绍可重构电池网络在退役电池储能系统中的应用,以期为大规模退役动力电池梯次利用提供借鉴。     

基于电压曲线的退役电池模组分选方法

对退役电池进行梯次利用,关键是对其进行一致性分选。该文提出一种基于电压曲线,面向退役电池模组的一致性分选方法:综合考虑电池Rint等值电路和热累积、库伦效率、容量衰减和内阻增长等因素,构建多维参数的单体模型和模组模型;在此基础上,提出一种基于变换矩阵的一致性影响因素在电压曲线上表征方法;结合所构建单体模型和所提表征方法,在matlab/simulink仿真环境下搭建了串联模组仿真模型,分析了不同影响因素在电压曲线上表征的特点;选方法,并通过实验对其正确性和有效性进行验证。结果表明:所提分选方法可较好地实现退役电池模组一致性分选。     

退役电池梯次利用对新能源消纳影响的研究

为提高退役电池梯次利用收益,建立了退役电池平抑新能源功率预测误差模型和改善等效负荷峰谷差模型。首先分析新能源功率预测误差的影响以及新能源波动对等效负荷峰谷差和等效负荷波动率的影响,然后设计退役电池能量管理系统,通过小波包分解方法将低频能量分量分配给退役电池,并根据等效负荷大小确定退役电池充放电时间和功率。最后利用实际算例仿真,结果表明提出的退役电池梯次利用模型可以提高新能源功率预测准确率、改善峰谷特性、降低等效负荷波动率,并大幅提高收益。     

基于因子分析与K-means聚类的退役动力电池快速分选方法

针对目前退役动力电池数量多、快速分选方法匮乏的问题,提出一种基于脉冲功率测试(Hybrid PulsePower Characteristic,HPPC)、因子分析和聚类算法的退役动力电池快速分选与重组方法。根据电池管理系统(Battery Management System, BMS)记录的电池数据,计算单体电池电压数据得到电池最大可用容量。以HPPC一次放电脉冲提取的电池开路电压、欧姆内阻、极化电阻以及浓差电阻作为特征变量。特征变量数据经归一化算法与因子分析优化后,通过聚类算法完成电池分选与重组。实验结果表明:该方法下单体电池平均分选重组时间压缩在30 min以内,分组后一致性指标较好,在退役动力电池分选与重组中具有较好的实际意义。     

基于改进DBSCAN的退役动力电池分选方法

退役动力电池梯次利用时电池单体不一致性对于分选后电池组性能具有重要影响，高效的分选方法能够降低电池不一致性，提高电池组的使用性能和安全性。针对目前常用的电池检测系统采样频率较低等问题，首先使用自适应分段拟合方法对充放电数据进行拟合，从充放电曲线中提取表征电池不一致性的动态特征电压上升高度（VR）、电压下降深度（DVF），并与容量、开路电压静态特征结合构成分选特征向量；然后提出一种基于核密度估计的DBSCAN算法（KDEDBSCAN），通过核密度估计自适应确定聚类算法参数，对特征聚类实现电池的分选；最后通过实验验证该分选方法的有效性。     

基于退役电池在多储能场景下梯级利用的经济运行研究

为提高退役动力电池的利用率,降低储能系统成本,将退役电池梯次利用于对电池使用工况逐步温和的电动汽车充电站场景及家庭储能系统场景。在多储能场景下分析场景更迭时梯次电池容量保持率的变化以及梯次电池供求关系的变化对储能系统净收益的影响,通过优化各梯次储能系统的配置容量,以多储能场景年净收益最大为目标函数,构建了退役电池在多储能场景下梯级利用的经济性评估模型,并采用遗传算法求解模型。算例表明,退役电池在多储能场景下的梯级利用相较于其在单一场景中的二次利用可更大限度地发挥退役电池的残余价值,提高储能系统的经济效益。     

梯次利用电池在储能电站中应用的可行性分析

通过对比分析梯次利用电池与新电池的全生命周期成本差异,建立了考虑电池寿命和运行特性的度电成本分析模型,用该模型分析了梯次利用电池与新电池以及铅炭电池的度电成本,探讨了梯次利用电池度电成本的影响因素,对退役电池梯次应用于储能电站的技术路线和应用方向给出了建议。     

退役磷酸铁锂动力电池性能分析研究

随着电动汽车行业的快速发展,退役动力电池数量与日俱增。分析统计了某批退役磷酸铁锂动力电池的容量、内阻、容量保持率、容量恢复率等关键参数,发现退役电池的容量和内阻出现了较大程度的离散,在梯次利用前需重新筛选配组;此外,测试了其倍率性能、表面放热特性、高低温性能、循环寿命并拆解部分电池对电极材料的物相和表面形貌进行分析,结果表明,此退役电池仍具有较好的性能,可以在使用条件相对温和的领域进行梯次利用。