新型退役动力电池单体分类方法及其系统分析——磷酸铁锂电池为例

倪 飞

（江苏省盐城技师学院 江苏 盐城 224002）

0 引言

2014年至今我国新能源动力电池市场规模越来越大，随着动力电池在2017年时需求量的急剧暴增，退役电池数量也从2017年开始递增，2020年以后回收利用退役动力电池市场迎来了爆发式增长。面对数量庞大的退役电池，退役动力电池分类及系统分析成为了各大电池生产制造企业所要面临的主要任务。各大电池生产制造企业均明确指出，按照高效循环的原则来实现能源可持续发展是动力电池利用体系的改变原则，与此同时要求动力电池生产制造企业严格遵守后期延伸制度，构建车用动力电池溯源管理信息平台，确保可追溯动力电池的整个生命周期，提高动力电池生产制造的安全性。为了提前迎接即将到来的动力电池退役浪潮，大部分电池生产制造企业均已将研发重点放在了退役电池的回收利用技术领域。所有电池生产制造企业的研究活动证明了退役电池回收利用的可行性和巨大潜力，动力电池单体回收产业在未来将会成为电池行业新的焦点。如图1所示。

图1 2012—2020年动力电池需求和退役分析

1 退役动力电池单体分类的作用

退役动力电池的单体分类是将动力电池性能尽可能最大化发掘和应用的有效途径，能够减少对电池价值、能源资源的浪费和可能造成的污染。应用于不同场景可使得电池应用效益最大化，同时降低生产利用成本，促进上游电池生产制造与下游电池销售、回收利用产业的发展，有助于循环经济的推进，符合我国经济社会可持续发展需求，具有很高的发展潜力和应用前景[1]。目前，国内外陆续开展了退役动力电池单体分类、梯次利用的相关研究和应用。本文以磷酸铁锂电池组为例，对退役动力电池的分类方法进行阐述及其系统分析。

1.1 电池分类方法

获取到待分类的磷酸铁锂电池组的循环充放电数据，从该数据中提取所述磷酸铁锂电池组的特征数据集。采用粗糙集理论，对特征数据集进行约简，得到所述磷酸铁锂电池组的约简结果特征数据集。根据约简结果特征数据集，采用模糊聚类算法对磷酸铁锂电池组中的电池单体进行分类。

1.2 电池分类电子设备和存储程序

在单体电池分类的过程中，可以采用专用的电子设备，其结构组成中含有存储器和处理器，存储器和处理器通过总线完成相互间的通信。另外，在存储器上存有计算机程序，该计算机程序被处理器执行时实现上述电池分类方法。

2 具体实施方式

2.1 电池分类步骤

分类步骤如下：

步骤1 获取到待分类的磷酸铁锂电池组的循环充放电数据，从循环充放电数据中提取磷酸铁锂电池组的特征数据集；

步骤2 采用粗糙集理论，对特征数据集进行约简，得到磷酸铁锂电池组的约简结果特征数据集；

步骤3 根据约简结果特征数据集，采用模糊聚类算法对磷酸铁锂电池组中的电池单体进行分类。

目前，广泛应用于电动汽车领域的磷酸铁锂电池，大多是数十节电池通过串联或并联形成一个单元模组。本文提供的磷酸铁锂电池组的充放电曲线示意图，如图2所示。其中，若干节电池通过串联可以达到较高电压，以驱动电机工作[2]。现以24节国内某型号100 A·h退运磷酸铁锂电池组为例，对其进行0.3 C倍率充放电测试。

图2 磷酸铁锂电池组的充放电曲线示意图

由图2可以看出，在充放电过程中，24节磷酸铁锂电池的电压离散性较大。其中，健康状态最差的磷酸铁锂电池最先达到充放电截止电压阈值，并且有若干节磷酸铁锂电池的充放电曲线比较接近。如果不经过特殊处理，很难1次内仅凭充放电曲线将上述24节磷酸铁锂电池数据进行合理分类。

2.2 服务器及其算法分析

按照2.1节中分类步骤进行操作，服务器可以最先获取待分类的磷酸铁锂电池组的循环充放电数据，从循环充放电数据中提取磷酸铁锂电池组的特征数据集。例如，待分类的磷酸铁锂电池组包括24节磷酸铁锂电池，服务器可以首先获取24节磷酸铁锂电池的0.3 C循环充放电数据，然后从0.3 C循环充放电数据中提取用于表征24节磷酸铁锂电池的电池特性的指标数据，构成特征数据集。服务器可采用粗糙集理论对特征数据集进行约简，将特征数据集中不重要的指标数据进行剔除[3]，得到待分类磷酸铁锂电池组的约简结果特征数据集。服务器采用现有的模糊聚类算法，对约简结果特征数据集进行聚类分析，最终对磷酸铁锂电池组中的电池单体进行分类。

获取待分类的磷酸铁锂电池组的循环充放电数据，从循环充放电数据中提取磷酸铁锂电池组的特征数据集。采用粗糙集理论对特征数据集进行约简，得到磷酸铁锂电池组的约简结果特征数据集。根据约简结果特征数据集，采用模糊聚类算法对磷酸铁锂电池组中的电池单体进行分类，可以适用于退运动力电池，提高了对退运动力电池进行分类的效率。

在上述实施条例基础上，特征数据集包括以下特征数据的任意组合：磷酸铁锂电池组中每个电池单体的充电欧姆内阻、放电欧姆内阻、能量效率、充电平均功率、放电平均功率、极化电压、温度、最大充电功率和最大放电功率。上述实施例中的特征数据集可以包括如下特征数据的任意组合：待分类磷酸铁锂电池组中每个电池单体的充电欧姆内阻、放电欧姆内阻、能量效率、充电平均功率、放电平均功率、极化电压、最大充电功率和最大放电功率[4]。

3 技术方案

以24节磷酸铁锂电池组为例，作为待分类磷酸铁锂电池组，详细说明本文提供的技术方案。

服务器可以从所述24节磷酸铁锂电池组成的0.3 C循环充放电数据中，提取磷酸铁锂电池的特征数据集。其中，特征数据集包括：24节磷酸铁锂电池中的每节磷酸铁锂电池的8种指标数据，分别为充电欧姆内阻、放电欧姆内阻、能量效率、充电平均功率、放电平均功率、极化电压、最大充电功率和最大放电功率。

服务器可以采用现有的粗糙集理论，对特征数据集进行约简，将其中不重要的指标数据进行剔除，得到待分类磷酸铁锂电池组的约简结果特征数据集。如，服务器采用粗糙集理论对特征数据集进行约简处理时，发现能量效率、充电平均功率和放电平均功率3种指标数据，对电池分类的影响不大或没有影响，则服务器可以将待分类磷酸铁锂电池组的能量效率、充电平均功率和放电平均功率这3种指标数据进行剔除，得到约简结果特征数据集。然后，采用模糊聚类算法对约简结果特征数据集进行聚类分析，从而实现对磷酸铁锂电池组进行分类[5]。

本文提供的电池分类方法，通过将待分类磷酸铁锂电池组的特征数据集的组成包括如下特征数据的任意组合：磷酸铁锂电池组中每个电池单体的充电欧姆内阻、放电欧姆内阻、能量效率、充电平均功率、放电平均功率、极化电压、温度、最大充电功率和最大放电功率，使得所述方法更加科学。可选的，在上述实施条例的基础上，采用粗糙集理论对特征数据集进行约简，得到磷酸铁锂电池组的约简结果特征数据集，其中包括：根据粗糙集理论对特征数据集进行处理，得到特征数据集中每个特征数据的权重；根据特征数据集中每个特征数据的权重，对特征数据集进行筛选，得到磷酸铁锂电池组的约简结果特征数据集。上述实施例中的服务器采用粗糙集理论，对待分类磷酸铁锂电池组的特征数据集进行约简，得到待分类磷酸铁锂电池组的约简结果数据集的过程，可以具体包括如下过程。首先，服务器可采用粗糙集理论对特征数据集进行处理，得到特征数据集中每个特征数据的权重。以上述实施例中所述的24节磷酸铁锂电池组成的磷酸铁锂电池组为例，详细说明本文提供的技术方案。服务器采用粗糙集理论，对24节磷酸铁锂电池组成的磷酸铁锂电池组的特征数据集进行处理，可以得到特征数据集中每个特征数据的权重。能量效率（η）的权重最高，其次是极化电压（Up）和最大放电功率（Pdh），其他特征数据的权重为0。这说明能量效率（η）、极化电压（Up）和最大放电功率（Pdh），相对其他特征数据更加重要。因此服务器可以将其他特征数据进行剔除，只保留24节磷酸铁锂电池的能量效率（η）、极化电压（Up）和最大放电功率（Pdh）对应的特征数据，得到约简结果特征数据集。然后，服务器可以采用现有的模糊聚类算法，对所述约简结果特征数据集进行分类。如，在初始化时设定电池分类数C=4，模糊权重指数m=2，终止条件为迭代次数为100或阈值ε=0.000 01。则达到终止条件之后，服务器可以将24节磷酸铁锂电池分为4类。为本文提供的磷酸铁锂电池组的模糊聚类分布图，如图3所示。在24节磷酸铁锂电池中，第1、2、3、4、5、6、7、11、13、14、15节电池被分在第1类，第21节电池被分在第2类，第8、22节电池被分在第3类，第9、10、12、16、17、18、19、20、23、24节电池被分在第4类。其中，因为第8、21、22节电池极化较大，所以被单独分类筛选出来了。

图3 磷酸铁锂电池组的模糊聚类分布图

这种分类结果与磷酸铁锂电池组的充放电电压变化相一致，这说明将模糊聚类算法应用于对电池进行分类是非常有效的。

4 退役动力电池经济性分析

4.1 退役动力电池梯次利用成本分析

退役动力电池梯次利用的工艺流程成本主要包含收集、储运、分类、拆解、重组成本，如图4所示。状态评估成本主要有余能检测成本、状态测试、状态诊断和状态评价成本[6]。

图4 退役动力电池梯次利用成本主要因素

4.2 收集、储运和分类成本分析

通过收集来自全国各地、数量巨大的退役电池，集中处理加工能有效降低成本、提高效率。

4.3 余能检测成本分析

将电池容量较高的归入梯次利用一类，用于电池更换和储能应用；将电池容量较低的归入梯次利用二类，用于移动充电桩[7]、低功率电动车、自动导引车辆（automatic guided vehicle，AGV）电源、家庭储能电源、照明、UPS备用电池、基站电源风光路灯储能等较为温和的低倍率放电应用场景。

4.4 状态测试、诊断和评价成本分析

若退役电池具有完整的运行过程数据，属于白箱电池，可提高电池性能状态评估工作的准确度和精确度，提升电池梯次利用时的经济性；若退役电池没有完整的运行过程数据，属于黑箱电池，需要根据电池出厂时的相关数据，测试动力电池退役时的各项参数，这个过程中测试时间会增加[8]，测试成本会提高，同时电池性能不一还使得电池梯次储能利用的安全性有待估量。

5 结语

本文提供的新型退役动力电池单体分类方法及其系统分析，通过根据粗糙集理论对待分类磷酸铁锂电池组的特征数据集进行处理，得到特征数据集中每个特征数据的权重，然后，根据特征数据集中每个特征数据的权重，对特征数据集进行筛选，得到待分类磷酸铁锂电池组的约简结果特征数据集，使得分类方法更加科学。再从退役动力电池经济性分析，梯次利用可以更好地发掘和利用电池自身价值和资源，因此新型退役动力电池单体分类方法的应用具有很大的潜力和发展前景。