基于充电曲线特征的退役动力电池快速分选方法

摘要

准确快速分选对退役动力电池梯次利用具有重要意义。通过充放电试验获取退役动力电池充电曲线和容量，运用灰色关联分析方法确定与容量相关性最优的电压区间，基于电池老化机理提取最优电压区间对应的充电容量ΔQ、充电时长T、主峰中心电压V₁、充电容量与区间电压比值K作为表征电池不一致性的特征参数。运用局部异常因子算法筛选异常老化电池，利用K-means聚类算法完成退役电池分选，提出静态与动态双维度指标体系评价分选一致性，采用2组退役电池充放电数据进行验证。结果表明：分选后电池的静态一致性和动态一致性最大分别提升55%、82%,且单个电池测试时间平均缩短至30 min。与K-means聚类算法相比，融合局部异常因子算法（local outlier factor, LOF）后，静态一致性和动态一致性最大分别提升50%、33%;与容量增量方法和静态参数方法相比，该方法的静态一致性最大分别提升28%、5%,动态一致性最大分别提升76%、61%。

关键词

退役动力电池 / 一致性 / 快速分选 / K-means / LOF