电动汽车动力电池即将面临大量退役,直接再生是一种方法,但如果能进行梯次利用之后再再生无疑是一种更加绿色环保的方法。
但是要实现梯次利用的“绿色环保”并不是一件容易的事情,难点并不在于技术有多高深,而是在于权衡可实施性、可靠性、效率、成本之后如何选取合适的技术,涉及包括检测、筛选、重组、利用等方面。
鲍教授今天来聊一种梯次利用的检测技术,核心思想是离线测试和数据预测相结合,实现电池容量、内阻的快速测试,以及电池寿命的初步预测。下面说一下具体实现方法。
首先说一下不具备可实施性的方法:对退役电池进行满充满放测试电池容量,对退役电池进行循环测试电池寿命。
对应的,可实施的方法应该是:通过短时间的充放电测试采用换算的方法得到电池容量;通过机器学习算法建立电池寿命预测模型,带入时间、累计里程(或累计充电量)、充电次数等数据初步预测得到电池剩余循环次数或者剩余使用时间。
步骤1:从同一型号的退役电池中选择一节以0.5C倍率进行充电和放电测试,得到电池容量;
步骤2:将电池充满电后,进行阶梯放电,每次放电5%(基于步骤1中的电池容量计算)后静置1小时,采集此时的电池电压作为OCV,重复放电5%-静置1小时-采集OCV的过程直至电池放空;
步骤3:按步骤1和步骤2总共测试3~5节电池,对SOC-OCV曲线进行多项式拟合,得到SOC-OCV拟合方程(仅在0%~100%范围内);
步骤4:通过工装将电池模组内所有电芯并联一定时间后移除工装;
步骤5:对模组以0.5C倍率放电6min(时间可调整),放电容量为△Ah;
步骤6:采集0.5C倍率放电前1小时以及后1小时的每节电池电压,分别记为OCV_0和OCV_1;
步骤7:将OCV_0和OCV_1代入SOC-OCV拟合方程得到SOC_0和SOC_1;
步骤8:电池容量Q=△Ah/(SOC_0和SOC_1);
步骤9:将电池退役前时间、累计里程(或累计充电量)、充电次数等数据代入电池寿命预测模型,初步预测得到电池剩余循环次数或者剩余使用时间。
#此处需要一定量数据积累,模型建立后仅需少量数据即可进行初步预测,可以克服整车厂不愿意提供全量数据的难题。
2、SOC-OCV的mapping关系处理程序开发;
3、基于现有成熟低成本充放电设备的电池容量测试方法开发;
来源:鲍教授说电池 (责任编辑:子蕊)
|