退役磷酸铁锂电池梯次利用的分选方法研究

李勇琦，雷旗开，王 浩，华思聪

（1.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 广州 510630；3.杭州高特电子设备股份有限公司，浙江 杭州 310012）

0 引 言

电动汽车对动力电池有更高的性能要求，并且动力电池经过长期使用其容量下降到一定程度，如果车辆不能满足动力性能、行驶里程以及安全性能的要求，就必须进行更换和退役。退役动力电池一般有较高的剩余容量（70%初始容量以上）和使用寿命，其经过重新测试、分析和重组后，可应用于其他工作条件相对较好、电池性能要求相对较低的场合。我国电动汽车已进入快速发展阶段，动力锂离子电池退役数量呈现快速增长趋势。动力电池的梯级利用可以产生新的应用价值，降低电动汽车电池的初始购买成本，促进电动汽车的推广应用。同时，动力电池储能系统可以降低储能工程成本，便于储能技术的推广应用，促进节能减排。推进退役动力电池的梯次利用，就必须进行快速的性能检测与分析，剔除不具备梯次利用价值的电池[1-4]。

本文针对退役的磷酸铁锂电池，结合电池容量、能量以及内阻等特征，提出一种基于K-means聚类算法的电池分选方法，可以更准确地分选出性能一致的电池成组。

1 磷酸铁锂电池的电池特性

磷酸铁锂电池凭借在性能及成本方面的优点广受汽车厂商欢迎，其正极由LiFePO4组成，负极由石墨组成，电池内部中间是隔膜，用于隔离正负电极和电子，允许锂离子通过，如图1所示。

图1 磷酸铁锂电池内部结构

在充放电的过程中，磷酸铁锂电池正极的离子反应式为：

由电池自放电或低温环境造成的容量损失均为可逆损失，但随着电池放电循环次数的增加，电池内部也会发生金属锂沉积和电解液分解等副反应，电池的容量会造成不可逆的损失。图2是某厂商提供的磷酸铁锂电池的容量衰减曲线，当放电倍率发生变化，曲线仍旧能保持线性，这利于电池的梯次利用[5]。

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。

图3 梯次利用电池的筛选流程

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]。

图4 K-means聚类算法流程图

计算该类内各点到聚类中心μi的距离平方和，公式为：

式中，xi是数据样本中的数据点，其属于在K均值聚类算法划分的Ck类中。聚类中心μk应该取为类别ck类各数据点的平均值，K均值聚类算法从一个初始的K类别开始，然后将各数据点划分到各个类别中，K均值聚类算法中总的距离平方和随着类别个数K的增加而趋向于减小，当K=n时，J(C)=0[8]。

2.2 电池性能测试的关键指标

容量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，导致电池组利用率降低。

能量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。

图5 K-means聚类结果

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。