退役电池梯次利用的一致性管理研究综述

2021-11-09孟高军孙玉坤李建林马福元

电源技术 2021年10期

关键词：成组模组单体

孟高军，苏令，孙玉坤，李建林，马福元

(1.南京工程学院，江苏南京211100；2.江苏大学电气信息工程学院，江苏镇江212013；3.浙江浙能技术研究院有限公司，浙江杭州311121)

当动力电池容量衰退至其额定容量的80%时，就要从电动汽车上退役。中国汽车工业协会预测，到2025年，我国退役电池累积量将达70 万吨(约116 GWh)。巨量退役的动力电池如何回收成为当前电动汽车行业亟待解决的问题。

退役电池梯次利用是解决这一问题的有效途径[1]。梯次利用就是将退役电池再用于通信基站、UPS、储能电站等领域。从全局看，它能够降低电池产业成本，保护生态环境，具有双重经济与社会效益[1]。

国内外研究机构、企业对退役电池梯次利用技术进行了大量研究，研究工作主要集中在全生命周期溯源、系统构建、性能诊断与分析、寿命预测、分选原则与方法、均衡控制与管理技术、电池典型应用场景经济性评估等方面[2]。

退役电池与新出厂电池不同，它的一致性因使用过会有很大变化，也就是说同一电池包内的单体电池性能差异可能变大。直接梯次利用退役电池或电池包，有可能使电池出现过充、过放、热失控、爆炸等安全性问题[3]。

研究电池均衡管理技术[4]和分选评估技术[5]能够缓解上述问题，提高电池成组一致性，延长使用寿命。在大量查阅已有文献基础上，对均衡技术和分选技术的相关研究进行综述。

1 电池均衡技术

电池均衡是解决退役电池再利用时性能不一致性的关键技术之一。均衡通过外部电路能量转移或消耗的方式，减小电池单体之间、电池模组之间性能的差异，弥补电池因“木桶效应”带来的缺点，进而提高电池一致性，提升退役电池的剩余可用容量，延长其使用寿命[6]。

1.1 单体均衡

用于退役电池单体的均衡电路根据其能量转移耗散方式不同可分为被动均衡和主动均衡[7-8]，均衡电路类型及其细分见图1。

图1 均衡电路类型

被动均衡也称为能量耗散式均衡，是通过耗能原件(多采用电阻)将能量较高的电池单体以热能的形式将其电量消耗掉，从而达到电池单体间容量或电压的一致性[7]。被动均衡的电路主要由开关和电阻组成，开关电阻式均衡电路见图2。

图2 开关电阻式均衡电路

被动均衡电路，拓扑结构简单且方便控制，在电动汽车中使用较为普遍。但电池电量以热能的形式消耗掉会降低能量利用率，同时加剧电池老化速度，在性能已经衰退的退役电池中应用较少。

主动均衡也称为能量转移式均衡，是以电容、电感等储能元件作为能量转移和缓冲载体，将电能在电池间进行传递，以实现电池间的均衡控制。主动均衡根据能量载体不同，可分为电容式、电感式和变压器式均衡等[8]。图3 为常用的主动均衡拓扑电路。

图3 主动均衡拓扑电路

主动均衡具有优秀的均衡效率和较高的能量利用率，但其电路拓扑设计难度大，控制策略复杂。它适用于性能离散度较高的退役电池，是单体均衡技术研究热点，目前在电动汽车上使用较少。

徐梦蝶[9]选择电感作为储能元件，为退役电池设计了主动均衡电路，在单体间采用集中式主动均衡，在模组间采用分布式主动均衡，该电路拓扑结构能适应电池数量发生变化的情况，拓展性较好。赵光金等[10]将主动均衡与被动均衡相结合，提出智能分时的主被动协同均衡控制策略，该电路主动均衡用电感储能，被动均衡用电阻分流；恒流充电时启动主动均衡，恒压充电时启动被动均衡，进行分段能量转移，使均衡更精准，但其控制策略非常复杂。

各种均衡技术优缺点对比情况见表1。基于电阻的均衡器效率较低，不适用于性能已衰退的退役电池。基于变压器的均衡器效率与均衡速度相对理想，但集成难度大，成本高，推广应用受限。基于电容式和电感式均衡器效率高、控制容易，是未来主动均衡技术的研究重点。

表1 各均衡技术对比

1.2 模组均衡

退役动力电池通常是以电池模组或电池包的形式存在，将电池模组拆解成单体再组合实现梯次利用的技术路线不经济也不安全[11]。退役电池包内电池，由于工作电流、放电深度等因素的影响，虽然模组间可能出现较大不一致性，但模组内电池一致性相对较好，可直接以模组为基本单元进行梯次利用，这是提高退役电池能量利用效率的合理途径[12]。

用于电池模组的均衡技术也称柔性成组技术，可通过柔性连接模块将低压电池模组接入系统，实现模组间能量均衡[13]。电池模块均衡拓扑见图4。

图4 电池模块均衡拓扑

如图4所示，柔性连接模块一般采用双向DC/DC 变换器，可以根据储能系统的实时需求和各电池模组的工作状态对电池的充放电电压、电流等进行独立控制，最终实现模组间的均衡控制。

郭羽佳[14]设计了一种面向通信系统的退役电池成组均衡拓扑电路。电网电压经过标准无桥功率因数校正变换成直流电压，然后通过隔离式全桥DC/DC 变换器降压至直流48 V，退役电池模组经能量双向流动的四开关管双向DC/DC 变换器接入48 V 直流母线。此拓扑能够在解决电池性能不一致性问题的同时，实现对电网的削峰填谷。李圆圆等[15]以能够实现双向升降压的新型DC/DC 开关电源为基础，提出一种多模块并联输入串联输出(MPISO)的电池成组拓扑结构，解决了储能系统各电池模块间荷电状态(SOC)存在差异时的SOC一致性收敛问题。

模组均衡技术与单体均衡技术相比，虽然成组拓扑复杂，但更具经济性与安全性，且电池能量利用率高，成组拓扑可扩展性强，更加适合以模组为基本单元的退役电池[16]。

1.3 均衡策略

退役电池均衡技术的硬件拓扑是实现均衡控制的基础，均衡策略是决定均衡有效性的核心，是保证电池一致性的关键[17-19]。

均衡控制策略是指基于给定的控制方法，结合所选均衡变量，控制电池单体或电池模组的性能基本保持一致[20]。均衡控制策略的制定需要综合考虑均衡方法及均衡变量的选择。若策略制定不当，可能会导致系统均衡不足或过均衡，从而降低电池使用寿命，引发热失控甚至自燃等安全问题。

朱运征等[17]建立了一种考虑退役电池SOC、健康状态(SOH)、电压的多变量综合评价分析均衡策略，实时分析电池的特征参数，控制需要维护的充放电电池配比，达到电源总线平衡，保证了电池单体以及电池组的一致性。YANG 等[18]以SOC为均衡目标变量，组内、组间采用不同的均衡策略。对于组内均衡，估算电池SOC进行排序分区，根据电池状态，分为5 种情况，制定最优均衡路径，实现单体之间SOC均衡。对于组间均衡，估算模组的SOC均值，确定需要均衡的模组对，进行直接均衡或间接均衡。该控制策略降低了均衡难度，提高了均衡速度。

2 一致性分选技术

电池一致性分选技术是解决退役电池再利用的另一关键技术。将电池内、外部特性参数作为分选特征参数，使用算法或规则将性能相近的电池聚为一类。分选方法按分选特征参数分类，主要可分为单参数分选、多参数分选、动态特性曲线分选和综合特性分选[21]。

2.1 单参数分选

单参数分选法常采用容量、温度或内阻等内、外部静态特性参数中的一种，对电池进行分选[22-24]。

严媛等[22]用温度巡检仪测试充放电试验中退役电池模块各单体的工作温度，依据测试结果将温度相近的电池聚为一类。李扬等[23]综合考虑经济成本、分选可靠性和实际应用多方面因素，给出用于退役电池分选的3 种方法：基于可用容量最大化、基于容量区间分割和基于电池组特征向量Mahalanobis 距离。基于容量区间分割和基于可用容量最大化的分选方法分选速度快、经济效益好，但电池成组可靠性低；基于电池组特征向量Mahalanobis 距离的分选方法分选准确，但数据量大耗时长。

单参数分选法虽然分选速度快，操作简单，但仅考虑单一因素并不能完全表征退役电池性能的离散性，且存在人为扩大某参数影响程度的可能性，分选可靠性与准确程度低。

2.2 多参数分选

多参数分选法是选取退役电池的多个特征参数，如开路电压(OCV)、容量和自放电率等作为分选特征参数，综合评价电池性能，依据评价的相似程度运用聚类算法对一致性较好的电池进行分选重组[25-27]。

考虑各个参数在电池成组时的贡献程度不同，徐刚等[28]和东南大学谌虹静课题组[21]均采用层次分析法确定用于退役电池分选的性能指标及其权重，之后，徐刚等运用K-means 算法实施退役电池分选，谌虹静等先采用关联度理论计算各电池性能指标与最优指标集的关联度将退役电池分为4 类，再使用近邻传播聚类算法对同类电池进行聚类重组。焦东升等[29]将模糊数学与电池分选相结合，采用模糊聚类算法建立电池筛选模型，选择欧式距离计算电池间的差异程度，然后通过截取阈值的方式对电池进行分类。该分类方法证明了电池的性能衰退与成组拓扑、箱体结构有关。

多参数分选法比单参数分选法具有更好的成组一致性，但过多参数的引入会导致算法运行速度下降，同时参数的获取需要经过一系列完整的电池测试试验，耗时长，分选效率较低。

2.3 动态特性曲线分选

单参数分选法与多参数分选法仅考虑电池稳定状态下特征参数的一致性，因此也称为静态特性分选。该方法忽略了电池运行期间的参数变化，并不能完全代表退役电池的性能差异，仍具有一定的局限性。

3 只退役电池放电后的电压曲线，放在一个坐标系内比较，比较情况见图5。图5 中，理想状态下，当电池一致性较好时，其电压曲线基本重合，见曲线1 和曲线2；当退役电池性能离散性较大时，曲线的位置和形状发生变化，也不与其他曲线重合，见曲线3。

图5 电池电压曲线

电池的动态特性曲线能表现电池工作电压、电流随时间变化特征，也能间接反映电池循环寿命、容量和内阻的差异。以动态特性曲线相似程度为依据进行电池分选，能够最大程度保证成组电池的一致性[30]。

王帅等[31]基于一致性影响因素构造了变换矩阵，在电压曲线上把拉伸矢量和平移量作为表征指标，根据不同影响因素下表征指标的变化趋势采用层次分析法计算各个指标的权重值，最后基于模组内和模组间一致性综合指标对模组进行聚类。该方法综合考虑模组内和模组间性能差异性，能够有效地实现退役电池模组的一致性分选。孙国跃等[32]分析了退役电池的OCV与SOC、OCV与能量状态(SOE)、OCV与放电容量(CD)的特性曲线，提出基于OCV-CD曲线和罗曼诺夫斯基准则的电池单体筛选方法。RAN 等[33]利用获取的退役电池5%SOC时的混合动力脉冲能力特性(HPPC)测试曲线，通过Canopy 算法确定聚类中心个数，之后使用二分K-means 算法对电池聚类，聚类结果稳定性得以提升。

动态特性曲线分选法电池成组一致性好，但该方法是曲线聚类，若完整考虑特性曲线，数据量庞大，会产生“维数灾难”，导致聚类困难，因此想要实现该方法的规模化应用，有必要对曲线进行降维。

2.4 综合特性分选

基于上述分析，单参数分选法分选速度快，但分选可靠性差；多参数分选法分选速度与分选可靠性均一般；动态特性分选电池成组一致性好，但曲线聚类效率较低；综合特性分选将静态分选与动态分选的优势相结合，在实现退役电池一致性管理的同时，提高分选速度，兼顾分选效率与成组一致性，是目前国内外一致性分选技术的研究热点[34-39]。

高崧等[35]首先选取多参数分选法对退役电池初选，减少电池数量，然后选取放电曲线各阶段的代表性特征点作为分选参数，采用K-means 聚类算法对初选后的电池进行聚类。该方法分选速度快且电池组性能较为一致。龙希金[36]获取倍率放电曲线的状态电压和状态电阻作为分选指标，根据该指标利用最小二乘算法和层次聚类法对电池进行聚类。上海理工大学郑岳久课题组[38]用快速充电曲线提取的特征电压间接表征容量的不一致，进一步利用支持向量机算法建立容量预估模型，以实现根据电压对电池容量的快速预估，同时内阻由恒流充电曲线起始处的电压突变获得；最后根据最小容量和平均内阻原则，对模块进行了带有权重因子的K-means 聚类。该方法由于省去了标准的电池测试步骤，分选效率得以大幅提升。