退役动力电池特性及分选方法研究

王乔; 李海英; 汪小琪; 丁梦姗

doi:doi:10.19912/j.0254-0096.tynxb.2024-0752

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

退役动力电池特性及分选方法研究

更新时间：2025-10-22

- 退役动力电池特性及分选方法研究
- 暂无标题
- 太阳能学报 2025年46卷第9期页码：273-283
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-0752
  中图分类号： TM912
- 网络出版：2025-10-14，
  
  纸质出版：2025
- 稿件说明：
移动端阅览
王乔, 李海英, 汪小琪, 等. 退役动力电池特性及分选方法研究[J]. 太阳能学报, 2025,46(9):273-283.
王乔, 李海英, 汪小琪, 等. 退役动力电池特性及分选方法研究[J]. 太阳能学报, 2025,46(9):273-283. DOI： doi:10.19912/j.0254-0096.tynxb.2024-0752.

DOI：

摘要

针对退役锂电池梯次利用过程中单体间一致性较差、分选效率低、无法满足使用要求的问题

研究首先对退役锂电池进行容量、内阻、自放电特性、循环寿命特性及充放电温升性能检测

分析电池当前性能状态;然后利用主成分分析（PCA）法对充电容量、放电容量、库伦效率、充电能量、放电能量、开路电压及内阻这7项性能参数进行分选因子筛选;最后通过数据预处理、优化初始点选取方式、改进距离公式对K均值算法进行优化

实现对电池的聚类划分。研究结果表明

高倍率放电会加速电池老化

且低温环境下电池放电容量下降明显。利用PCA算法筛选得出选用电池放电容量、开路电压、内阻作为分选因子能较全面地反映电池性能;通过改进后的K均值算法对300组数据进行聚类分选得出

当K=4时聚类效果最优。

Abstract

Aiming at the problem of poor consistency between individual cells

low sorting efficiency and failure to meet the use requirements during the recycling of retired lithium batteries

the study first tested the capacity

internal resistance

self-discharge characteristics

cycle life characteristics and charge and discharge thermal behavior of waste lithium batteries to analyze the current status of the battery performance; then the principal component analysis （PCA） method was used to screen the sorting factors of seven performance parameters

including charging capacity

discharge capacity

coulomb efficiency

charging energy

discharge energy

open circuit voltage and internal resistance; finally

the -means algorithm was optimized by preprocessing the data

optimizing the initial point selection method and improving the distance formula to achieve clustering of the battery. The results show that high-rate discharge will accelerate battery aging

and the battery discharge capacity will decrease significantly under lower temperature conditions. Through PCA algorithm analysis

the battery discharge capacity

open circuit voltage and internal resistance can be selected as sorting factors

fully reflecting battery performance. The improved -means algorithm was used to cluster and sort 300 groups of data

and it was found that when =4

the clustering effect was optimal.

关键词

Keywords

references

周弋惟, 陈卓, 徐建鸿. 湿法冶金回收废旧锂电池正极材料的研究进展[J]. 化工学报, 2022, 73(1): 85-96.

王海波, 林虹, 宋文龙, 等. 2024年上半年中国电池行业运行情况[J]. 电池, 2024, 54(4): 445-449.

于会群, 胡哲豪, 彭道刚, 等. 退役动力电池回收及其在储能系统中梯次利用关键技术[J]. 储能科学与技术, 2023, 12(5): 1675-1685.

李春生, 王生春, 宋驰, 等. 基于多状态耦合的退役动力电池模组双阶段分选方法[J]. 储能科学与技术, 2025, 14(2): 822-830.

XU Z C, WANG J, LUND P D, et al.A novel clustering algorithm for grouping and cascade utilization of retired Li-ion batteries[J]. Journal of energy storage, 2020, 29: 101303.

HU L, YE Y, BO Y, et al.Performance evaluation strategy for battery pack of electric vehicles: online estimation and offline evaluation[J]. Energy reports, 2022, 8: 774-784.

孙舟, 田贺平, 王伟贤, 等. 梯次利用电池储能系统参与用户侧削峰填谷的经济性研究[J]. 太阳能学报, 2021, 42(4): 95-100.

赵光金, 李博文, 胡玉霞, 等. 退役动力电池梯次利用技术及工程应用概述[J]. 储能科学与技术, 2023, 12(7): 2319-2332.

LAI X, QIAO D D, ZHENG Y J, et al.A rapid screening and regrouping approach based on neural networks for large-scale retired lithium-ion cells in second-use applications[J]. Journal of cleaner production, 2019, 213: 776-791.

郑志坤, 赵光金, 金阳, 等. 基于库仑效率的退役锂离子动力电池储能梯次利用筛选[J]. 电工技术学报, 2019, 34(S1): 388-395.

颜宁, 钟瑶, 李相俊, 等. 基于风险防御的退役动力电池递进式分选方法研究[J]. 太阳能学报, 2022, 43(5): 525-532.

段双明, 王恩吉, 朱微, 等. 基于锂电池电压片段的退役电池快速筛选重组[J]. 电网技术, 2024, 48(10): 4264-4274.

UNO M, LIN Z Y, KOYAMA K.Series-parallel reconfigurable electric double-layer capacitor module with cell equalization capability, high energy utilization ratio, and good modularity[J]. Energies, 2021, 14(12): 3689.

王乔, 李海英, 汪小琪, 等. 废旧锂离子电池正极材料有价金属回收研究进展[J]. 化学通报, 2024, 87(4): 441-448.

梅简, 裘吕超, 惠洋, 等. 退役磷酸铁锂动力电池性能评估[J]. 电源技术, 2021, 45(8): 996-1000.

申永鹏, 孙嵩楠, 孙建彬, 等. 电流特征对锂离子电池性能的影响研究[J]. 太阳能学报, 2023, 44(6): 61-70.

CHEN Z H, DENG Y L, LI H L, et al.An efficient regrouping method of retired lithium-ion iron phosphate batteries based on incremental capacity curve feature extraction for echelon utilization[J]. Journal of energy storage, 2022, 56: 105917.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据