何忠霖，周 萍

(上海理工大學(xué) 機(jī)械工程學(xué)院,上海 200093)

隨著新能源汽車的飛速發(fā)展，世界各國都將面臨大批量退役電池處理的問題。目前，退役鋰電池的處理方法有兩種：一種是直接回收處理；另一種為梯次利用后再回收處理。梯次利用場景包括將退役鋰電池用于慢速電動(dòng)車、移動(dòng)電源、家庭備用電源以及儲(chǔ)能等場所[1-3]。考慮到電動(dòng)車退役后仍有70%～80%的可用容量[4]，后者將提高鋰電池全生命周期的經(jīng)濟(jì)性。

關(guān)于退役電池梯次利用主題的第一種方法是由美國先進(jìn)電池聯(lián)盟進(jìn)行的，其中Pinsky等人研究了使用二次鎳氫化物電池的技經(jīng)濟(jì)可行性[5]。Saxen等人討論了電池退役標(biāo)準(zhǔn)在初始容量80%的適用性，以便電池在老化時(shí)滿足客戶需求的續(xù)航能力[6]。在經(jīng)濟(jì)方面，將退役鋰電池用于備用電源和儲(chǔ)能場所是有一定經(jīng)濟(jì)效益的[7-12]。在環(huán)境方面，退役電動(dòng)車用電池的梯次利用可以大大減少二氧化碳的排放量[13-15]。

電動(dòng)汽車用動(dòng)力電源都是由幾十個(gè)甚至上百個(gè)單體電池串并聯(lián)組成電池組形式使用，從而獲得高電壓高容量[16]。然而由于受到工藝制造水平的約束，即使同一廠家、同一批的單體電池或多或少都存在不一致的問題。此外，在電池組大量循環(huán)使用過程中，在不同的工況和溫度等環(huán)境下，單體電池的衰減速度是不一樣的，從而加劇了單體電池之間的不一致性[17]。退役鋰電池一致性問題尤為明顯，在使用過程中容易引起過充、過放等問題，嚴(yán)重時(shí)將會(huì)導(dǎo)致安全問題。因此，在對(duì)退役鋰電池進(jìn)行梯次利用之前，需要先對(duì)其進(jìn)行分選，將容量和內(nèi)阻一致的電池分選出來并重新串并聯(lián)組成電池組。傳統(tǒng)的分選方法需要對(duì)單個(gè)電池進(jìn)行逐個(gè)測試從而完成分選，但此方法需要耗費(fèi)大量的人力物力，不適合用于大批量電池快速的分選。為了提高對(duì)退役動(dòng)力電池的分選速度，本文制定了一個(gè)快速分選方法：首先對(duì)待分選的電池進(jìn)行并聯(lián)均衡；然后進(jìn)行串聯(lián)恒流充電，結(jié)合電池容量和電壓之間的內(nèi)在聯(lián)系，采用徑向基神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network，RBFNN)模型對(duì)電池電壓和容量進(jìn)行訓(xùn)練，在滿足精度的情況下完成電池分選。

1 分選原理與方法

1.1 分選原理

在初始電壓相同的情況下，對(duì)退役鋰電池進(jìn)行串聯(lián)充電。由于每個(gè)電池在串聯(lián)充電期間充入的電量相同，那么老化程度不同的電池，其上升的電壓不相同。容量衰減大電池，其上升的電壓越大；容量衰減小的電池，其上升的電壓越小。為此制定了對(duì)電池實(shí)施先均衡后串聯(lián)充電的分選方法。

根據(jù)上述分選原理，制定了以下分選過程。首先對(duì)同批次的退役電池進(jìn)行并聯(lián)均衡，如圖1所示。并聯(lián)均衡期間，電壓高的電池將對(duì)電壓低的電池進(jìn)行充電，從而使自身的電壓降低，電壓低的電池因?yàn)槭艿搅穗娏康难a(bǔ)充，導(dǎo)致自身的電壓升高。并聯(lián)均衡的結(jié)果就是每個(gè)電池的電壓都一致。

圖1 電池并聯(lián)均衡Figure 1. Battery parallel equalization

然后對(duì)所有電池進(jìn)行串聯(lián)充電5 min，如圖2所示。0～t1時(shí)刻為電池?cái)R置階段，這個(gè)階段電池的電壓保持不變。t1～t3時(shí)刻為充電階段，電壓從t1時(shí)刻開始上升，一直到t3時(shí)刻電池充電結(jié)束為止。其中t1時(shí)間為剛開始充電時(shí)刻，此時(shí)電池電壓記為U1。t2時(shí)間為充電10 s時(shí)刻，此時(shí)的電壓記為U2。t3時(shí)間為充電5 min時(shí)刻，此時(shí)的電壓記為U3。t3時(shí)刻之后為電池?cái)R置階段，這個(gè)階段，電池電壓先會(huì)慢慢下降然后保持不變。t1～t3之間的電壓變化由兩部分構(gòu)成，一部分是由電池極化所導(dǎo)致的，也就是由內(nèi)阻所導(dǎo)致的電壓變化，記為UR，其值等于t1～t2之間的電壓差，如式(1)所示。另一部分是排除內(nèi)阻干擾后的電壓變化，可以認(rèn)為是由充電導(dǎo)致電池的SOC(State of Charge)上升從而引起的開路電壓升高，以Uo表示，如式(2)所示。串聯(lián)充電后，容量不同的電池其電壓變化不同，因此，可以利用排除內(nèi)阻干擾后的電壓Uo和容量之間的內(nèi)在關(guān)系進(jìn)行電池分選。

UR=U2-U1

(1)

式中，UR代表電池內(nèi)阻電壓；U1為初始電壓；U2為充電10 s后的電壓。

Uo=U3-UR

(2)

式中，Uo代表電池排除內(nèi)阻干擾后的開路電壓；UR為電池的內(nèi)阻電壓；U3為充電結(jié)束時(shí)的電壓。

圖2 電池串聯(lián)充電Figure 2. Battery serial charging

1.2 內(nèi)阻分選

電池的內(nèi)阻一般用脈沖充放電法獲取。通常將電池?cái)R置一段時(shí)間直至電壓不再變化，然后短時(shí)間內(nèi)快速充放電。由于充放電時(shí)間太短，可以忽略對(duì)電池SOC的影響。那么這段時(shí)間電壓的變化都是由內(nèi)阻所引起的，因此可用歐姆定律來求電阻。如前文所述，本文就是利用串聯(lián)充電前10 s的電壓變化，通過歐姆定律獲取電池內(nèi)阻，如式(3)所示。

R=UR/Icha

(3)

式中，R為電池內(nèi)阻；UR為電池內(nèi)阻電壓；Icha為充電電流。

1.3 基于RBFNN電池容量分選

由于RBFNN本質(zhì)上實(shí)現(xiàn)了從輸入到輸出的映射功能，并且數(shù)學(xué)理論已證明它具有實(shí)現(xiàn)任何復(fù)雜的非線性映射功能，可以用于求解內(nèi)部機(jī)制復(fù)雜的問題，使得它適合應(yīng)用于回歸預(yù)測、分類識(shí)別等問題。因此，本文將采用RBFNN模型對(duì)電池電壓和容量等數(shù)據(jù)進(jìn)行大量訓(xùn)練。隨后，此模型還可用于對(duì)其它電池容量進(jìn)行預(yù)測。與傳統(tǒng)方法相比，神經(jīng)網(wǎng)絡(luò)具有精度高、速度快的優(yōu)勢。

本文RBFNN模型需要先對(duì)部分電池的數(shù)據(jù)進(jìn)行訓(xùn)練，輸入數(shù)據(jù)采用電池的Uo電壓數(shù)據(jù),可由式(2)得到，輸出數(shù)據(jù)為容量C。在進(jìn)行訓(xùn)練之前，需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理，具體方法就是把數(shù)變?yōu)?-1,1)之間的小數(shù)，如式(4)所示。這樣做的目的是為了更方便處理數(shù)據(jù)，加快網(wǎng)絡(luò)訓(xùn)練的收斂性，提高訓(xùn)練速度。當(dāng)訓(xùn)練完成以后，只需輸入一批新的數(shù)據(jù)Uo，就可以對(duì)容量C進(jìn)行估計(jì)了，整個(gè)分選流程如圖3所示。

X=2(Uo-Uo_min)/(Uo_max-Uo_min)-1

(4)

式中，Uo_max和Uo_min為輸入RBFNN模型中電壓Uo的最大和最小值。

圖3 基于RBFNN電池容量分選流程Figure 3. Battery capacity sorting process based on RBFNN

2 仿真與實(shí)驗(yàn)

2.1 仿真分選

由于目前實(shí)驗(yàn)室沒有大批量的退役電池，因此本文先采用仿真方式進(jìn)行分選。本文將對(duì)108個(gè)電池進(jìn)行仿真分選，它們的容量設(shè)置如圖4所示。為了使仿真更加符合實(shí)際情況，電池容量的設(shè)置是以現(xiàn)實(shí)中的電池作為參考對(duì)象。

圖4 108個(gè)電池容量分布Figure 4. Distribution of 108 batteries capacity

實(shí)際情況下需要先對(duì)電池進(jìn)行均衡，才能使電池的電壓一致，而在仿真中則不需要這一步，只需將電池的初始電壓設(shè)為一致即可。本次仿真將設(shè)置所有電池的初始SOC=10%，然后采用1/3C(C為電池充放電倍率)的充電倍率對(duì)電池進(jìn)行串聯(lián)充電5 min，其結(jié)果如圖5所示。電池內(nèi)阻可由式(1)和式(3)得到，結(jié)果如圖6所示。

本文抽取108個(gè)電池中前60%的電池?cái)?shù)據(jù)作為訓(xùn)練樣本，其中Uo作為輸入訓(xùn)練數(shù)據(jù)，容量C作為輸出訓(xùn)練數(shù)據(jù)。訓(xùn)練完成后，剩余的40%的電池作為驗(yàn)證，即輸入U(xiǎn)o，就可以對(duì)電池的容量C進(jìn)行預(yù)測，如圖7所示。從圖中可以看到，RBFNN模型對(duì)電池容量估計(jì)的結(jié)果精度非常高，容量最大誤差不超過±5%，說明基于RBFNN預(yù)測模型可用于對(duì)大批量退役電池進(jìn)行分選。

圖5 108個(gè)電池仿真結(jié)果Figure 5. Simulation results of 108 batteries simulation

圖6 108個(gè)電池內(nèi)阻分布Figure 6. Distribution of 108 batteries internal resistance

(a)

(b)圖7 基于RBFNN模型電池容量估計(jì)結(jié)果與誤差(a)容量估計(jì) (b)誤差Figure 7. Battery capacity estimation results and errors based on RBFNN model(a) Capacity estimation (b) Errors

2.2 實(shí)驗(yàn)分選

本次實(shí)驗(yàn)共選取15個(gè)不同老化程度的三元鋰離子電池，其性能參數(shù)如表1所示。

首先對(duì)電池進(jìn)行標(biāo)號(hào)(Cell1～Cell15)，這是為了更好的區(qū)分電池。然后對(duì)電池進(jìn)行標(biāo)準(zhǔn)容量測試，如圖8所示。因?yàn)槊看坞姵厝萘繙y試的結(jié)果都有微小的差異，所以對(duì)電池進(jìn)行3次容量測試，取其平均值作為電池的標(biāo)準(zhǔn)容量，結(jié)果如表2所示。

表1 三元鋰離子電池基本參數(shù)

圖8 電池容量測試Figure 8. Battery capacity tests

然后對(duì)所有電池進(jìn)行并聯(lián)均衡，就是用導(dǎo)線將所有電池的正極連接起來，所有的負(fù)極同樣用導(dǎo)線連接起來，這樣電壓高的電池會(huì)向電壓低的電池充電，最終所有的電池電壓會(huì)一致，如圖9所示。

圖9 電池均衡處理Figure 9. Battery equalization processing

最后，對(duì)電池進(jìn)行串聯(lián)恒流充電操作，結(jié)果如圖10所示。從圖中可以看出，0～300 s之間的電池電壓基本一致，說明均衡的效果非常良好；300～600 s為電池充電階段，圖中電池電壓曲線差異較大，這也證明了本文前面所述的老化程度不同的電池，其充電電壓曲線也不同。因此，可以利用這些差異對(duì)電池進(jìn)行分類。

圖10 15個(gè)電池串聯(lián)充電結(jié)果Figure 10. Results of 15 batteries serial charging

如前文的分選原理所述，通過式(2)可以得到每個(gè)電池的Uo，結(jié)果如表2所示。

表2 15個(gè)電池容量和Uo

因?yàn)楸敬螌?shí)驗(yàn)只有15個(gè)電池，所以將抽取前面70%的電池作為RBFNN訓(xùn)練樣本，剩下30%的電池作為驗(yàn)證，結(jié)果如圖11所示。從圖中可以看到，盡管實(shí)驗(yàn)數(shù)據(jù)不是很多，但RBFNN模型對(duì)電池容量估計(jì)的結(jié)果精度仍然較高，容量最大誤差不超過±3%，說明基于RBFNN預(yù)測模型可用于對(duì)大批量退役電池進(jìn)行容量估計(jì)。

(a)

(b)圖11基于實(shí)驗(yàn)數(shù)據(jù)RBF容量預(yù)測結(jié)果及誤差(a)容量估計(jì) (b)誤差Figure 11. RBF capacity prediction results and errors based on experimental data(a)Capacity estimation (b) Errors

3 分類重組

如前文所述，電動(dòng)汽車用電池退役時(shí)一般還留有80%的容量，具有梯次利用的價(jià)值。當(dāng)電池衰減到60%以下時(shí)，從理論上講還有利用的價(jià)值，但實(shí)際上這類電池問題頗多，應(yīng)該及時(shí)進(jìn)行回收處理。因此，可以認(rèn)為容量在60%以上的電池才有利用價(jià)值。

本文將以內(nèi)阻為縱坐標(biāo)，容量為橫坐標(biāo)對(duì)電池進(jìn)行分類重組。將容量劃分為2個(gè)區(qū)間：60%～80%(20～26 Ah)、80%～100%(26～32.5 Ah),容量在60%以下的電池不進(jìn)行討論。內(nèi)阻以最大值和最小值的平均值為分界線，內(nèi)阻在平均值以上的為高內(nèi)阻，內(nèi)阻在平均值以下的記為低內(nèi)阻。重新分組的結(jié)果如圖12所示。

(a)

(b)圖12 108個(gè)仿真電池及16個(gè)實(shí)驗(yàn)電池分組結(jié)果(a)仿真電池 (b)實(shí)驗(yàn)電池Figure 12. Grouping results of 108 simulation batteries and 16 experimental batteries (a)Simulation batteries (b) Experimental batteries

從圖中可以看到電池被分為4個(gè)部分：第一部分為高容量、低內(nèi)阻部分，這部分電池其應(yīng)用價(jià)值最高，適用于對(duì)電池要求嚴(yán)格的場所；第二部分為高容量、高內(nèi)阻部分，這部分電池適用于以小電流進(jìn)行持續(xù)放電的能量型場所；第三部分為中等容量、低內(nèi)阻部分，這部分電池適用于以大電流進(jìn)行持續(xù)放電的功率型場所，但對(duì)電池規(guī)格需求應(yīng)適當(dāng)降低；第四部分為中等容量、高內(nèi)阻部分，這部分電池適用于以小電流進(jìn)行持續(xù)放電的能量型場所，需對(duì)電池規(guī)格要求適度降低。

4 結(jié)束語

本文探討了對(duì)退役鋰電池快速分選的研究，根據(jù)不同電池?fù)碛胁煌妷呵€的特點(diǎn)，制定了均衡-充電法。先對(duì)電池進(jìn)行均衡處理，再對(duì)電池進(jìn)行串聯(lián)充電，結(jié)合容量和電壓之間的內(nèi)在聯(lián)系，提出了RBFNN預(yù)測法。RBFNN預(yù)測法是利用其輸入輸出的一一對(duì)應(yīng)功能和快速學(xué)習(xí)能力對(duì)一部分電池的電壓Uo和容量C進(jìn)行輸入輸出訓(xùn)練，并將訓(xùn)練后的RBFNN模型對(duì)電池進(jìn)行容量估計(jì)。最后，以內(nèi)阻為縱坐標(biāo)，容量為橫坐標(biāo)，實(shí)現(xiàn)了對(duì)電池進(jìn)行分類重組的目標(biāo)。