基于电池健康状态的退役锂电池梯级利用分选方法及系统

本发明属于锂电池，尤其涉及一种基于电池健康状态的退役锂电池梯级利用分选方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、随着人们对于环境和能源问题的重视，以锂电池为主的动力电池市场呈现出爆发式发展。随着锂电池供应量的不断攀升，废旧锂电池的数量也随之急速增加，快速达到锂电池的退役高峰。预计2029年，全球将约有300万个新能源汽车动力电池包到达退役期。锂电池正极材料有钴酸锂(licoo2)、锰酸锂(limn2o4)、磷酸铁锂(lifepo4)及三元材料(ni、co、mn)等。其中，磷酸铁锂电池具有安全性高、寿命长、原料价格低、环境友好且技术成熟的优点，是市场上存量较大的一种电池材料。目前，退役磷酸铁锂电池约占退役锂电池总量的65％，大规模的磷酸铁锂电池将面临报废。

3、目前，已有的锂离子电池回收流程包括预处理和正极材料回收两部分。其中，预处理分为放电、拆解、破碎、分选等步骤。正极材料的回收处理工艺中，具有较高工业应用价值的主要为火法回收、湿法回收、生物回收工艺。这种方法存在着工艺流程单一、回收效率低下、对资源的利用率较低、经济效益低等问题。

技术实现思路

1、为了解决上述背景技术中存在的技术问题，本发明提供一种基于电池健康状态的退役锂电池梯级利用分选方法及系统，不仅基于电池健康状态，将可以作为储能电池纳入储能电站的退役锂电池筛选出来，实现了锂电池的梯级利用，实现了资源的充分利用；而且，将电池健康状态相差较小的退役锂电池分为一组，作为储能电站的一个储能单元，实施统一管理与退役，显著降低电池热失控的风险；还对纳入储能电站的退役锂电池进行动态监测，直到储能电池的电池健康状态达到设定值，具有很高的经济效益。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明的第一个方面提供一种基于电池健康状态的退役锂电池梯级利用分选方法，其包括：

4、获取退役锂电池的放电前红外视频；

5、基于红外视频，通过深度学习视频识别算法，得到退役锂电池的电池健康状态后，基于所述退役锂电池的电池健康状态，判断是将退役锂电池作为储能电池纳入储能电站，还是将退役锂电池作为废弃电池进行拆解回收；

6、基于电池健康状态，将所述储能电池分为若干组，以将同一组的储能电池放入同一储能集装箱，作为储能电站的一个储能单元，并定期对每个组内的储能电池进行抽样，并对抽样储能电池，通过深度学习视频识别算法，得到抽样储能电池的电池健康状态后，判断是否将组内的储能电池作为废弃电池进行拆解回收。

7、进一步地，所述退役锂电池包括废弃磷酸铁锂储能电池和废弃磷酸铁锂动力电池。

8、进一步地，所述深度学习视频识别算法，利用slowfast网络提取所述红外视频的空间序列特征与时间序列特征，并将所述空间序列特征与时间序列特征进行拼接后输入长短期记忆网络。

9、进一步地，所述废弃电池依次进行化学法放电预处理和人工机械分离，得到正极材料、负极材料和电解质溶液。

10、进一步地，所述化学法放电预处理包括：将废弃电池放入氯化钠溶液中后，废弃电池正负极短路而放电，并与氯化钠溶液发生电解反应，产生氢气和氯气。

11、本发明的第二个方面提供一种基于电池健康状态的退役锂电池梯级利用方法，其包括：

12、利用如上述所述的一种基于电池健康状态的退役锂电池梯级利用分选方法，得到储能电池和废弃电池；

13、将储能电池纳入储能电站，将废弃电池进行拆解回收。

14、本发明的第三个方面提供一种基于电池健康状态的退役锂电池梯级利用分选系统，其包括：

15、视频获取模块，其被配置为：获取退役锂电池的放电前红外视频；

16、电池健康状态识别模块，其被配置为：基于红外视频，通过深度学习视频识别算法，得到退役锂电池的电池健康状态后，基于所述退役锂电池的电池健康状态，判断是将退役锂电池作为储能电池纳入储能电站，还是将退役锂电池作为废弃电池进行拆解回收；

17、利用模块，其被配置为：基于电池健康状态，将所述储能电池分为若干组，以将同一组的储能电池放入同一储能集装箱，作为储能电站的一个储能单元，并定期对每个组内的储能电池进行抽样，并对抽样储能电池，通过深度学习视频识别算法，得到抽样储能电池的电池健康状态后，判断是否将组内的储能电池作为废弃电池进行拆解回收。

18、进一步地，所述退役锂电池包括废弃磷酸铁锂储能电池和废弃磷酸铁锂动力电池。

19、本发明的第四个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于电池健康状态的退役锂电池梯级利用分选方法中的步骤。

20、本发明的第五个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于电池健康状态的退役锂电池梯级利用分选方法中的步骤。

21、本发明的第五个方面提供一种计算机程序产品，其为一种含有计算机程序的计算机程序产品，当处理器执行所述计算机程序时，实现如上述所述的一种基于电池健康状态的退役锂电池梯级利用分选方法中的步骤。

22、与现有技术相比，本发明的有益效果是：

23、本发明基于电池健康状态，将可以作为储能电池纳入储能电站的退役锂电池筛选出来，应用于储能电站的建设，实现了锂电池的梯级利用，实现了资源的充分利用，节省了储能电厂的资源消耗，达到了变废为宝的目的。

24、本发明对纳入储能电站的退役锂电池进行动态监测，定期进行储能电池的抽样检测，直到储能电池的电池健康状态达到设定值，其循环次数可达4000次，具有很高的经济效益。

25、本发明将电池健康状态相差较小的退役锂电池分为一组，作为储能电站的一个储能单元，实施统一管理与退役，显著降低电池热失控的风险，增强电池的安全性与可靠性，相较于非统一管理，可使电池热失控概率降低76％，同时降低人力管理成本及设备支出达32％。

26、本发明采用的深度学习视频识别算法不仅极大地节省了时间和成本，而且操作简便，精度高，速度快，对于推动退役动力锂电池梯次利用技术的进一步发展具有重要意义。

技术特征：

1.一种基于电池健康状态的退役锂电池梯级利用分选方法，其特征在于，包括：

2.如权利要求1所述的一种基于电池健康状态的退役锂电池梯级利用分选方法，其特征在于，所述退役锂电池包括废弃磷酸铁锂储能电池和废弃磷酸铁锂动力电池。

3.如权利要求1所述的一种基于电池健康状态的退役锂电池梯级利用分选方法，其特征在于，所述深度学习视频识别算法，利用slowfast网络提取所述红外视频的空间序列特征与时间序列特征，并将所述空间序列特征与时间序列特征进行拼接后输入长短期记忆网络。

4.如权利要求1所述的一种基于电池健康状态的退役锂电池梯级利用分选方法，其特征在于，所述废弃电池依次进行化学法放电预处理和人工机械分离，得到正极材料、负极材料和电解质溶液。

5.如权利要求4所述的一种基于电池健康状态的退役锂电池梯级利用分选方法，其特征在于，所述化学法放电预处理包括：将废弃电池放入氯化钠溶液中后，废弃电池正负极短路而放电，并与氯化钠溶液发生电解反应，产生氢气和氯气。

6.一种基于电池健康状态的退役锂电池梯级利用方法，其特征在于，包括：

7.一种基于电池健康状态的退役锂电池梯级利用分选系统，其特征在于，包括：

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的一种基于电池健康状态的退役锂电池梯级利用分选方法中的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的一种基于电池健康状态的退役锂电池梯级利用分选方法中的步骤。

10.一种计算机程序产品，其为一种含有计算机程序的计算机程序产品，其特征在于，当处理器执行所述计算机程序时，实现如权利要求1-5中任一项所述的一种基于电池健康状态的退役锂电池梯级利用分选方法中的步骤。

技术总结本发明涉及锂电池技术领域，提供了一种基于电池健康状态的退役锂电池梯级利用分选方法及系统，包括：获取退役锂电池的放电前红外视频；基于红外视频，通过深度学习视频识别算法，得到退役锂电池的电池健康状态后，基于所述退役锂电池的电池健康状态，判断是将退役锂电池作为储能电池纳入储能电站，还是将退役锂电池作为废弃电池；基于电池健康状态，将所述储能电池分为若干组，以将同一组的储能电池放入同一储能集装箱，作为储能电站的一个储能单元，并定期对每个组内的储能电池进行抽样，并对抽样储能电池，通过深度学习视频识别算法，得到电池健康状态后，判断是否作为废弃电池。实现了锂电池的梯级利用，实现了资源的充分利用。技术研发人员：张雪松,孙锲,王伟,许世龙,阴晓雪受保护的技术使用者：山东大学技术研发日：技术公布日：2024/6/30