一种基于一致性监测的磷酸铁锂储能电芯组包方法与流程

本发明涉及磷酸铁锂储能电池，特别涉及一种基于一致性监测的磷酸铁锂储能电芯组包方法。

背景技术：

1、以磷酸铁锂作为电池正极材料时，参与电荷转移的是二价铁，二价铁易与氧气反应形成三价铁，生产时需要将三价铁还原成二价铁。若发生过度还原的情况，正极材料中可能残留铁单质，引发短路现象；若还原不充分，磷酸铁锂在正极材料中的比例将减小，导致电池容量不足。这是由材料的化学特性所导致，基本无法完全解决这一问题。因此，磷酸铁锂电池天然会有一致性差的技术问题。在实际使用过程中，若电芯一致性差，会导致部分电芯过充过放、能量使用率低等问题。

2、目前，在组包时一般采用阻容分选法，通过测算放电容量和静态阻挡分配一致性相似的电芯。其不足之处在于：1、只考虑到了电芯出厂时的一致性，并未考虑长期使用下的电芯一致性问题，使得磷酸铁锂储能电池在使用初期效果好，随着使用时间加长，电池衰减速度变快，无法发挥出磷酸铁锂储能电池结构稳定可还原性强的优势；2、对于一致性相差较大的电芯，并未给出合理的处理方式。

技术实现思路

1、本发明公开了一种基于一致性监测的磷酸铁锂储能电芯组包方法，具体方法如下：

2、构建磷酸铁锂电芯衰减速度预测模型；

3、对若干待组包磷酸铁锂电芯进行相同充放电试验，计算每个磷酸铁锂电芯的充电容量评价指标，以及通过衰减速度预测模型预测每个磷酸铁锂电芯的衰减评价指标；

4、采用聚类算法对磷酸铁锂电芯的充电容量评价指标和衰减评价指标进行分类；

5、根据每个磷酸铁锂电芯与所属类别中心的距离，将同一类别且距离小于距离阈值的磷酸铁锂电芯划分为同一可组包小组；

6、选取所有距离大于距离阈值的磷酸铁锂电芯构建待分小组；

7、根据使用场景，对待分小组中磷酸铁锂电芯进行筛选，保留符合要求的磷酸铁锂电芯；

8、符合要求的磷酸铁锂电芯中，以磷酸铁锂电芯的充电容量评价指标与第一权重的积加上衰减评价指标与第二权重的积作为分组评分；

9、选取分组评分在预设范围内的磷酸铁锂电芯进行组包。

10、该实施例的优点在于，在组包时考虑到了当前容量以及衰减速度，因此可保证组包后的磷酸铁锂电池在较长的时间内不会出现一致性差异，提高电池使用效率和产品质量。对于一致性较差的电芯给出了组包策略，提高电芯良品使用率。

11、进一步地，构建磷酸铁锂电芯衰减速度预测模型，具体方法如下：

12、构建神经网络预测模型；

13、选取全新样本电芯进行充放电试验，对样本电芯进行预设次数以上的循环充放电，记录样本电芯每次充满电所需电量；

14、以全新样本电芯充电满所需电量减去最后一次充电所需电量的差，除以循环充放电次数作为样本电芯的衰减速度；

15、以样本电芯前预设次数充满电所需电量和该样本电芯的衰减速度构建训练样本，以若干训练样本训练神经网络预测模型，以训练好的神经网络预测模型作为磷酸铁锂电芯衰减速度预测模型。

16、该实施例的优点在于，通过深度学习模型可预测电芯未来的衰减速度，随着数据样本的增加，预测正确率也会提高。

17、进一步地，通过衰减速度预测模型预测每个磷酸铁锂电芯的衰减评价指标，具体方法如下：

18、充放电试验中，记录每个磷酸铁锂电芯前预设次数充满电所需电量；

19、将磷酸铁锂电芯前预设次数充满电所需电量输入磷酸铁锂电芯衰减速度预测模型，输出该磷酸铁锂电芯的衰减速度；

20、以历史磷酸铁锂电芯的最大衰减速度减去该磷酸铁锂电芯的衰减速度，再除以历史磷酸铁锂电芯的最大衰减速度，算得该磷酸铁锂电芯的衰减评价指标。

21、该实施例的优点在于，构建了一种评价指标，用于量化电芯未来的衰减速度，为后期组包提供了数据基础。

22、进一步地，计算每个磷酸铁锂电芯的充电容量评价指标，具体方法如下：

23、在充放电试验的放电过程中，以放电电流乘以放电时间，算得每个磷酸铁锂电芯的充电容量；

24、以该磷酸铁锂电芯的充电容量除以历史磷酸铁锂电芯的最大充电容量，算得该磷酸铁锂电芯的充电容量评价指标。

25、进一步地，所述聚类算法为k-means聚类算法，具体分类方法如下：

26、以所有待组包磷酸铁锂电芯的衰减评价指标和充电容量评价指标作为二维分类数据；

27、设置分类簇数量，初始化簇中心；

28、计算各分类数据到簇中心的欧式距离；

29、根据欧式距离，将每个分类数据分配距离最近的簇；

30、计算每个簇的中心；

31、重复迭代，直到收敛。

32、该实施例的优点在于，采用聚类算法自动完成二维数据的聚类，可轻易分选出可组包的电芯，分选效果好且分选成本低。

33、进一步地，对待分小组中磷酸铁锂电芯进行筛选，具体方法如下：

34、确定组包后磷酸铁锂电池的使用场景；

35、计算该使用场景下磷酸铁锂电池的平均充放电频率、平均单次使用电量和电池平均使用寿命；

36、以电池平均使用寿命乘以平均充放电频率，算得电池循环次数，即磷酸铁锂电芯循环次数；

37、以电池平均单次使用电量算得磷酸铁锂电芯在使用末期的最低充电电量；

38、以每个待组包磷酸铁锂电芯的最大充电容量减去该磷酸铁锂电芯循环次数与衰减速度的积，所得结果与磷酸铁锂电芯在使用末期的最低充电电量进行比较，若满足要求则保留该磷酸铁锂电芯作为预选电芯，若不满足，则剔除该磷酸铁锂电芯。

39、该实施例的优点在于，针对一致性较差的电芯，根据未来要使用的场景，提供了一种筛选标准，该筛选标准可选出能满足特定使用场景的一致性较差电芯，提供了电芯的使用率，可有效降低电芯的生产成本。

40、进一步地，所述第一权重和第二权重根据组包后磷酸铁锂电池的使用充放电频率决定，充放电频率越快，第二权重越大，充放电频率越慢，第一权重越大。

41、该实施例的优点在于，特定使用场景中充放电频率越快，证明所有电芯的衰减速度越快，此时可选择衰减速度慢但容量较低的电芯匹配容量较大的电芯。

42、进一步地，第一权重和第二权重的计算方法如下：

43、设置基准充放电频率，在基准充放电频率下，第一权重和第二权重均为0.5；

44、以磷酸铁锂电池的实际使用充放电频率与基准充放电频率的差除以基准充放电频率，算得权重修正参数；

45、以权重修正参数加1的和乘以0.5作为第二权重数值，以1减去第二权重数值作为第一权重数值。

46、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书实现和获得。

技术特征：

1.一种基于一致性监测的磷酸铁锂储能电芯组包方法，其特征在于，具体方法如下：

2.如权利要求1所述的基于一致性监测的磷酸铁锂储能电芯组包方法，其特征在于，构建磷酸铁锂电芯衰减速度预测模型，具体方法如下：

3.如权利要求2所述的基于一致性监测的磷酸铁锂储能电芯组包方法，其特征在于，通过衰减速度预测模型预测每个磷酸铁锂电芯的衰减评价指标，具体方法如下：

4.如权利要求1所述的基于一致性监测的磷酸铁锂储能电芯组包方法，其特征在于，计算每个磷酸铁锂电芯的充电容量评价指标，具体方法如下：

5.如权利要求1所述的基于一致性监测的磷酸铁锂储能电芯组包方法，其特征在于，所述聚类算法为k-means聚类算法，具体分类方法如下：

6.如权利要求1所述的基于一致性监测的磷酸铁锂储能电芯组包方法，其特征在于，对待分小组中磷酸铁锂电芯进行筛选，具体方法如下：

7.如权利要求6所述的基于一致性监测的磷酸铁锂储能电芯组包方法，其特征在于，所述第一权重和第二权重根据组包后磷酸铁锂电池的使用充放电频率决定，充放电频率越快，第二权重越大，充放电频率越慢，第一权重越大。

8.如权利要求7所述的基于一致性监测的磷酸铁锂储能电芯组包方法，其特征在于，第一权重和第二权重的计算方法如下：

技术总结本发明涉及磷酸铁锂电池技术领域，特别涉及一种基于一致性监测的磷酸铁锂储能电芯组包方法。包括预测电芯衰减评价指标，计算电芯充电容量评价指标；聚类第一次电芯组包；针对使用场景筛选剩余电芯；根据使用场景充放电频率完成第二组电芯组包。本发明在组包时考虑到了当前容量以及衰减速度，因此可保证组包后的磷酸铁锂电池在较长的时间内不会出现一致性差异，提高电池使用效率和产品质量。对于一致性较差的电芯给出了组包策略，提高电芯良品使用率。技术研发人员：张泽,雷达,张振宇,周渠,曾文,杨峰,涂杉,柳逢春,陈秀芳受保护的技术使用者：国网山西省电力公司电力科学研究院技术研发日：技术公布日：2024/9/9