動(dòng)力電池篩選方法

動(dòng)力電池篩選方法動(dòng)力電池篩選是依據(jù)動(dòng)力電池單體在某些參數(shù)或者特征曲線上反映出來的不一致性信息，基于差異分析方法，將極少數(shù)差異較大的動(dòng)力電池單體剔除或者依據(jù)不同的聚類中心進(jìn)行分類的過程。常用的篩選方法依據(jù)不同的篩選參數(shù)或特征曲線信息可以分為單參數(shù)分選法、多參數(shù)分選法、曲線特征分選法和電化學(xué)阻抗譜分選法。四種常用篩選方法的特點(diǎn)見表5-2。篩選方法優(yōu)勢(shì)局限性單參數(shù)分選方法前易，數(shù)據(jù)怔低，挑選效率高信息單一，對(duì)使用環(huán)境局限性高多參數(shù)分選參數(shù)信息全而，般據(jù)處理手段成熟不能反映動(dòng)態(tài)特性變化.需要進(jìn)行各次測(cè)最獲取篩選量曲線特征分選反應(yīng)信息全面曲線識(shí)別數(shù)據(jù)址大.聚類繁雜.工作展大電他學(xué)阻抗譜分選物理意義演測(cè)成設(shè)?備要求高，條件苛刻.批量檢測(cè)可操作性差表5-2四種電池篩選方法的分析對(duì)比多參數(shù)分選法是一種成熟的數(shù)據(jù)處理方法，針對(duì)大量動(dòng)力電池單體呈現(xiàn)出的多參數(shù)變量信息，可對(duì)參數(shù)變量之間的相關(guān)性進(jìn)行計(jì)算，進(jìn)而減少篩選時(shí)的數(shù)據(jù)。但多參數(shù)分選必須依據(jù)靜態(tài)的參數(shù)信息，而忽視了動(dòng)態(tài)的變化過程。曲線特性分選方法采用標(biāo)準(zhǔn)的充放電測(cè)試曲線開展動(dòng)力電池單體的篩選。充放電曲線蘊(yùn)含大量的電池特性信息，因而可在電壓特性曲線上等距離采樣，提取曲線對(duì)應(yīng)點(diǎn)位置的電壓差異，依據(jù)設(shè)定閾值進(jìn)行分類，最后完成篩選。為防止遺漏關(guān)鍵信息，該方法需高頻采樣。由于電池?cái)?shù)量大，易產(chǎn)生海量統(tǒng)計(jì)數(shù)據(jù)，從而造成分選效率下降。因此，若將電池曲線特征與電池多參數(shù)信息相結(jié)合，可將曲線識(shí)別轉(zhuǎn)化為對(duì)多篩選變量的數(shù)據(jù)處理，然后應(yīng)用多參數(shù)篩選中的數(shù)據(jù)處理方法可全面有效地對(duì)電池群進(jìn)行差異分類，故可形成一種新的動(dòng)力電池篩選方法一一基于動(dòng)態(tài)參數(shù)的動(dòng)力電池篩選方法。.基于動(dòng)態(tài)參數(shù)的動(dòng)力電池篩選方法依據(jù)動(dòng)力電池電壓電流特性曲線，結(jié)合等效電路模型對(duì)電化學(xué)反應(yīng)過程進(jìn)行深入的分析，提取出關(guān)鍵信息，構(gòu)建特征向量，再結(jié)合多參數(shù)分選中的數(shù)據(jù)處理方法，進(jìn)一步簡(jiǎn)化數(shù)據(jù)提取過程，獲得能夠表征動(dòng)力電池類別的特征，實(shí)施動(dòng)力電池單體的篩選?；谏鲜鏊枷?，采用動(dòng)力電池充放電曲線，提取出表征電池關(guān)鍵信息的特征量并進(jìn)行相關(guān)性分析，得到互不相關(guān)的新特征量，以此對(duì)電池進(jìn)行聚類，得到分類結(jié)果，最后對(duì)分類結(jié)果在不同工況、不同電流和不同SOC條件下進(jìn)行評(píng)價(jià)。具體步驟如下：（1）關(guān)鍵特征信息提取采用CCCV曲線,提取動(dòng)力電池特征量。動(dòng)力電池6-單體01在25℃下進(jìn)行的標(biāo)準(zhǔn)充放電容量實(shí)驗(yàn)如圖5-8所示。該圖為一個(gè)完整的充放電循環(huán)，A點(diǎn)表示上一個(gè)循環(huán)放電截止時(shí)刻，B點(diǎn)表示該循環(huán)放電的截止時(shí)刻。圖5-8動(dòng)力電池6-單體01充放電電壓電流曲線（含一個(gè)循環(huán)）

a）電壓曲線b）電流曲線基于圖5-8中的電壓電流曲線進(jìn)行分析：在A點(diǎn)的上一個(gè)循環(huán)放電電流截止后，端電壓出現(xiàn)回升，其中快速回升部分主要是由放電歐姆內(nèi)阻導(dǎo)致的，隨后電壓緩慢回升部分主要反映的是動(dòng)力電池的極化效應(yīng)；而依據(jù)特定電壓區(qū)間下的充電曲線，可以建立充電容量與老化狀態(tài)之間的映射關(guān)系。從等效電路模型參數(shù)角度對(duì)特性曲線的過程進(jìn)行解析，可從曲線中提取出與動(dòng)力電池歐姆內(nèi)阻、極化特性、老化狀態(tài)以及充放電容量等相關(guān)的變量。根據(jù)動(dòng)力電池的充放電曲線的分析結(jié)果，采用5個(gè)曲線特征量F1~F5可以實(shí)現(xiàn)對(duì)動(dòng)力電池相應(yīng)特性的全面表征：F1:放電至截止電壓后1s內(nèi)電壓曲線的上升量（對(duì)放電歐姆內(nèi)阻的表征）。F2:放電至截止電壓后1~100s內(nèi)電壓的上升量（對(duì)電池的動(dòng)態(tài)極化的表征）。F3:恒流充電段開始時(shí)電壓曲線在1s內(nèi)的上升量（對(duì)充電歐姆內(nèi)阻的表征）。F4：恒流充電階段充入電量與恒壓充電階段充入電量的比值（對(duì)充電容量和電池老化程度的雙重表征）。F5:統(tǒng)計(jì)整個(gè)恒流階段的放電容量。需要特別指出的是，在放電截止后，由于前一階段放電歐姆內(nèi)阻導(dǎo)致的電壓快速回升分量，明顯高于充電開始時(shí)由于充電歐姆內(nèi)阻導(dǎo)致的電壓瞬時(shí)響應(yīng)，而恒流段的電流大小相等，說明末端放電歐姆內(nèi)阻要高于充電歐姆內(nèi)阻，因此在提取特征量時(shí)需對(duì)兩者單獨(dú)進(jìn)行討論。動(dòng)力電池老化越嚴(yán)重，在CC段的末端就越容易到達(dá)截止電壓，故在恒流段充入的電量就會(huì)減少。相應(yīng)地，電池CC段充入電量與CV段充入電量的比例就會(huì)發(fā)生變化。因此該值可作為量化電池老化狀態(tài)的特征值。采用上述5個(gè)特征量可對(duì)電池的歐姆效應(yīng)、極化特性、充放電容量、老化狀態(tài)進(jìn)行全面表征，同時(shí)這5個(gè)特征量可以直接從曲線上提取，簡(jiǎn)化了電池篩選的過程，提高了篩選效率。（2）聚類分析聚類是將一定數(shù)量的同一性質(zhì)的事物依據(jù)一定的標(biāo)準(zhǔn)分為若干類別，常用于數(shù)據(jù)分選。在電池篩選時(shí)，為全面衡量5個(gè)特征量的一致性，需要對(duì)其進(jìn)行量化分類。依據(jù)提取的各電池特征量，將其轉(zhuǎn)化為幾何空間的各個(gè)維度，每個(gè)電池都是幾何空間的一個(gè)點(diǎn)，然后計(jì)算點(diǎn)與點(diǎn)之間的距離，其量度常采用平方歐式距離，表達(dá)式為d=￡（靖一裁尸（5-3）式中,m為維數(shù)；d表示的第i和i+1塊電池之間的空間距離。由于上述5個(gè)特征量存在一定的耦合關(guān)系，可通過因子分析，提取特征量的共同解釋變量，利用較少的新因子來表征原特征量。通過觀察新因子對(duì)其的解釋程度判定表征是否合理。若解釋比例超過90%，即可利用新的因子作為聚類的維度。應(yīng)用統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案軟件(StatisticalProductandServiceSolutions，SPSS)將所有電池特征量輸入后，可生成特征量之間的相關(guān)矩陣，進(jìn)行因子分析。需要說明的是，進(jìn)行因子分析前必須通過矩陣特性的鑒定，即Bartlett球度統(tǒng)計(jì)量的相應(yīng)概率值小于給定的顯著值水平，最終得到因子矩陣和得分系數(shù)矩陣，用來描述特征量和新因子之間關(guān)系。(3)成組測(cè)試為評(píng)價(jià)篩選方法的有效性，需采用特定工況對(duì)所有電池群進(jìn)行測(cè)試。若動(dòng)力電池樣本一致性高，則電池群的電壓響應(yīng)具有較高的一致性，即響應(yīng)向量之間距離近，可通過計(jì)算電池群電壓響應(yīng)向量的平均距離a來衡量電池群一致性的高低。a值計(jì)算公式為k~\i￡2norm(yi-ym),(5-4)式中，k表示組內(nèi)電池的總數(shù)目；Yi為對(duì)應(yīng)電池的電壓向量。需要注意的是，在統(tǒng)計(jì)時(shí)必須保證所有樣本的電壓響應(yīng)向量維度相同，即電流激勵(lì)點(diǎn)數(shù)量相同。另外，因?yàn)榇司嚯x是指兩兩電池間距離的均值，所以電池群的規(guī)模不會(huì)影響一致性大小的評(píng)判，若待篩選電池群的樣本數(shù)量發(fā)生變化，仍可對(duì)篩選前后電池群的一致性進(jìn)行比較。.應(yīng)用算例分析(1)實(shí)驗(yàn)內(nèi)容實(shí)驗(yàn)對(duì)象為動(dòng)力電池6,實(shí)驗(yàn)溫度為10℃。為保持足夠的樣本規(guī)模，采用16只動(dòng)力電池單體作為初始樣本，編號(hào)為單體09~24。為客觀評(píng)價(jià)方法的有效性，采用不同工況、不同電流倍率等測(cè)試條件，如DST工況和HPPC工況。測(cè)試流程如下：①充放電測(cè)試，用于得到電池群的充放電曲線。②DST工況測(cè)試，用于提取在該工況激勵(lì)下各電池電壓響應(yīng)，根據(jù)式(5-4)針對(duì)分類前和分類后的電池群，計(jì)算電池群間電壓響應(yīng)向量平均距離a，進(jìn)而評(píng)價(jià)篩選方法的有效性。③HPPC測(cè)試，用于得到涵蓋高中低(90%、50%、20%)的三個(gè)SOC點(diǎn)下各動(dòng)力電池對(duì)于脈沖電流下電壓的響應(yīng)，其中針對(duì)20%SOC點(diǎn)下的電流脈沖，需計(jì)算兩個(gè)電流倍率(0.5C和1.0C)。(2)特征量提取依照上述篩選方法，對(duì)16個(gè)動(dòng)力電池的標(biāo)準(zhǔn)充放電電壓特性曲線進(jìn)行特征量提取。特征提取結(jié)果見表5-3。表5-316個(gè)動(dòng)力電池充放電曲線提取特征!1~F5電池序號(hào)%&電單體090.59680.02230.19375.98982.4407單體100.59680.02390.19285.79522.4437單體110.59S0。一川*90.19135.612.4390單體120.62000-01980.19315.8457&448J單體130.60200.02200.IK755.97842.4557單體140.60920.02050.1910&18982.4510單體130.63皿g.ijisfi0.195。5.953(12.鈍53單體160.604S0.01930.19255.83522.4303單體170.50750.05144.18945.37512.4420單體180.51310.05150.18975.404g2.4213單體190,51S00.05110.19族5.57182.4393單體200.51I&0.05710.18445.7S352.4403，單體210.51400.05080.18665.88522,4177單體220.51370.05超0.19225.M532.4540單體2S0.51370,04710.18546.01642.4220單體240.5038Q.055B0.18575.66222.4253可見，不同動(dòng)力電池的特征量差異性較大，這體現(xiàn)出動(dòng)力電池群樣本間的不一致性程度。(3)因子分析與聚類提取曲線特征F1~F5，組成待篩選動(dòng)力電池不一致性數(shù)據(jù)庫，基于SPSS軟件進(jìn)行因子分析。首先利用特征量之間的相關(guān)矩陣進(jìn)行Bartlett的檢驗(yàn)；根據(jù)實(shí)驗(yàn)數(shù)據(jù)計(jì)算得到的顯著水平值小于0.001,故可進(jìn)行因子分析；隨后將特征量轉(zhuǎn)化為數(shù)量更少的因子。經(jīng)過SPSS的因子分析后可計(jì)算出特征量解釋的總方差，經(jīng)主成分分析法得到的一系列新的因子T1~T6見表5-4。新因子是對(duì)單體09的特征量尸］~尸5的解釋?？梢娗叭齻€(gè)因子T1~T3對(duì)原特征量F1~F5累計(jì)解釋占比超過90%,因此可確定其為篩選變量，然后計(jì)算所有動(dòng)力電池群的新因子。表5-4新因子對(duì)原特征量解釋占比新因子序號(hào)解料占比｛%)累積解擇占比(%)42.04542t045心39.73481.779a.5都90,362/45.448蛤閭0%4,8999,8490.]51100.000新因子T1~T3與原特征量之間的因子矩陣見表5-5,在因子矩陣中數(shù)值表示如何基于新的因子來表征原來的特征量,如F1=0.98T1-0.098T2-0.092T3O數(shù)值大小可以反映出新因子對(duì)原特征量的表征程度。表5-5因子矩陣原特征量t2%儲(chǔ)<).93D-o.m-0.092嗚-0.9520.1450.】920.751J0.525-0,須a{).544-0.8000.146他{).6950.3見0604得分系數(shù)矩陣見表5-6。采用該系數(shù)矩陣，可用原特征量計(jì)算新的因子。如篩選變量T1的表達(dá)形式為：T1=0.299F1-0.387F2+0.663F3-0.277F4-0.380F5O同理,利用16個(gè)單體的特征量F1~F5可計(jì)算出對(duì)應(yīng)的篩選變量T]~T3。由于T]~T3對(duì)原5個(gè)特征量的解釋程度達(dá)到90%以上，可將T1~T3作為聚類維度，因此所有樣本單體可映射為聚類空間的點(diǎn)。表5-6因子得分系數(shù)矩陣原特征最0.299出201一吐-0L387-0.2060.2200.663-0.3760.174電-0.277(k74s0,0IS-0+380-仇網(wǎng)L174根據(jù)T1~T3三個(gè)維度，采用K均值聚類方法對(duì)16個(gè)電池進(jìn)行分類。K均值聚類的原理流程如圖5-9所示，隨機(jī)選取K個(gè)樣本作為初始的聚類中心，然后計(jì)算剩余樣本與各個(gè)聚類中心之間的距離，把每個(gè)樣本分配給距離其最近的聚類中心。一旦全部對(duì)象都完成分配，每類的聚類中心會(huì)根據(jù)類中現(xiàn)有的對(duì)象進(jìn)行重新計(jì)算，以保證誤差平方和局部最小。該過程將不斷迭代直到滿