基于K-means聚类的退役动力电池梯次利用分选方法

王红美 刘建利

（1.天津力神电池股份有限公司 天津市 300384 2.力神动力电池系统有限公司 天津市 300384）

退役动力电池梯次利用是针对资源的优化利用所提出的，其核心思想为将退役的电池梯次利用，进而实现对其的资源优化。在针对其利用过程中，必须通过分选方法，保证其利用的精度[1]。在我国，针对此方面的研究起步较晚，但近年来由于对资源需求的不断提高，对于此类话题的研究成为相关部门的关注重点。结合以往相关研究中，主要通过计算退役动力电池容量的方式，将其剩余容量分摊，进而实现针对其的分选利用[2]。但传统的分选方法在实际应用中存在精度低的问题，造成此现象的主要原因在于在分选过程中，针对退役动力电池梯次利用选取的综合评价指标不具有代表性，导致其分选得出的结果与实际相比存在一定误差。由此可见，传统分选方法中的存在的弊端已经显露出来，为解决上述问题，K-means聚类作为一种聚类算法，能够在若干数据中，通过原型距离的方式，得到数据之间的相似度测度，进而保证期聚类精度[3]。因此，通过K-means 聚类选取的数据评价指标更具代表性，能够基于该算法的误差平方和准则函数实现具有相同属性数据之间的聚类。基于此，本文将K-means 聚类应用在分选方法中，通过该算法的应用，提高退役动力电池梯次利用分选中的聚类精度，致力于从根本上提高其分类精度。

1 基于K-means聚类的退役动力电池梯次利用分选方法设计

1.1 退役动力电池梯次利用成组流程设计

在使用动力电池的过程中，频繁地充放电会造成电池的应用性能逐渐衰退，通常情况下，动力电池的容量不满足其初始容量状态的80%及以上时，则无法将其应用于相应的设备当中，无法提供充足的电量条件。但此时，未达到80%初始容量的电池并没有完全失去利用价值，还可将其应用于其他领域当中，实现对其梯次利用，从而实现对动力电池的高效利用[4]。结合退役后的动力电池实际应用价值，制定其成组后的梯次利用具体流程：

第一步，将退役后的旧电池传输到电池回收厂进行统一管理；

第二步，对电池模组根据其结构特征进行拆解；

第三步，判断拆解后的电池外观是否符合相应要求，若符合则将其送往检测中心，对退役后的电力电池单体各项性能分指标进行检测，若不符合则将其视为报废电池，进行后续的回收处理；

第四步，针对完成检测后的动力电池单体，判断其是否符合梯次利用条件；若符合则将其作为分选方案中的备选电池，若不符合梯次利用条件，则同样将其视为报废电池，进行后续的回收处理；

第五步，对满足梯次利用条件的电池进行数据预处理，并采用K-means 聚类法对其进行分类，组成完成的串联电池，并将其安装在需要供电的设备上投入使用；

第六步，一段时间后，当电池在需要供电的设备上使用时，再次将不满足性能要求的电池送入到电池回收厂，并重复第一步操作，直到该旧电池完全没有利用价值后，将其进行报废回收处理。

1.2 退役动力电池各参数数据处理

在明确退役动力电池梯次利用成组流程后，对其各参数数据进行处理。利用八通道电池测试设备，对需要进行梯次利用的动力电池进行测试，结合退役动力电池的测试规范要求，对单体动力电池的容量测定，可通过恒流恒压充电或恒流放电的方式进行，根据不同那个动力电池的规格进行针对性选择[5]。在测试过程中，完成三次测试循环，并在最后一次测试过程中将其放电容量作为该动力电池的单体容量值指标。动力电池与普通电池之间存在的差异在于，动力电池单体当中含有直流内阻，因此在测试时应当选用复合脉冲电流对其进行测试。其具体测试步骤为：利用仪器设备将电流阶跃信号传输到需要进行梯次利用的动力电池当中，对电池内部电压的变化情况进行测定；再结合欧姆定律计算得出动力电池的直流内阻，其计算公式为：

公式（1）中，r 表示为动力电池的直流内阻；U 表示为动力电池的电压变化数值；I 表示为输入到动力电池当中的电流阶跃信号。根据上述公式（1）计算，得出动力电池的直流内阻，但该数值当中还包含了欧姆内阻和极化内阻两部分[6]。因此，在完成对电池的放电脉冲施加之后，动力电池两端的电压会产生一个瞬间的电压降低趋势。在这一瞬间，电池欧姆内阻也会受到一定的影响。同时，由于欧姆内阻异常所导致的动力电池的电压也会产生一定的变化，但这种变化持续时间相对较短。同时，由于欧姆内阻和极化内阻在不同设备和不同位置上都存在不同差异，因此本文选择将代表性更强的50%位置上的欧姆内阻和极化内阻的各个参考数据进行聚类成组。

1.3 基于K-means聚类的电池串联成组

对于退役后的动力电池而言，对其进行梯次利用重组，能够统一组内动力电池的性能，并在实际应用中达到更好的应用效果，但由于在成组利用的过程中没有相应的参考依据，因此很难对其应用性能进行量化。基于此，本文通过引入K-means 聚类算法的方式，为电池串联成组分选方案的制定提供条件[7]。根据上述八通道电池测试设备测定得出的数据结构，利用K-means 聚类算法进行重新配组，将所选的参考数据进行归一化处理，并将其作为K-means 聚类算法的每一个维度参与聚类，归一化处理表达式为：

公式（2）中，g 表示为归一化处理后的维度参与聚类指数；i表示为通过八通道电池测试设备测量得到的数值；α 表示为不同动力电池测定数值变化参数的平均值； 表示为均值标准差。结合上述公式（2）完成对参考数据的归一化处理。根据每一块动力电池测定得到的数值对应到相应的高维空间当中，并对其点与点之间的接近程度按照欧氏距离大小对其进行确定。其具体步骤为：

表1：退役动力电池规格参数对照表

表2：两种分选方法实验结果对比表

第一步：确定一组退役动力电池的聚类中心。动力电池容量属于一种健康因子，这种健康因子在电池进行梯次利用的过程中会对电池的性能造成一定的影响，因此在结合上述公式（2）通过K-means聚类算法的初始聚类中心时，还需要考虑到电池容量这一维度，并将其作为必要条件，从而确保每一个初始聚类中心都能够在容量这一维度当中呈现出均匀的分布状态[8]。因此，根据电池容量平均分布的原则，确定聚类中心。

第二步：确定动力电池聚类中心空间点的类型。完成对不同动力电池的分布点到聚类中心距离的计算后，按照就近原则，将与电池分布点距离较近的数据点给予其最相似的聚类；

第三步，对聚类中心进行更新，并计算新的聚类中心与动力电池分布点之间距离的平方和。选取最接近各个聚类均值的对象，并将其作为全新的聚类中心；

第四步，根据判别条件，确定电池梯次利用分选方案。对上述计算得出的距离平方与上一次迭代的数据进行比较，并判断其是否相同。若相同，则完成聚类，若不相同，则重新按照距离最近原则，对空间点进行分配，直到得出距离平方与上一迭代数据相同的结果，完成聚类，此时与聚类中心最近的数据所属动力电池即为最终梯次利用的分选方案。

2 对比实验

本文通过上述论述，完成对分选方法的理论设计，为进一步验证该分选方法在实际应用中的效果，选择同一型号、规格的动力电池作为退役动力电池实验研究对象，该退役动力电池的规格如表1所示。

为保证实验结果的测定精度，本文选择利用YD-16250AAD56A型号电池自动分容柜及配套软件对实验过程中产生的各类数据进行测定和计算，该型号电池自动分容柜电压分辨率为1.25mV；电流分辨率为1.08mA，时间分辨率为0.1s。实验过程中将1000 块退役动力电池分别放入到四个YD-16250AAD56A 型号电池自动分容柜当中，并对其分别进行编号为：1-1-1、1-1-2、……、1-1-4、2-1-1……、8-8-4，共256 块电池。分别利用本文提出的分选方法和传统分选方法对上述实验准备内容进行分选，并对比两种分选方案下随机某组电池在完成充电后的电压进行测量和对比，并将结果记录如表2 所示。

从表2 中的实验结果可以看出，本文分选方法下五组电池的电压均超过3.00V，而传统电池电压仅在2.24V～2.65V 范围以内。同时，从容量利用率上进行分析可以看出，本文方法分选后电池的容量利用率均高达90.00%以上，而传统方法分选后电池的容量利用率最高仅为82.36%。因此，通过对比实验证明，本文提出的分选方法在实际应用中能够给出更加合理的分选方法，从而实现对退役动力电池的再利用，提高动力电池的利用效率。

3 结束语

本文通过开展对退役动力电池再利用研究，提出一种全新的梯次利用分选方法，并通过实验组证明了该方法的实际应用优势。将本文提出的分选方法应用于实际能够有效提高动力电池的利用率，同时采用本文分选方法选出的动力电池重组方案能够有效提高电池整体的一致性。