一种基于电化学阻抗谱的大规模退役锂离子电池的软聚类方法

退役锂离子电池的分选目前存在效率与精度不可兼得的问题，严重制约大规模退役锂电池梯次利用的经济性与安全性。该文针对以上问题，提出一种基于电化学阻抗谱（EIS）的退役锂离子电池软聚类方法。首先，对退役锂离子电池进行EIS测试和弛豫时间（DRT）分析，利用BP神经网络建立电池容量与DRT关联模型，并用于大规模电池容量的快速估计。然后，构建电池容量、欧姆内阻与DRT特征等六维度判据，在此基础上提出一种基于高斯混合模型的电池软聚类方法。该方法在考虑电池内部重要电化学特征的基础上实现了退役锂离子电池的软聚类，大大提高了聚类结果的准确性与灵活性。最后，通过计算轮廓系数和进行混合脉冲功率特性（HPPC）实验对聚类结果进行验证。实验结果表明，获取电池容量的时间由标准容量测试的3h缩短到10min，容量预测误差控制在4%以内；所提出的软聚类分类方法能提高电池重组的灵活性，并能保证重组电池具有很好的一致性。