动力电池筛选方法Word格式.docx
- 文档编号:20799910
- 上传时间:2023-01-25
- 格式:DOCX
- 页数:8
- 大小:52.27KB
动力电池筛选方法Word格式.docx
《动力电池筛选方法Word格式.docx》由会员分享,可在线阅读,更多相关《动力电池筛选方法Word格式.docx(8页珍藏版)》请在冰豆网上搜索。
(1)关键特征信息提取
采用CCCV曲线,提取动力电池特征量。
动力电池6-单体01在25C下进行的标准充放电容量实验如图5-8所示。
该图为一个完整的充放电循环,A点表示上一个循环放电截止时刻,B点表示该循环放电的截止时刻。
v建创
图5-8动力电池6-单体01充放电电压电流曲线(含一个循环)
a)电压曲线b)电流曲线
基于图5-8中的电压电流曲线进行分析:
在A点的上一个循环放电电流截止后,端电压出现回升,其中快速回升部分主要是由放电欧姆内阻导致的,随后电压缓慢回升部分主要反映的是动力电池的极化效应;
而依据特定电压区间下的充电曲线,可以建立充电容量与老化状态之间的映射关系。
从等效电路模型参数角度对特性曲线的过程进行解析,可从曲线中提取出与动力电池欧姆内阻、极化特性、老化状态以及充放电容量等相关的变量。
根据动力电池的充放电曲线的分析结果,采用5个曲线特征量Fi〜F5可以实现对动力电池相应特性的全面表征:
Fi:
放电至截止电压后is内电压曲线的上升量(对放电欧姆内阻的表征)。
F2:
放电至截止电压后1〜100s内电压的上升量(对电池的动态极化的表征)。
F3:
恒流充电段开始时电压曲线在is内的上升量(对充电欧姆内阻的表征)。
F4:
恒流充电阶段充入电量与恒压充电阶段充入电量的比值(对充电容量和电池老化程度的双重表征)。
F5:
统计整个恒流阶段的放电容量。
需要特别指出的是,在放电截止后,由于前一阶段放电欧姆内阻导致的电压快速回升分量,明显高于充电开始时由于充电欧姆内阻导致的电压瞬时响应,而恒流段的电流大小相等,说明末端放电欧姆内阻要高于充电欧姆内阻,因此在提取特征量时需对两者单独进行讨论。
动力电池老化越严重,在CC段的末端就越容易到达截止电压,故在恒流段充入的电量就会减少。
相应地,电池CC段充入电量与CV段充入电量的比例就会发生变化。
因此该值可作为量化电池老化状态的特征值。
采用上述5个特征量可对电池的欧姆效应、极化特性、充放电容量、老化状态进行全面表征,同时这5个特征量可以直接从曲线上提取,简化了电池筛选的过程,提高了筛选效率。
(2)聚类分析
聚类是将一定数量的同一性质的事物依据一定的标准分为若干类别,常用于数据分选。
在电池筛选时,为全面衡量5个特征量的一致性,需要对其进行量化分类。
依据提取的各电池特征量,将其转化为几何空间的各个维度,每个电池都是几何空间的一个点,然后计算点与点之间的距离,其量度常采用平方欧式距离,表达式为
d二£
«
-^)2(5-3)
式中,m为维数;
d表示的第i和i+1块电池之间的空间距离。
由于上述5个特征量存在一定的耦合关系,可通过因子分析,提取特征量的共同解释变量,利用较少的新因子来表征原特征量。
通过观察新因子对其的解释程度判定表征是否合理。
若解释比例超过90%,即可利用新的因子作为聚类的维度。
应用统计产品与服务解决方案软件(Statistical
ProductandServiceSolutions,SPSS)将所有电池特征
量输入后,可生成特征量之间的相关矩阵,进行因子分析。
需要说明的是,进行因子分析前必须通过矩阵特性的鉴定,即Bartlett球度统计量的相应概率值小于给定的显著值水平,最终得到因子矩阵和得分系数矩阵,用来描述特征量和新因子之间关系。
(3)成组测试
为评价筛选方法的有效性,需采用特定工况对所有电池群进行测试。
若动力电池样本一致性高,则电池群的电压响应具有较高的一致性,即响应向量之间距离近,可通过计算电池群电压响应向量的平均距离a来衡量电池群一致性的高低。
a值计算公式为
A-lk
X£
norm{yi-九)
二(5-4)
式中,k表示组内电池的总数目;
y为对应电池的电压向量。
需要注意的是,在统计时必须保证所有样本的电压响应向量维度相同,即电流激励点数量相同。
另外,因为此距离是指两两电池间距离的均值,所以电池群的规模不会影响一致性大小的评判,若待筛选电池群的样本数量发生变化,仍可对筛选前后电池群的一致性进行比较。
2.应用算例分析
(1)实验内容
实验对象为动力电池6,实验温度为10C。
为保持足够的样本规模,采用16只动力电池单体作为初始样本,编号为单体09~24。
为客观评价方法的有效性,采用不同工况、不同电流倍率等测试条件,如DST工况和HPPC工况。
测试流程如下:
①充放电测试,用于得到电池群的充放电曲线。
2DST工况测试,用于提取在该工况激励下各电池电压响应,根据式(5-4)针对分类前和分类后的电池群,计算电池群间电压响应向量平均距离a,进而评价筛选方法的有效性。
3HPPC测试,用于得到涵盖高中低(90%、50%、20%)的三个SOC点下各动力电池对于脉冲电流下电压的响应,其中针对20%SOC点下的电流脉冲,需计算两个电流倍率(0.5C和1.0C)。
(2)特征量提取
依照上述筛选方法,对16个动力电池的标准充放电电压特性曲线进行特征量提取。
特征提取结果见表5-3。
表5-316个动力电池充放电曲线提取特征量Fi〜F5
电池序号
>
1
巴
片
单协09
0.列6X
0.0213
0.1937
5.9K9H
2.440?
W10
(15958
0,0239
0.192S
5.7952
2.W7
单体订
0.5980
<
101时
业1913
5.6116
1.43彌
单怖12
(I6200
aO19R
a1931
5-R457
2448J
单棒13
0.6C2W
a02:
o
0,1875
5.97H4
14557
单怵M
0.6092
C.0205
0.1910
6.1K9H
2.4S1G
单休15
aOM)
}.01x()
0.1930
5.955V
2.4^.55
唯怵16
0.6C4R
0,0193
01925
3l8332
2.4303
单休17
0.5075
U0514
Q,18^
5.3751
2.4420
单怵18
0.5131
a.0515
0.1897
5.4(149
2.4213
单-休19
0.5IM)
U.0511
0.1906
137IB
Z4395
卯体20
0.5118
C.0571
0.[阿
5.7935
2.J4M
单1初
0.5144)
(J.0508
0.ISb6
5”8852
2.4177
单林22
0.5337
0.加豪
0.1922
5.3453
2.4544)
单休巧
0.5137
.047]
ft1854
6.0164
2.422fl
单悴24
0.5038
O0558
0.1857
5.6622
2.4251
可见,不同动力电池的特征量差异性较大,这体现出动力电池群样本间的不一致性程度。
(3)因子分析与聚类
提取曲线特征Fi〜F5,组成待筛选动力电池不一致性数据库,基于SPSS软件进行因子分析。
首先利用特征量之间的相关矩阵进行Bartlett的检验;
根据实验数据计算得到的显著水平值小于0.001,故可进行因子分析;
随后将
特征量转化为数量更少的因子。
经过SPSS的因子分析后可计算出特征量解释的总方差,经主成分分析法得到的一系列新的因子Ti〜T6见表5-4。
新因子是对单体09的特征量Fi〜F5的解释。
可见前三个因子Ti〜Ts对原特征量Fi〜F5累计解释占比超过
90%,因此可确定其为筛选变量,然后计算所有动力电池
群的新因子。
表5-4新因子对原特征量解释占比
新囲亍宇号
解释占比(%)
累拭■存占比
巧
42.045
42.(M5
r
39,7M
KL779
tk
&
583
W-S62
'
f.
544K
95.BID
T.
4.()眇
449
a151
100.000
新因子「〜T3与原特征量之间的因子矩阵见表5-5,在因子矩阵中数值表示如何基于新的因子来表征原来的特征量,女口Fi=0.98Ti-0.098T2-0.092T3。
数值大小可以反映出新因子对原特征量的表征程度。
表5-5因子矩阵
A
r2
-0,09H
-(h()92
4952
0.145
0.应
a759
(L525
-0.29H
0.544
-0.SOO
(L146
0,fi95
0.191
0.仙4
得分系数矩阵见表5-6。
采用该系数矩阵,可用原特征
量计算新的因子。
如筛选变量Ti的表达形式为:
Ti=0.299Fi-0.387F2+0.663F3-0.277F4-0.380F5。
同理,利用16个单体的特征量Fi〜F5可计算出对应的筛选变量
Ti〜T3。
由于Ti〜T3对原5个特征量的解释程度达到90%以上,可将Ti〜T3作为聚类维度,因此所有样本单体可映射为聚类空间的点。
表5-6因子得分系数矩阵
原特征晴
7;
0299
a201
一&
()45
-(L387
-0.
0.220
0.663
-0.376
0.174
-0.277
0,74S
0.01K
3如
一山側
t174
根据Ti〜T3三个维度,采用K均值聚类方法对16个电池进行分类。
K均值聚类的原理流程如图5-9所示,随机选取K个样本作为初始的聚类中心,然后计算剩余样本与各个聚类中心之间的距离,把每个样本分配给距离其最近的聚类中心。
一旦全部对象都完成分配,每类的聚类中心会根据类中现有的对象进行重新计算,以保证误差平方和局部最小。
该过程将不断迭代直到满足终止条件。
终止条件是无(或最小数目)对象被重新分配给相应的类或者(或最小数目)聚类中心不再发生变化。
(4)筛选结果评价
采用DST工况和不同SOC点的HPPC工况,对所有待筛选动力电池单体进行评价,进行a值的计算,并判别筛选的有效性。
表5-7表明,在较宽的SOC区间范围以及不同电流倍率下,筛选结果都取得了较好的效果,尤其是在高SOC和较大电流倍率下,优势尤为显著。
因此经该方法筛选后,动力电池群的一致性得到明显改善。
表5-7分选前后电池群a值计算结果比较
序目
DST1-X电渝脉沖激幡
HPPC工况
(90%S*K\
(1北电流脉冲}
urn;
T况
0.5C电流脉冲)
HPPC丁况(2fl%S4K\
0.5C电流脉沖}
L0C电流脉冲)
分选曲电池孵
a1B/V
0.0263
(}.0243
0.UIK5
0.0118
0.0164
分选后电池群
□值八
0.0231
0.0167
0.0US
0.
0.0B9
图5-9K均值聚类流程图
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 动力电池 筛选 方法