近日,我校汽车与交通工程学院车辆工程系新能源动力系统智能管理与控制团队在退役动力电池分选研究领域取得新进展,相关研究成果“Fast sorting method of retired batteries based on multi-feature extraction from partial charging segment”在能源领域Top期刊《Applied Energy》上发表。
![](/__local/F/F0/41/E15C8C1DF0BF104FD7A60FC6AC1_94633852_12439.png?e=.png)
退役动力电池的二次寿命利用有着巨大的应用潜力。然而,大量的前期测试成本和后续维护费用阻碍了其广泛采用。新分选方法的发展主要侧重于探索对具体电池特性具有更强表征性的有效隐藏指标和利用数据挖掘算法提取与分选所需性能参数相关的低成本潜在特征。其依赖于多样化的检测手段获得详细的数据作为准确分选的基础。虽然这更有利于重组电池的长期使用,降低了安全问题和维护成本,但更多的测试工步不仅增加了电池分选过程的能耗,同时也延长了分选过程的时间。该研究和应用领域面临一个关键挑战,即如何在分类结果准确度和分选速度之间实现平衡,并最大限度地降低与检测过程相关的成本。
团队通过对特征相关性和获取成本的全面考虑和分析,基于部分充电片段,开发了一种多特征融合的快速排序方法,在退役动力电池分选效率、精度和成本间达到较好的平衡。研究选择了可以从同一部分充电段中提取的五个特征作为分类标准。同时,这些特征对容量、内阻和电压等三个主要的电池性能度量表现出了不同的关联趋势。该方法利用自组织映射算法和减法聚类实现高效分选,与传统分选方法相比,检测时间缩短了80.04%,能耗降低了79.65%。在保持分选准确性的同时,团队所提出的方法可有效降低退役电池检测成本、提高电池分选效率,有助于推进退役动力电池二次利用和新能源汽车领域进一步节能降碳。
![](/__local/F/A2/F4/5D5CB48494557F1EA4A8B7AD007_39D1D51A_19A51.png?e=.png)
该项研究得到了国家自然科学基金(62203423)、教育部“春晖计划”(HZKY20220200)、中央高校基本科研业务费专项资金(JZ2023YQTD0073)和国家级大学生创新创业项目(202210359086)的支持。我校教师刘兴涛为第一作者,车辆工程系硕士研究生唐沁彬为第二作者,我校教师武骥为通讯作者,我校车辆工程系本科生冯祎天、中国科学院福建物质结构研究所副研究员林名强和西安交通大学副研究员孟锦豪为合作作者。
论文链接:https://doi.org/10.1016/j.apenergy.2023.121930
(武骥/文 武骥/图 张金伟/审核)
责任编辑:刘红平