基于因子分析与K-means聚类的退役动力电池快速分选方法

• 作者: 张朝龙 赵筛筛 章博
• 来源期刊: 电力系统保护与控制
• 关键词: BMS HPPC 因子分析 聚类算法 快速分选与重组
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 退役动力电池梯级利用关键技术专题|Special Topics on Key Technologies of Retired Power Batteries Cascade Utilization
• 页码范围: 41-47
• 页数: 7页
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.201413

摘要

针对目前退役动力电池数量多、快速分选方法匮乏的问题,提出一种基于脉冲功率测试(Hybrid PulsePower Characteristic,HPPC)、因子分析和聚类算法的退役动力电池快速分选与重组方法.根据电池管理系统(Battery Management System,BMS)记录的电池数据,计算单体电池电压数据得到电池最大可用容量.以HPPC一次放电脉冲提取的电池开路电压、欧姆内阻、极化电阻以及浓差电阻作为特征变量.特征变量数据经归一化算法与因子分析优化后,通过聚类算法完成电池分选与重组.实验结果表明:该方法下单体电池平均分选重组时间压缩在30 min以内,分组后一致性指标较好,在退役动力电池分选与重组中具有较好的实际意义.