目前，锂离子电池是电动汽车中应用最广泛的动力电池，其使用寿命可以通过各种荷电状态(Stateofcharge、SOC)来延长。随着电动汽车数量的快速增长，如何安全环保地处理退役锂离子电池已成为一个亟待解决的问题。

一方面，锂离子的正极材料、电解质和电解质溶剂对环境和人体健康有一定的污染和危害。如果退役电池处理不当，可能会出现燃烧、爆炸等安全问题；另一方面，退役电动汽车的电力电池容量约为80%。如果这些锂电池直接报废回收，物尽其用，将造成巨大的资源浪费。

如果这些电池被分类和重组，并继续应用于性能要求低于电动汽车（即梯队利用）的领域，如充电（更换）电站、通信基站、移动补充电动汽车、低速电动汽车和储能系统，可以最大化锂电池的整个生命周期价值，降低锂电池的使用成本。因此，梯队利用具有巨大的经济价值和环保价值。

电池组长期使用后，电池之间的一致性和安全性较差，容量、内阻等指标明显离散，梯队使用时可能会不断迭代和放大。因此，有必要根据某一或某些判断对退役电池进行分类，并将性能相同或相似的电池重组成一组，以提高重组电池的一致性和安全性。

目前，主要判断分为单一判断和多维判断。单一判断方法具有实现简单、数据量少的优点，但由于信息单一，分选精度低；多维判断具有信息全面、数据处理方便等优点，但如何构建和快速获取多维判断是关键。此外，电池的安全性具有隐蔽性强、破坏性大等特点，如何快速获得电池的安全性也是难点之一。

目前，退役锂离子电池的分类仍存在分类效率和准确性问题，主要技术挑战有两个：单一分类判断多为电池容量或内阻外部参数，需要进一步建立能够反映电池内部状态的分类判断，提高分类准确性；典型的分类判断（电池容量或内阻）大多需要逐个测试，测试时间长，需要快速测量或估计分类判断，提高分类效率。

目前退役锂离子电池的效率和精度不可兼得，不考虑电池内部状态，严重制约了大规模退役锂电池梯队利用的经济性和安全性。为了解决这些问题，来信、陈权威、邓聪、韩雪冰、郑岳久在2022年第23期《电工技术学报》上撰文，提出了一种基于电化学阻抗谱(EIS)的退役锂离子电池软聚类方法。

研究人员首先分析了退役锂离子电池的EIS测试和放松时间(DRT)，利用BP神经网络建立了电池容量与DRT相关的模型，并用于快速估计大型电池容量。然后，基于高斯混合模型，构建电池容量、欧姆内阻和DRT特性等六维判断，提出电池软聚类方法。

他们指出，该方法在考虑电池内重要电化学特性的基础上，利用机器学习和人工智能算法快速估计退役锂离子电池的容量和软聚类，大大提高了聚类结果的准确性和灵活性，提高了梯队利用的经济性和安全性。

最后，研究人员通过计算轮廓系数和混合脉冲功率特性(HPPC)实验验证了聚类结果。实验结果表明，获取电池容量的时间从标准容量测试的3h缩短到10min，容量预测误差控制在4%以内；这种软聚类分类方法可以提高电池重组的灵活性，保证重组电池的良好一致性。

本文编写于2022年第23期《电工技术学报》，题为“基于电化学阻抗谱的大规模退役锂离子电池软聚类方法”。本课题得到国家自然科学基金项目、上海自然科学基金项目和国家汽车安全节能重点实验室项目的支持。

文章来源：http://www.swsdeyc.cn | 锂电池回收、动力电池回收、电池回收、汽车电