先恒定电流再恒定电压充电使用局部恒定电流脉冲比（SCCIR）校准的可充电电池快速筛选方法技术

根据测量的局部恒定电流脉冲比(SCCIR)来筛选旧电池。使用恒定电流(CC)对旧电池在一个小电压范围内进行部分充电，直到达到一个电压目标，并对电流进行积分，以获得所施加的CC电荷Qcc。然后继续使用电压目标的恒定电压(CV)对电池充电，直到充电电流降至一个中段电流目标，未到达完全充电。对CV周期内的电流积分，以获得施加的CV电荷Qcv。测量的SCCIR是Qcc与(Qcc+Qcv)之比。测量的SCCIR输入到校准曲线函数，以获得模型健康状态(SOH)值，用于分类。通过对新电池进行老化，获得SCCIR和SOH数据，利用神经网络对其进行建模，得到校准曲线函数。得到校准曲线函数。得到校准曲线函数。

【技术实现步骤摘要】
【国外来华专利技术】先恒定电流再恒定电压充电使用局部恒定电流脉冲比（SCCIR）校准的可充电电池快速筛选方法
相关申请
[0001]本申请是2021年2月8日提交的美国专利申请号为17/169,675 的“使用恒定电流脉冲比(Constant
‑
Current Impulse Ratio，CCIR)校准的旧电池快速筛选方法”的部分延续(Continuation
‑
In
‑
Part，CIP)专利申请。


[0002]本专利技术涉及电池筛选方法，特别涉及筛选老化或退役电池再利用的方法。

技术介绍

[0003]电池被广泛应用于各种系统的供电，包括电动汽车(ElectricVehicle，EV)。每辆EV都需要一个大电池组来提供推动EV所需的大量动力。
[0004]EV通常使用较昂贵的锂离子电池。这种先进电池中使用的化学物质会带来处置问题。有毒的化学物质会从废弃电池中泄漏，污染水源。随着EV的普及，随着EV电池的退役，将给垃圾填埋场带来额外的负担。
[0005]回收锂离子电池和其他电池可能需要使用酸或高炉，这会引起其他环境问题。低利润率导致电池回收毫无吸引力。
[0006]特别是EV电池组可能会被提前更换。EV制造商的建议可能会要求维修店更换低于确保EV运动性能所需的相当高放电容量的电池组。EV电池组可能会在所有电池单元耗尽之前被拆除。尤其是对于大型电池组，可能会有许多电池单元或电池组仍有相当的剩余使用寿命。这些电池单元可用于为功率要求不那么严格的其他系统供电，例如通信和计算机备用系统。与其将更换的EV电池丢弃在垃圾填埋场中或将其熔化，不如重新利用EV电池，将其使用寿命延长5至7年，从而提供了一种更可持续和环境友好的方法。
[0007]废旧电池的可用性可由其健康状态(State
‑
of
‑
Health，SOH)比率来定义。SOH是指电池当前存储容量与该电池的初始或标称存储容量之比。存储容量约为电池的放电容量。
[0008]图1显示一个现有技术的电池容量测试。可以有许多变化，图 1仅用于说明，不一定代表任何特定的电池测试。
[0009]准确测量电池的全部存储容量可能需要很多时间。快速充电或放电会使电池发热，影响测量。电池最初可能存储有剩余电量，需要在进行容量测量之前将其放电。
[0010]在步骤202，首先通过施加一个1C安培值的恒定电流(ConstantCurrent，CC)将被测电池充电至3.8伏，然后一旦达到3.8伏的目标电压，则减小该电流以保持恒定电压(ConstantVoltage，CV)或3.8伏电压。在 CV阶段电流将下降，直到达到一个低电流值，例如0.01C，或者直到经过一段时间。
[0011]让电池冷却一小时后再进行下一步。同样，在步骤202的初始充电之前，可以让电池冷却10分钟。
[0012]在步骤204，在1小时的冷却时间后，使用固定电流值为1C 的恒定电流(CC)对电池
进行放电。一旦电池的电压从3.8伏降至2.8伏，就停止放电，让电池静置并冷却一小时。
[0013]然后在步骤206，通过施加1C的恒定电流(CC)将电池充电，使电池电压达到较高的4.25伏，当电池电压达到4.25伏时，进行恒定电压 (CV)充电，电流会减小，以保持电池电压恒定在4.25伏。在充电电流降至较低阈值以下之后，充电结束，并使电池静置并冷却另外一小时。
[0014]最后在步骤208，使用仅先前放电电流的5％或0.05C的恒定电流(CC)对电池缓慢放电。该放电电流一直持续到电池电压达到2.8伏。通过将0.05C放电电流在达到2.8伏终点所需的时间内积分，来测量电池的放电容量。该积分电流可与新电池上进行类似测试的指定电量进行比较，以计算SOH比率。
[0015]当步骤204的1C放电超过一小时时，放电步骤208中的0.05C 小电流可能需要较长的时间，例如20小时。总测试时间可能超过26小时，包括步骤202、204、206中长达一小时的休息静置时间。该冗长的测试时间既昂贵又不合需要。
[0016]现有的快速筛选方法，例如库仑计数法和内阻法，可能会受到如此长测试时间的影响。内阻法的拟合度可能较低。这些方法可能需要复杂的设置。
[0017]期望有一种旧电池的筛选方法。期望使用较高的电流和较小的电压范围来测量旧电池的放电容量，以加快测试速度。期望使用恒定电流和恒定电压方法的组合来更快地确定电池的健康状况。期望有一种使用人工智能(Artificial Intelligence，AI)的校准方法来筛选旧电池。
附图说明
[0018]图1显示现有技术的电池容量测试。
[0019]图2A
‑
2B是新旧电池的CC
‑
CV充电曲线图。
[0020]图3A
‑
3B是使用母申请案的CCIR方法和本申请的局部CCIR (Sectional
‑
CCIR，SCCIR)方法的CC
‑
CV充电曲线图。
[0021]图4是根据CC
‑
CV充电过程中测量的SCCIR比值对电池进行测试和分类的方法。
[0022]图5更详细地显示了SCCIR测试。
[0023]图6显示了对新电池进行老化以获得SCCIR值以建模校准曲线的过程。
[0024]图7是SOH的校准曲线与SCCIR的函数关系图。
[0025]图8显示了一个神经网络，用于建模SOH的校准曲线作为 SCCIR的函数。
[0026]图9显示了以测量的SOH为目标来训练神经网络以生成旧电池校准模型。
[0027]图10是V1、V2和Imid的各种组合的校准样本数据表。
[0028]图11是对于V1、V2、Imid的各种组合的校准样本数据的SOH 与SCCIR的函数关系图。
具体实施方式
[0029]本专利技术涉及对电池筛选的改进。下面的描述是为了使本领域普通技术人员能够在特定应用及其要求的背景下制造和使用本专利技术。对优选实施例的各种修改对于本领域的技术人员来说将是显而易见的，并且本文所定义的一般原则可应用于其它实施例。因此，本专利技术并不打算局限于所示和所述的特定实施例，而是要给予符合本文所公开的原则和新颖特
征的最广泛的范围。
[0030]图2A
‑
2B是新旧电池的CC
‑
CV充电曲线图。在图2A，通过施加恒定电流(CC)，如0.2C，为新电池进行充电，直到电池电压，曲线312，在时间T1达到V2。恒定电流可以根据工作电流或电池规格文件中定义的标称电流来确定。然后在时间T1，充电模式从CC变为CV。在恒定电压 (CV)模式下，施加于电池的电压保持固定在V2，同时调整充电电流。特别地，在CV模式期间，当电池接近充满电时，充电电流，曲线310，从I1下降。当达到某个终点，如充电电流降至阈值，如CC本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种筛选电池以进行再利用或处置的方法，包括：(a)以一个恒定电流从启动电压对所述电池进行充电，直到电池电压达到一个电压阈值；其中，所述电压阈值小于所述电池完全充电时的电池的满电压；其中，所述启动电压介于所述电池完全充电时的所述满电压和所述电池完全放电时的空电压之间，或者所述启动电压等于所述空电压；(b)将所述恒定电流的值乘以一个恒定电流(CC)时间段，在所述恒定电流时间段内所述恒定电流被施加到所述电池以达到所述电压阈值，以产生一个恒定电流电荷值，所述恒定电流电荷值存储在计算机存储器中；(c)在达到所述电压阈值之后，以一个恒定电压对所述电池进行部分充电，直到施加到所述电池电压上的可变电流达到一个电流阈值；(d)在一个恒定电压(CV)时间段内对所述可变电流的值进行积分，在所述恒定电压时间段内所述恒定电压和可变电流被施加到所述电池以达到所述电流阈值，以产生一个恒定电压电荷值，所述恒定电压电荷值存储在所述计算机存储器中；(e)通过将所述恒定电流电荷值除以所述恒定电流电荷值与所述恒定电压电荷值之和，来产生局部恒定电流脉冲比(SCCIR)；将所述SCCIR输入到校准函数处理器，所述校准函数处理器输出与输入到所述校准函数处理器的所述SCCIR相对应的模型健康状态(SOH)值；当所述模型SOH值高于一个SOH阈值时，使用所述模型SOH值对所述电池进行分类以进行再利用；当所述模型SOH值低于所述SOH阈值时，对所述电池进行分类以进行处置。2.根据权利要求1所述的方法，其中所述电压阈值和所述启动电压之间的第一差值小于所述满电压和所述空电压之间的第二差值的四分之一；其中，通过仅在所述电池的满电压范围的四分之一以下对所述电池进行部分充电，来加速电池筛选以生成所述SCCIR。3.根据权利要求2所述的方法，其中，步骤(a)还包括：在施加所述恒定电流之前将所述电池放电至启动电压，其中在所述CC时间段内将所述电池从所述启动电压充电到所述电压阈值。4.根据权利要求3所述的方法，还包括：在将所述电池放电至所述启动电压之前，通过测量所述电池的初始电压来对所述电池进行预筛选，当所述电池的初始电压小于一个最小预筛选电压时，丢弃所述电池；其中，所述恒定电流不超过最大电池电流的20％。5.根据权利要求3所述的方法，还包括：响应于所述模型SOH值，将所述电池分类到多个箱中的一个箱中，其中，所述多个箱中的每个箱接收具有不同范围的模型SOH值的电池。6.根据权利要求3所述的方法，还包括：生成一个SCCIR
‑
SOH模型，所述SCCIR
‑
SOH模型对所述校准函数处理器进行编程，以通过以下方式从输入的SCCIR值生成所述模型SOH值：(f)在新电池上执行步骤(a)至(e)，并将所述SCCIR存储为一个模型输入的SCCIR值；(g)将所述新电池完全充电到所述满电压，然后在容量测量时间段内，以所述恒定电流
对所述新电池进行放电，所述容量测量时间段在所述新电池达到第二电压阈值时结束；(h)将所述恒定电流的值乘以所述容量测量时间段，以产生一个当前容量电荷值，并存储在所述计算机存储器中；(i)通过将所述当前容量电荷值除以一个初始容量电荷值来生成一个模型输入的SOH值，其中，所述初始容量电荷值是在所述新电池被步骤(j)老化之前的当前容量电荷值；(j)通过在N个充电/放电循环中对所述新电池进行反复充电和放电来使所述新电池老化，其中N为至少10的整数；在所述新电池老化后重复步骤(f)至(i)；使用所述模型输入的SCCIR值和所述模型输入的SOH值来生成描述所述SCCIR
‑
SOH模型的参数，所述SCCIR
‑
SOH模型对所述校准函数处理器进行编程，以从输入SCCIR值生成所述模型SOH值。7.根据权利要求6所述的方法，其中使用所述模型输入的SCCIR值和所述模型输入的SOH值来生成描述所述SCCIR
‑
SOH模型的参数还包括：(m)将所述模型输入的SCCIR值输入到神经网络的输入端；使用所述神经网络处理所述模型输入的SCCIR值，以产生一个计算的SOH值；使用一个损失函数将所述计算的SOH值与所述模型输入的SOH值进行比较，以产生一个损失值；使用所述损失值来调整所述神经网络内节点的权重，并从步骤(m)重复，直到达到建模终点；将所述权重存储在连接到所述神经网络的计算机存储器中；当到达所述建模终点时，使用所述权重的最终值和所述神经网络，从所述SCCIR输入生成所述模型SOH值，以实现从输入的SCCIR值生成所述模型SOH值的所述校准函数处理器。8.根据权利要求7所述的方法，其中所述神经网络包括执行小波函数的第一层节点、和执行乘积函数的第二层节点、以及执行求和函数的第三层节点。9.根据权利要求7所述的方法，还包括：(k)将所述模型输入的SOH值与终点SOH值进行比较；当所述模型输入的SOH值大于所述终点SOH值时，从步骤(j)继续，对所述新电池继续老化；当所述模型输入的SOH值大于所述终点SOH值时，跳至步骤(m)，生成所述SCCIR
‑
SOH模型。10.一种电池筛选方法，包括：首先使用一个初始恒定电流对电池进行放电，直到达到第一电压目标；初次放电后将所述电池冷却一段时间；使用一个恒定电流对所述电池进行部分充电，直到达到第二电压目标，并记录一个恒定电流电荷Qcc，即所述电池从所述第一电压目标到所述第二电压目标时，通过所述恒定电流传输到所述电池的电荷量；当达到所述第二电压目标时，切换到恒定电压(CV)充电过程，并记录一个恒定电压电荷Qcv，即在所述CV充...

【专利技术属性】
技术研发人员：许敏洁，陈梦，孙耀峰，
申请(专利权)人：香港应用科技研究院有限公司，
类型：发明
国别省市：