[0001] 本发明涉及磷酸铁锂储能电池技术领域，特别涉及一种基于一致性监测的磷酸铁锂储能电芯组包方法。

[0002] 以磷酸铁锂作为电池正极材料时，参与电荷转移的是二价铁，二价铁易与氧气反应形成三价铁，生产时需要将三价铁还原成二价铁。若发生过度还原的情况，正极材料中可能残留铁单质，引发短路现象；若还原不充分，磷酸铁锂在正极材料中的比例将减小，导致电池容量不足。这是由材料的化学特性所导致，基本无法完全解决这一问题。因此，磷酸铁锂电池天然会有一致性差的技术问题。在实际使用过程中，若电芯一致性差，会导致部分电芯过充过放、能量使用率低等问题。

[0003] 目前，在组包时一般采用阻容分选法，通过测算放电容量和静态阻挡分配一致性相似的电芯。其不足之处在于：1、只考虑到了电芯出厂时的一致性，并未考虑长期使用下的电芯一致性问题，使得磷酸铁锂储能电池在使用初期效果好，随着使用时间加长，电池衰减速度变快，无法发挥出磷酸铁锂储能电池结构稳定可还原性强的优势；2、对于一致性相差较大的电芯，并未给出合理的处理方式。

[0055] 下面结合附图和实施例对本发明作进一步说明。

[0056] 一种基于一致性监测的磷酸铁锂储能电芯组包方法，如图1所示，具体步骤如下：

[0057] S1、对下线的若干磷酸铁锂电芯进行三次循环充放电试验，分别记录充放电循环中的电芯充满电所需电量(CEi，1、CEi，2、CEi，3)、放电电流和放电时间，其中CEi，1为编号为i的电芯第一次充满电所需电量。

[0058] S2、将三次充放电循环的电芯充满电所需电量(CEi，1、CEi，2、CEi，3)输入磷酸铁锂电芯衰减速度预测模型fbp(CEi，1、CEi，2、CEi，3)，获取该电芯的衰减评价指标aei。

[0059] 具体地，获取该电芯的衰减评价指标aei，如图2所示，具体步骤如下：

[0060] S21、构建BP神经网络预测模型；

[0061] S22、选取全新样本电芯进行充放电试验，对样本电芯进行若干以上的循环充放电直到样本电池衰减至不可使用，记录样本电芯每次充满电所需电量其中 为编号为i的样本电芯第j次充电所需电量；

[0062] S23、以全新样本电芯充电满所需电量减去最后一次充电所需电量的差，除以循环充放电次数作为样本电芯的衰减速度 具体公式如下：

[0063]

[0064] S24、以样本电芯前三次充满电所需电量和该样本电芯的衰减速度构建训练样本以若干训练样本BP训练神经网络预测模型，以训练好的神经网络预测模型作为磷酸铁锂电芯衰减速度预测模型fbp(X)＝avi。

[0065] S25、将磷酸铁锂电芯前三次充满电所需电量(CEi,1、CEi,2、CEi,3)输入磷酸铁锂电芯衰减速度预测模型fbp(X)，输出该磷酸铁锂电芯的衰减速度avi；

[0066] 以历史磷酸铁锂电芯的最大衰减速度avmax减去该磷酸铁锂电芯的衰减速度avi，再除以历史磷酸铁锂电芯的最大衰减速度avmax，算得该磷酸铁锂电芯的衰减评价指标aei，计算公式如下：

[0067]

[0068] S3、在第一次放电试验中，记录电芯的放电时间tdi和放电电流cdi，算得该电芯的充电容量ci，以电芯的充电容量计算充电容量评价指标cii，计算公式如下：

[0069] ci＝tdi×cdi

[0070]

[0071] S4、以电芯的衰减评价指标和充电容量评价指标构建分类数组gi(aei，avi)，以k‑means聚类算法对若干分类数组进行分类。

[0072] 所述聚类算法为k‑means聚类算法，如图3所示，具体分类方法如下：

[0073] S41、以所有待组包磷酸铁锂电芯的衰减评价指标和充电容量评价指标作为二维分类数据；

[0074] S42、设置分类簇数量，初始化簇中心；

[0075] S43、计算各分类数据到簇中心的欧式距离

[0076] S44、根据欧式距离，将每个分类数据分配距离最近的簇；

[0077] S45、计算每个簇的中心；

[0078] S46、重复迭代，直到收敛。

[0079] S5、根据k‑means聚类算法算得的每个簇中心作为基准，结合电芯与中心的距离，选取可组包的电芯，即dn，i＜thd，其中dn，i为第i个电芯到第n个中心的距离，thd为距离阈值。

[0080] S6、分析磷酸铁锂电池未来使用场景，在剩余电芯中筛选符合要求的若干剩余电芯。

[0081] 筛选符合要求的若干剩余电芯，如图4所示，具体步骤如下：

[0082] S61、计算该使用场景下磷酸铁锂电池的平均充放电频率f、平均单次使用电量ct和电池平均使用寿命l。

[0083] S62、以电池平均使用寿命乘以平均充放电频率l×f，算得电池循环次数n，即磷酸铁锂电芯循环次数。

[0084] S63、以电池平均单次使用电量算得磷酸铁锂电芯在使用末期的最低充电电量cmin。

[0085] S64、以每个待组包磷酸铁锂电芯的最大充电容量减减去该磷酸铁锂电芯循环次数与衰减速度的积，即cmax‑n.ae，所得结果与磷酸铁锂电芯在使用末期的最低充电电量进行比较cmin，若满足要求则保留该磷酸铁锂电芯作为预选电芯，若不满足，则剔除该磷酸铁锂电芯。

[0086] S7、根据磷酸铁锂电池未来使用场景，计算第一权重数值和第二权重数值，所述第一权重和第二权重根据组包后磷酸铁锂电池的使用充放电频率决定，充放电频率越快，第二权重越大，充放电频率越慢，第一权重越大。

[0087] 具体地，第一权重和第二权重的计算方法如下：

[0088] 设置基准充放电频率，在基准充放电频率下，第一权重和第二权重均为0.5；

[0089] 以磷酸铁锂电池的实际使用充放电频率与基准充放电频率的差除以基准充放电频率，算得权重修正参数；

[0090] 以权重修正参数加1的和乘以0.5作为第二权重数值，以1减去第二权重数值作为第一权重数值。

[0091] S8、根据第一权重数值、第二权重数据、电芯充电容量评价指标和电芯衰减评价指标，计算每个电芯的分组评分。

[0092] S9、根据分组评分，完成剩余电芯的组包。

[0093] 最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。