[發明專利]一種退役動力電池剩余價值優化方法

有效

• 申請號: 202110558832.5
• 申請日: 2021-05-21
• 公開（公告）號: CN113283166B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 王華昕;褚啟迪
• 申請（專利權）人: 上海電力大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/006;G06F119/04
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 劉小莉

本發明公開了一種退役動力電池剩余價值優化方法，包括，根據灰色模型與最小二乘支持向量機的組合，預測動力電池梯次利用期間的衰退規律；將電池的容量衰退換算成折損成本，以退役電池單日充放電收益最高為目標函數，以功率平衡約束、儲能安全和退役電池調度為約束條件；導入微網數據，利用粒子群算法求解所述灰色模型，制定收益最高的退役電池運行方案，同時采集所述退役電池運行方案下退役電池的使用數據；將所述電池梯次利用后的使用真實數據反饋給所述最小二乘支持向量機，作為所述最小二乘支持向量機的訓練集，完成衰退速度的滾動預測。本發明為后續制定運行方案提供數據支撐，有效解決電池衰退規律的不一致性問題。

技術領域

本發明涉及退役動力電池梯次利用的技術領域，尤其涉及一種退役動力電池剩余價值優化方法。

背景技術

隨著近年來，新能源汽車熱度居高不下，伴隨而來的是動力電池的退役潮，預計到2025年，中國動力鋰電池退役量超過73萬噸，其中70％可梯次利用，市場規模超過200億元。2020年10月，工信部對《新能源汽車動力蓄電池梯次利用管理辦法》征求意見，鼓勵梯次利用企業與新能源汽車生產、動力蓄電池生產及報廢機動車回收拆解等企業協議合作，加強信息共享。

但是，現有的退役電池梯次利用作為儲能存在以下問題：電池的衰退是極不規則且非線性的，不同廠商或不同批次的電池衰退規律具有不一致性，對后續制定運行方案造成難題；目前企業普遍采用深充深放的充放電模式，將放電深度控制在70％～80％，并未考慮電池衰退帶來的折損成本。綜上，充分挖掘電池歷史信息，預測電池衰退規律，能夠提高衰退模型的準確性，從而提升退役電池的剩余價值。

發明內容

本部分的目的在于概述本發明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于上述現有存在的問題，提出了本發明。

因此，本發明提供了一種退役動力電池剩余價值優化方法，能夠解決電池衰退規律不一致性的問題。

為解決上述技術問題，本發明提供如下技術方案：包括，根據灰色模型與最小二乘支持向量機的組合，預測動力電池梯次利用期間的衰退規律；將電池的容量衰退換算成折損成本，以退役電池單日充放電收益最高為目標函數，以功率平衡約束、儲能安全和退役電池調度為約束條件；導入微網數據，利用粒子群算法求解所述灰色模型，制定收益最高的退役電池運行方案，同時采集所述退役電池運行方案下退役電池的使用數據；將所述電池梯次利用后的使用真實數據反饋給所述最小二乘支持向量機，作為所述最小二乘支持向量機的訓練集，完成衰退速度的滾動預測。

作為本發明所述的退役動力電池剩余價值優化方法的一種優選方案，其中：進行所述預測之前包括，選取電池放電深度作為影響電池衰退的主要因素，并以m組不同的放電深度建立m組灰色模型；收集電動汽車動力電池歷史使用數據，將所述歷史使用數據導入所述灰色模型中；將所述灰色模型的預測結果作為輸入，實際數據作為輸出，訓練所述最小二乘支持向量機。

作為本發明所述的退役動力電池剩余價值優化方法的一種優選方案，其中：所述最小二乘支持向量機包括，利用回歸模型進行訓練，如下，

其中，w^T為權向量，b為偏置。

作為本發明所述的退役動力電池剩余價值優化方法的一種優選方案，其中：利用風險最小化原則建立所述約束條件，包括，

其中，e_i為誤差，γ為正則化參數。

作為本發明所述的退役動力電池剩余價值優化方法的一種優選方案，其中：所述回歸模型的核函數選擇徑向基函數，如下，