退役电池在进行梯次利用之前需要对其参数进行测试与评估,以保证后续依据电池的性能为其选择适合的应用场景。健康状态(state of health,SOH)的准确评估是退役动力电池是否有梯次利用价值的前提。针对目前退役动力电池SOH评估准确性低...退役电池在进行梯次利用之前需要对其参数进行测试与评估,以保证后续依据电池的性能为其选择适合的应用场景。健康状态(state of health,SOH)的准确评估是退役动力电池是否有梯次利用价值的前提。针对目前退役动力电池SOH评估准确性低的问题。本工作首先利用弛豫时间分布法对电化学阻抗谱进行分析,用以得到其中能准确反应电池健康状态的特征频率,将特征频率对应的阻抗数据作为特征输入参量,输入麻雀算法优化的极限学习机模型以实现退役动力电池SOH的评估。为了验证评估方法的有效性,针对7只方形磷酸铁锂退役电池进行循环老化实验,并在每个循环周期后进行电化学阻抗测试。使用退役动力电池的实际的电化学阻抗谱用于分析与建模实现SOH评估,并将结果与实际的SOH数据进行对比,并与传统的SOH评估方法进行了对比。评估结果表明,相较于其他方法采用弛豫时间分布法进行分析的均方误差(mean square error,MSE)与平均绝对百分比误差(mean absolute percentage error,MAPE)更低。相较于使用未优化的极限学习机模型,MSE和MAPE分别降低了47.1%和60.5%,表明本文的SOH评估方法具有更小的误差和更高的准确性,在实际的梯次利用中很有应用价值。展开更多
