2.新能源汽车越来越普及，尤其是在全球主要国家都实行碳排放限制之后。相应地，新能源电动汽车销量逐年攀升。由于新能源电动汽车都使用动力电池，因此动力电池在服役期结束后的去向也开始成为整个储能行业关注的热点。大多数的退役动力电池仍然保持良好的综合性能，如果直接参与回收势必造成资源的极大浪费和环境压力，而将动力电池梯次应用于电网储能、通信基站、家庭备用电源等领域已是行业的共识，这会进一步发挥电池的剩余价值，产生良好的经济效益和社会效益。然而，动力电池在长期工作过程中，由于工况复杂、均衡控制不足、制造工艺差异等诸多方面的原因，使得电池单体或模组之间的不一致性逐步扩大，从而影响储能系统总体输出效果，还易触发“热失控”风险。传统的静态电池分选方法依赖大量的测试来获取容量、内阻、自放电率等参数，不仅效率低且无法有效反映电池在运行阶段的一致性保持能力。

　　4.为了解决现有技术中的上述问题，即为了解决现有技术中动力电池分选方法无法保证分选到同一电池组内的电池之间保持一致性的问题，本发明提供一种磷酸铁锂电池的分选方法，所述分选方法包括：在相同条件下对多只磷酸铁锂电池进行充放电，以获取每只磷酸铁锂电池的容量增量特征曲线；基于每只磷酸铁锂电池的容量增量特征曲线，提取每只磷酸铁锂电池的一致性特征量；对所述一致性特征量执行模糊c均值算法处理，以便获得每只磷酸铁锂电池相对聚类中心的隶属度值；根据所述隶属度值将所述多只磷酸铁锂电池分成多个组。

　　5.本发明的磷酸铁锂电池的分选方法首先通过在相同条件下对磷酸铁锂电池进行充放电，以获得每只磷酸铁锂电池的容量增量(以下简称“ic”) 特征曲线。ic特征曲线能够将电池输出特性与内部电化学表现联系起来，并且能够将电压平台不易观察的细微差异转变为ic特征曲线上可明显区分的特征峰。因此，从ic特征曲线可提取反映磷酸铁锂电池之间一致性的一致性特征量。这里所述的“一致性”主要是指电池老化的一致性。然后，该分选方法对上述的一致性特征量执行模糊c均值算法(简称“fcm”)处理，以便获得每只磷酸铁锂电池相对聚类中心的隶属度值。最后，根据隶属度值将多只磷酸铁锂电池分成多个组。通过上述的电池容量增量分析方法能够定量分析电池老化机制和程度，并以此作为老化一致性的判定依据，使得分到同一组内的电池老化一致性水平很高。因此，本发明的分选方法能够实现对电池(例如退役的电池)的科学、高效一致性分选。

　　6.在上述磷酸铁锂电池的分选方法的优选技术方案中，所述容量增量特征曲线具有反映锂离子损耗水平和电池内阻增加程度的第一特征峰和反映电池活性物质损失程度的

　　第二特征峰，所述一致性特征量包括第一特征峰高度值、第一特征峰对称中心电压值、第二特征峰高度值、和任意两只磷酸铁锂电池的容量增量特征曲线之间的动态时间弯曲距离。第一特征峰高度值能够代表对应电池的锂离子损耗水平；第二特征峰高度值能够代表对应电池的活性物质损失程度；第一特征峰对称中心电压值能够代表电池的电池内阻增加程度。动态时间弯曲距离则是可代表电池一致性水平的特征量，其数值越小，数值越小则电池老化程度越接近，一致性水平越高。

　　7.在上述磷酸铁锂电池的分选方法的优选技术方案中，在对所述一致性特征量执行模糊c均值算法处理之前，对所述一致性特征量执行归一化处理。归一化处理可消除量纲不同对计算结果的影响。

　　8.在上述磷酸铁锂电池的分选方法的优选技术方案中，对所述一致性特征量执行模糊c均值算法处理包括如下步骤：接收输入的所述一致性特征量；初始化对应每种一致性特征量的参数，确定聚类簇数和模糊因子；基于所述聚类簇数和模糊因子，计算聚类中心、隶属度矩阵、和目标函数；判断所述目标函数是否满足聚类迭代的终止条件；当所述目标函数满足聚类迭代的终止条件时，输出隶属度矩阵和聚类中心；并且根据所述隶属度矩阵和聚类中心，确定每只磷酸铁锂电池相对所述聚类中心的隶属度值。该模糊c均值算法为最小类内平方误差和准则的聚类算法，可方便地计算出各电池的特征向量对聚类中心的隶属度。

　　9.在上述磷酸铁锂电池的分选方法的优选技术方案中，所述磷酸铁锂电池为退役的磷酸铁锂电池。对退役的磷酸铁锂电池实现精确的一致性分选，进而保证对退役的磷酸铁锂电池的梯次利用。

　　10.在上述磷酸铁锂电池的分选方法的优选技术方案中，所述分选方法还包括：基于所述容量增量特征曲线，确定每组磷酸铁锂电池的第一特征峰的最大高度值和最小高度值、第二特征峰的最大高度值和最小高度值、第一特征峰的对称中心的最大电压值和最小电压值；基于所述第一特征峰的最大高度值和最小高度值，计算每组磷酸铁锂电池的组内锂离子损失极差系数；基于所述第二特征峰的最大高度值和最小高度值，计算每组磷酸铁锂电池的组内活性材料损失极差系数；基于所述第一特征峰的对称中心的最大电压值和最小电压值，计算组内内阻极差系数；根据所述组内锂离子损失极差系数、所述组内活性材料损失极差系数、和所述组内内阻极差系数，确定每组磷酸铁锂电池内各电池的老化一致性程度。

　　11.在上述磷酸铁锂电池的分选方法的优选技术方案中，所述组内锂离子损失极差系数采用如下公式计算：

　　(i)为第i组磷酸铁锂电池的组内锂离子损失极差系数，i＝1～n，n 为磷酸铁锂电池被分成的组数并且大于1，p

　　在上述磷酸铁锂电池的分选方法的优选技术方案中，所述组内活性材料损失极差系数采用如下公式计算：

　　为第i组磷酸铁锂电池的组内活性材料损失极差系数，i＝1～n， n为磷酸铁锂电池被分成的组数并且大于1，p

　　为第i组磷酸铁锂电池的组内内阻极差系数，i＝1～n，n为磷酸铁锂电池被分成的组数并且大于1，u

　　在上述磷酸铁锂电池的分选方法的优选技术方案中，在相同条件下对多只磷酸铁锂电池进行充放电包括：以0.25c的充电倍率对所述磷酸铁锂电池进行恒流充电。ic特征曲线的获得在恒定的小电流下进行，可消除电池的极化影响。

　　图4是本发明显示10只退役的磷酸铁锂电池的ic特征曲线是显示使用本发明磷酸铁锂电池的分选方法获得的10只退役的磷酸铁锂电池的分选结果。

　　下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

　　为了解决现有技术中动力电池分选方法无法保证分选到同一电池组内的电池具有一致性的问题，本发明提供一种磷酸铁锂电池的分选方法，该分选方法包括：

　　对所述一致性特征量执行模糊c均值算法处理，以便获得每只磷酸铁锂电池相对聚类中心的隶属度值(步骤s3)；

　　选方法不仅适用于退役磷酸铁锂电池的分选，而且也可用于要求基于电池老化一致性进行电池分选的其它合适情形。

　　图1是本发明磷酸铁锂电池的分选方法的流程图。如图1所示，本发明磷酸铁锂电池的分选方法在开始后，首先实施步骤s1，在相同条件下对多只磷酸铁锂电池进行充放电，以获取每只磷酸铁锂电池的容量增量(ic)特征曲线。多只磷酸铁锂电池例如为10只、20只、或30只等各种数量的批量磷酸铁锂电池单体。这些磷酸铁锂电池单体可以是退役的电池。相同条件是指采用同样的充电倍率充电到预定的相同电压，或者采用相应的放电倍率放电到预定的相同电压。需要指出的是，一般在小电流下获得ic特征曲线，以消除电池的极化影响。

　　v曲线c倍率充电而获得。ic特征曲线本质上是电池以恒定电流(cc)充放电时，单位电压 (v)内充入或放出的容量(q)，电压容量增量用dq/dv表示。如图2 所示，曲线为ic特征曲线为q

　　v曲线可知，电池在充电阶段的ic特征曲线存在着对应关系，即ic特征曲线的三个特征峰ii对应容量变化率较大的位置。因此，通过该容量增量方法，将电压平台不易观察的细微差异转变为ic特征曲线上可明显区分的三个特征峰。磷酸铁锂电池在充放电过程中发生的电化学反应涉及正负极材料的相变过程，正极主要涉及非化学计量的固溶态阶段和中间伪二元的li

　　嵌入石墨片层间使碳c转变为lic6涉及多个中间过渡态，每个反应阶段对应唯一的ic 特征峰，因此图2中的特征峰即对应电池所处的三个主要的反应阶段。将正极的伪二元相变阶段记作ⅱ，负极3个较为明显的相变阶段记作

　　*ⅱ被称为第三特征峰。随着电池的老化程度加深，电池的端电压曲线偏离初始位置，最终反映为ic特征峰的高度、宽度与对称中心电压的改变。因此，通过电池之间的ic特征的比较，能够准确的把握各电池的老化水平及差异性，建立以老化指标一致性为依据的电池分选方法。

　　继续参照图1，通过步骤s1获得容量增量特征曲线后，分选方法前进到步骤s2，基于每只磷酸铁锂电池的容量增量特征曲线，提取每只磷酸铁锂电池的一致性特征量。在一种或多种实施例中，一致性特征量包括第一特征峰高度值、第一特征峰对称中心电压值、第二特征峰高度值、和任意两只磷酸铁锂电池的容量增量特征曲线之间的动态时间弯曲距离。第一特征峰高度值能够代表对应电池的锂离子损耗水平。第二特征峰高度值能够代表对应电池的活性物质损失程度。第一特征峰对称中心电压值能够代表电池的电池内阻增加程度。动态时间弯曲距离则是可代表电池一致性水平的特征量，其数值越小，数值越小则电池老化程度越接近，一致性水平越高。

　　继续参照图1，在提取了每只磷酸铁锂电池的一致性特征量之后，分选方法前进到步骤s3,对一致性特征量执行模糊c均值算法处理，以便获得每只磷酸铁锂电池相对聚类中心的隶属度值。基于隶属度值，就可将多只磷酸铁锂电池分成多个组(步骤s4),例如三个组、四个组、或其它数量的组。

　　图3是本发明磷酸铁锂电池的分选方法的实施例的流程图。在分选方法开始后，首先在相同条件下对多只磷酸铁锂电池进行充放电，以获取每只磷酸铁锂电池的容量增量

　　(ic)特征曲线只退役的磷酸铁锂电池单体(以下称为“磷酸铁锂电池”)充电。获得的ic特征曲线只退役的磷酸铁锂电池分别被编号为1#，2#，3#，4#，5#，6#，7#，8#，9#，10#，其中，1#电池ic特征曲线被作为标准参考曲线#电池ic特征曲线的第二特征峰

　　1左右的尖峰。然后，基于每只磷酸铁锂电池的ic特征曲线，提取每只磷酸铁锂电池的一致性特征量，即第一特征峰高度值p1/ah

　　分别代表第i个电池和第j个电池，i＝1～10，j＝1～10，并且i和j不相同。下表1列出了10退役的磷酸铁锂电池的四种ic特征值。

　　如图3所示，在提取到上述代表一致性的ic特征值，分选方法前进到步骤s31，由数据处理装置接收输入的一致性特征量，即上表1中的四种ic特征值。在一种或多种实施例中，对输入的这些ic特征值执行归一化处理，以便消除量纲不同对计算结果的影响。数据处理装置例如可以是微处理器、或云端处理器等。接着，分选方法前进到步骤s32，初始化对应每种一致性特征量(即p1,p2,u1,ddtw(b

　　))的参数以便形成初始隶属度矩阵，并且确定聚类簇数和模糊因子。聚类簇数c可基于函数l(c)＝类间距离之和/类内间距之和，通过计算获得最优结果。在一种或多种实施例中，聚类簇数被设为3。替代地，根据实际需要，聚类簇数可被设为2、或大于3的数值。模糊因子(或称为“系数”)m越小点越分散，m越大点越集中，通过代入不同m值比较最终结果而得到一个最优m值模糊因子。m的取值范围可在1.1～5之间，具体的模糊因子数值可根据实际情况确定，例如1.5或3.2等。在确定了聚类簇数和模糊因子之后，分选方法前进到步骤s33，基于聚类簇数和模糊因子，计算聚类中心、隶属度矩阵、和目标函数。分选方法然后在步骤s34中判断目标函数是否满足聚类迭代的终止条件。如果未满足，则更新隶属度矩阵并重新计算目标函数，直至输出聚类中心和隶属度矩阵结果。如果满足，分选方法就前进到步骤s35，输出隶属度矩阵和聚类中心。在一种或多种实施例中，针对上述10只磷酸铁锂电池的一致性特征量，在聚类簇数为 3的情况下，经过12次迭代后聚类结束，并输出隶属度矩阵。基于步骤 s35的结果，即基于隶属度矩阵和聚类中心，确定每只磷酸铁锂电池相对聚类中心的隶属度值，如下表2所示。

　　其中，c1为对应第1聚类中心的隶属度值，c2为对应第2聚类中心的隶属度值，c3为对应第3聚类中心的隶属度值。

　　如图3所示，基于隶属度值，将多只磷酸铁锂电池分成多个组(步骤s4)，然后分选方法结束。例如，上述10只退役磷酸铁锂电池基于对应的隶属度值被分为3组，如图5所示。第1组包括5只磷酸铁锂电池；第2组包括3只磷酸铁锂电池；第3组包括2只磷酸铁锂电池。

　　在一种或多种实施例中，本发明磷酸铁锂电池的分选方法还提供对分选结果的评估。该评估方法采用组内锂离子损失极差系数、组内活性材料损失极差系数、和组内内阻极差系数三种参数来评价确定每组磷酸铁锂电池内各电池的老化一致性程度。该评估方法分别计算根据本发明的容量增量分选方法被分到同一组的磷酸铁锂电池的组内锂离子损失极差系数、组内活性材料损失极差系数、和组内内阻极差系数；再计算根据传统的容量和电阻分选方法被分到同一组的磷酸铁锂电池的组内锂离子损失极差系数、组内活性材料损失极差系数、和组内内阻极差系数；然而将上述两种计算所得的结果进行比对，以评估本发明的容量增量分选方法的效果。

　　为第i组磷酸铁锂电池的组内锂离子损失极差系数，i＝1～n，n 为磷酸铁锂电池被分成的组数并且大于1，p

　　(i)为第i组磷酸铁锂电池的第一特征峰的最小高度值。基于上面被分为3组的10只退役磷酸铁锂电池的ic特征曲线个组的组内锂离子损失极差系数，如下表3所示。

　　为第i组磷酸铁锂电池的组内活性材料损失极差系数，i＝1～n， n为磷酸铁锂电池被分成的组数并且大于1，p

　　(i)为第i组磷酸铁锂电池的第二特征峰的最小高度值。基于上面被分为3组的10只退役磷酸铁锂电池的ic特征曲线个组的组内活性材料损失极差系数，也如下表3 所示。

　　(i)为第i组磷酸铁锂电池的第一特征峰的对称中心的最小电压值。基于上面被分为3组的10只退役磷酸铁锂电池的ic特征曲线个组的组内内阻极差系数，也如下表3所示。

　　在上表3中还分别列出基于传统的容量和电阻分选方法被分为3组的磷酸铁锂电池的组内锂离子损失极差系数、组内活性材料损失极差系数、和组内内阻极差系数。由上表3可知，基于容量和内阻的电池分选方法，各老化指标数值明显高于本发明的ic特征一致性分选方法，这主要是因为基于容量和内阻的分选方法无法完全排除分选过程人为因素的影响。基于ic特征分选方法所获得的分组结果，组内老化一致性指标数值更小，说明组内电池的老化程度更加接近。其中，从ε

　　(i)指标得知，对称中心位置电压(即电压曲线突变点)偏差程度更小，极差系数平均每组减少0.2％，说明在充放电过程中电池的端电压曲线]

　　综上所述，本发明基于容量增量分析的电池分选方法，以电池ic特征曲线个特征值的相似度水平作为分选依据，并结合fcm算法确定了电池一致性分选方法。实验结果表明，ic特征一致性分选方法得到的电池组内老化一致性指标数值与容量和内阻分选方法相比更小，即与各退役电池的实际老化程度和老化趋势更为接近。因此，在例如退役电池的梯次利用阶段能保持更好的一致性。同时，采用fcm算法提高了电池的分选效率且消除了传统方法中人为因素引起的误差。ic特征一致性分选方法使用老化机理和统计聚类角度，使得分选更科学、更高效。

　　至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。