不容忽視的是，電池處理產(chǎn)業(yè)化方面仍處初級階段。據(jù)了解，前期報廢電池多為磷酸鐵鋰電池，可以梯次利用。但相關(guān)研究論文顯示，1噸磷酸鐵鋰電池回收的成本在8500元左右，而回收所得市場價值僅為8000元，這意味著回收企業(yè)每回收一噸磷酸鐵鋰電池將虧損500元左右。

 

這也導(dǎo)致企業(yè)的積極性并不高。目前只有中國鐵塔公司在通信基站備能領(lǐng)域開展了規(guī)?；瘜嵺`應(yīng)用，國家電網(wǎng)、比亞迪等部分企業(yè)在儲能等領(lǐng)域開展了一些試驗性項目。

 

乘用車大量應(yīng)用的三元鋰電池，因為再生利用價值較高，企業(yè)布局較快，但行業(yè)規(guī)模小盈利困難。據(jù)了解，以格林美、邦普、華友鈷業(yè)、廣東光華、贛州豪鵬等為代表的一批企業(yè)，已具備相對成熟的廢舊動力蓄電池再生利用技術(shù)，形成了批量化再生處置能力。

 

中國電池工業(yè)協(xié)會副理事長王敬忠表示，目前新能源汽車電池達到報廢期限的數(shù)量仍較少，大規(guī)模的報廢需要等到2年以后，很多企業(yè)面臨“吃不飽”的局面。“動力電池回收處理需要達到數(shù)量要求后可以實現(xiàn)盈利。”此外，如今有的企業(yè)處理技術(shù)成本較高，難以協(xié)調(diào)成本和效益，容易導(dǎo)致虧損。

 

Kalman濾波法是美國數(shù)學(xué)家卡爾曼（R.E.Kalman）在上世紀60年代初發(fā)表的論文《線性濾波和預(yù)測理論的新成果》中提出的一種新型最優(yōu)化自回歸數(shù)據(jù)濾波算法。該算法的本質(zhì)在于可以根據(jù)最小均方差原則，對復(fù)雜動態(tài)系統(tǒng)的狀態(tài)做出最優(yōu)化估計。非線性的動態(tài)系統(tǒng)在卡爾曼濾波法中會被線性化成系統(tǒng)的狀態(tài)空間模型，在實際應(yīng)用時系統(tǒng)根據(jù)前一時刻的估算值與當(dāng)前時刻的觀測值對需要求取的狀態(tài)變量進行更新，遵循“預(yù)測—實測—修正”的模式，消除系統(tǒng)隨機存在的偏差與干擾。使用Kalman濾波法估算動力電池的SOC時，電池以動力系統(tǒng)的形式被轉(zhuǎn)化為狀態(tài)空間模型，SOC則變成為了該模型內(nèi)部的一個狀態(tài)變量。建立的系統(tǒng)是一個線性離散系統(tǒng)。

 

 

 

由于Kalman濾波法不僅能夠修正系統(tǒng)初始誤差，還能有效地抑制系統(tǒng)噪聲，因此在運行工況非常復(fù)雜的電動汽車動力電池的SOC估算中，具有顯著的應(yīng)用價值。不過該方法同樣存在兩點缺陷：其一，Kalman濾波法估算SOC的精度很大程度上取決于電池模型的準(zhǔn)確程度，工作特性本身就呈高度非線性化的動力電池，在Kalman濾波法中經(jīng)過線性化處理后難免存在誤差，如果模型建立得不夠準(zhǔn)確，其估算的結(jié)果也并不一定可靠；其二，該方法涉及的算法非常復(fù)雜，計算量極大，所需要的計算周期較長，并且對硬件性能要求苛刻。

 

神經(jīng)網(wǎng)絡(luò)法是模擬人腦及其神經(jīng)元用以處理非線性系統(tǒng)的新型算法，無需深入研究電池的內(nèi)部結(jié)構(gòu)，只需提前從目標(biāo)電池中提取出大量符合其工作特性的輸入與輸出樣本，并將其輸入到使用該方法所建立系統(tǒng)中，就能獲得運行中的SOC值。該方法后期處理相對簡單，即能有效避免Kalman濾波法中需要將電池模型作線性化處理后帶來的誤差，又能實時地獲取電池的動態(tài)參數(shù)。但是神經(jīng)網(wǎng)絡(luò)法的前期工作量比較大，需要提取大量且全面的目標(biāo)樣本數(shù)據(jù)對系統(tǒng)進行訓(xùn)練，所輸入的訓(xùn)練數(shù)據(jù)和訓(xùn)練的方式方法在很大程度上都會影響SOC的估計精度。此外，在電池溫度、自放電率和電池老化程度不統(tǒng)一等因素的復(fù)雜作用下，長期使用該方法估算同一組電池的SOC值，其準(zhǔn)確性也會大打折扣。因此，在動力電池的SOC估算工作中該方法并不多見。