电动汽车销量的快速增长导致了锂动力电池退役数量的增加,虽然退役的电池不能满足电动汽车的使用要求,但仍足够应用于要求较低的场合。针对退役电池进行测试和梯次利用分选,能够为退役电池找到合适的应用场合,从而最大限度地延长电池使用寿命。现有的电池梯次利用分选方法复杂、成本高,且成组之后的电池模组性能较差,本文主要针对退役动力电池梯次利用电池分选方法进行研究。首先列举梯次利用分选方法的国内外研究现状,通过对比常用分选方法的优缺点,选择了多参数分选法与动态特征曲线分选法相结合进行的分选方法,从梯次利用电池的充放电电压曲线出发,再结合电池的静态特征组合成多参数特征进行聚类分选。根据锂电池的结构和工作原理、锂电池特性参数研究,结合退役电池的老化机理及电池不一致性的形成原因、影响,从中分析提取出能够表征退役电池不一致性的特征。考虑到退役锂电池存在历史数据缺失、非线性时变特性以及实验数据难以获取等问题,本文基于退役动力电池老检测的充放电数据,提出采用六阶多项式对充放电数据自适应分段拟合提高特征提取的精度。在充放电曲线中提取初HVR、DVF动态特征与测量所得容量、开路电压静态特征组成电池分选的特征向量,并对这些分选特征进行标准化处理及相关性分析。根据对经典聚类方法的研究分析,选取了高斯混合模型聚类方法,并在通过间隙统计法确定类簇个数的基础上,使用期望最大化算法对高斯混合模型参数进行估计。考虑到高斯混合模型对退役电池特征进行聚类时计算量大,聚类特征可能存在耦合等问题,本文又提出了加入惩罚系数对高斯混合模型作出修正,以提高聚类分选效率。将分选特征聚类完成之后即可得出退役电池的最终分选结果。最后搭建了电池充放电实验环境,针对本文提出电池分选方法与常用分选方法分选后的退役电池设计了单体性能对比实验和模组性能对比实验。其中单体性能对比实验包括开路电压、极化电压和内阻方面的对比,模组性能对比实验包括能量利用率实验与循环充放电实验。实验结果证明经本文提出加入惩罚系数的高斯混合模型方法分选后的退役电池组在单体性能、能量利用率和循环充放电老化上具有更好的表现,从而验证了分选方法的可行性。