[发明专利]基于充电曲线特征KPCA聚类的锂电池筛选方法

权利要求书

1.一种锂电池筛选方法，其特征在于，包括如下步骤：

步骤(1)、在实验室条件下利用恒流恒压充电至满的方式，对待筛选的多个同型锂离子电池进行充电实验，获取各个锂离子电池的CCCV充电曲线；

步骤(2)、根据得到的CCCV充电曲线，提取曲线上的特征参数；

步骤(3)、对各个特征参数进行核主成分分析，得到表征CCCV充电曲线特征的综合特征量，利用所述综合特征量确定锂电池的分类标准；

步骤(4)、依据所述分类标准对锂电池进行聚类；

所述步骤(2)中，对每一个锂电池进行连续两次全充全放的充放电实验，并得到两条CCCV充电曲线；然后确定第一条CCCV曲线的拐点坐标g1＝(t_g1,v_g1)和第二条CCCV曲线的拐点坐标g2＝(t_g2,v_g2)，恒流充电时间(t_c1,t_c2)，恒压充电时间(t_v1,t_v2)；由此计算拐点出现时间变化率α_g、恒流充电时间变化率α_c和恒压充电时间变化率α_v：

将连续两次充放电循环过程中的拐点坐标(t_g1,v_g1)、(t_g2,v_g2)、恒流充电时间(t_c1,t_c2)、恒压充电时间(t_v1,t_v2)、拐点出现时间变化率α_g、恒流充电时间变化率α_c和恒压充电时间变化率α_v作为特征参数。

2.如权利要求1所述的一种锂电池筛选方法，其特征在于，利用KPCA方法对特征参数进行核主成分分析。

3.如权利要求2所述的一种锂电池筛选方法，其特征在于，利用KPCA方法对特征参数进行核主成分分析的过程为：

将所有锂电池的特征参数整合成一个样本数据集M；通过投影函数将数据集M投影到线性可分的高维空间中，得到变换后的数据集；再由核函数对变换后的数据集进行处理得到核矩阵K；计算核矩阵K的特征值和特征向量；选取前k个特征向量使其满足：

其中，λ_i表示第i个特征值，N表示特征值的个数；

选择的k个特征向量即为表征CCCV充电曲线特征的综合特征量。

4.如权利要求3所述的一种锂电池筛选方法，其特征在于，针对各电池样本的综合特征量，计算两个任意电池样本的综合特征量的距离，将该距离作为分类标准，对所有电池样本进行聚类。

5.如权利要求3所述的一种锂电池筛选方法，其特征在于，所述综合特征量的多维距离采用欧氏距离或绝对值距离。