[发明专利]动力电池的分类模型的生成方法及系统、分类方法及系统

说明书

本发明公开了一种动力电池的分类模型的生成方法及系统、分类方法及系统，生成方法包括以下步骤：S₁、获取训练样本集中每个电池的外特性数据；S₂、对外特性数据进行预处理以生成对应的数据矩阵；S₃、使用训练样本集中每个电池的数据矩阵对非监督式学习分组算法进行模型训练，以调试关键参数并生成分类模型，关键参数包括分组结果、最大距离D_max、最大迭代次数N_max和相似样本数K，分组结果包括训练样本集训练后最终分成的组别G_m，1≤m≤M，M表示分组结果所包括的组别的个数。本发明利用的人工智能的分类评估方式实现对大批量电池的分类，为退役动力电池的梯次利用中电池分类和评估提供一种智能、快速、方便的实现方式。

技术领域

本发明涉及动力电池领域，特别涉及一种动力电池的分类模型的生成方法及系统、分类方法及系统。

背景技术

随着新能源汽车的快速发展和推广，新能源汽车所用的动力电池的需求也日益增长。受限于当前动力电池的技术水平，当动力电池的损耗达到一定程度时，动力电池供电特性无法达到电动汽车供电标准，就必须被淘汰而成退役动力电池。退役的动力电池因其具备储电和充放电能力，往往被应用在一些对电池特性要求相对不是很高的领域，比如储能电站、充电桩等，实现对动力电池的二次利用，这种退役电池的二次利用叫做电池梯级利用。

退役的汽车动力电池要实现梯级利用，在使用前需要对电池特性进行测量，根据测量结果筛选和重新配组。动力电池在出组串使用前，一般会根据电池的外特性参数，如电池的内阻、容量、充放电曲线等，根据以上这些参数对电池进行判断和分选，并以此作为电池组串使用的依据。然而，退役动力电池在梯次利用前，除了需要对以上参数进行测量分类外，还需要对退役电池的安全性和健康状态进行评估。以上测量和分类方法不仅涉及特性参数多，而且当电池数量比较多时涉及的测算量也很大，如果完全通过手动或半机器式的测量来完成，不仅分类和评估准确度难以保证，而且计算过程也很繁琐。

首先，现有技术中针对电池分组主要是依据电子测量采集数据，然后人工完成数据的分类(在电脑中)和电池特性的分组(电脑或手工)，每一次只是解决当下问题，从全局看并不保证分组的合理性，也没有形成分组的机制。

其次，现有技术中针对电池分组主要是事先人工制定分组依据，然后再对数据进行人工分组，可操作性较差，会存在强行分组的情况，准确度不高。

最后，现有技术中针对电池分组大部分是监督学习式分组，当不了解电池外特性时分组困难。

发明内容

本发明要解决的技术问题是为了克服现有的传统手动式电池分组方法计算困难、比较繁琐、操作麻烦甚至无解或现有的电池分组方法中需要事先测量所有样本电池的外特性数据并标签才能进行分组的缺陷，提供一种将非监督式学习问题转化为监督学习问题从而规避了大规模计算提高效率及准确度的动力电池的分类模型的生成方法及系统、分类方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供了一种动力电池的分类模型的生成方法，其特点在于，包括以下步骤：

S₁、获取训练样本集中每个电池的外特性数据；

S₂、对所述外特性数据进行预处理以生成对应的数据矩阵；

S₃、使用所述训练样本集中每个电池的所述数据矩阵对非监督式学习分组算法进行模型训练，以调试关键参数并生成所述分类模型，所述关键参数包括分组结果、所述数据矩阵间的最大距离、最大迭代次数N_max和相似样本数K，所述分组结果包括所述训练样本集训练后最终分成的组别G_m，1≤m≤M，M表示所述分组结果所包括的组别的个数。