[发明专利]一种面向均衡控制的电池动态分组方法

说明书

本发明公开了一种面向均衡控制的电池动态分组方法，首先测量单体端电压及估算单体SOC，作为电池状态向量输入聚类算法中，然后利用提出的基于密度模糊c均值聚类算法确定初始聚类中心及初始隶属度矩阵，最后按照既定算法流程进行迭代运算，得出电池聚类分组结果，完成电池动态分组，为后续的均衡操作奠定基础。

技术领域

本发明涉及锂离子电池的均衡策略，尤其涉及一种面向均衡控制的电池动态分组方法。

背景技术

锂离子电池因其能量密度和功率密度高、无记忆效应、自放电率较低等诸多优点而被广泛应用在电动汽车及储能等领域。但因其单体电压较低，有时不能达到实际应用场景对电压和容量的要求，因此需将电池串联成组。由于制造工艺和运行环境不同，各单体电池的容量、内阻和开路电压存在差异，这些差异会导致诸多不利后果，如电池组实际使用中的“木桶效应”、单体过充、过放等。

电池均衡技术可有效缓解电池组容量衰减现象，并避免因各单体电池不一致性而造成的过充过放现象，从而保护电池单体和电池组整体安全。

传统电池分组技术多采用设置电压或电流固定阈值，将每k个物理相邻电池单体固定地分为一个子模组的分组方法进行均衡，分组缺乏目的性；各单体电池能量大量耗散在组内均衡过程中，且当组内电池SOC或电压等参数动态变化时，子模组分组方式不能动态随单体特性变化而动态变化，组内单体及单体数量固定，分组缺乏动态性和科学性，本文采用新型的基于密度的模糊c均值算法实现电池动态分组，对于提升均衡效率有较大意义。

发明内容

本发明目的是提供一种面向均衡控制的电池动态分组方法，以实现对电池能量传递的控制，减小均衡过程中的能量无谓损耗，提高电池的整体利用率。

为到达上述目的，本发明采用的技术方案是：

一种面向均衡控制的电池动态分组方法，提出用于实现电池分组的基于密度模糊c均值聚类算法(Density Based Fuzzy C-means，DBFCM)的电池动态分组均衡方法，利用提出的基于密度模糊c均值聚类算法确定初始聚类中心及初始隶属度矩阵，最后按照既定算法流程进行迭代运算，完成电池动态分组，该均衡方法总体流程包括如下步骤：

(1)测量电池组中各单体端电压，采用扩展卡尔曼滤波法(E-Kalman)对SOC进行精确估算，计算所有单体电池SOC平均值SOCave；

(2)设定SOC阈值ε₁和单体端电压阈值ε₂；

(3)筛选出在阈值外，待聚类分组，均衡操作的电池单体；

(4)利用提出的基于密度的模糊c均值聚类算法对电池单体进行聚类分组，从得到的潜在初始聚类中心集选取用于单体聚类的基于密度模糊c均值聚类算法的初始聚类中心集C，其中x'_j为潜在初始聚类中心，ρ'_j为单体电池状态向量的潜在初始聚类中心样本密度，ρ_c为截止密度，l为电池状态向量样本个数；使用获得的初始聚类中心x'_i和样本密度ρ'_j构造初始隶属度矩阵U；进行基于密度模糊c均值聚类算法电池单体迭代聚类运算，最后得出电池聚类分组结果，即电池子组Ei及其所含单体；

(5)将聚类结果中各电池子组视为新“单体”，进行各“单体”间均衡操作；

所述的面向均衡控制的电池动态分组方法，其特征在于，提出一种用于电池聚类分组的新型的基于密度的模糊c均值算法，该算法在传统模糊c均值聚类算法(FCM)基础上，引入样本密度ρ'_j的概念，依据密度值对所有样本进行降序排列，提出初始聚类中心x'_i及初始隶属度矩阵U的生成方法。

所述的面向均衡控制的电池动态分组方法，其特征在于，提出一种样本密度ρ'_j的计算方法，衡量每个样本的重要性的样本密度ρ'_j为：