[发明专利]一种退役动力电池的聚类分选方法

说明书

本发明涉及一种退役动力电池的聚类分选方法。测量n个被拆解退役动力电池单体样本的电压数据，提取m个特征变量并标幺，计算各样本特性向量间距离d，形成相似度矩阵A；以样本数量n、聚类簇数量K定义用于分选的编码长度以及编码位取值，以聚类簇族能量选择优质分选编码，并利用交叉、变异、重插等遗传演化操作，形成对大量退役电池单体的K个聚类簇族；计算各聚类簇族中心及该簇族中样本的最大偏差，形成置信域；基于待检测退役动力电池单体特征向量与各聚类簇族中心距离及置信域关系，完成分选及分选可靠性判断。本发明将遗传的优化思想融入聚类过程中，保证了聚合过程的优化方向，提升了退役动力电池分选聚类过程的优化水平。

技术领域：

本发明涉及一种动力电池检测技术，进一步涉及一种退役动力电池的聚类分选方法。

背景技术：

电动汽车对于缓解能源与环境压力具有十分重要的意义。电动汽车对动力电池的性能要求较高，当动力电池的容量下降到不满足续航里程要求时，须对电池进行更换。从电动汽车上退役的动力电池通常具有70％初始容量以上的剩余容量，并且具有一定的使用寿命，其经过重新检测分析、筛选及电池单体配对成组，可用于其他运行工况相对良好、对电池性能要求较低的应用领域，如微电网中，承担平滑分布式电源功率波动、用户侧需求响应等任务。通过动力电池的梯次利用，可以缓解大批量电池进入回收阶段的压力。

退役电动汽车动力电池能量特性及功率特性衰减，且电池单体间性能参数差异大，实现不同性能表现电池应用价值的最大化，保证电池再次应用时的可靠性和安全性，必须对电池进行筛选，实现电池的分级梯次应用。

发明内容：

针对大批量退役动力电池梯次利用分选所面临的测试时间长、评估标准不清晰、分选成本高等问题，在满足分选精度和速度要求的前提下，建立分选初筛标准，利用参数敏感性分析、状态空间估计、多目标优化与历史数据特征分析等方法，提出可用于快速分选的分选检测方法、参数集和评价方法。融合高兼容性精准检测技术和专家库在线学习，研发梯次利用电池模块快速分选装置并建立应用产线，解决退役动力电池的规模化快速分选问题。本发明借鉴遗传优化算法的思想，将其融入退役动力电池聚类分析过程，实现了对退役动力电池单体有方向性的聚类优化，为自动、准确、可靠地完成退役动力电池的筛选以及深层次、高水准的梯次利用夯实基础。具体技术方案如下：

一种退役动力电池的聚类分选方法包括下述步骤：

步骤1：测量n个被拆解退役动力电池单体样本的电压数据，提取m个特征变量并标幺，计算各样本特性向量间距离d，形成相似度矩阵A；

步骤2：以样本数量n、聚类簇数量K定义用于分选的编码长度以及编码位取值，以聚类簇族能量选择优质分选编码，并利用交叉、变异、重插等遗传演化操作，形成对大量退役电池单体的K个聚类簇族；

步骤3：计算各聚类簇族中心及该簇族中样本的最大偏差，形成置信域；

步骤4：基于待检测退役动力电池单体特征向量与各聚类簇族中心距离及置信域关系，完成分选及分选可靠性判断。

优选方案：一种退役动力电池的聚类分选方法包括下述步骤：

步骤1：测量若干退役动力电池单体电压数据，提取其关键特征变量并标幺，计算各样本间的欧式距离，形成相似矩阵；具体包括：

步骤1.1：测量大量拆解后退役动力电池单体样本的在充放电过程中的电压数据；

步骤1.2：定义步骤1.1所得电压数据的关键特征变量，标幺各个特征值获得特征向量；

步骤1.3：基于步骤1.2标幺后的特征向量，计算各样本间的欧式距离，形成相似矩阵；

步骤2：形成遗传演化下的退役动力电池单体的聚类过程；具体包括：