[发明专利]基于层次聚类及类中心距的云端电池组一致性分析方法

权利要求书

1.一种基于层次聚类及类中心距的云端电池组一致性分析方法，其特征在于，包括以下步骤：

步骤一、采集电池组原始数据并进行预处理：采集运行过程中的电池组原始数据，并进行预处理，所述的数据预处理主要包括字段标准化处理、缺失值处理、坏点处理以及数据片段切割；

步骤二、对切分的放电片段进行特性分析：所述的放电片段是指将所有原始数据按照“电池充放电状态”字段进行切割后得到的放电数据片段；所述的特性分析主要包括对电池组总电压和总电流、单体电池电压、检测点温度变化的特性分析；

步骤三、采用层次聚类法对电池组的温度一致性和电压一致性进行分析，并采用类中心距分析电池组温度一致性和电压一致性随时间变化的趋势以及两者之间关联性。

2.根据权利要求1所述的基于层次聚类及类中心距的云端电池组一致性分析方法，其特征在于：所述步骤一中所述的字段标准化处理指的是舍弃“电池包编号”、“动力电池包个数”、“动力电池包编号长度”、“系统序号”和“动力电池单体总数”等电池编号和数量信息，只保留时间、电压、电流和温度相关字段。

3.根据权利要求1所述的基于层次聚类及类中心距的云端电池组一致性分析方法，其特征在于：所述的缺失值处理指的是因采集到的数据属于时序性数据，数据缺失方式包括单个缺失、单行缺失、多行缺失，进行填充或删除，

具体的填充方法为：当第i行数据第j个字段出现缺失值，首先判断缺失数据行时间是否连续，然后分析缺失时间段，多行缺失采用相同方法；如果时间数据保持连续性，并且缺失数据时间跨度小于30s，出现多少个缺失值，包括整行缺失，都采用插值法填补。

4.根据权利要求3所述的基于层次聚类及类中心距的云端电池组一致性分析方法，其特征在于：所述插值法填补的具体步骤为：选择缺失值附近10个点，使用第i-5行至第i+5行数据，如果缺失值在数据开始或结束附近，采用牛顿插值法填充；但如果时间不连续，或者缺失时间大于30s，则采用删除法，直接将整行数据删除。

5.根据权利要求1所述的基于层次聚类及类中心距的云端电池组一致性分析方法，其特征在于：所述的坏点处理指的是将明显不符合常理的数据称为坏点，并将其剔除；直接根据突变的数据识别坏点，并将其剔除。

6.根据权利要求1所述的基于层次聚类及类中心距的云端电池组一致性分析方法，其特征在于：所述的数据片段切割是根据电池充放电状态，通过数据切割提取电池每一次充放电片段；数据中包含有“电池充放电状态”字段，其中1代表充电，2代表放电，搁置状态不记录数据，根据“电池充放电状态”字段进行切割，最终将所有数据划分成充放电片段。

7.根据权利要求1所述的基于层次聚类及类中心距的云端电池组一致性分析方法，其特征在于，所述步骤二中放电片段特性分析为：

首先对一次典型放电工况下的电池组总电压及总电流的变化情况进行分析；

然后，分析电池组中所有单体电池在同一放电片段下电压的变化趋势，并研究不同温度检测点的温度变化情况。