首页> 中国专利> 基于K均值聚类算法的退役电池快速综合分选方法及系统

基于K均值聚类算法的退役电池快速综合分选方法及系统

摘要

本发明属于电池分选领域,提供了基于K均值聚类算法的退役电池快速综合分选方法及系统,获取退役电池测试数据;对退役电池测试数据进行预处理,建立每一个退役电池的综合特征向量并构建所有退役电池综合特征数据集;基于退役电池综合特征数据集和K均值聚类算法,通过不断优化初始化聚类中心和聚类数K,聚类得到每个退役电池的类标签;将类标签相同的退役电池划分到同一类,计算它们综合特征的标准差和平均值,分析其整体情况与离散程度;根据不同梯次利用场景的要求进行匹配度计算,并将匹配度最大的退役电池重组进行梯次利用,实现退役电池的快速综合分选,延长退役电池使用寿命,最大化其使用价值。

著录项

  • 公开/公告号CN114818936A

    专利类型发明专利

  • 公开/公告日2022-07-29

    原文格式PDF

  • 申请/专利权人 山东大学;

    申请/专利号CN202210467919.6

  • 发明设计人 李岩;尹浩杰;张承慧;

    申请日2022-04-29

  • 分类号G06K9/62;B07C5/36;G06Q10/00;G06Q50/04;

  • 代理机构济南圣达知识产权代理有限公司;

  • 代理人李琳

  • 地址 250061 山东省济南市历下区经十路17923号

  • 入库时间 2023-06-19 16:08:01

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2022-07-29

    公开

    发明专利申请公布

说明书

技术领域

本发明属于电池分选领域,尤其涉及基于K均值聚类算法的退役电池快速综合分选方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。

由于生产厂商、电动汽车运行环境和使用工况等的差异,退役锂离子电池间的一致性极差,直接重组后进行梯次利用会带来一系列问题和难题,如:过充,过放,热失控等。因此选用合适电池特征,设计合理的分选方法,分选出综合性能一致的退役电池并重组使用,对退役锂离子电池的梯次利用有着重要意义。

目前常用的分选方法多是根据容量、温度、内阻、电压等参数其中的一个或多个作为分选特征进行分选,但这些特征多是短时间尺度的,仅能确保分选后电池特征在初始时刻或某一时刻的一致性,却无法保证它们在长时间尺度上的一致性,因此而带来的不一致性问题,还会随着电池工作时间的增长而加剧,给电池带来不可逆损伤,加快其报废进程,带来安全隐患。此外,退役电池数量庞大,电池特征参数繁多,电池综合性能难以评价。

综上所述,现有技术未考虑选出合适的电池特征来评价退役电池在长短时间尺度上的综合性能,并设计合理的分选方法,从大量退役电池中快速分选综合性能一致的退役电池,并与实际的梯次利用场景的需求进行匹配,延长退役电池使用寿命,最大化其使用价值。

发明内容

为了解决上述背景技术中存在的至少一项技术问题,本发明提供基于K均值聚类算法的退役电池快速综合分选方法及系统,其可对退役电池的性能进行综合评估,分选出具有综合一致性的退役电池,并应用到与之匹配的梯次利用场景中,使退役电池在梯次利用过程的使用寿命得到最大程度地延长,从而最大化退役电池的使用价值。

为了实现上述目的,本发明采用如下技术方案:

本发明的第一个方面提供基于K均值聚类算法的退役电池快速综合分选方法,包括如下步骤:

获取退役电池测试数据;

对退役电池测试数据进行预处理,建立每一个退役电池的综合特征向量并构建所有退役电池综合特征数据集;

基于退役电池综合特征数据集和K均值聚类算法,通过不断优化初始化聚类中心对退役电池进行聚类,并采用聚类综合指标对聚类结果进行评价,不断优化调整聚类数,得到每个退役电池的类标签,将类标签相同的退役电池归为一类;

将不同梯次利用场景中的要求和对应的综合性能一致的同类退役电池的各项特征进行匹配度比较,将匹配程度最大的电池继续重组得到最终的分选结果应用至对应的梯次利用场景。

本发明的第二个方面提供基于K均值聚类算法的退役电池快速综合分选系统,包括:

数据获取模块,用于获取退役电池测试数据;

特征数据集构建模块,用于对退役电池测试数据进行预处理,建立每一个退役电池的综合特征向量并构建所有退役电池综合特征数据集;

分选模块,用于基于退役电池综合特征数据集和K均值聚类算法,通过不断优化初始化聚类中心对退役电池进行聚类,并采用聚类综合指标对聚类结果进行评价,不断优化调整聚类数,得到每个退役电池的类标签,将类标签相同的退役电池归为一类;

重组和梯次匹配模块,用于将不同梯次利用场景中的要求和对应的综合性能一致的同类退役电池的各项特征进行匹配度比较,将匹配程度最大的电池继续重组得到最终的分选结果应用至对应的梯次利用场景。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的基于K均值聚类算法的退役电池快速综合分选方法中的步骤。

本发明的第四个方面提供一种计算机设备。

一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的基于K均值聚类算法的退役电池快速综合分选方法中的步骤。

与现有技术相比,本发明的有益效果是:

本发明通过综合考虑电池的关键特征,选出合适的电池特征来评价退役电池在长短时间尺度上的综合性能,并设计合理的分选方法,从大量退役电池中快速分选综合性能一致的退役电池,并与实际的梯次利用场景的需求进行匹配,确保分选得到的退役电池在实际运行过程中一致性,减轻退役电池在梯次利用过程中因不一致性造成的电池不可逆损伤,分选出具有综合一致性的退役电池用于梯次利用,使退役电池在梯次利用过程的使用寿命得到最大程度地延长,从而最大化退役电池的使用价值。本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。

图1是本发明整体方法流程图;

图2是本发明退役电池的测试方法流程图;

图3是本发明改进的K均值聚类算法流程图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

如图1所示,本实施例提供基于K均值聚类算法的退役电池快速综合分选方法,包括如下步骤:

步骤1:获取退役电池测试数据;

步骤2:对退役电池测试数据进行预处理,建立每一个退役电池的综合特征向量并构建所有退役电池综合特征数据集;

步骤3:基于退役电池综合特征数据集和K均值聚类算法,通过不断优化初始化聚类中心对退役电池进行聚类,并采用聚类综合指标对聚类结果进行评价,不断优化调整聚类数,得到每个退役电池的类标签;

步骤4:将类标签相同的退役电池归为一类,计算同一类退役电池间的综合特征指标的标准差和平均值,分析它们的整体情况与离散程度;

步骤5:将不同梯次利用场景中的要求和对应的综合性能一致的同类退役电池的各综合特征进行匹配度比较,将匹配程度最大的电池继续重组得到最终的分选结果应用至对应的梯次利用场景。

作为一种或多种实施例,步骤1中,所述退役电池测试数据的测试方法如图2所示,具体操作步骤包括:

(1)对待分选的退役电池进行恒流充电,直至它们的电压均为第一定值4.2V,确保初始放电电压一致;

(2)静止预设时间后,再以2A的放电电量放电,直至电压达到第二定值2.7V时停止;

(3)用温度传感器测取放电开始和结束时电池表面的温度,获取放电过程电池的温升;

(4)在整个放电过程中,设置采样周期,对电池的电压进行采样,获取放电电压曲线,再根据安时积分法,计算出电池的放电容量。

为解决现有分选方法所用特征不够全面,分选得到的电池在长短时间尺度上的综合一致性难以保障等问题,本实施例采样的电池综合特征主要有:放电容量、温升、电压平台和相同放电容量下的电压下降值。

其中,以放电容量和温升作为分选特征,可以确保分选后电池容量和温度的一致性,避免梯次利用过程中因容量不一致带来的“木桶效应”,并降低梯次利用过程中电池组热管理的难度;而以电压平台和电压下降值作为分选的特征,可确保分选得到的退役电池在实际运行过程中一致性,减轻退役电池在梯次利用过程中因不一致性造成的电池不可逆损伤。基于上述电池综合特征,可对退役电池的性能进行综合评估,分选出具有在长短时间尺度上综合一致性的退役电池用于梯次利用,使退役电池在梯次利用过程的使用寿命得到最大程度地延长,从而最大化退役电池的使用价值。

作为一种或多种实施例,步骤2中,所述对退役电池测试数据进行预处理具体包括:

选取放电电压曲线在中间时刻的电压值;相同放电容量下的电压下降值的计算:退役电池从放电起始时刻到放出1Ah电量的过程中,电池电压的下降值。

标准化处理:采用最大最小标准化处理方法,对数据进行标准化处理,得到放电容量、温升电压平台及电压下降值等特征数据,以消除各参数间的量纲影响。

所述标准化处理公式为:

退役电池综合特征数据集构建:根据退役电池测试数据经预处理后得到标准化的放电容量、温升、电压平台及电压下降值等特征数据,构建出每一个退役电池的综合特征向量x

如图3所示,作为一种或多种实施例,所述通过优化改进初始聚类中心选择和聚类数K的确定,并经聚类计算得到每个退役电池的类标签,包括如下步骤:

(1)输入退役电池综合特征数据集X和初始的电池类数K。

(2)随机选择一个样本点作为处理聚类中心,并计算退役电池数据集中每个样本点到该聚类中心的距离D,即:

(3)计算每个样本点被选为下一个聚类中心的概率P,并根据轮盘选择法,将概率最大的样本点作为选出下一个聚类中心。

(4)重复步骤(2)和步骤(3)直到选出K个聚类中心。

(5)计算退役电池数据集中每个样本点到K个聚类中心的距离,并将样本点划分到最近的聚类中心所在的类中。

(6)计算每个类的质心作为每个类的聚类中心,判断该聚类中心与当前聚类中心是否一致。

(7)两组聚类中心不一致时,继续重复步骤(5)和(6),直至聚类中心不再改变,输出此时的计算结果,每个退役电池样本对应的类标签。

(8)采用聚类综合评价指标Davies-Bouldin(DB)指标,对当前聚类计算结果进行评价,并不断调整步骤(1)中初始电池类数K。当DB指标取得最小值时,此时电池类数K对应的电池分选结果为最佳,并输出此时的聚类结果。

所述DB指标的计算公式:

上式中,K为当前的聚类数,D(x,c

本实施例采用改进的K均值聚类算法,在聚类计算过程中通过不断优化初始聚类中心的选择,有效提高了算法的收敛速度;此外还借助聚类综合评价指标DB指标对聚类结果进行评价,不断优化调整聚类数K,从而提高聚类计算精度。结合上述两种技术改进点的改进,能同时保证计算效率和分选的精度,从而能够快速高效地分选出具有综合一致性的退役电池。

作为一种或多种实施例,步骤4中,为验证分选效果,将本方法应用到一组退役电池测试数据集上,得到退役电池的类标签,将类标签相同的退役电池放在一起归为同一类,并计算同一类退役电池中各综合特征指标的平均值(Mean,M)和标准差(StandardDeviation,SD)。

其中,平均值可以反映分选得到的每一类退役电池综合特征指标的整体情况;标准差是各数据偏离平均值的距离的平均值,可以反映同一类退役电池中各个综合特征的离散程度。这里我们用样本标准差相对样本平均值的大小D,来对离散程度进行量化,即:

各类退役电池综合特征指标的平均值和标准差的计算结果如表1所示,其中,各类退役电池样本中衡量容量指标离散程度的D值最大为4.9%,衡量温升指标离散程度的D值最大为2.5%,衡量电压平台离散程度的D值最大为0.4%,衡量容量指标离散程度的D值最大为2.9%。综上可见所有综合特征指标的离散程度都在5%以内,这也表明分选后的退役电池各综合特征的数值在同一类中分布较为紧凑,即同一类退役电池间的综合一致性较好,进而可以减少它们在重组使用时因不一致性带来的诸多问题,提高梯次利用的安全性,延长其使用寿命。

表1 退役电池的综合特征指标

作为一种或多种实施例,步骤5中,根据实际梯次利用的各类场景中对退役电池容量、电压、温度等的具体要求,设置相应的容量阈值、温升阈值、电压平台阈值等,并结合计算得到的每一类退役电池中各项综合特征的情况,进行比较分析,得出它们之间的匹配程度,然后分选得到的每一类退役电池进行重组,应用到与它们匹配程度最大的梯次利用场景中,再上分选得到得同类退役电池具有较强的综合一致性,可保证它们的性能在梯次利用过程长短时间尺度上一致性,避免不一致性所带来的诸多问题,从而最大化退役电池的梯次利用价值。

实施例二

本实施例提供了基于K均值聚类算法的退役电池快速综合分选系统,包括:

数据获取模块,用于获取退役电池测试数据;

特征数据集构建模块,用于对退役电池测试数据进行预处理,建立每一个退役电池的综合特征向量并构建所有退役电池综合特征数据集;

分选模块,用于基于退役电池综合特征数据集和K均值聚类算法,通过不断优化初始化聚类中心对退役电池进行聚类,并采用聚类综合指标对聚类结果进行评价,不断优化调整聚类数,得到每个退役电池的类标签,将类标签相同的退役电池归为一类;

重组和梯次匹配模块,用于将不同梯次利用场景中的要求和对应的综合性能一致的同类退役电池的各项特征进行匹配度比较,将匹配程度最大的电池继续重组得到最终的分选结果应用至对应的梯次利用场景。

实施例三

本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的基于K均值聚类算法的退役电池快速综合分选方法中的步骤。

实施例四

本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的基于K均值聚类算法的退役电池快速综合分选方法中的步骤。

本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。

以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号