CN105789676B - 一种基于消息传播的动力电池配组方法 - Google Patents
一种基于消息传播的动力电池配组方法 Download PDFInfo
- Publication number
- CN105789676B CN105789676B CN201610179156.XA CN201610179156A CN105789676B CN 105789676 B CN105789676 B CN 105789676B CN 201610179156 A CN201610179156 A CN 201610179156A CN 105789676 B CN105789676 B CN 105789676B
- Authority
- CN
- China
- Prior art keywords
- mrow
- battery
- msub
- msup
- msubsup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/04—Construction or manufacture in general
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
- H01M10/446—Initial charging measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种基于消息传播的动力电池配组方法。现有配组方法劳动强度大,易受检测人员主观因素的影响,容易造成误测量和误匹配的现象。本发明方法首先获取动力电池充放电回路中所有电池的充放电电压数据,然后计算所有电池充放电序列两两间的距离,获得电池两两间的相似度度量,采用消息传播算法对电池进行聚类,最终根据聚类结果,完成电池配组。本发明方法的电池配组结果与传统人工配组相比,可以大大提高组内电池的一致性,从而大大提高成组电池的品质。
Description
技术领域
本发明属于动力电池生产技术领域,具体涉及一种基于消息传播的动力电池配组方法。
背景技术
随着社会进步和发展,不断有新的技术进入到人们生活之中,电动自行车经过多年来飞速发展已经成为人们日常出行中常用的交通工具。动力电池的实际使用寿命是电动车发展的瓶颈,也是电动车生产厂商的关键竞争点。
单体电池难以提供更持久的能量,在实际使用中都是以动力电池的形式存在。动力电池组通常由3节或者4节单体动力电池组成,被串联在一起的动力电池单体自身物理特性的不一致性影响了整个电池组的寿命。对于串连形成的电池组来说,由于容量、开路电压、内阻等特性各不相同,这个差异会在串连电池组被扩大,主要现象为某一个电池的容量明显低于其它电池,导致电池组电压下降,低容量电池在充电时最先被充满,当其余电池充满时,低容量电池已经充电。反之,低容量电池在放电时最先被放完,当其余电池继续放电,低容量电池已经过放。不断的反复充放电导致电池的硫酸盐化进一步加剧,使得低容量电池容量变得更低,寿命也变得更短,从而影响整个电池组的寿命。
在电池“化成”过程中,国内各大厂商还是首先以全人工的方式采集多个时段的电池电压,然后再对采集来的电压也是以全人工的方式进行配组,整个过程不仅劳动强度和工作量非常大,而且易受检测人员主观因素的影响,容易造成误测量和误匹配的现象。
发明内容
本发明的目的就是克服人工检测的诸多不足、提高生产效率,提出一种基于消息传播的动力电池自动配组方法,可快速的完成同一充放电回路中所有电池的配组,而且一致性高。
本发明方法的具体步骤如下:
步骤1、获取动力电池充放电回路中所有n只电池的充放电电压数据,方法是:对该回路以电流大小为C1进行恒流放电,每隔时间Td测量回路中所有电池的端电压,直至放电时间达到T1,设第i只电池的端电压序列为d表示放电,M=T1/Td为放电序列长度;以电流大小为C2对回路中的电池进行恒流充电,每隔时间Tc测量回路中所有电池的端电压,直至充电时间达到T2,设第i只电池的端电压序列为 c表示充电,N=T2/Tc为充电序列长度;
步骤2、计算所有n只电池充放电序列两两间的距离,其中第i只电池和第j只电池的距离为dij,1≤i≤n,1≤j≤n,i≠j;
步骤3、设所有n只电池充放电序列两两间的距离的最大值为dmax,最小值为dmin,获得第i只电池和第j只电池间的相似度度量sij:
sij=1-(dij-dmin)/(dmax-dmin),1≤i≤n,1≤j≤n,i≠j;
其中sii为第i只电池的自相似度度量;
步骤4、根据所有相似度度量s,采用消息传播算法对电池进行聚类,具体步骤如下:
(1)初始化吸引度rik和归属度aik为0,1≤i,k≤n,其中吸引度rik表示从第i只电池发送到候选聚类中心k的消息,候选聚类中心k即以第k只电池作为候选聚类中心,反映了第k只电池作为第i只电池的聚类中心的合适程度;归属度aik表示从候选聚类中心k发送到第i只电池的消息,反映了第i只电池选择第k只电池作为其聚类中心的合适程度;rik和aik的和越大,则第k只电池作为第i只电池聚类中心的可能性越大;
(2)按如下公式计算rik和aik,1≤i,k≤n:
i′和k′为符合公式中条件的电池序号;
(3)对上述步骤(2)不断进行迭代,设上一次迭代过程中计算得到的吸引度为归属度为采用下式对当前迭代过程计算得到的rik和aik进行更新:
其中λ为阻尼系数;
迭代过程直至达到最大预设迭代次数或结束,其中Th为预设阈值;
(4)对每一个电池i,找出对应的第k只电池使得rik+aik最大;此时若i=k则第i只电池为一个聚类中心,若i≠k则第k只电池为第i只电池的聚类中心;
步骤5、根据上述聚类结果,聚为同一类的所有电池归为同一组,完成电池配组过程。
基于本方法的电池配组结果与传统人工配组相比,可以大大提高组内电池的一致性,从而大大提高成组电池的品质。
具体实施方式
一种基于消息传播的动力电池配组方法,具体步骤是:
步骤1、获取动力电池充放电回路中所有n只电池的充放电电压数据,方法是:对该回路以电流大小为C1进行恒流放电,每隔时间Td测量回路中所有电池的端电压,直至放电时间达到T1,设第i只电池的端电压序列为d表示放电,M=T1/Td为放电序列长度;以电流大小为C2对回路中的电池进行恒流充电,每隔时间Tc测量回路中所有电池的端电压,直至充电时间达到T2,设第i只电池的端电压序列为 c表示充电,N=T2/Tc为充电序列长度;
步骤2、计算所有n只电池充放电序列两两间的距离,其中第i只电池和第j只电池的距离为dij,1≤i≤n,1≤j≤n,i≠j;
步骤3、设所有n只电池充放电序列两两间的距离的最大值为dmax,最小值为dmin,获得第i只电池和第j只电池间的相似度度量sij:
sij=1-(dij-dmin)/(dmax-dmin),1≤i≤n,1≤j≤n,i≠j;
其中sii为第i只电池的自相似度度量;
步骤4、根据所有相似度度量s,采用消息传播算法对电池进行聚类,具体步骤如下:
(5)初始化吸引度rik和归属度aik为0,1≤i,k≤n,其中吸引度rik表示从第i只电池发送到候选聚类中心k的消息,候选聚类中心k即以第k只电池作为候选聚类中心,反映了第k只电池作为第i只电池的聚类中心的合适程度;归属度aik表示从候选聚类中心k发送到第i只电池的消息,反映了第i只电池选择第k只电池作为其聚类中心的合适程度;rik和aik的和越大,则第k只电池作为第i只电池聚类中心的可能性越大;
(6)按如下公式计算rik和aik,1≤i,k≤n:
i′和k′为符合公式中条件的电池序号;
(7)对上述步骤(2)不断进行迭代,设上一次迭代过程中计算得到的吸引度为归属度为采用下式对当前迭代过程计算得到的rik和aik进行更新:
其中λ为阻尼系数;
迭代过程直至达到最大预设迭代次数或结束,其中Th为预设阈值;
(8)对每一个电池i,找出对应的第k只电池使得rik+aik最大;此时若i=k则第i只电池为一个聚类中心,若i≠k则第k只电池为第i只电池的聚类中心;
步骤5、根据上述聚类结果,聚为同一类的所有电池归为同一组,完成电池配组过程。
Claims (1)
1.一种基于消息传播的动力电池配组方法,其特征在于,该方法的具体步骤如下:
步骤1、获取动力电池充放电回路中所有n只电池的充放电电压数据,方法是:对该回路以电流大小为C1进行恒流放电,每隔时间Td测量回路中所有电池的端电压,直至放电时间达到T1,设第i只电池的端电压序列为d表示放电,M=T1/Td为放电序列长度;以电流大小为C2对回路中的电池进行恒流充电,每隔时间Tc测量回路中所有电池的端电压,直至充电时间达到T2,设第i只电池的端电压序列为 c表示充电,N=T2/Tc为充电序列长度;
步骤2、计算所有n只电池充放电序列两两间的距离,其中第i只电池和第j只电池的距离为dij,1≤i≤n,1≤j≤n,i≠j;
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>Vd</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>Vd</mi>
<mi>k</mi>
<mi>j</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>Vc</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>Vc</mi>
<mi>k</mi>
<mi>j</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
步骤3、设所有n只电池充放电序列两两间的距离的最大值为dmax,最小值为dmin,获得第i只电池和第j只电池间的相似度度量sij:
sij=1-(dij-dmin)/(dmax-dmin),1≤i≤n,1≤j≤n,i≠j;
<mrow>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
其中sii为第i只电池的自相似度度量;
步骤4、根据所有相似度度量s,采用消息传播算法对电池进行聚类,具体步骤如下:
(1)初始化吸引度rik和归属度aik为0,1≤i,k≤n,其中吸引度rik表示从第i只电池发送到候选聚类中心k的消息,候选聚类中心k即以第k只电池作为候选聚类中心,反映了第k只电池作为第i只电池的聚类中心的合适程度;归属度aik表示从候选聚类中心k发送到第i只电池的消息,反映了第i只电池选择第k只电池作为其聚类中心的合适程度;rik和aik的和越大,则第k只电池作为第i只电池聚类中心的可能性越大;
(2)按如下公式计算rik和aik,1≤i,k≤n:
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>-</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>,</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>&NotEqual;</mo>
<mi>k</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>min</mi>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>,</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>&NotEqual;</mo>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>&NotEqual;</mo>
<mi>k</mi>
</mrow>
</msub>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>r</mi>
<mrow>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>,</mo>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>k</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>,</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>&NotEqual;</mo>
<mi>k</mi>
</mrow>
</msub>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>r</mi>
<mrow>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mi>k</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
i′和k′为符合公式中条件的电池序号;
(3)对上述步骤(2)不断进行迭代,设上一次迭代过程中计算得到的吸引度为归属度为采用下式对当前迭代过程计算得到的rik和aik进行更新:
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>&lambda;</mi>
<mo>&times;</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
<mrow>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
</mrow>
</msubsup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>&lambda;</mi>
<mo>&times;</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
<mrow>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
</mrow>
</msubsup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
其中λ为阻尼系数;
迭代过程直至达到最大预设迭代次数或结束,其中Th为预设阈值;
(4)对每一个电池i,找出对应的第k只电池使得rik+aik最大;此时若i=k则第i只电池为一个聚类中心,若i≠k则第k只电池为第i只电池的聚类中心;
步骤5、根据上述聚类结果,聚为同一类的所有电池归为同一组,完成电池配组过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610179156.XA CN105789676B (zh) | 2016-03-25 | 2016-03-25 | 一种基于消息传播的动力电池配组方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610179156.XA CN105789676B (zh) | 2016-03-25 | 2016-03-25 | 一种基于消息传播的动力电池配组方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105789676A CN105789676A (zh) | 2016-07-20 |
CN105789676B true CN105789676B (zh) | 2018-03-13 |
Family
ID=56391016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610179156.XA Active CN105789676B (zh) | 2016-03-25 | 2016-03-25 | 一种基于消息传播的动力电池配组方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105789676B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021168836A1 (zh) * | 2020-02-28 | 2021-09-02 | 华为技术有限公司 | 异常检测方法和设备 |
CN112287980B (zh) * | 2020-10-14 | 2023-06-23 | 北方工业大学 | 基于典型特征向量的动力电池筛选方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102544606A (zh) * | 2012-01-18 | 2012-07-04 | 杭州高特电子设备有限公司 | 基于聚类分析的锂电池单元配组方法 |
CN202474128U (zh) * | 2012-01-18 | 2012-10-03 | 杭州高特电子设备有限公司 | 一种基于聚类分析的电池单元配组系统 |
CN103269096A (zh) * | 2013-05-14 | 2013-08-28 | 国家电网公司 | 一种基于聚类分析的电池组均衡方法 |
CN104167570A (zh) * | 2014-05-30 | 2014-11-26 | 杭州电子科技大学 | 一种蓄电池快速配组方法 |
CN105261795A (zh) * | 2015-10-23 | 2016-01-20 | 北京交通大学 | 一种基于聚类算法的锂离子电池串联成组方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8026698B2 (en) * | 2006-02-09 | 2011-09-27 | Scheucher Karl F | Scalable intelligent power supply system and method |
-
2016
- 2016-03-25 CN CN201610179156.XA patent/CN105789676B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102544606A (zh) * | 2012-01-18 | 2012-07-04 | 杭州高特电子设备有限公司 | 基于聚类分析的锂电池单元配组方法 |
CN202474128U (zh) * | 2012-01-18 | 2012-10-03 | 杭州高特电子设备有限公司 | 一种基于聚类分析的电池单元配组系统 |
CN103269096A (zh) * | 2013-05-14 | 2013-08-28 | 国家电网公司 | 一种基于聚类分析的电池组均衡方法 |
CN104167570A (zh) * | 2014-05-30 | 2014-11-26 | 杭州电子科技大学 | 一种蓄电池快速配组方法 |
CN105261795A (zh) * | 2015-10-23 | 2016-01-20 | 北京交通大学 | 一种基于聚类算法的锂离子电池串联成组方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105789676A (zh) | 2016-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105680109B (zh) | 一种基于深度学习的动力电池配组方法 | |
CN102544606B (zh) | 基于聚类分析的锂电池单元配组方法 | |
CN103269096B (zh) | 一种基于聚类分析的电池组均衡方法 | |
CN108846227B (zh) | 一种基于随机森林及容量自恢复效应分析的锂离子电池容量退化预测评估方法 | |
CN105510847B (zh) | 锂离子电池一致性的筛选方法 | |
CN103792495B (zh) | 基于德尔菲法和灰色关联理论的电池性能评价方法 | |
CN106154165A (zh) | 一种大容量电池储能系统性能的评估方法和评估系统 | |
CN113111579B (zh) | 一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法 | |
CN107171035B (zh) | 锂离子电池的充电方法 | |
CN107377422B (zh) | 一种单体电池的分选方法 | |
CN111366848A (zh) | 一种基于pso-elm算法的电池健康状态预测方法 | |
CN107362989B (zh) | 一种锂离子动力电池的分选方法 | |
CN102520367A (zh) | 一种空间用氢镍蓄电池寿命评估方法 | |
CN103176138B (zh) | 一种电池组维护检测方法 | |
CN112986830A (zh) | 一种基于卷积时间记忆神经网络的锂电池容量估计方法 | |
CN113887601A (zh) | 一种基于聚类分选的退役动力电池重组方法 | |
CN112883632B (zh) | 一种基于改进蚁群算法的锂电池等效电路模型参数辨识方法 | |
CN104166790A (zh) | 基于逼近理想解理论的锂离子动力电池性能评价方法 | |
CN105789676B (zh) | 一种基于消息传播的动力电池配组方法 | |
CN109239603A (zh) | 一种流形正则化框架下的极限学习机预测动力电池soc方法 | |
CN107895212A (zh) | 基于滑动窗口和多视角特征融合的铅酸电池寿命预测方法 | |
Jeong et al. | Electrode design optimization of lithium secondary batteries to enhance adhesion and deformation capabilities | |
CN111487532B (zh) | 一种基于层次分析法和熵值法的退役电池筛选方法及系统 | |
CN109346787A (zh) | 一种电动汽车动力电池自适应优化充电方法 | |
CN116930788A (zh) | 一种基于堆叠模型的储能电站锂电池容量估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160720 Assignee: Chaowei Power Group Co., Ltd Assignor: Hangzhou Electronic Science and Technology Univ Contract record no.: X2019330000054 Denomination of invention: Power battery matching method based on message propagation Granted publication date: 20180313 License type: Common License Record date: 20191226 |