CN108655028A - 一种基于模糊均值聚类算法对电池进行分类的方法及系统 - Google Patents

Abstract

本发明公开了一种基于模糊均值聚类算法对电池进行分类的方法，所述方法包括：对待分类的电池分别进行充电和放电状态下的动态阻抗测试，获取所述多个电池在充电和放电状态下的动态阻抗测试曲线；在所述动态阻抗测试曲线中，选择每个电池的动态阻抗测试的多个采样点；利用所述每个电池的动态阻抗测试的多个采样点，建立多个分类因子的原始数据矩阵；对原始数据矩阵进行归一化处理，获取初始化后的数据矩阵；基于所述初始化后的数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立所述主分类因子的相似性函数，对待分类的电池进行分类。

Description

一种基于模糊均值聚类算法对电池进行分类的方法及系统

技术领域

本发明涉及电池储能技术领域，更具体地，涉及一种基于模糊均值聚类算法对电池进行分类的方法及系统。

背景技术

电池储能技术对于节能减排与优化能源结构具有积极的推动作用。对于智能电网和新能源等电力系统储能应用领域来说，虽然理论上有多种形式的储能技术可供选择，但就当前的技术发展水平以及市场认可度来说，锂离子电池以其能量密度高、功率密度高、能量转换效率高、循环寿命长、应用范围广、对环境友好等优势，成为当前最具应用前景的电力系统储能技术之一。

尽管现阶段的锂离子电池制造水平不断提高，制造出的单体电池仍然在性能和容量上不足以单独满足大规模储能的能量要求，为达到理想的使用要求，一般将电池采用串并联的形式加以组合，成组应用。锂离子电池系统的结构复杂，而性能却不是单体的比例放大，导致这一现象的原因是单体间存在一定的差异，即为电池的一致性问题。但目前对于电池的一致性方法仍缺乏有效的判据，现有电池分选成组方法是根据电池的静态特性参数，如电压、容量等进行筛选进而成组的，虽然能反映出电池的某些特性，但主要是静态外部特征，无法反映出充放电过程中电池特性的变化趋势，不能有效避免电池短板效应，致使电池分选结果和后期运行中的均衡策略实施效果均较差，进一步扩大了电池的离散性，制约了电池组容量的有效利用，缩短了电池组的寿命，阻碍了电池储能电站的快速推广应用。

因此，需要一种方法，以实现对电池进行分类的技术。

发明内容

本发明提供了一种基于模糊均值聚类算法对电池进行分类的方法及系统，以解决如何对储能电池进行分类的问题。

为了解决上述问题，本发明提供了一种基于模糊均值聚类算法对电池进行分类的方法，所述方法包括：

对待分类的电池分别进行充电和放电状态下的动态阻抗测试，获取所述多个电池在充电和放电状态下的动态阻抗测试曲线；

在所述动态阻抗测试曲线中，选择每个电池的动态阻抗测试的多个采样点；

利用所述每个电池的动态阻抗测试的多个采样点，建立多个分类因子的原始数据矩阵；

对原始数据矩阵进行归一化处理，获取初始化后的数据矩阵；

基于所述初始化后的数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立所述主分类因子的相似性函数，对待分类的电池进行分类。

优选地，在对待分类的电池进行分类后，还包括：建立所述主分类因子的目标函数，判断所述多个电池的分类是否满足预先设置的分类条件：

若所述多个电池的分类满足预先设置的分类条件，则确认将所述多个电池的分为一类；

若所述多个电池的分类不满足预先设置的分类条件，则重新选取多个分类因子中的一个分类因子替换原主分类因子，作为新的主分类因子。

优选地，所述多个分类因子包括：阻抗、电压、电容和电流中的至少一个，选取阻抗作为主分类因子。

优选地，所述相似性函数为计算所述待分类的电池的所述主分类因子特征向量与标准电池的所述主分类因子特征向量的距离。

优选地，所述对多个待分类的电池进行充电和放电状态下的动态阻抗测试，分别获取所述多个电池在充电和放电状态下的动态阻抗测试曲线，包括：

所述待分类的电池在充电状态为荷电状态达到第一数值时的状态；

所述待分类的电池在放电状态为荷电状态达到第二数值时的状态。

基于本发明的另一方面，提供一种基于模糊均值聚类算法对电池进行分类的系统，所述系统包括：

采样单元，用于对待分类的电池分别进行充电和放电状态下的动态阻抗测试，获取所述多个电池在充电和放电状态下的动态阻抗测试曲线；在所述动态阻抗测试曲线中，选择每个电池的动态阻抗测试的多个采样点；

建立单元，用于利用所述每个电池的动态阻抗测试的多个采样点，建立多个分类因子的原始数据矩阵；

处理单元，用于对原始数据矩阵进行归一化处理，获取初始化后的数据矩阵；

分类单元，用于基于所述初始化后的数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立所述主分类因子的相似性函数，对待分类的电池进行分类。

优选地，还包括判断单元：

用于建立所述主分类因子的目标函数，判断所述多个电池的分类是否满足预先设置的分类条件：

若所述多个电池的分类满足预先设置的分类条件，则确认将所述多个电池的分为一类；

若所述多个电池的分类不满足预先设置的分类条件，则重新选取多个分类因子中的一个分类因子替换原主分类因子，作为新的主分类因子。

优选地，所述多个分类因子包括：阻抗、电压、电容和电流中的至少一个，选取阻抗作为主分类因子。

优选地，所述相似性函数为计算所述多个待分类的电池的所述主分类因子特征向量与标准电池的所述主分类因子特征向量的距离。

优选地，所述采样单元用于对多个待分类的电池进行充电和放电状态下的动态阻抗测试，分别获取所述多个电池在充电和放电状态下的动态阻抗测试曲线，包括：

所述待分类的电池在充电状态为荷电状态达到第一数值时的状态；

所述待分类的电池在放电状态为荷电状态达到第二数值时的状态。

本发明技术方案提供了一种基于模糊均值聚类算法对电池进行分类的方法和系统，其中方法包括：对多个待分类的电池进行充电和放电状态下的动态阻抗测试，分别获取多个电池在充电和放电状态下的动态阻抗测试曲线；在多个电池在充电和放电状态下的动态阻抗测试曲线中，选择多个电池中的每个电池的动态阻抗测试的多个采样点。本发明技术方案利用多个电池中的每个电池的动态阻抗测试的多个采样点，建立多个电池的多个分类因子的原始数据矩阵。对多个电池的原始数据矩阵进行归一化处理，获取初始化后的数据矩阵。基于数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立主分类因子的相似性函数，对多个电池进行分类。建立主分类因子的目标函数，判断多个电池的分类是否满足预先设置的分类条件：若多个电池的分类满足预先设置的分类条件，则确认将多个电池的分为一类。本发明技术方案采用多个分类因子作为电池分选成组的依据，弥补了现有以电池静态特性为分选依据的缺陷，提高了电池成组的利用率，具有一定创新性和实际应用价值。本申请将模糊均值聚类算法引入电池的分选成组，用数学的方法进行电池的分选，具有一定的理论创新性。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明实施方式的一种基于模糊均值聚类算法对电池进行分类的方法流程图；

图2为根据本发明优选实施方式当电池充电到SOC为100％时，电池的动态阻抗曲线；

图3为根据本发明优选实施方式当电池放电到SOC为0时，电池的动态阻抗曲线；以及

图4为根据本发明实施方式的一种基于模糊均值聚类算法对电池进行分类的系统结构图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1为根据本发明实施方式的一种基于模糊均值聚类算法对电池进行分类的方法流程图。本发明实施方式提供了一种基于模糊均值聚类算法对电池进行分类的方法，其中方法包括：对多个待分类的电池进行充电和放电状态下的动态阻抗测试，分别获取多个电池在充电和放电状态下的动态阻抗测试曲线；在多个电池在充电和放电状态下的动态阻抗测试曲线中，选择多个电池中的每个电池的动态阻抗测试的多个采样点。本申请利用多个电池中的每个电池的动态阻抗测试的多个采样点，建立多个电池的多个分类因子的原始数据矩阵。对多个电池的原始数据矩阵进行归一化处理，获取初始化后的数据矩阵。基于数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立主分类因子的相似性函数，对多个电池进行分类。建立主分类因子的目标函数，判断多个电池的分类是否满足预先设置的分类条件：若多个电池的分类满足预先设置的分类条件，则确认将多个电池的分为一类。本申请通过锂离子电池动态分类进行举例说明，即，基于模糊均值聚类算法的对锂离子电池进行动态分选方法。本申请基于模糊均值聚类算法，以锂离子电池的动态阻抗作为电池分选的依据，考虑了电池在充放电过程中其内部结构的不同，同时结合锂离子电池的静态特征，如电压、电容、电流作为分类因子，能够挑选出一致性较好的电池，从而提高电池组的性能。如图1所示，一种基于模糊均值聚类算法对电池进行分类的方法，方法包括：

优选地，在步骤101：对待分类的电池分别进行充电和放电状态下的动态阻抗测试，获取多个电池在充电和放电状态下的动态阻抗测试曲线。

优选地，在步骤102：在多个电池在充电和放电状态下的动态阻抗测试曲线中，选择多个电池中的每个电池的动态阻抗测试的多个采样点。

优选地，对多个待分类的电池进行充电和放电状态下的动态阻抗测试，分别获取多个电池在充电和放电状态下的动态阻抗测试曲线，包括：

多个电池在充电状态为荷电状态达到第一数值时的状态，本申请中，第一数值可以是100％；

多个电池在放电状态为荷电状态达到第二数值时的状态，本申请中，第二数值可以是0％。

图2为根据本发明优选实施方式当电池充电到SOC为100％时，电池的动态阻抗曲线。

图3为根据本发明优选实施方式当电池放电到SOC为0时，电池的动态阻抗曲线。

优选地，在步骤103：利用每个电池的动态阻抗测试的多个采样点，建立多个分类因子的原始数据矩阵。优选地，多个分类因子包括：阻抗、电压、电容和电流，选取阻抗作为主分类因子。本申请首先将阻抗作为主分类因子，通过将阻抗作为主分类因子对电池进行分类，测试证明分类结果准确度较高。本申请中，如果将阻抗作为主分类因子，但电池并不满足分类条件，继续挑选，如电压作为主分类因子，对电池进行分类。

优选地，在步骤104：对原始数据矩阵进行归一化处理，获取初始化后的数据矩阵。本申请中，对大量电池的数据进行归一化处理，以进行标准运算。

优选地，在步骤105：基于初始化后的数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立主分类因子的相似性函数，对多个电池进行分类。优选地，相似性函数为计算多个待分类的电池的主分类因子特征向量与标准电池的主分类因子特征向量的距离。本申请中，选用阻抗作为主分类因子，利用模糊聚类算法，通过选取标准的目标电池，用平方欧式距离作为相似性函数，对电池进行初步分类。

优选地，在步骤106：建立主分类因子的目标函数，判断多个电池的分类是否满足预先设置的分类条件：若多个电池的分类满足预先设置的分类条件，则确认将多个电池的分为一类。本申请通过建立主分类因子的目标函数，通过目标函数，对电池是否符合预先设置的分类条件进行判断，如符合预先设置的条件，则确认将多个电池分为一类。

优选地，若多个电池的分类不满足预先设置的分类条件，则重新选取多个分类因子中的一个分类因子替换原主分类因子，作为新的主分类因子。

本申请中，如以阻抗作为主分类因子，对电池的分类结果不满足预先设置的分类条件，则重新选择主分类因子，如选择电压替换提阻抗作为新的主分类因子，继续对电池进行分类。

本申请的一种基于模糊均值聚类算法的储能用锂离子电池动态分选方法，方法包括如下步骤：

(1)恒流模式下对需要分选的锂离子电池进行充放电，得到每节电池的动态阻抗曲线；

(2)基于模糊均值聚类，给定隶属度函数、相似性函数和目标函数，设定迭代停止阈值；

(3)初始化隶属矩阵，并进行归一化，计算数据集的隶属度；

(4)计算多个聚类中心，对所有输入参量求导，得到使得目标函数的值达到最小条件；

(5)计算目标函数，如果目标函数值满足条件，则算法停止，完成聚类；如果不满足条件，则进行迭代计算，直到完成所有电池的分选；

(6)根据目标函数值的计算结果对电池进行分选成组，完成电池的分选。

以恒流模式对需要分类的锂离子电池进行充电，当SOC达到100％时以动态阻抗测试仪测得每节电池的动态阻抗充电测试曲线，然后再对锂离子电池以恒流模式进行放电，当SOC达到0％时，以动态阻抗测试仪测得每节电池的动态阻抗放电测试曲线，如图2所示。在电池动态阻抗曲线上共选取P个采样点，则电池单体的动态阻抗曲线可以转化为一个一维特征向量。对于一组待分类的n节电池，可以将一簇动态阻抗特征曲线转化为一个n×p维的原始数据阵。

式中，X_ij表示第i节电池充放电曲线上的第j个数据点的值。

在上述原始矩阵中，每一行代表一节电池的特性曲线，任意两节电池间的相似性可以通过矩阵X的第i行和第j行的平方欧氏距离d(i,j)来描述。

d(i，j)＝(x_i1-x_j1)²+(x_i2-x_j2)²+…(x_ip-x_jp)²

d(i,j)越小，说明这两节电池动态阻抗特征曲线之间的距离越小，两节电池的性能越接近，一致性越好。

电池单体之间性能的不同会导致电池的充放电时间不同，也会引起电池动态阻抗的变化。为了使代表每节电池的特征向量长度相同，便于计算电池单体之间的距离，需要对每节电池的动态阻抗曲线进行数据点选取，这里选取测量电池动态阻抗的频率点作为特征数据点，即从低频0.05Hz-5kHz,选取30个频率点，充放电曲线共有60个数据点，如图2所示，在实际进行分选时，可以选用单一的充电或放电阻抗曲线进行分类，也可以两者兼顾。通过对电池动态阻抗曲线的处理，使得代表每节电池的特征向量长度都是相同的，这样就可以计算它们之间的距离，从而对其进行动态特性分选。

对于电池的动态阻抗特性曲线，基于模糊均值聚类算法，对电池的动态阻抗进行模糊聚类分析，分别计算其隶属度函数、相似性函数和目标函数。

隶属度函数用于表示某一节电池属于某一类电池的程度，用μ_A(X)表示，如果它的值等于1，则说明这节电池完全属于某一类电池；加上归一化规定，一个数据集的隶属度的和总等于1，即如果有n个样本，c个聚类中心，则可按照下边的公式进行计算：

式中，c_i为模糊组i的聚类中心，μ_ij为第j个样本属于第i个聚类中心的程度。

选取平方欧氏距离作为两个电池样本之间的相似性函数，此距离越小，说明两个样本越相似。平方欧式距离的表达公式如下：

d＝∑_i(x_i-x_i+1)²

对于性能相似的电池还需要选择特定的目标函数才能聚为一类，目标函数的选取会影响聚类质量。因此，当聚类质量不能满足要求时就必须重新选取目标函数。模糊均值聚类的目标函数的定义如下：

式中，m是一个加权指数，又称为模糊因子，m越大，聚类结果越模糊。通常m＝2；d_ij为第j个样本与第i个聚类中心之间的距离。

根据目标函数的定义，可以对分选的储能锂离子电池构造如下目标函数，如下公式所示：

式中，λ_j，j＝1，2，…n是n个拉格朗日乘子。对所有输入参量求导，求得使目标函数达到最小值的两个必要条件，计算公式如下：

这两个必要条件就会使得模糊均值聚类算法成为了一个迭代过程。此过程简单点描述就是：首先，需要初始化隶属度函数U，并且使其归一，满足求和为1；其次，用平方欧式距离作为相似性函数，选取目标电池，并建立目标函数进行聚类；最后，计算目标函数，如果满足条件，则算法停止，对满足条件的电池聚为一类；如果不满足条件，则重新选举目标电池，进行重新计算，直到所有的电池都完成聚类，对同一类的电池进行成组，完成分选过程。

本发明已经应用于在储能电站的电池分选和成组上，对50节标称容量为180Ah的磷酸铁锂电池利用本发明的方法进行分选成组，再分别进行充放电试验，以一个典型储能工况下运行后，成组电池的电压极差作为评价分选结果的指标，选出了5类20节一致性较好的电池，剩下的30节电池离散性较大，不进行聚类分析。结果如下：

成组后的储能电池在运行后的电压极差一般≤0.1V，从表中可以看出采用本发明进行成组分选的储能电池成组并运行后的电压极差远远小于上述数值，证明本发明的电池分选成组有效性。

本申请的模糊均值聚类算法是一种数学方法，把该算法引入锂离子电池的分选成组，利用数学原理进行电池的分选，具有一定的理论创新性。由于现有电池分选大多采用静态特性作为依据，本申请采用交流阻抗谱进行动态特性分选的方法主要是根据阻抗谱图的相似程度进行，是根据频率点进行的分选，本申请虽然也是采用动态阻抗谱，但是却根据电池在充放电过程中不同的SOC状态下的动态阻抗曲线进行分选，弥补了现有以电池静态特性和利用阻抗谱图进行分选的缺陷，降低了电池在运行过程中的差异性，提高了成组电池的一致性和安全性，提升了储能电池的利用率，具有一定创新性和实际应用价值。

本申请实现了在不能控制电池材料和生产工艺的情况下，尽可能在锂离子电池分选成组的过程中，选用能够反应电池在充放电变化过程的动态参数作为依据进行成组，改善电池成组使用时相较单体电池的使用寿命较短以及容量衰退过快的缺陷，提升电池组的一致性，进而提高和拓宽电池组整体的性能、应用范围和容量利用率，将会极大地推动大规模储能电站的应用和发展。

图4为根据本发明实施方式的一种基于模糊均值聚类算法对电池进行分类的系统结构图。图4为本申请实施方式的一种基于模糊均值聚类算法对电池进行分类的系统，系统包括：

采样单元401，用于对待分类的电池分别进行充电和放电状态下的动态阻抗测试，获取多个电池在充电和放电状态下的动态阻抗测试曲线；在动态阻抗测试曲线中，选择每个电池的动态阻抗测试的多个采样点。

优选地，采样单元401用于对多个待分类的电池进行充电和放电状态下的动态阻抗测试，分别获取多个电池在充电和放电状态下的动态阻抗测试曲线，包括：

多个电池在充电状态为荷电状态达到第一数值100％时的状态，本申请中，第一数值可以是100％；

多个电池在放电状态为荷电状态达到第二数值时的状态，本申请中，第二数值可以是0％。

建立单元402，用于利用每个电池的动态阻抗测试的多个采样点，建立多个分类因子的原始数据矩阵；

处理单元403，用于对原始数据矩阵进行归一化处理，获取初始化后的数据矩阵；

分类单元404，用于基于初始化后的数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立主分类因子的相似性函数，对待分类的电池进行分类。优选地，多个分类因子包括：阻抗、电压、电容和电流，选取阻抗作为主分类因子。优选地，相似性函数为计算多个待分类的电池的主分类因子特征向量与标准电池的主分类因子特征向量的距离。

判断单元405，用于建立主分类因子的目标函数，判断多个电池的分类是否满足预先设置的分类条件：

若多个电池的分类满足预先设置的分类条件，则确认将多个电池的分为一类。

优选地，判断单元405还用于：若多个电池的分类不满足预先设置的分类条件，则重新选取多个分类因子中的一个分类因子替换原主分类因子，作为新的主分类因子。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

Claims (10)

1.一种基于模糊均值聚类算法对电池进行分类的方法，所述方法包括：

对待分类的电池分别进行充电和放电状态下的动态阻抗测试，获取所述多个电池在充电和放电状态下的动态阻抗测试曲线；

在所述动态阻抗测试曲线中，选择每个电池的动态阻抗测试的多个采样点；

利用所述每个电池的动态阻抗测试的多个采样点，建立多个分类因子的原始数据矩阵；

对原始数据矩阵进行归一化处理，获取初始化后的数据矩阵；

基于所述初始化后的数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立所述主分类因子的相似性函数，对待分类的电池进行分类。

2.根据权利要求1所述的方法，在对待分类的电池进行分类后，还包括：建立所述主分类因子的目标函数，判断所述多个电池的分类是否满足预先设置的分类条件：

若所述多个电池的分类满足预先设置的分类条件，则确认将所述多个电池的分为一类；

若所述多个电池的分类不满足预先设置的分类条件，则重新选取多个分类因子中的一个分类因子替换原主分类因子，作为新的主分类因子。

3.根据权利要求1所述的方法，所述多个分类因子包括：阻抗、电压、电容和电流中的至少一个，选取阻抗作为主分类因子。

4.根据权利要求1所述的方法，所述相似性函数为计算所述待分类的电池的所述主分类因子特征向量与标准电池的所述主分类因子特征向量的距离。

5.根据权利要求1所述的方法，所述对多个待分类的电池进行充电和放电状态下的动态阻抗测试，分别获取所述多个电池在充电和放电状态下的动态阻抗测试曲线，包括：

所述待分类的电池在充电状态为荷电状态达到第一数值时的状态；

所述待分类的电池在放电状态为荷电状态达到第二数值时的状态。

6.一种基于模糊均值聚类算法对电池进行分类的系统，所述系统包括：

采样单元，用于对待分类的电池分别进行充电和放电状态下的动态阻抗测试，获取所述多个电池在充电和放电状态下的动态阻抗测试曲线；在所述动态阻抗测试曲线中，选择每个电池的动态阻抗测试的多个采样点；

建立单元，用于利用所述每个电池的动态阻抗测试的多个采样点，建立多个分类因子的原始数据矩阵；

处理单元，用于对原始数据矩阵进行归一化处理，获取初始化后的数据矩阵；

分类单元，用于基于所述初始化后的数据矩阵，选取多个分类因子中的一个分类因子作为主分类因子，利用模糊聚类算法，建立所述主分类因子的相似性函数，对待分类的电池进行分类。

7.根据权利要求6所述的系统，还包括判断单元：

用于建立所述主分类因子的目标函数，判断所述多个电池的分类是否满足预先设置的分类条件：

若所述多个电池的分类满足预先设置的分类条件，则确认将所述多个电池的分为一类；

若所述多个电池的分类不满足预先设置的分类条件，则重新选取多个分类因子中的一个分类因子替换原主分类因子，作为新的主分类因子。

8.根据权利要求6所述的系统，所述多个分类因子包括：阻抗、电压、电容和电流中的至少一个，选取阻抗作为主分类因子。

9.根据权利要求6所述的系统，所述相似性函数为计算所述多个待分类的电池的所述主分类因子特征向量与标准电池的所述主分类因子特征向量的距离。

10.根据权利要求6所述的系统，所述采样单元用于对多个待分类的电池进行充电和放电状态下的动态阻抗测试，分别获取所述多个电池在充电和放电状态下的动态阻抗测试曲线，包括：

所述待分类的电池在充电状态为荷电状态达到第一数值时的状态；

所述待分类的电池在放电状态为荷电状态达到第二数值时的状态。