CN109361007B - 电池配组方法 - Google Patents
电池配组方法 Download PDFInfo
- Publication number
- CN109361007B CN109361007B CN201811075331.6A CN201811075331A CN109361007B CN 109361007 B CN109361007 B CN 109361007B CN 201811075331 A CN201811075331 A CN 201811075331A CN 109361007 B CN109361007 B CN 109361007B
- Authority
- CN
- China
- Prior art keywords
- sample
- battery
- batteries
- adopting
- grouping
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 239000000203 mixture Substances 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 230000003068 static effect Effects 0.000 claims abstract description 7
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 6
- 238000007599 discharging Methods 0.000 claims abstract description 5
- 238000001035 drying Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 3
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
Images
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
- H01M10/0404—Machines for assembling batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
-
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及电池通用技术领域,具体公开了一种电池配组方法,该方法具体包括:获取样本电池化成电池电压的时间序列曲线;采用KNN算法补全时间序列曲线的缺失值;采用小波去燥法消除在获取时间序列曲线过程中的干扰信息;采用动态时间规整方法将需要对比的时间序列曲线的时间序列对齐;采用电压和电容的标准对样本电池进行第一次筛选;采用高斯混合模型,根据样本电池化成的静态终止电压和放电所测得的电容对样本电池进行聚类;根据样本电池的特征分布密度对聚类后的样本电池进行配组。采用高斯混合模型对样本电池进行聚类,再后通过样本电池的特征分布密度对聚类后的样本电池进行配组,采用电压和电容的双重过程数据,使电池包有更强的一致性。
Description
技术领域
本发明涉及电池通用技术领域,具体涉及一种电池配组方法。
背景技术
随着新能源汽车的快速发展,动力锂离子电池产销量大幅提升,但在电池应用时,必须有一套成熟的配组方案,以提高动力电池系统内各电池的一致性,提升动力电池系统的可靠性。另外,国家通过立法逐步推动动力电池的梯次利用,未来大规模的回收再利用也需要电池配组技术的支撑。动力电池已广泛应用于新能源汽车、风光储能、电信基站储备电源、电动工具及电动摩托车等领域,应用时通常是经过多节电池的串并联组合来满足使用电压或电流的要求。
由于电池在制造环节当中,由于生产工艺上涉及物理化学等多方面的因素,最终给电池工艺造成细微不同,最终造成电池个体的差异。由于我们使用的电池包是由不同单个电池组成,电池包的整体性能是由电池包中性能最差的那个电池决定的。同时,由于电池配组的不同,也会对电池包整体带来很大安全风险。因此开发一种便捷且可靠的动力锂离子电池配组方法十分必要。
有鉴于此,特提出本发明。
发明内容
鉴于上述问题,本发明提出了一种电池配组方法,电池配组方法包括:获取样本电池化成电池电压的时间序列曲线;采用KNN算法补全所述时间序列曲线的缺失值;采用小波去燥法消除在获取所述时间序列曲线过程中的干扰信息;采用动态时间规整方法将需要对比的所述时间序列曲线的时间序列对齐;采用电压和电容的标准对样本电池进行第一次筛选;采用高斯混合模型,根据样本电池化成的静态终止电压和放电所测得的电容对样本电池进行聚类;根据样本电池的特征分布密度对聚类后的样本电池进行配组。
在上述电池配组方法的优选技术方案中,样本电池的特征分布密度定义如下:
其中,其中ρl和μl是控制平衡的变量,l代表所述时间序列曲线上的采样点个数,Vl i和Vl j分别是曲线i和j的第l个电压采样点的值,Ci为第i个电池的电容,Cj为第j个电池的电容。
在上述电池配组方法的优选技术方案中,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的步骤包括:将聚类组中的样本个数n与电池包中的电池个数m进行比较;如果n大于或等于m,则将聚类组中样本的特征分布密度S进行降序排列;将聚类组中的第m个样本的特征分布密度Sm与预设值比较;如果Sm大于或等于预设值,则依次选取聚类组中的样本的特征分布密度Si,将选取的i个样本放入到一个临时组中,直到临时组中的电池数达到m个。
在上述电池配组方法的优选技术方案中,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的步骤还包括:如果n小于m,则减小高斯混合模型的聚类参数K。
在上述电池配组方法的优选技术方案中,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的的步骤还包括:如果K=1时,n依然小于m,则电池配组结束。
在上述电池配组方法的优选技术方案中,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的步骤还包括:如果Sm小于预设值,则减小高斯混合模型的聚类参数K。
在上述电池配组方法的优选技术方案中,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的步骤还包括:如果K=1时,Sm依然小于预设值,则电池配组结束。
在本发明的优选技术方案中,首先采用电压和电容的标准对样本电池进行第一次筛选;再采用高斯混合模型,根据样本电池化成的静态终止电压和放电所测得的电容对样本电池进行聚类,最后通过样本电池的特征分布密度对聚类后的样本电池进行配组,采用电压和电容的双重过程数据,使电池包有更强的一致性。
附图说明
附图作为本发明的一部分,用来提供对本发明的进一步的理解,本发明的示意性实施例及其说明用于解释本发明,但不构成对本发明的不当限定。显然,下面描述中的附图仅仅是一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。附图中:
图1本发明实例的电池配组方法的流程全过程示意图;
图2本发明实例的电池配组方法中的具体方法示意图。
具体实施方式
下面结合附图以及具体实施例对本发明实施例解决的技术问题、所采用的技术方案以及实现的技术效果进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请的一部分实施例,并不是全部实施例。基于本申请中的实施例,本领域普通技术人员在不付出创造性劳动的前提下,所获得的所有其它等同或明显变型的实施例均落在本发明的保护范围内。本发明实施例可以按照权利要求中限定和涵盖的多种不同方式来具体化。
具体地,如图1所示,本发明的一种电池配组方法包括:步骤S100至步骤S160。
步骤S100:获取样本电池化成电池电压的时间序列曲线。此过程由生产设备自动记录相关信息。
步骤S110:采用KNN算法补全时间序列曲线的缺失值。由于在系统信息测量录入时,会有信息记录的缺失,所以使用KNN算法,补全缺失值,以便在后续数据使用中有更好表现。
步骤S120:采用小波去燥法消除在获取时间序列曲线过程中的干扰信息。在数据记录中,由于会有生产过程噪音,使用小波去燥方法,平滑曲线,去除干扰信息。
步骤S130:采用动态时间规整方法将需要对比的时间序列曲线的时间序列对齐。因为不同的时间序列对比,无法比较,所以使用动态时间规整方法将时间序列对齐,使时间序列曲线可以在同一个标准下进行比较。
步骤S140:采用电压和电容的标准对样本电池进行第一次筛选。即使用传统工艺,采用电压和容量的标准对电池进行第一次筛选,同时去除电压或电容不合格的电池。电池化成终止电压在3860mV到3880mV,且所测得的放电电容在2200mAh以上即为合格。
步骤S150:采用高斯混合模型,将样本电池化成的静态终止电压和放电所测得的电容形成的二维数据进行聚类。即依据电池的静态终止电压和放电所测得的电容对样本电池进行初步分组,高斯混合模型具体实现如下所示:
高斯混合模型由两种类型的值参数组成,即混合分量权重的均值和方差/协方差。对于一个高斯混合模型有K个模型表示为Ck,第k个模型的均值为μk和协方差为Σk。多个模型Ck,φk定义为第k个模型的分量权重,其混合分量权重其约束使得总概率分布归一化。
设定初始值K,K代表模型的数量,用期望最大化(EM)来估计高斯混合模型的参数φk、μk和Σk。期望最大化(EM)是最大似然估计技术,用于更新模型计算的参数。期望最大化是一种迭代算法,数据的最大似然性随着每次迭代的增加而严格地增加。
对于高斯混合模型算法,高斯混合模型的EM包括两个步骤。
第二步,为最大化步骤或M步骤,其包括最大化E步骤中相对于模型参数计算的期望。在这一步中更新参数φk,μk和Σk。不断迭代,直到算法收敛到最大似然估计。直到每一个数据点都能分配到一个Ck,计算φk,μk和Σk,计算使用在期望步骤中,计算如下
步骤S160:根据样本电池的特征分布密度对聚类后的样本电池进行配组。
首先定义电池的特征分布密度:
其中,其中ρl和μl是控制平衡的变量,是一个过程递增系数,根据不同生产工艺过程可动态调整,改变初始和终止值。在本发明中ρl和μl的初始值分别为0.85和0.15,终止值为0.9和0.1,l代表时间序列曲线上的采样点个数,采样个数根据生产工艺和品质来决定,在本发明中l取512,ρl和μl每次递(0.9-0.85)/l和(0.15-0.1)/l。Vl i和Vl j分别是曲线i和j的第l个电压采样点的值,此值根据生产过程记录。Ci为第i个电池的电容,Cj为第j个电池的电容,计算公式为其中I为放电电流可以根据实际情况动态调整,本方法中为2000mA,t为达到截止电压时消耗的时间,其中截止电压为2750mV,i为第i个电池放电曲线。
下面结合具体实施例详细地阐述本发明的技术方案。
假设需要配组的电池包中的电池个数为m个,则具体配组方法如图2所示,本发明的电池配组方法具体步骤如下:
步骤S1:将聚类组中的样本个数n与电池包中的电池个数m进行比较,如果n大于或等于m,则执行步骤S2;如果n小于m,说明聚类组中的电池样本不足以配组成一个电池包,则减小高斯混合模型的聚类参数K(K代表数据集中聚类组的数量),以增加聚类组中的样本个数,直到K=1时,即只有一个聚类组时,n依然小于m,说明此时未配组的样本个数小于电池包中的电池个数,未配组的电池样本不足以配组成一个电池包,则此次电池配组结束。
步骤S2:对聚类组中样本的特征分布密度(S1,S2,…,Sn)进行降序排列。将第m个样本的特征分布密度Sm与预设值进行比较,如果Sm大于或等于预设值则执行步骤S3,如果Sm小于预设值,则说明聚类组中满足要求的电池样本不足以配组成一个电池包,则减小高斯混合模型中聚类参数K,以增加聚类组中的样本个数,直到Sm大于或等于预设值,当K=1时,即只有一个聚类组时,Sm依然小于预设值,则说明此时满足要求的未配组的样本个数小于电池包中电池的个数,未配组的电池样本不足以配组成一个电池包,则此次电池配组结束。
步骤S3:依次选择电池的特征密度Si,然后将这i个电池放到一个临时电池组中,命名为P
步骤S4:当临时电池组P中的电池数达到m,即电池配组完成。然后返回步骤1,进行电池包的下一次配组。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种电池配组方法,其特征在于,所述电池配组方法包括:
获取样本电池化成电池电压的时间序列曲线;
采用KNN算法补全所述时间序列曲线的缺失值;
采用小波去燥法消除在获取所述时间序列曲线过程中的干扰信息;
采用动态时间规整方法将需要对比的所述时间序列曲线的时间序列对齐;
采用电压和电容的标准对样本电池进行第一次筛选;
采用高斯混合模型,根据样本电池化成的静态终止电压和放电所测得的电容对样本电池进行聚类;
根据样本电池的特征分布密度对聚类后的样本电池进行配组;
样本电池的特征分布密度定义如下:
其中,其中ρl和μl是控制平衡的变量,l代表所述时间序列曲线上的采样点个数,Vl i和Vl j分别是曲线i和j的第l个电压采样点的值,Ci为第i个电池的电容,Cj为第j个电池的电容。
2.根据权利要求1所述的电池配组方法,其特征在于,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的步骤包括:
将聚类组中的样本个数n与电池包中的电池个数m进行比较;
如果n大于或等于m,则将聚类组中样本的特征分布密度S进行降序排列;
将聚类组中的第m个样本的特征分布密度Sm与预设值比较;
如果Sm大于或等于预设值,则依次选取聚类组中的样本的特征分布密度Si,将选取的i个样本放入到一个临时组中,直到临时组中的电池数达到m个。
3.根据权利要求2所述的电池配组方法,其特征在于,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的步骤还包括:
如果n小于m,则减小高斯混合模型的聚类参数K。
4.根据权利要求3所述的电池配组方法,其特征在于,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的的步骤还包括:
如果K=1时,n依然小于m,则电池配组结束。
5.根据权利要求2所述的电池配组方法,其特征在于,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的步骤还包括:
如果Sm小于预设值,则减小高斯混合模型的聚类参数K。
6.根据权利要求5所述的电池配组方法,其特征在于,“根据样本电池的特征分布密度对聚类后的样本电池进行配组”的步骤还包括:
如果K=1时,Sm依然小于预设值,则电池配组结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811075331.6A CN109361007B (zh) | 2018-09-14 | 2018-09-14 | 电池配组方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811075331.6A CN109361007B (zh) | 2018-09-14 | 2018-09-14 | 电池配组方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109361007A CN109361007A (zh) | 2019-02-19 |
CN109361007B true CN109361007B (zh) | 2020-06-30 |
Family
ID=65350748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811075331.6A Active CN109361007B (zh) | 2018-09-14 | 2018-09-14 | 电池配组方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109361007B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109772753B (zh) * | 2019-03-05 | 2020-03-06 | 中国科学院自动化研究所 | 动力电池分选系统和方法 |
CN111200168B (zh) * | 2020-01-09 | 2021-01-05 | 杭州电子科技大学 | 一种基于放电曲线分析的铅蓄电池自动配组方法 |
CN111562515B (zh) * | 2020-05-18 | 2021-03-12 | 北京理工大学 | 一种动力电池组特征单体的筛选方法 |
CN112198435B (zh) * | 2020-09-30 | 2023-08-22 | 金陵科技学院 | 一种锂离子电池配组方法 |
Citations (3)
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 |
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 |
CN106252704A (zh) * | 2016-09-20 | 2016-12-21 | 杭州电子科技大学 | 一种基于密度分布模型的铅酸蓄电池配组方法 |
-
2018
- 2018-09-14 CN CN201811075331.6A patent/CN109361007B/zh active Active
Patent Citations (3)
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 |
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 |
CN106252704A (zh) * | 2016-09-20 | 2016-12-21 | 杭州电子科技大学 | 一种基于密度分布模型的铅酸蓄电池配组方法 |
Non-Patent Citations (1)
Title |
---|
铅酸蓄电池动态特性配组研究;赵亚锋等;《电源技术》;20071031;第31卷(第10期);第808-810页论文摘要及正文部分 * |
Also Published As
Publication number | Publication date |
---|---|
CN109361007A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109361007B (zh) | 电池配组方法 | |
CN110488204B (zh) | 一种储能元件soh-soc联合在线估计方法 | |
CN111007417A (zh) | 基于不一致性评估的电池组soh和rul预测方法及系统 | |
CN110752410A (zh) | 一种快速分选和重组退役锂电池的方法 | |
CN107024663A (zh) | 基于充电曲线特征kpca聚类的锂电池筛选方法 | |
CN107741568B (zh) | 一种基于状态转移优化rbf神经网络的锂电池soc估算方法 | |
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 | |
CN110146822A (zh) | 一种基于恒流充电过程的车用动力电池容量在线估计方法 | |
CN113406521B (zh) | 一种基于特征分析的锂电池健康状态在线估计方法 | |
CN111753416A (zh) | 一种基于两阶段Wiener过程的锂离子电池RUL预测方法 | |
CN113887601A (zh) | 一种基于聚类分选的退役动力电池重组方法 | |
CN114726045B (zh) | 一种基于ipea-lstm模型的锂电池soh估计方法 | |
CN113128672B (zh) | 一种基于迁移学习算法的锂离子电池组soh估计方法 | |
CN114705990A (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
CN114264964B (zh) | 一种电池容量评估的方法、装置、设备及介质 | |
CN113761726A (zh) | 一种锂电池参数辨识方法及系统 | |
CN116401770A (zh) | 基于电池数字孪生模型与机器学习的快充策略设计方法 | |
CN111930839A (zh) | 退役动力电池储能装置的配组方法 | |
CN113945852B (zh) | 一种蓄电池组不一致性评价方法 | |
CN117171588A (zh) | 一种用于动力电池梯次利用故障检测方法 | |
CN116224070A (zh) | 一种基于ocv-soc模型的全温度锂离子电池ocv评估方法及系统 | |
CN112706655B (zh) | 基于智能物联网的新能源汽车能源均衡控制方法及系统 | |
CN115526267A (zh) | 一种配电网运行场景提取方法及装置 | |
CN115688006A (zh) | 一种退役电池筛选分类方法 | |
CN115267556A (zh) | 电池寿命衰降分析方法、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |