CN110135478B - 考虑梯次利用场景的退役锂电池分类方法 - Google Patents
考虑梯次利用场景的退役锂电池分类方法 Download PDFInfo
- Publication number
- CN110135478B CN110135478B CN201910352732.XA CN201910352732A CN110135478B CN 110135478 B CN110135478 B CN 110135478B CN 201910352732 A CN201910352732 A CN 201910352732A CN 110135478 B CN110135478 B CN 110135478B
- Authority
- CN
- China
- Prior art keywords
- standard
- classified
- sample
- retired lithium
- utilization
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种考虑梯次利用场景的退役锂电池分类方法,包括以下步骤:步骤S1:将多个所述退役锂电池的包含容量值、内阻值以及与预定利用类型相对应的场景系数ks在内的参数数据进行预处理得到待分类样本集;步骤S2:对待分类样本集通过标准化公式计算得到标准化样本集;步骤S3:在所有标准样本中随机选择k个标准样本作为质心向量μx(x=1,2…,k);步骤S4:根据质心向量及利用场景系数将所有标准进行分类得到k个特征分类。
Description
技术领域
本发明属于资源利用领域,具体涉及一种考虑梯次利用场景的退役锂电池分类方法。
背景技术
锂电池由于具有高能量密度、使用寿命长、环保、无记忆效应等优点广泛应用于航空航天、船舶、电动汽车、电子和能源等众多领域,特别是已成为电动汽车的首选动力能源。权威机构预测到2020年我国电动汽车汽车保有量将超过500万,到2030年这一数量将达到8000万到1亿辆。锂电池的大规模应用带来的主要问题是这些电池退役后的环保安全处置问题。从电动汽车退役下来的电池还具有约80%的初始容量,可以应用于其他场合,因此梯次利用成为了退役锂电池处置的主要的解决方案,具有可观的经济价值及重要的环保价值。退役锂电池在梯次利用之前需要对这些锂电池进行合理分类,将性能相同或相近的锂电池归为同一组,并根据分类结果将电池进行重组并二次利用于不同的场合。
目前关于退役锂电池的分类方法基本上根据一个或几个指标进行简单分类,很少考虑梯次利用场景情况。因此按此分类方法分类的退役锂电池利用的安全性与经济性不高。
发明内容
为了解决上述问题,本发明的目的在于提供了一种考虑梯次利用场景的退役锂电池分类方法,能够提高退役锂电池梯次利用的安全性与经济性。
为实现上述目的,本发明采用了如下技术方案:
本发明提供了一种考虑梯次利用场景的退役锂电池分类方法,具有这样的特征,包括以下步骤:
步骤S1:将多个退役锂电池的包含容量值、内阻值以及与预定利用类型相对应的场景系数ks在内的参数数据进行预处理得到待分类样本集;
步骤S2:对待分类样本集通过标准化公式计算得到标准化样本集,标准化公式为:
yi为标准化样本集中第i个标准样本,i为大于1的正整数,yc,i与yr,i分别为标准化样本集中第i个标准样本中的标准容量值与标准内阻值,xc,i与xr,i分别为待分类样本集中第i个待分类样本中的容量值与内阻值,与分别为待分类样本集中第i个待分类样本中容量值的最大值与最小值,与分别为待分类样本集中第i个待分类样本中内阻值的最大值与最小值;
步骤S3:在所有标准样本中随机选择k个标准样本作为质心向量μx(x=1,2…,k),k为大于1的正整数,
步骤S4:根据质心向量及利用场景系数ks将所有标准进行分类得到k个特征分类。
在本发明提供的考虑梯次利用场景的退役锂电池分类方法中,还可以具有这样的特征:其中,步骤S1包含以下子步骤:
步骤S1-1:根据退役锂电池的预定利用类型确定利用场景系数ks,
步骤S1-2:将退役锂电池的容量值及内阻值组成的数组作为待分类样本,
步骤S1-3:将多个待分类样本集合作为待分类样本集。
在本发明提供的考虑梯次利用场景的退役锂电池分类方法中,还可以具有这样的特征:其中,在步骤S1中,退役锂电池的预定利用类型为能量型、偏重于能量型的能量-功率型以及偏重于功率型的能量-功率型中任意一种。
在本发明提供的考虑梯次利用场景的退役锂电池分类方法中,还可以具有这样的特征:其中,在步骤S1中,ks大于0且小于1。
在本发明提供的考虑梯次利用场景的退役锂电池分类方法中,还可以具有这样的特征:其中,步骤S4包含以下子步骤:
步骤S4-1:对每个标准样本,根据质心向量计算得到每个标准样本与初始质心向量之间的欧氏距离dix:
ks为利用场景系数,yc,i与yr,i分别为标准化样本集中第i个标准样本中的标准容量值与标准内阻值,μc,x与μr,x分别为第k个质心向量的标准容量值与标准内阻值,
步骤S4-2:将标准样本分别与k个质心向量进行计算得到k个欧氏距离,将标准样本与得到最小欧氏距离对应的质心向量归为一个特征分类,
计算所有标准样本得到k个特征分类,
步骤S4-3:对同个特征分类内的所有标准样本进行计算得到新的质心向量μ’x(x=1,2…,k),
p为同个初始特征分类中的标准样本数量,p为大于1的正整数,yn为同个初始特征分类中的第n个标准样本,n为大于1的正整数,
用新的质心向量μ’x替代质心向量μx
步骤S4-4:重复步骤S4-1至步骤S4-3,直至μx不发生变化或μx的波动值小于预设阈值,得到相应的k个特征分类。
在本发明提供的考虑梯次利用场景的退役锂电池分类方法中,还可以具有这样的特征:其中,在步骤S4-4中,预设阈值为0.1。
发明的作用与效果
根据本发明所涉及的考虑梯次利用场景的退役锂电池分类方法,因为首先将多个退役锂电池的包含容量值、内阻值以及与预定利用类型相对应的场景系数ks在内的参数数据进行预处理得到待分类样本集,所以,本发明以退役锂电池容量与内阻为分类指标。
接着对待分类样本集通过标准化公式计算得到标准化样本集,然后在所有标准样本中随机选择k个标准样本作为质心向量μx(x=1,2…,k),最后根据质心向量及利用场景系数将所有标准进行分类得到k个特征分类,因此本发明基于场景系数及质心向量对退役锂电池进行梯次分类,能够提高退役锂电池梯次利用的安全性与经济性。
附图说明
图1是本发明的实施例中的考虑梯次利用场景的退役锂电池分类方法步骤示意图;
图2是本发明的实施例中欧氏距离计算示意图;
图3是本发明的实施例中预定利用类型为功率型的退役锂电池分类示意图;
图4是本发明的实施例中预定利用类型为偏重于功率型的能量-功率型的退役锂电池分类示意图;
图5是本发明的实施例中预定利用类型为偏重于能量型的能量-功率型的退役锂电池分类示意图;
图6是本发明的实施例中预定利用类型为能量型的退役锂电池分类示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下实施例结合附图对本发明的考虑梯次利用场景的退役锂电池分类方法作具体阐述。
图1是本发明的实施例中的考虑梯次利用场景的退役锂电池分类方法步骤示意图。
如图1所示,本实施例中的考虑梯次利用场景的退役锂电池分类方法包括以下步骤:
步骤S1:将多个退役锂电池的包含容量值、内阻值以及与预定利用类型相对应的场景系数ks在内的参数数据进行预处理得到待分类样本集,具体体现为:
根据退役锂电池的预定利用确定利用场景系数ks,退役锂电池的预定利用类型为能量型、功率型、偏重于能量型的能量-功率型以及偏重于功率型的能量-功率型中任意一种。ks大于0且小于1。
在本实施例中,预定利用类型为功率型对应的场景信息为对功率一致性要求很高且对电容量一致性要求要求低的场景,相应的ks取0.1;预定利用类型为偏重于功率型的能量-功率型的场景信息为对功率一致性要求要求相对较高且对电容量一致性要求较低的场景,相应的ks取0.3;预定利用类型为偏重于能量型的能量-功率型的场景信息为对电容量一致性要求较高且对功率一致性要求较低的场景,相应的ks取0.7;预定利用类型为能量型对应的场景信息为对电容量一致性要求很高且对功率一致性要求低的场景,相应的ks取0.9。
将退役锂电池的容量值及内阻值组成的数组作为待分类样本。形如:x=[xc xr],x为待分类样本,xc为待分类样本中的容量值,xr为待分类样本中的内阻值。
将多个待分类样本集合作为待分类样本集。形如:A={[xc,1 xr,1],[xc,2 xr,2],[xc,3 xr,3]。。。。[xc,q xr,q]},A为包含q个待分类样本的待分类样本集。
步骤S2:对待分类样本集通过标准化公式计算得到标准化样本集,标准化公式为:
yi为标准化样本集中第i个标准样本,i为大于1的正整数,yc,i与yr,i分别为标准化样本集中第i个标准样本中的标准容量值与标准内阻值,xc,i与xr,i分别为待分类样本集中第i个待分类样本中的容量值与内阻值,与分别为待分类样本集中第i个待分类样本中容量值的最大值与最小值,与分别为待分类样本集中第i个待分类样本中内阻值的最大值与最小值;
步骤S3:在所有标准样本中随机选择k个标准样本作为质心向量μx(x=1,2…,k),k为大于1的正整数,在本实施例中,k为4。
步骤S4:根据质心向量及利用场景系数ks将所有标准进行分类得到k个特征分类,具体体现为:
图2是本发明的实施例中欧氏距离计算示意图。
如图2所示,对每个标准样本,根据质心向量计算得到每个标准样本与初始质心向量之间的欧氏距离dix:
ks为利用场景系数,yc,i与yr,i分别为标准化样本集中第i个标准样本中的标准容量值与标准内阻值,μc,x与μr,x分别为第k个质心向量的标准容量值与标准内阻值。
将标准样本分别与k个质心向量进行计算得到k个欧氏距离,将标准样本与得到最小欧氏距离对应的质心向量归为一个特征分类,计算所有标准样本得到k个特征分类。
对同个特征分类内的所有标准样本进行计算得到新的质心向量μ’x(x=1,2…,k),
p为同个初始特征分类中的标准样本数量,p为大于1的正整数,yn为同个初始特征分类中的第n个标准样本,n为大于1的正整数,
用新的质心向量μ’x替代质心向量μx。
重复步骤S4-1至步骤S4-3,直至μx不发生变化或μx的波动值小于预设阈值或重复迭代次数不大于N,得到相应的k个特征分类。
在本实施例中,预设阈值为0.1,N为20次。下述为在对4种对应不同场景信息的预定利用类型退役锂电池进行分类:
图3是本发明的实施例中预定利用类型为功率型的退役锂电池分类示意图。
如图3所示,附图中的不同形状的图形代表不同的特征分类。当ks取0.1时,图中同一类的退役锂电池为横向排列,此时同一类电池集中于同一横坐标上且上下波动很小。此时同个特征分类中的退役锂电池内阻值一致性很高,电容量一致性差,因此分类后的电池功率密度一致性很高,可根据处于两个纵向距离很近的横坐标的特征分类决定在当前场景中退役锂电池的再利用寿命或进行报废处理。这种分类适用于将功率输出作为主要需求的退役锂电池再利用分类场景。
图4是本发明的实施例中预定利用类型为偏重于功率型的能量-功率型的退役锂电池分类示意图。
如图4所示,附图中的不同形状的图形代表不同的特征分类。当ks取0.3,图中同一类的退役锂电池为横向排列的同时在纵向存在一定的收敛度,此时同一类电池集中于同一横坐标上且上下波动较小的同时集中同一纵坐标且左右波动较大。此时同个特征分类中的退役锂电池内阻值一致性较高,电容量一致性较差,因此分类后的电池功率密度一致性较高,可根据处于两个纵向距离较近的横坐标的特征分类并参考处于两个横向距离较远的纵坐标的特征分类决定在当前场景中退役锂电池的再利用寿命或进行报废处理。这种分类适用于将功率输出作为优先需求且对大电容量作为须参考需求的退役锂电池再利用分类场景。
图5是本发明的实施例中预定利用类型为偏重于能量型的能量-功率型的退役锂电池分类示意图。
如图5所示,附图中的不同形状的图形代表不同的特征分类。当ks取0.7,图中同一类的退役锂电池为纵向排列的同时在横向存在一定的收敛度,此时同一类电池集中于同一纵坐标上且左右波动较小的同时集中同一横坐标且上下波动较大。此时同个特征分类中的退役锂电池电容量一致性较高,内阻值一致性较差,因此分类后的电池功率密度一致性较差,可根据处于两个横向距离较近的纵坐标的特征分类并参考处于两个纵向距离较远的横坐标的特征分类决定在当前场景中退役锂电池的再利用寿命或进行报废处理。这种分类适用于将大电容量作为优先需求且对功率输出作为须参考需求的退役锂电池再利用分类场景。
图6是本发明的实施例中预定利用类型为能量型的退役锂电池分类示意图。
如图6所示,附图中的不同形状的图形代表不同的特征分类。当ks取0.9时,图中同一类的退役锂电池为纵向排列,此时同一类电池集中于同一纵坐标上且上下波动很小。此时同个特征分类中的退役锂电池电容量一致性很高,内阻值一致性差,因此分类后的电池功率密度一致性差,可根据处于两个横向距离很近的纵坐标的特征分类决定在当前场景中退役锂电池的再利用寿命或进行报废处理。这种分类适用于将大电容量作为主要需求的退役锂电池再利用分类场景。
实施例的作用与效果
根据本发明所涉及的考虑梯次利用场景的退役锂电池分类方法,因为首先将多个退役锂电池的包含容量值、内阻值以及与预定利用类型相对应的场景系数ks在内的参数数据进行预处理得到待分类样本集,所以,本发明以退役锂电池容量与内阻为分类指标。
接着对待分类样本集通过标准化公式计算得到标准化样本集,然后在所有标准样本中随机选择k个标准样本作为质心向量μx(x=1,2…,k),最后根据质心向量及利用场景系数将所有标准进行分类得到k个特征分类,因此本发明基于场景系数及质心向量对退役锂电池进行梯次分类,能够提高退役锂电池梯次利用的安全性与经济性。
此外,在本实施例中,因为预定利用类型为能量型、功率型、偏重于能量型的能量-功率型以及偏重于功率型的能量-功率型中任意一种,因此,本实施例可以适用于不同场景中以满足不同的实际需求。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围,本领域普通技术人员在所附权利要求范围内不需要创造性劳动就能做出的各种变形或修改仍属本专利的保护范围。
Claims (5)
1.一种考虑梯次利用场景的退役锂电池分类方法,其特征在于,包括以下步骤:
步骤S1:将多个所述退役锂电池的包含容量值、内阻值以及与预定利用类型相对应的场景系数ks在内的参数数据进行预处理得到待分类样本集;
步骤S2:对待分类样本集通过标准化公式计算得到标准化样本集,所述标准化公式为:
所述yi为所述标准化样本集中第i个标准样本,i为大于1的正整数,所述yc,i与所述yr,i分别为所述标准化样本集中第i个所述标准样本中的标准容量值与标准内阻值,所述xc,i与所述xr,i分别为所述待分类样本集中第i个所述待分类样本中的容量值与内阻值,所述与所述分别为所述待分类样本集中第i个所述待分类样本中容量值的最大值与最小值,所述与所述分别为所述待分类样本集中第i个所述待分类样本中内阻值的最大值与最小值;
步骤S3:在所有所述标准样本中随机选择k个所述标准样本作为质心向量μx(x=1,2…,k),k为大于1的正整数;
步骤S4:根据所述质心向量及利用场景系数ks将所有所述标准进行分类得到k个特征分类,
其中,步骤S4包含以下子步骤:
步骤S4-1:对每个所述标准样本,根据所述质心向量计算得到每个所述标准样本与所述初始质心向量之间的欧氏距离dix:
所述ks为所述利用场景系数,所述yc,i与所述yr,i分别为所述标准化样本集中第i个所述标准样本中的所述标准容量值与所述标准内阻值,所述μc,x与所述μr,x分别为第k个所述质心向量的所述标准容量值与所述标准内阻值,
步骤S4-2:将所述标准样本分别与k个所述质心向量进行计算得到k个欧氏距离,将所述标准样本与得到最小欧氏距离对应的所述质心向量归为一个特征分类,
计算所有所述标准样本得到k个所述特征分类,
步骤S4-3:对同个所述特征分类内的所有所述标准样本进行计算得到新的质心向量μ’x(x=1,2…,k),
所述p为所述同个初始特征分类中的所述标准样本数量,p为大于1的正整数,所述yn为所述同个初始特征分类中的第n个所述标准样本,n为大于1的正整数,
用所述新的质心向量μ’x替代所述质心向量μx
步骤S4-4:重复步骤S4-1至步骤S4-3,直至所述μx不发生变化或所述μx的波动值小于预设阈值,得到相应的k个所述特征分类。
2.根据权利要求1所述的考虑梯次利用场景的退役锂电池分类方法,其特征在于:
其中,步骤S1包含以下子步骤:
步骤S1-1:根据所述退役锂电池的预定利用类型确定利用场景系数ks,
步骤S1-2:将所述退役锂电池的容量值及内阻值组成的数组作为待分类样本,
步骤S1-3:将多个所述待分类样本集合作为待分类样本集。
3.根据权利要求1所述的考虑梯次利用场景的退役锂电池分类方法,其特征在于:
其中,在步骤S1中,所述预定利用类型为能量型、功率型、偏重于能量型的能量-功率型以及偏重于功率型的能量-功率型中任意一种。
4.根据权利要求1所述的考虑梯次利用场景的退役锂电池分类方法,其特征在于:
其中,在步骤S1中,所述ks大于0且小于1。
5.根据权利要求1所述的考虑梯次利用场景的退役锂电池分类方法,其特征在于:
其中,在步骤S4-4中,所述预设阈值为0.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910352732.XA CN110135478B (zh) | 2019-04-29 | 2019-04-29 | 考虑梯次利用场景的退役锂电池分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910352732.XA CN110135478B (zh) | 2019-04-29 | 2019-04-29 | 考虑梯次利用场景的退役锂电池分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135478A CN110135478A (zh) | 2019-08-16 |
CN110135478B true CN110135478B (zh) | 2022-12-27 |
Family
ID=67575513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910352732.XA Active CN110135478B (zh) | 2019-04-29 | 2019-04-29 | 考虑梯次利用场景的退役锂电池分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135478B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915600B (zh) * | 2020-08-12 | 2023-09-26 | 南京工程学院 | 一种退役动力锂电池热特征一致性筛选方法 |
CN111967194B (zh) * | 2020-08-26 | 2023-06-20 | 上海理工大学 | 一种基于云端历史数据的电池分类方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103560277A (zh) * | 2013-09-24 | 2014-02-05 | 国家电网公司 | 一种电动汽车退役电池重组分选方法 |
CN106371027A (zh) * | 2016-08-24 | 2017-02-01 | 合肥国轩高科动力能源有限公司 | 一种退役电池的梯次回收利用的测试方法 |
CN108155426A (zh) * | 2017-12-25 | 2018-06-12 | 合肥工业大学智能制造技术研究院 | 基于衰减特性参数的电池梯次利用方法 |
CN108931738A (zh) * | 2018-08-22 | 2018-12-04 | 中国电力科学研究院有限公司 | 一种评估锂电池的健康状态的方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060050953A1 (en) * | 2004-06-18 | 2006-03-09 | Farmer Michael E | Pattern recognition method and apparatus for feature selection and object classification |
-
2019
- 2019-04-29 CN CN201910352732.XA patent/CN110135478B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103560277A (zh) * | 2013-09-24 | 2014-02-05 | 国家电网公司 | 一种电动汽车退役电池重组分选方法 |
CN106371027A (zh) * | 2016-08-24 | 2017-02-01 | 合肥国轩高科动力能源有限公司 | 一种退役电池的梯次回收利用的测试方法 |
CN108155426A (zh) * | 2017-12-25 | 2018-06-12 | 合肥工业大学智能制造技术研究院 | 基于衰减特性参数的电池梯次利用方法 |
CN108931738A (zh) * | 2018-08-22 | 2018-12-04 | 中国电力科学研究院有限公司 | 一种评估锂电池的健康状态的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110135478A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135478B (zh) | 考虑梯次利用场景的退役锂电池分类方法 | |
CN107024663A (zh) | 基于充电曲线特征kpca聚类的锂电池筛选方法 | |
CN110245783B (zh) | 一种基于c-均值聚类模糊粗糙集的短期负荷预测方法 | |
Zhou et al. | A clustering-Based KNN improved algorithm CLKNN for text classification | |
CN112791997B (zh) | 一种退役电池梯次利用筛选的方法 | |
Miranda et al. | Computer simulations of the influence of geometry in the performance of conventional and unconventional lithium-ion batteries | |
CN104764980A (zh) | 一种基于bpso和ga的配电线路故障区段定位方法 | |
CN112200401B (zh) | 一种基于改进nsga-ii算法的电动汽车有序充电方法 | |
Cheng et al. | Attribute reduction based on genetic algorithm for the coevolution of meteorological data in the industrial internet of things | |
CN103425864A (zh) | 应用于金属复杂非均匀媒质混合目标的电磁散射分析方法 | |
CN109783902B (zh) | 一种面向均衡控制的电池动态分组方法 | |
Jiang et al. | Optimization of variable-current charging strategy based on SOC segmentation for Li-ion battery | |
CN114487835B (zh) | 一种粒子群优化birch算法的退役动力电池等级划分方法 | |
CN110826181A (zh) | 一种相变材料的性能获取方法、终端设备和计算机可读介质 | |
CN113344450A (zh) | 低压台区线户识别方法、系统、终端设备及存储介质 | |
Sareni et al. | Efficient genetic algorithms for solving hard constrained optimization problems | |
CN113500012A (zh) | 一种基于聚类筛选的车载锂离子动力电池梯次利用方法 | |
CN108920790A (zh) | 一种基于历史数据的公共建筑用电模式识别模型建立方法 | |
CN110135490B (zh) | 一种基于样本标签的退役锂电池分类方法 | |
CN115511203B (zh) | 基于锂电池荷电状态估计电动船舶航程优化方法及系统 | |
CN110932300A (zh) | 一种考虑梯次利用储能的配电网优化调度方法 | |
CN103605631A (zh) | 一种基于支持向量几何意义的增量学习方法 | |
CN108614889B (zh) | 基于混合高斯模型的移动对象连续k近邻查询方法及系统 | |
CN106845799B (zh) | 一种电池储能系统典型工况的评估方法 | |
CN114429182A (zh) | 基于改进cart算法的退役动力电池等级分类方法 |
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 |