CN111079796B - 电池的筛选方法、系统、电子产品和介质 - Google Patents
电池的筛选方法、系统、电子产品和介质 Download PDFInfo
- Publication number
- CN111079796B CN111079796B CN201911156473.XA CN201911156473A CN111079796B CN 111079796 B CN111079796 B CN 111079796B CN 201911156473 A CN201911156473 A CN 201911156473A CN 111079796 B CN111079796 B CN 111079796B
- Authority
- CN
- China
- Prior art keywords
- voltage
- weight
- value
- difference
- battery
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- H01M10/4285—Testing apparatus
-
- 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
Abstract
本发明公开了一种电池的筛选方法、系统、电子产品和介质,其中电池的筛选方法包括以下步骤:获取电池单体的特征数据;根据特征数据构建空间点阵,空间点阵的每一个样本点与一个电池单体相对应;根据空间点阵的样本点的离散度筛选出离群的样本点对应的电池单体。本发明的电池的筛选方法提高了电池一致性评估的精度,能够准确将退役电池中一致性较差的电池单体准确地筛选出,从而保留一致性较好的电池单体以重复利用。
Description
技术领域
本发明属于电池一致性评估技术领域,尤其涉及一种电池的筛选方法、系统、电子产品和介质。
背景技术
电动汽车的电池在充满电时的电量低于额定值(通常为该电池的初始满电电量的80%)时,应当对电池进行更换。如果将更换下的退役电池直接淘汰,则会造成资源浪费。因此,将退役电池根据其电池单体的一致性进行重复利用,尤为重要。现有技术对电池的一致性的评估的精度较低,容易造成浪费,或者将不具备回收价值的电池单体进行了回收,影响电池的性能。
发明内容
本发明要解决的技术问题是为了克服现有技术中评估的电池的一致性的评估精度低缺陷,提供一种电池的筛选方法、系统、电子产品和介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种电池的筛选方法,电池组包括若干电池单体,电池的筛选方法包括以下步骤:
获取电池单体的特征数据;
根据特征数据构建空间点阵,空间点阵的每一个样本点与一个电池单体相对应;
根据空间点阵的样本点的离散度筛选出离群的样本点对应的电池单体。
较佳地,特征数据包括至少3个元素,根据特征数据构建空间点阵的步骤包括:
根据熵权法获取每一个元素的权重,根据元素与权重的乘积构建空间点阵。
较佳地,获取电池单体的特征数据的步骤包括:
获取第一电压差,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;
获取开路电压值,开路电压值为单体电池在放电截止后的1.5小时时的电压值;
获取第一温度差,第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则根据熵权法获取每一个元素的权重的步骤包括:
根据熵权法获取第一权重、第二权重、第三权重,第一权重为第一电压差的权重,第二权重为开路电压值的权重,第三权重为第一温度差的权重;
则根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第二乘积,样本点的Z轴坐标值为第三乘积,第一乘积为第一电压差与第一权重的乘积,第二乘积为开路电压值与第二权重的乘积,第三乘积为第一温度差与第三权重的乘积。
较佳地,获取电池单体的特征数据的步骤包括:
获取第一电压差,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;
获取第二电压差,第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;
获取电池单体的工作电压的Lorenz离散度;
获取第一温度差,第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则根据熵权法获取每一个元素的权重的步骤包括:
根据熵权法获取第一权重、第二权重、第三权重、第四权重,第一权重为第一电压差的权重,第二权重为第二电压差的权重,第三权重为Lorenz离散度的权重,第四权重为第一温度差的权重;
则根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第一加和,样本点的Z轴坐标值为第四乘积,第一乘积为第一电压差与第一权重的乘积,第一加和为第二乘积与第三乘积的加和,第二乘积为第二电压差与第二权重的乘积,第三乘积为Lorenz离散度与第三权重的乘积,第四乘积为第一温度差与第四权重的乘积。
较佳地,获取电池单体的特征数据的步骤包括:
获取第三电压差,第三电压差为第四电压与截止电压的差值,第四电压为单体电池放电至截止电压后1秒时的电压值;
获取开路电压值,开路电压值为单体电池在放电截止后的1.5小时时的电压值;
获取第二电压差,第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;
获取电池单体的工作电压的Lorenz离散度;
获取第一温度差,第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则根据熵权法获取每一个元素的权重的步骤包括:
根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重,第一权重为第三电压差的权重,第二权重为开路电压值的权重,第三权重为第二电压差的权重,第四权重为Lorenz离散度的权重,第五权重为第一温度差的权重;
则根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第一加和,样本点的Z轴坐标值为第五乘积,第一乘积为第三电压差与第一权重的乘积,第一加和为第二乘积、第三乘积与第四乘积的加和,第二乘积为开路电压值与第二权重的乘积,第三乘积为第二电压差与第三权重的乘积,第四乘积为Lorenz离散度与第四权重的乘积,第五乘积为第一温度差与第五权重的乘积。
较佳地,获取电池单体的特征数据的步骤包括:
获取第一电压差,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;
获取第三电压差,第三电压差为第四电压与截止电压的差值,第四电压为单体电池放电至截止电压后1秒时的电压值;
获取开路电压值,开路电压值为单体电池在放电截止后的1.5小时时的电压值;
获取第二电压差,第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;
获取第四电压差,第四电压差为第五电压与BMS(电池管理系统)一级保护电压的差值,第五电压为电池单体放电至BMS一级保护电压之后1秒时的电压值;
获取第五电压差,第五电压差为第六电压与第七电压的差值,第六电压为电池单体在放电功率减半运行时刻的电压值,第七电压为电池单体在在放电功率减半运行60秒时的电压值;
获取电池单体的工作电压的Lorenz(洛伦兹)离散度;
获取第一温度差,第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
获取第二温度差,第二温度差为电池单体在恒流充电至1秒时的温度与电池单体在恒流充电至3600秒时的温度的差值;
则根据熵权法获取每一个元素的权重的步骤包括:
根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重、第六权重、第七权重、第八权重、第九权重,第一权重为第一电压差的权重,第二权重为第三电压差的权重,第三权重为开路电压值的权重,第四权重为第二电压差的权重,第五权重为第四电压差的权重,第六权重为第五电压差的权重,第七权重为Lorenz离散度的权重,第八权重为第一温度差的权重,第九权重为第二温度差的权重;
则根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一加和,样本点的Y轴坐标值为第二加和,样本点的Z轴坐标值为第三加和;
第一加和为第一乘积与第二乘积的加和,第一乘积为第一电压差与第一权重的乘积,第二乘积为第三电压差与第二权重的乘积;
第二加和为第三乘积、第四乘积、第五乘积、第六乘积、第七乘积的加和,第三乘积为开路电压值与第三权重的乘积,第四乘积为第二电压差与第四权重的乘积,第五乘积为第四电压差与第五权重的乘积,第六乘积为第五电压差与第六权重的乘积,第七乘积为Lorenz离散度与第七权重的乘积;
第三加和为第八乘积与第九乘积的加和,第八乘积为第一温度差与第八权重的乘积,第九乘积为第二温度差与第九权重的乘积。
较佳地,根据空间点阵的样本点的离散度筛选出离群的样本点对应的电池单体的步骤包括:
S1、根据样本点获取起始点;
S2、获取第一类参考点,第一类参考点是与起始点的欧式距离最小的k个样本点,k为大于等于4的整数;获取步长半径,步长半径为第一类参考点与起始点的欧式距离中的最大值;
S3、构建第一多面体,第一多面体为以第一类参考点为顶点的多面体;
S4、将位于第一多面体的内部的样本点标记为第一类目标点;获取第二类参考点,第二类参考点为位于第一多面体的表面上的样本点;判断是否存在延拓点,延拓点为与至少一个第二类参考点的距离小于步长半径的样本点,并且延拓点为第二类参考点和第一类目标点以外的样本点,并且延拓点为不共面的样本点;如果存在延拓点,则将延拓点设置为新的第一类参考点,然后返回步骤S3;如果不存在延拓点,则将第二类参考点也标记为第一类目标点,将第一类目标点以外的样本点标记为第二类目标点,第二类目标点为离群的样本点。
较佳地,在步骤S4之后,电池的筛选方法还包括以下步骤:
S5、筛选出第二类样本点对应的电池单体。
较佳地,起始点的X轴坐标为X轴坐标值中的最大值与最小值的平均值,起始点的Y轴坐标为Y轴坐标值中的最大值与最小值的平均值,起始点的Z轴坐标为Z轴坐标值中的最大值与最小值的平均值;
或,起始点的X轴坐标为X轴坐标值的平均值,起始点的Y轴坐标为Y轴坐标值的平均值,起始点的Z轴坐标为Z轴坐标值的平均值。
较佳地,在构建第一多面体之前,步骤S3还包括:
判断第一类参考点是否共面,如果第一类参考点共面,则将k+1赋值给k,并返回步骤S2。
较佳地,在步骤S4之后,电池的筛选方法还包括以下步骤:
设置第一类目标点的类别标记为第一类标记,设置第二类目标点的类别标记为第二类标记,以构建训练集,训练集包括特征数据和与特征数据对应的类别标记;
根据所述训练集通过支持向量机算法得到分类模型;
采用分类模型根据待筛选电池的特征数据对待筛选电池进行筛选。
本发明还提供一种电池的筛选系统,电池组包括若干电池单体,电池的筛选系统包括特征获取单元、点阵构建单元、单体筛选单元;
特征获取单元用于获取电池单体的特征数据;
点阵构建单元用于根据特征数据构建空间点阵,空间点阵的每一个样本点与一个电池单体相对应;
单体筛选单元用于根据空间点阵的样本点的离散度筛选出离群的样本点对应的电池单体。
较佳地,特征数据包括至少3个元素,点阵构建单元还用于根据熵权法获取每一个元素的权重,并根据元素与权重的乘积构建空间点阵。
较佳地,特征获取单元还用于获取第一电压差,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;
特征获取单元还用于获取开路电压值,开路电压值为单体电池在放电截止后的1.5小时时的电压值;
特征获取单元还用于获取第一温度差,第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则点阵构建单元还用于根据熵权法获取第一权重、第二权重、第三权重,第一权重为第一电压差的权重,第二权重为开路电压值的权重,第三权重为第一温度差的权重;
则点阵构建单元还用于构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第二乘积,样本点的Z轴坐标值为第三乘积,第一乘积为第一电压差与第一权重的乘积,第二乘积为开路电压值与第二权重的乘积,第三乘积为第一温度差与第三权重的乘积。
较佳地,特征获取单元还用于获取第一电压差,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;
特征获取单元还用于获取第二电压差,第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;
特征获取单元还用于获取电池单体的工作电压的Lorenz离散度;
特征获取单元还用于获取第一温度差,第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则点阵构建单元还用于根据熵权法获取第一权重、第二权重、第三权重、第四权重,第一权重为第一电压差的权重,第二权重为第二电压差的权重,第三权重为Lorenz离散度的权重,第四权重为第一温度差的权重;
则点阵构建单元还用于构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第一加和,样本点的Z轴坐标值为第四乘积,第一乘积为第一电压差与第一权重的乘积,第一加和为第二乘积与第三乘积的加和,第二乘积为第二电压差与第二权重的乘积,第三乘积为Lorenz离散度与第三权重的乘积,第四乘积为第一温度差与第四权重的乘积。
较佳地,特征获取单元还用于获取第三电压差,第三电压差为第四电压与截止电压的差值,第四电压为单体电池放电至截止电压后1秒时的电压值;
特征获取单元还用于获取开路电压值,开路电压值为单体电池在放电截止后的1.5小时时的电压值;
特征获取单元还用于获取第二电压差,第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;
特征获取单元还用于获取电池单体的工作电压的Lorenz离散度;
特征获取单元还用于获取第一温度差,第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则点阵构建单元还用于根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重,第一权重为第三电压差的权重,第二权重为开路电压值的权重,第三权重为第二电压差的权重,第四权重为Lorenz离散度的权重,第五权重为第一温度差的权重;
则点阵构建单元还用于构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第一加和,样本点的Z轴坐标值为第五乘积,第一乘积为第三电压差与第一权重的乘积,第一加和为第二乘积、第三乘积与第四乘积的加和,第二乘积为开路电压值与第二权重的乘积,第三乘积为第二电压差与第三权重的乘积,第四乘积为Lorenz离散度与第四权重的乘积,第五乘积为第一温度差与第五权重的乘积。
较佳地,特征获取单元还用于获取第一电压差,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;
特征获取单元还用于获取第三电压差,第三电压差为第四电压与截止电压的差值,第四电压为单体电池放电至截止电压后1秒时的电压值;
特征获取单元还用于获取开路电压值,开路电压值为单体电池在放电截止后的1.5小时时的电压值;
特征获取单元还用于获取第二电压差,第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;
特征获取单元还用于获取第四电压差,第四电压差为第五电压与BMS一级保护电压的差值,第五电压为电池单体放电至BMS一级保护电压之后1秒时的电压值;
特征获取单元还用于获取第五电压差,第五电压差为第六电压与第七电压的差值,第六电压为电池单体在放电功率减半运行时刻的电压值,第七电压为电池单体在在放电功率减半运行60秒时的电压值;
特征获取单元还用于获取电池单体的工作电压的Lorenz离散度;
特征获取单元还用于获取第一温度差,第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
特征获取单元还用于获取第二温度差,第二温度差为电池单体在恒流充电至1秒时的温度与电池单体在恒流充电至3600秒时的温度的差值;
则点阵构建单元还用于根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重、第六权重、第七权重、第八权重、第九权重,第一权重为第一电压差的权重,第二权重为第三电压差的权重,第三权重为开路电压值的权重,第四权重为第二电压差的权重,第五权重为第四电压差的权重,第六权重为第五电压差的权重,第七权重为Lorenz离散度的权重,第八权重为第一温度差的权重,第九权重为第二温度差的权重;
则点阵构建单元还用于构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一加和,样本点的Y轴坐标值为第二加和,样本点的Z轴坐标值为第三加和;
第一加和为第一乘积与第二乘积的加和,第一乘积为第一电压差与第一权重的乘积,第二乘积为第三电压差与第二权重的乘积;
第二加和为第三乘积、第四乘积、第五乘积、第六乘积、第七乘积的加和,第三乘积为开路电压值与第三权重的乘积,第四乘积为第二电压差与第四权重的乘积,第五乘积为第四电压差与第五权重的乘积,第六乘积为第五电压差与第六权重的乘积,第七乘积为Lorenz离散度与第七权重的乘积;
第三加和为第八乘积与第九乘积的加和,第八乘积为第一温度差与第八权重的乘积,第九乘积为第二温度差与第九权重的乘积。
较佳地,单体筛选单元还用于根据以下步骤筛选出离群的样本点对应的电池单体:
S1、根据样本点获取起始点;
S2、获取第一类参考点,第一类参考点是与起始点的欧式距离最小的k个样本点,k为大于等于4的整数;获取步长半径,步长半径为第一类参考点与起始点的欧式距离中的最大值;
S3、构建第一多面体,第一多面体为以第一类参考点为顶点的多面体;
S4、将位于第一多面体的内部的样本点标记为第一类目标点;获取第二类参考点,第二类参考点为位于第一多面体的表面上的样本点;判断是否存在延拓点,延拓点为与至少一个第二类参考点的距离小于步长半径的样本点,并且延拓点为第二类参考点和第一类目标点以外的样本点,并且延拓点为不共面的样本点;如果存在延拓点,则将延拓点设置为新的第一类参考点,然后返回步骤S3;如果不存在延拓点,则将第二类参考点也标记为第一类目标点,将第一类目标点以外的样本点标记为第二类目标点,第二类目标点为离群的样本点。
较佳地,在步骤S4之后,单体筛选单元还执行以下步骤:
S5、筛选出第二类样本点对应的电池单体。
较佳地,起始点的X轴坐标为X轴坐标值中的最大值与最小值的平均值,起始点的Y轴坐标为Y轴坐标值中的最大值与最小值的平均值,起始点的Z轴坐标为Z轴坐标值中的最大值与最小值的平均值;
或,起始点的X轴坐标为X轴坐标值的平均值,起始点的Y轴坐标为Y轴坐标值的平均值,起始点的Z轴坐标为Z轴坐标值的平均值。
较佳地,在构建第一多面体之前,单体筛选单元还执行以下步骤:
判断第一类参考点是否共面,如果第一类参考点共面,则将k+1赋值给k,并返回步骤S2。
较佳地,在步骤S4之后,单体筛选单元还执行以下步骤:
设置第一类目标点的类别标记为第一类标记,设置第二类目标点的类别标记为第二类标记,以构建训练集,训练集包括特征数据和与特征数据对应的类别标记;
根据所述训练集通过支持向量机算法得到分类模型;
采用分类模型根据待筛选电池的特征数据对待筛选电池进行筛选。
本发明还提供一种电子设备,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,处理器执行计算机程序时实现本发明的电池的筛选方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本发明的电池的筛选方法的步骤。
本发明的积极进步效果在于:本实施例的电池的筛选方法提高了电池一致性评估的精度,能够准确将退役电池中一致性较差的电池单体准确地筛选出,从而保留一致性较好的电池单体以重复利用。
附图说明
图1为本发明的实施例1的电池的筛选方法的流程图。
图2为本发明的实施例1的电池的筛选系统的结构示意图。
图3为本发明的实施例2的电池的筛选方法的步骤S13的流程图。
图4为本发明的实施例6的电池的筛选方法的步骤S13的流程图。
图5为本发明的实施例6的电池的筛选方法的步骤S112的流程图。
图6为本发明的实施例7的电子产品的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种电池的筛选方法。电池组包括若干电池单体。参照图1,该电池的筛选方法包括以下步骤:
步骤S11、获取电池单体的特征数据。
步骤S12、根据特征数据构建空间点阵。空间点阵的每一个样本点与一个电池单体相对应。
步骤S13、根据空间点阵的样本点的离散度筛选出离群的样本点对应的电池单体。
本实施例的电池的筛选方法提高了电池一致性评估的精度,能够准确将退役电池中一致性较差的电池单体准确地筛选出,从而保留一致性较好的电池单体以重复利用。
本实施例还提供一种电池的筛选系统。电池组包括若干电池单体。参照图2,本实施例的电池的筛选系统包括特征获取单元201、点阵构建单元202、单体筛选单元203。特征获取单元用于获取电池单体的特征数据。点阵构建单元用于根据特征数据构建空间点阵,空间点阵的每一个样本点与一个电池单体相对应。单体筛选单元用于根据空间点阵的样本点的离散度筛选出离群的样本点对应的电池单体。
本实施例的电池的筛选系统提高了电池一致性评估的精度,能够准确将退役电池中一致性较差的电池单体准确地筛选出,从而保留一致性较好的电池单体以重复利用。
实施例2
在实施例1的电池的筛选方法的基础上,本实施例提供一种电池的筛选方法。本实施例的电池的筛选方法与实施例1的电池的筛选方法的步骤基本相同。
具体实施时,在步骤S11中,分别获取第一电压差f1、第三电压差f2、开路电压值f3、第二电压差f4、第四电压差f5、第五电压差f6、电池单体的工作电压的Lorenz离散度f7、第一温度差f8、第二温度差f9。
其中,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;第三电压差为第四电压与截止电压的差值,第四电压为单体电池放电至截止电压后1秒时的电压值;开路电压值为单体电池在放电截止后的1.5小时时的电压值;第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;第四电压差为第五电压与BMS一级保护电压的差值,第五电压为电池单体放电至BMS一级保护电压之后1秒时的电压值;第五电压差为第六电压与第七电压的差值,第六电压为电池单体在放电功率减半运行时刻的电压值,第七电压为电池单体在在放电功率减半运行60秒时的电压值;第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值。该平均温度为全部电池单体在恒流充电至截止电压时的温度的算术平均值,即全部电池单体在恒流充电至截止电压时的温度的加和与电池单体的数量的比值;第二温度差为电池单体在恒流充电至1秒时的温度与电池单体在恒流充电至3600秒时的温度的差值。
上述对应的电压值由BMS(电池管理系统)在电池组进行恒流充电或者放电的过程中,根据计时值在对应的时刻从每一个电池单体获取得到。
上述对应的温度值由温度传感器在在电池组进行恒流充电或者放电的过程中,根据计时值在对应的时刻从每一个电池单体获取得到。
然后,在步骤S12中,根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重、第六权重、第七权重、第八权重、第九权重,第一权重为第一电压差的权重,第二权重为第三电压差的权重,第三权重为开路电压值的权重,第四权重为第二电压差的权重,第五权重为第四电压差的权重,第六权重为第五电压差的权重,第七权重为Lorenz离散度的权重,第八权重为第一温度差的权重,第九权重为第二温度差的权重。
在计算权重之前,首先对各个特征数据进行标准化处理,从而避免有些特征数据的数值过大,产生异常。标准化的具体计算方式为:
XSTDji=(fji-fjmin)/(fjmax-fjmin),i∈[1,N],j∈[1,K];
其中,N表征电池组中的电池单体的数量,K表征特征数据的类型的数量,在本实施例中,K为9;
其中,XSTDji表征与第i个电池单体对应的第j个特征数据的标准化值,fji表征与第i个电池单体对应的第j个特征数据的值,fjmin表征与各个电池单体对应的第j个特征数据中的最小值,fjmax表征与各个电池单体对应的第j个特征数据中的最大值。第一电压差f1、第三电压差f2、开路电压值f3、第二电压差f4、第四电压差f5、第五电压差f6、电池单体的工作电压的Lorenz离散度f7、第一温度差f8、第二温度差f9分别为单体电池的第1至第9个特征数据。
以第1个特征数据第一电压差f1为例,标准化的具体计算方式为:
XSTD1i=(f1i-f1min)/(f1max-f1min),i∈[1,N]。
其中,XSTD1i表征第i个电池单体对应的第一电压差的标准化值,f1i表征第i个电池单体对应的第一电压差的值,f1max表征各个电池单体对应的第一电压差中的最大值,f1min表征各个电池单体对应的第一电压差中的最小值。
采用熵权法根据各个特征数据的变异程度,利用信息熵计算出各特征数据的熵权,再通过熵权对各特征数据的权重进行修正,从而得到较为客观的权重。第i个电池单体的第j个特征数据的数值的比重为Pji:
第1个电池单体的第2个特征数据(第三电压差f2)的数值的比重为P21:
接下来,计算第j个特征数据的熵值(即信息熵),具体根据以下公式得到:
第1个电池单体的第2个特征数据(第三电压差f2)的数值的信息熵E21为:
然后,根据各个特征数据的信息熵,得到第i个电池单体的第j个特征数据的权重:
接下来,构建一目标笛卡尔坐标系,并根据每一个电池单体的特征数据也该特征数据对应的权重,将该电池单体在目标笛卡尔坐标系中标记为一个样本点。
以第i个电池单体为例,其X轴坐标:
Xi=W1i*f1i+W2i*f2i,i∈[1,N];
其Y轴坐标:
Yi=W3i*f3i+W4i*f4i+W5i*f5i+W6i*f6i+W7i*f7i,i∈[1,N];
其Z轴坐标:
Zi=W8i*f8i+W9i*f9i,i∈[1,N]。
也即,步骤S12包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一加和,样本点的Y轴坐标值为第二加和,样本点的Z轴坐标值为第三加和;
第一加和为第一乘积与第二乘积的加和,第一乘积为第一电压差与第一权重的乘积,第二乘积为第三电压差与第二权重的乘积;
第二加和为第三乘积、第四乘积、第五乘积、第六乘积、第七乘积的加和,第三乘积为开路电压值与第三权重的乘积,第四乘积为第二电压差与第四权重的乘积,第五乘积为第四电压差与第五权重的乘积,第六乘积为第五电压差与第六权重的乘积,第七乘积为Lorenz离散度与第七权重的乘积;
第三加和为第八乘积与第九乘积的加和,第八乘积为第一温度差与第八权重的乘积,第九乘积为第二温度差与第九权重的乘积。
接下来,在步骤S13中,筛选出离群的样本点对应的电池单体。参照图3,步骤S13包括以下步骤:
步骤S102、根据样本点获取起始点。作为一种可选的实施方式,起始点的X轴坐标为X轴坐标值中的最大值与最小值的平均值,即,起始点的X轴坐标为所有样本点的X轴坐标值中的最大值与所有样本点的X轴坐标值中的最小值的加和再除以2。起始点的Y轴坐标为Y轴坐标值中的最大值与最小值的平均值,即,起始点的Y轴坐标为所有样本点的Y轴坐标值中的最大值与所有样本点的Y轴坐标值中的最小值的加和再除以2;起始点的Z轴坐标为Z轴坐标值中的最大值与最小值的平均值,即,起始点的Z轴坐标为所有样本点的Z轴坐标值中的最大值与所有样本点的Z轴坐标值中的最小值的加和再除以2。
在另一种可选的实施方式中,起始点的X轴坐标为X轴坐标值的平均值,即,起始点的X轴坐标为所有样本点的X轴坐标值的累加和再除以样本点的总数量;起始点的Y轴坐标为Y轴坐标值的平均值,即,起始点的Y轴坐标为所有样本点的Y轴坐标值的累加和再除以样本点的总数量;起始点的Z轴坐标为Z轴坐标值的平均值,即,起始点的Z轴坐标为所有样本点的Z轴坐标值的累加和再除以样本点的总数量。
步骤S103、获取第一类参考点,并获取步长半径。第一类参考点是与起始点的欧式距离最小的k个样本点,k为大于等于4的整数。步长半径为第一类参考点与起始点的欧式距离中的最大值。为了兼顾精度与运算效率,作为一种可选的实施方式,k为样本点的数量的5%。在其他可选的实施方式中,k为样本点的数量的2%-10%。
步骤S104、判断第一类参考点是否共面,如果第一类参考点共面,则执行步骤S105;如果第一类参考点不共面,则执行步骤S106。
步骤S105、将k+1赋值给k,并返回步骤S103。
步骤S106、构建第一多面体。第一类参考点共面是指所有第一类参考点处于同一平面内。第一多面体为以第一类参考点为顶点的多面体。第一多面体为经过第一类参考点中的任意3个样本点的平面形成的多面体,每一个第一类参考点分别作为第一多面体的一个顶点。
步骤S107、将位于第一多面体的内部的样本点标记为第一类目标点;获取第二类参考点。第二类参考点为位于第一多面体的表面上的样本点,第二类参考点包括第一类参考点。具体实施时,将第一类目标点标记为1。
步骤S108、判断是否存在延拓点,如果存在延拓点,则执行步骤S109;如果不存在延拓点,则执行步骤S110。延拓点为与至少一个第二类参考点的距离小于步长半径的样本点,并且所述延拓点为所述第二类参考点和所述第一类目标点以外的所述样本点,并且延拓点为不共面的样本点。作为一种可选的实施方式,在步骤S108中,以每一个第二类参考点为球心以步长半径为半径分别构建球面,位于任何一个球面的内部(即,与该球面的球心的距离小于步长半径)的样本点中,如果该样本点不属于第二类参考点,并且该样本点不属于已经标记的第一类目标点,并且这些样本点不共面(能够以其为顶点构建多面体),则这些样本点被设置为延拓点。如果不存在同时满足上述条件的样本点,则认为不存在延拓点。
步骤S109、将延拓点设置为新的第一类参考点,然后返回步骤S106。
步骤S110、将第二类参考点也标记为第一类目标点,将第一类目标点以外的样本点标记为第二类目标点。第二类样本点为离群的样本点。具体实施时,将第二类目标点标记为0。
步骤S111、筛选出第二类目标点对应的电池单体。
根据以上步骤,即可完成退役电池中的电池单体的筛选。其中,与第一类目标点对应的电池单体具有一致性,可以重复利用;与第二类目标点对应的电池单体与第一类目标点对应的电池单体之间不具有一致性,予以筛选出,不再重复利用。
在实施例1的电池的筛选系统基础上,本实施例提供一种电池的筛选方法。本实施例的电池的筛选系统的组成单元与实施例1的电池的筛选系统的组成单元基本相同。
具体实施时,首先,特征获取单元分别获取第一电压差f1、第三电压差f2、开路电压值f3、第二电压差f4、第四电压差f5、第五电压差f6、电池单体的工作电压的Lorenz离散度f7、第一温度差f8、第二温度差f9。
其中,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;第三电压差为第四电压与截止电压的差值,第四电压为单体电池放电至截止电压后1秒时的电压值;开路电压值为单体电池在放电截止后的1.5小时时的电压值;第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;第四电压差为第五电压与BMS一级保护电压的差值,第五电压为电池单体放电至BMS一级保护电压之后1秒时的电压值;第五电压差为第六电压与第七电压的差值,第六电压为电池单体在放电功率减半运行时刻的电压值,第七电压为电池单体在在放电功率减半运行60秒时的电压值;第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值。该平均温度为全部电池单体在恒流充电至截止电压时的温度的算术平均值,即全部电池单体在恒流充电至截止电压时的温度的加和与电池单体的数量的比值;第二温度差为电池单体在恒流充电至1秒时的温度与电池单体在恒流充电至3600秒时的温度的差值。
上述对应的电压值由BMS在电池组进行恒流充电或者放电的过程中,根据计时值在对应的时刻从每一个电池单体获取得到并保存在BMS中。特征获取单元从BMS中获取上述电压值以得到对应的特征数据。
上述对应的温度值由温度传感器在在电池组进行恒流充电或者放电的过程中,根据计时值在对应的时刻从每一个电池单体获取得到并保存。特征获取单元从温度传感器中获取对应的温度数据以得到对应的特征数据。
然后,点阵构建单元根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重、第六权重、第七权重、第八权重、第九权重,第一权重为第一电压差的权重,第二权重为第三电压差的权重,第三权重为开路电压值的权重,第四权重为第二电压差的权重,第五权重为第四电压差的权重,第六权重为第五电压差的权重,第七权重为Lorenz离散度的权重,第八权重为第一温度差的权重,第九权重为第二温度差的权重。
在计算权重之前,点阵构建单元首先对各个特征数据进行标准化处理,从而避免有些特征数据的数值过大,产生异常。标准化的具体计算方式为:
XSTDji=(fji-fjmin)/(fjmax-fjmin),i∈[1,N],j∈[1,K];
其中,N表征电池组中的电池单体的数量,K表征特征数据的类型的数量,在本实施例中,K为9;
其中,XSTDji表征与第i个电池单体对应的第j个特征数据的标准化值,fji表征与第i个电池单体对应的第j个特征数据的值,fjmin表征与各个电池单体对应的第j个特征数据中的最小值,fjmax表征与各个电池单体对应的第j个特征数据中的最大值。第一电压差f1、第三电压差f2、开路电压值f3、第二电压差f4、第四电压差f5、第五电压差f6、电池单体的工作电压的Lorenz离散度f7、第一温度差f8、第二温度差f9分别为单体电池的第1至第9个特征数据。
以第1个特征数据第一电压差f1为例,标准化的具体计算方式为:
XSTD1i=(f1i-f1min)/(f1max-f1min),i∈[1,N]。
其中,XSTD1i表征第i个电池单体对应的第一电压差的标准化值,f1i表征第i个电池单体对应的第一电压差的值,f1max表征各个电池单体对应的第一电压差中的最大值,f1min表征各个电池单体对应的第一电压差中的最小值。
采用熵权法根据各个特征数据的变异程度,利用信息熵计算出各特征数据的熵权,再通过熵权对各特征数据的权重进行修正,从而得到较为客观的权重。第i个电池单体的第j个特征数据的数值的比重为Pji:
第1个电池单体的第2个特征数据(第三电压差f2)的数值的比重为P21:
接下来,点阵构建单元计算第j个特征数据的熵值(即信息熵),具体根据以下公式得到:
第1个电池单体的第2个特征数据(第三电压差f2)的数值的信息熵E21为:
然后,点阵构建单元根据各个特征数据的信息熵,得到第i个电池单体的第j个特征数据的权重:
接下来,点阵构建单元构建一目标笛卡尔坐标系,并根据每一个电池单体的特征数据也该特征数据对应的权重,将该电池单体在目标笛卡尔坐标系中标记为一个样本点。
以第i个电池单体为例,其X轴坐标:
Xi=W1i*f1i+W2i*f2i,i∈[1,N];
其Y轴坐标:
Yi=W3i*f3i+W4i*f4i+W5i*f5i+W6i*f6i+W7i*f7i,i∈[1,N];
其Z轴坐标:
Zi=W8i*f8i+W9i*f9i,i∈[1,N]。
也即,点阵构建单元构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一加和,样本点的Y轴坐标值为第二加和,样本点的Z轴坐标值为第三加和;
第一加和为第一乘积与第二乘积的加和,第一乘积为第一电压差与第一权重的乘积,第二乘积为第三电压差与第二权重的乘积;
第二加和为第三乘积、第四乘积、第五乘积、第六乘积、第七乘积的加和,第三乘积为开路电压值与第三权重的乘积,第四乘积为第二电压差与第四权重的乘积,第五乘积为第四电压差与第五权重的乘积,第六乘积为第五电压差与第六权重的乘积,第七乘积为Lorenz离散度与第七权重的乘积;
第三加和为第八乘积与第九乘积的加和,第八乘积为第一温度差与第八权重的乘积,第九乘积为第二温度差与第九权重的乘积。
接下来,单体筛选单元筛选出离群的样本点对应的电池单体。参照图3,单体筛选单元根据以下步骤筛选得到对应的电池单体:
步骤S102、根据样本点获取起始点。作为一种可选的实施方式,起始点的X轴坐标为X轴坐标值中的最大值与最小值的平均值,即,起始点的X轴坐标为所有样本点的X轴坐标值中的最大值与所有样本点的X轴坐标值中的最小值的加和再除以2。起始点的Y轴坐标为Y轴坐标值中的最大值与最小值的平均值,即,起始点的Y轴坐标为所有样本点的Y轴坐标值中的最大值与所有样本点的Y轴坐标值中的最小值的加和再除以2;起始点的Z轴坐标为Z轴坐标值中的最大值与最小值的平均值,即,起始点的Z轴坐标为所有样本点的Z轴坐标值中的最大值与所有样本点的Z轴坐标值中的最小值的加和再除以2。
在另一种可选的实施方式中,起始点的X轴坐标为X轴坐标值的平均值,即,起始点的X轴坐标为所有样本点的X轴坐标值的累加和再除以样本点的总数量;起始点的Y轴坐标为Y轴坐标值的平均值,即,起始点的Y轴坐标为所有样本点的Y轴坐标值的累加和再除以样本点的总数量;起始点的Z轴坐标为Z轴坐标值的平均值,即,起始点的Z轴坐标为所有样本点的Z轴坐标值的累加和再除以样本点的总数量。
步骤S103、获取第一类参考点,并获取步长半径。第一类参考点是与起始点的欧式距离最小的k个样本点,k为大于等于4的整数。步长半径为第一类参考点与起始点的欧式距离中的最大值。为了兼顾精度与运算效率,作为一种可选的实施方式,k为样本点的数量的5%。在其他可选的实施方式中,k为样本点的数量的2%-10%。
步骤S104、判断第一类参考点是否共面,如果第一类参考点共面,则执行步骤S105;如果第一类参考点不共面,则执行步骤S106。
步骤S105、将k+1赋值给k,并返回步骤S103。
步骤S106、构建第一多面体。第一类参考点共面是指所有第一类参考点处于同一平面内。第一多面体为以第一类参考点为顶点的多面体。第一多面体为经过第一类参考点中的任意3个样本点的平面形成的多面体,每一个第一类参考点分别作为第一多面体的一个顶点。
步骤S107、将位于第一多面体的内部的样本点标记为第一类目标点;获取第二类参考点。第二类参考点为位于第一多面体的表面上的样本点,第二类参考点包括第一类参考点。具体实施时,将第一类目标点标记为1。
步骤S108、判断是否存在延拓点,如果存在延拓点,则执行步骤S109;如果不存在延拓点,则执行步骤S110。延拓点为与至少一个第二类参考点的距离小于步长半径的样本点,并且所述延拓点为所述第二类参考点和所述第一类目标点以外的所述样本点,并且延拓点为不共面的样本点。作为一种可选的实施方式,在步骤S108中,以每一个第二类参考点为球心以步长半径为半径分别构建球面,位于任何一个球面的内部(即,与该球面的球心的距离小于步长半径)的样本点中,如果该样本点不属于第二类参考点,并且该样本点不属于已经标记的第一类目标点,并且这些样本点不共面(能够以其为顶点构建多面体),则这些样本点被设置为延拓点。如果不存在同时满足上述条件的样本点,则认为不存在延拓点。
步骤S109、将延拓点设置为新的第一类参考点,然后返回步骤S106。
步骤S110、将第二类参考点也标记为第一类目标点,将第一类目标点以外的样本点标记为第二类目标点。第二类样本点为离群的样本点。具体实施时,将第二类目标点标记为0。
步骤S111、筛选出第二类目标点对应的电池单体。
根据以上步骤,即可完成退役电池中的电池单体的筛选。其中,与第一类目标点对应的电池单体具有一致性,可以重复利用;与第二类目标点对应的电池单体与第一类目标点对应的电池单体之间不具有一致性,予以筛选出,不再重复利用。
实施例3
本实施例提供一种电池的筛选方法。本实施例的电池的筛选方法与实施例2的电池的筛选方法基本相同,区别在于,特征数据的构成不同。
在本实施例中,在步骤S11中,分别获取第一电压差f1、开路电压值f2、第一温度差f3,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;开路电压值为单体电池在放电截止后的1.5小时时的电压值;第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值。该平均温度为全部电池单体在恒流充电至截止电压时的温度的算术平均值,即全部电池单体在恒流充电至截止电压时的温度的加和与电池单体的数量的比值。
然后,在步骤S12中,根据熵权法获取第一权重、第二权重、第三权重,第一权重为第一电压差的权重,第二权重为开路电压值的权重,第三权重为第一温度差的权重。
具体实施时,在计算权重之前,首先对各个特征数据进行标准化处理,从而避免有些特征数据的数值过大,产生异常。标准化的具体计算方式为:
XSTDji=(fji-fjmin)/(fjmax-fjmin),i∈[1,N],j∈[1,K];
其中,N表征电池组中的电池单体的数量,K表征特征数据的类型的数量,在本实施例中,K为3;
其中,XSTDji表征与第i个电池单体对应的第j个特征数据的标准化值,fji表征与第i个电池单体对应的第j个特征数据的值,fjmin表征与各个电池单体对应的第j个特征数据中的最小值,fjmax表征与各个电池单体对应的第j个特征数据中的最大值。第一电压差f1、开路电压值f2、第一温度差f3分别为单体电池的第1至第3个特征数据。
以第1个特征数据第一电压差f1为例,标准化的具体计算方式为:
XSTD1i=(f1i-f1min)/(f1max-f1min),i∈[1,N]。
其中,XSTD1i表征第i个电池单体对应的第一电压差的标准化值,f1i表征第i个电池单体对应的第一电压差的值,f1max表征各个电池单体对应的第一电压差中的最大值,f1min表征各个电池单体对应的第一电压差中的最小值。
采用熵权法根据各个特征数据的变异程度,利用信息熵计算出各特征数据的熵权,再通过熵权对各特征数据的权重进行修正,从而得到较为客观的权重。第i个电池单体的第j个特征数据的数值的比重为Pji:
第1个电池单体的第2个特征数据(开路电压值f2)的数值的比重为P21:
接下来,计算第j个特征数据的熵值(即信息熵),具体根据以下公式得到:
第1个电池单体的第2个特征数据(开路电压值f2)的数值的信息熵E21为:
然后,根据各个特征数据的信息熵,得到第i个电池单体的第j个特征数据的权重:
接下来,构建一目标笛卡尔坐标系,并根据每一个电池单体的特征数据也该特征数据对应的权重,将该电池单体在目标笛卡尔坐标系中标记为一个样本点。
以第i个电池单体为例,其X轴坐标:
Xi=W1i*f1i,i∈[1,N];
其Y轴坐标:
Yi=W2i*f2i,i∈[1,N];
其Z轴坐标:
Zi=W3i*f3i,i∈[1,N]。
即,根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第二乘积,样本点的Z轴坐标值为第三乘积,第一乘积为第一电压差与第一权重的乘积,第二乘积为开路电压值与第二权重的乘积,第三乘积为第一温度差与第三权重的乘积。
在本实施例中,步骤S13与实施例2基本相同,此处不再赘述。
本实施例提供一种电池的筛选系统。本实施例的电池的筛选系统与实施例2的电池的筛选系统基本相同,区别在于,特征数据的构成不同。
在本实施例中,首先,特征获取单元分别获取第一电压差f1、开路电压值f2、第一温度差f3,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;开路电压值为单体电池在放电截止后的1.5小时时的电压值;第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值。该平均温度为全部电池单体在恒流充电至截止电压时的温度的算术平均值,即全部电池单体在恒流充电至截止电压时的温度的加和与电池单体的数量的比值。
然后,点阵构建单元根据熵权法获取第一权重、第二权重、第三权重,第一权重为第一电压差的权重,第二权重为开路电压值的权重,第三权重为第一温度差的权重。
具体实施时,在计算权重之前,点阵构建单元首先对各个特征数据进行标准化处理,从而避免有些特征数据的数值过大,产生异常。标准化的具体计算方式为:
XSTDji=(fji-fjmin)/(fjmax-fjmin),i∈[1,N],j∈[1,K];
其中,N表征电池组中的电池单体的数量,K表征特征数据的类型的数量,在本实施例中,K为3;
其中,XSTDji表征与第i个电池单体对应的第j个特征数据的标准化值,fji表征与第i个电池单体对应的第j个特征数据的值,fjmin表征与各个电池单体对应的第j个特征数据中的最小值,fjmax表征与各个电池单体对应的第j个特征数据中的最大值。第一电压差f1、开路电压值f2、第一温度差f3、分别为单体电池的第1至第3个特征数据。
以第1个特征数据第一电压差f1为例,标准化的具体计算方式为:
XSTD1i=(f1i-f1min)/(f1max-f1min),i∈[1,N]。
其中,XSTD1i表征第i个电池单体对应的第一电压差的标准化值,f1i表征第i个电池单体对应的第一电压差的值,f1max表征各个电池单体对应的第一电压差中的最大值,f1min表征各个电池单体对应的第一电压差中的最小值。
采用熵权法根据各个特征数据的变异程度,利用信息熵计算出各特征数据的熵权,再通过熵权对各特征数据的权重进行修正,从而得到较为客观的权重。第i个电池单体的第j个特征数据的数值的比重为Pji:
第1个电池单体的第2个特征数据(开路电压值f2)的数值的比重为P21:
接下来,计算第j个特征数据的熵值(即信息熵),具体根据以下公式得到:
第1个电池单体的第2个特征数据(开路电压值f2)的数值的信息熵E21为:
然后,根据各个特征数据的信息熵,得到第i个电池单体的第j个特征数据的权重:
接下来,点阵构建单元构建一目标笛卡尔坐标系,并根据每一个电池单体的特征数据也该特征数据对应的权重,将该电池单体在目标笛卡尔坐标系中标记为一个样本点。
以第i个电池单体为例,其X轴坐标:
Xi=W1i*f1i,i∈[1,N];
其Y轴坐标:
Yi=W2i*f2i,i∈[1,N];
其Z轴坐标:
Zi=W3i*f3i,i∈[1,N]。
即,根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第二乘积,样本点的Z轴坐标值为第三乘积,第一乘积为第一电压差与第一权重的乘积,第二乘积为开路电压值与第二权重的乘积,第三乘积为第一温度差与第三权重的乘积。
在本实施例中,单体筛选单元筛选出离群的样本点对应的电池单体的过程与实施例2基本相同,此处不再赘述。
实施例4
本实施例提供一种电池的筛选方法。本实施例的电池的筛选方法与实施例2的电池的筛选方法基本相同,区别在于,特征数据的构成不同。
在本实施例中,在步骤S11中,分别获取第一电压差f1、第二电压差f2、电池单体的工作电压的Lorenz离散度f3、第一温度差f4,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值。该平均温度为全部电池单体在恒流充电至截止电压时的温度的算术平均值,即全部电池单体在恒流充电至截止电压时的温度的加和与电池单体的数量的比值。
然后,在步骤S12中,根据熵权法获取第一权重、第二权重、第三权重、第四权重,第一权重为第一电压差的权重,第二权重为第二电压差的权重,第三权重为Lorenz离散度的权重,第四权重为第一温度差的权重。
具体实施时,在计算权重之前,首先对各个特征数据进行标准化处理,从而避免有些特征数据的数值过大,产生异常。标准化的具体计算方式为:
XSTDji=(fji-fjmin)/(fjmax-fjmin),i∈[1,N],j∈[1,K];
其中,N表征电池组中的电池单体的数量,K表征特征数据的类型的数量,在本实施例中,K为4;
其中,XSTDji表征与第i个电池单体对应的第j个特征数据的标准化值,fji表征与第i个电池单体对应的第j个特征数据的值,fjmin表征与各个电池单体对应的第j个特征数据中的最小值,fjmax表征与各个电池单体对应的第j个特征数据中的最大值。第一电压差f1、第二电压差f2、电池单体的工作电压的Lorenz离散度f3、第一温度差f4分别为单体电池的第1至第4个特征数据。
以第1个特征数据第一电压差f1为例,标准化的具体计算方式为:
XSTD1i=(f1i-f1min)/(f1max-f1min),i∈[1,N]。
其中,XSTD1i表征第i个电池单体对应的第一电压差的标准化值,f1i表征第i个电池单体对应的第一电压差的值,f1max表征各个电池单体对应的第一电压差中的最大值,f1min表征各个电池单体对应的第一电压差中的最小值。
采用熵权法根据各个特征数据的变异程度,利用信息熵计算出各特征数据的熵权,再通过熵权对各特征数据的权重进行修正,从而得到较为客观的权重。第i个电池单体的第j个特征数据的数值的比重为Pji:
第1个电池单体的第2个特征数据(第二电压差f2)的数值的比重为P21:
接下来,计算第j个特征数据的熵值(即信息熵),具体根据以下公式得到:
第1个电池单体的第2个特征数据(第二电压差f2)的数值的信息熵E21为:
然后,根据各个特征数据的信息熵,得到第i个电池单体的第j个特征数据的权重:
接下来,构建一目标笛卡尔坐标系,并根据每一个电池单体的特征数据也该特征数据对应的权重,将该电池单体在目标笛卡尔坐标系中标记为一个样本点。
以第i个电池单体为例,其X轴坐标:
Xi=W1i*f1i,i∈[1,N];
其Y轴坐标:
Yi=W2i*f2i+W3i*f3i,i∈[1,N];
其Z轴坐标:
Zi=W4i*f4i,i∈[1,N]。
即,根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第一加和,样本点的Z轴坐标值为第四乘积,第一乘积为第一电压差与第一权重的乘积,第一加和为第二乘积与第三乘积的加和,第二乘积为第二电压差与第二权重的乘积,第三乘积为Lorenz离散度与第三权重的乘积,第四乘积为第一温度差与第四权重的乘积。
在本实施例中,步骤S13与实施例2基本相同,此处不再赘述。
本实施例提供一种电池的筛选系统。本实施例的电池的筛选系统与实施例2的电池的筛选系统基本相同,区别在于,特征数据的构成不同。
在本实施例中,首先,特征获取单元分别获取第一电压差f1、第二电压差f2、电池单体的工作电压的Lorenz离散度f3、第一温度差f4,第一电压差为第一电压与起始电压的差值,起始电压为电池单体在恒流充电起始时刻的电压值,第一电压为电池单体在恒流充电1秒时的电压值;第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值。该平均温度为全部电池单体在恒流充电至截止电压时的温度的算术平均值,即全部电池单体在恒流充电至截止电压时的温度的加和与电池单体的数量的比值。
然后,点阵构建单元根据熵权法获取第一权重、第二权重、第三权重、第四权重,第一权重为第一电压差的权重,第二权重为第二电压差的权重,第三权重为Lorenz离散度的权重,第四权重为第一温度差的权重。
具体实施时,在计算权重之前,点阵构建单元首先对各个特征数据进行标准化处理,从而避免有些特征数据的数值过大,产生异常。标准化的具体计算方式为:
XSTDji=(fji-fjmin)/(fjmax-fjmin),i∈[1,N],j∈[1,K];
其中,N表征电池组中的电池单体的数量,K表征特征数据的类型的数量,在本实施例中,K为4;
其中,XSTDji表征与第i个电池单体对应的第j个特征数据的标准化值,fji表征与第i个电池单体对应的第j个特征数据的值,fjmin表征与各个电池单体对应的第j个特征数据中的最小值,fjmax表征与各个电池单体对应的第j个特征数据中的最大值。第一电压差f1、第二电压差f2、电池单体的工作电压的Lorenz离散度f3、第一温度差f4分别为单体电池的第1至第4个特征数据。
以第1个特征数据第一电压差f1为例,标准化的具体计算方式为:
XSTD1i=(f1i-f1min)/(f1max-f1min),i∈[1,N]。
其中,XSTD1i表征第i个电池单体对应的第一电压差的标准化值,f1i表征第i个电池单体对应的第一电压差的值,f1max表征各个电池单体对应的第一电压差中的最大值,f1min表征各个电池单体对应的第一电压差中的最小值。
采用熵权法根据各个特征数据的变异程度,利用信息熵计算出各特征数据的熵权,再通过熵权对各特征数据的权重进行修正,从而得到较为客观的权重。第i个电池单体的第j个特征数据的数值的比重为Pji:
第1个电池单体的第2个特征数据(第二电压差f2)的数值的比重为P21:
接下来,点阵构建单元计算第j个特征数据的熵值(即信息熵),具体根据以下公式得到:
第1个电池单体的第2个特征数据(第二电压差f2)的数值的信息熵E21为:
然后,点阵构建单元根据各个特征数据的信息熵,得到第i个电池单体的第j个特征数据的权重:
接下来,点阵构建单元构建一目标笛卡尔坐标系,并根据每一个电池单体的特征数据也该特征数据对应的权重,将该电池单体在目标笛卡尔坐标系中标记为一个样本点。
以第i个电池单体为例,其X轴坐标:
Xi=W1i*f1i,i∈[1,N];
其Y轴坐标:
Yi=W2i*f2i+W3i*f3i,i∈[1,N];
其Z轴坐标:
Zi=W4i*f4i,i∈[1,N]。
即点阵构建单元构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第一加和,样本点的Z轴坐标值为第四乘积,第一乘积为第一电压差与第一权重的乘积,第一加和为第二乘积与第三乘积的加和,第二乘积为第二电压差与第二权重的乘积,第三乘积为Lorenz离散度与第三权重的乘积,第四乘积为第一温度差与第四权重的乘积。
在本实施例中,单体筛选单元筛选出离群的样本点对应的电池单体的过程与实施例2基本相同,此处不再赘述。
实施例5
本实施例提供一种电池的筛选方法。本实施例的电池的筛选方法与实施例2的电池的筛选方法基本相同,区别在于,特征数据的构成不同。
在本实施例中,在步骤S11中,分别获取第三电压差f1、开路电压值f2、第二电压差f3、电池单体的工作电压的Lorenz离散度f4、第一温度差f5,第三电压差为第四电压与截止电压的差值,第四电压为单体电池放电至截止电压后1秒时的电压值;开路电压值为单体电池在放电截止后的1.5小时时的电压值;第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值。该平均温度为全部电池单体在恒流充电至截止电压时的温度的算术平均值,即全部电池单体在恒流充电至截止电压时的温度的加和与电池单体的数量的比值。
接下来,在步骤S12中,根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重,第一权重为第三电压差的权重,第二权重为开路电压值的权重,第三权重为第二电压差的权重,第四权重为Lorenz离散度的权重,第五权重为第一温度差的权重。
具体实施时,在计算权重之前,首先对各个特征数据进行标准化处理,从而避免有些特征数据的数值过大,产生异常。标准化的具体计算方式为:
XSTDji=(fji-fjmin)/(fjmax-fjmin),i∈[1,N],j∈[1,K];
其中,N表征电池组中的电池单体的数量,K表征特征数据的类型的数量,在本实施例中,K为5;
其中,XSTDji表征与第i个电池单体对应的第j个特征数据的标准化值,fji表征与第i个电池单体对应的第j个特征数据的值,fjmin表征与各个电池单体对应的第j个特征数据中的最小值,fjmax表征与各个电池单体对应的第j个特征数据中的最大值。第三电压差f1、开路电压值f2、第二电压差f3、电池单体的工作电压的Lorenz离散度f4、第一温度差f5分别为单体电池的第1至第5个特征数据。
以第1个特征数据第三电压差f1为例,标准化的具体计算方式为:
XSTD1i=(f1i-f1min)/(f1max-f1min),i∈[1,N]。
其中,XSTD1i表征第i个电池单体对应的第三电压差的标准化值,f1i表征第i个电池单体对应的第三电压差的值,f1max表征各个电池单体对应的第三电压差中的最大值,f1min表征各个电池单体对应的第三电压差中的最小值。
采用熵权法根据各个特征数据的变异程度,利用信息熵计算出各特征数据的熵权,再通过熵权对各特征数据的权重进行修正,从而得到较为客观的权重。第i个电池单体的第j个特征数据的数值的比重为Pji:
第1个电池单体的第2个特征数据(开路电压值f2)的数值的比重为P21:
接下来,计算第j个特征数据的熵值(即信息熵),具体根据以下公式得到:
第1个电池单体的第2个特征数据(开路电压值f2)的数值的信息熵E21为:
然后,根据各个特征数据的信息熵,得到第i个电池单体的第j个特征数据的权重:
接下来,构建一目标笛卡尔坐标系,并根据每一个电池单体的特征数据也该特征数据对应的权重,将该电池单体在目标笛卡尔坐标系中标记为一个样本点。
以第i个电池单体为例,其X轴坐标:
Xi=W1i*f1i,i∈[1,N];
其Y轴坐标:
Yi=W2i*f2i+W3i*f3i+W4i*f4i,i∈[1,N];
其Z轴坐标:
Zi=W5i*f5i,i∈[1,N]。
即,根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第一加和,样本点的Z轴坐标值为第五乘积,第一乘积为第三电压差与第一权重的乘积,第一加和为第二乘积、第三乘积与第四乘积的加和,第二乘积为开路电压值与第二权重的乘积,第三乘积为第二电压差与第三权重的乘积,第四乘积为Lorenz离散度与第四权重的乘积,第五乘积为第一温度差与第五权重的乘积。
在本实施例中,步骤S13与实施例2基本相同,此处不再赘述。
本实施例提供一种电池的筛选系统。本实施例的电池的筛选系统与实施例2的电池的筛选系统基本相同,区别在于,特征数据的构成不同。
在本实施例中,首先,特征获取单元分别获取第三电压差f1、开路电压值f2、第二电压差f3、电池单体的工作电压的Lorenz离散度f4、第一温度差f5,第三电压差为第四电压与截止电压的差值,第四电压为单体电池放电至截止电压后1秒时的电压值;开路电压值为单体电池在放电截止后的1.5小时时的电压值;第二电压差为第二电压与第三电压的差值,第二电压为单体电池在恒流充电至100秒时的电压值,第三电压为单体电池在恒流充电至1秒时的电压值;第一温度差为电池单体在恒流充电至截止电压时的温度与平均温度之间的差值。该平均温度为全部电池单体在恒流充电至截止电压时的温度的算术平均值,即全部电池单体在恒流充电至截止电压时的温度的加和与电池单体的数量的比值。
接下来,点阵构建单元根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重,第一权重为第三电压差的权重,第二权重为开路电压值的权重,第三权重为第二电压差的权重,第四权重为Lorenz离散度的权重,第五权重为第一温度差的权重。
具体实施时,在计算权重之前,点阵构建单元首先对各个特征数据进行标准化处理,从而避免有些特征数据的数值过大,产生异常。标准化的具体计算方式为:
XSTDji=(fji-fjmin)/(fjmax-fjmin),i∈[1,N],j∈[1,K];
其中,N表征电池组中的电池单体的数量,K表征特征数据的类型的数量,在本实施例中,K为5;
其中,XSTDji表征与第i个电池单体对应的第j个特征数据的标准化值,fji表征与第i个电池单体对应的第j个特征数据的值,fjmin表征与各个电池单体对应的第j个特征数据中的最小值,fjmax表征与各个电池单体对应的第j个特征数据中的最大值。第三电压差f1、开路电压值f2、第二电压差f3、电池单体的工作电压的Lorenz离散度f4、第一温度差f5分别为单体电池的第1至第5个特征数据。
以第1个特征数据第三电压差f1为例,标准化的具体计算方式为:
XSTD1i=(f1i-f1min)/(f1max-f1min),i∈[1,N]。
其中,XSTD1i表征第i个电池单体对应的第三电压差的标准化值,f1i表征第i个电池单体对应的第三电压差的值,f1max表征各个电池单体对应的第三电压差中的最大值,f1min表征各个电池单体对应的第三电压差中的最小值。
采用熵权法根据各个特征数据的变异程度,利用信息熵计算出各特征数据的熵权,再通过熵权对各特征数据的权重进行修正,从而得到较为客观的权重。第i个电池单体的第j个特征数据的数值的比重为Pji:
第1个电池单体的第2个特征数据(开路电压值f2)的数值的比重为P21:
接下来,点阵构建单元计算第j个特征数据的熵值(即信息熵),具体根据以下公式得到:
第1个电池单体的第2个特征数据(开路电压值f2)的数值的信息熵E21为:
然后,点阵构建单元根据各个特征数据的信息熵,得到第i个电池单体的第j个特征数据的权重:
接下来,构建一目标笛卡尔坐标系,并根据每一个电池单体的特征数据也该特征数据对应的权重,将该电池单体在目标笛卡尔坐标系中标记为一个样本点。
以第i个电池单体为例,其X轴坐标:
Xi=W1i*f1i,i∈[1,N];
其Y轴坐标:
Yi=W2i*f2i+W3i*f3i+W4i*f4i,i∈[1,N];
其Z轴坐标:
Zi=W5i*f5i,i∈[1,N]。
即,根据特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在目标笛卡尔坐标系中标记样本点,样本点的X轴坐标值为第一乘积,样本点的Y轴坐标值为第一加和,样本点的Z轴坐标值为第五乘积,第一乘积为第三电压差与第一权重的乘积,第一加和为第二乘积、第三乘积与第四乘积的加和,第二乘积为开路电压值与第二权重的乘积,第三乘积为第二电压差与第三权重的乘积,第四乘积为Lorenz离散度与第四权重的乘积,第五乘积为第一温度差与第五权重的乘积。
在本实施例中,单体筛选单元筛选出离群的样本点对应的电池单体的过程与实施例2基本相同,此处不再赘述。
实施例6
本实施例提供一种电池的筛选方法。本实施例的电池的筛选方法与实施例2的电池的筛选方法的步骤基本相同。参照图4,在本实施例中,在步骤S13中,在执行完步骤S110之后,执行步骤S112。
步骤S112、通过支持向量机算法得到分类模型,根据分类模型对待筛选电池进行筛选。
具体实施时,参照图5,步骤S112包括以下步骤:
步骤S1121、构建训练集。具体为,设置第一类目标点的类别标记为第一类标记,设置第二类目标点的类别标记为第二类标记,以构建训练集,训练集包括特征数据和与特征数据对应的类别标记。也即,将收集到的一定数量的电池单体所对应的特征数据按照前述方式进行分类,并设置对应的类别标记,从而形成训练集。作为一种可选的实施方式,将第一类目标点的类别标记设置为1(第一类标记),将第二类目标点的类别标记设置为0(第二类标记)。训练集可采用(xi,yi)表征,其中,i∈[1,m],m为训练集所对应的电池单体的数量,xi表征第i个电池单体的特征向量,特征向量包括K个元素,每一个元素对应一个类型的特征数据。作为一种可选的实施方式,xi包括第一电压差f1、第三电压差f2、开路电压值f3、第二电压差f4、第四电压差f5、第五电压差f6、电池单体的工作电压的Lorenz离散度f7、第一温度差f8、第二温度差f9共9个特征数据。yi表征第i个电池单体的类别标记。
步骤S1122、根据训练集通过支持向量机算法得到分类模型。
具体实施时,通过支持向量机算法,得出用于储能退役电池单体筛选的分类函数,通过分类函数可以对待筛选电池的特征数据进行一致性识别。最优一致性识别问题,可以转化为优化问题,即求最小值。
根据公式:
以上求解问题本身是一个凸二次规划问题,对式①使用拉格朗日乘子法,得到其对偶问题,对式约束条件添加拉格朗日乘子法,该问题的拉格朗日函数为:
对式②对ω和b偏导数为0,并带入上式,消去ω和b,考虑约束条件,则可以得出对偶问题:
以此便可以求解出α,继而求出ω和b,即可以得出电池单体一致性线性分类的分类函数为:
f(x)=ωTx+b ④
对于线性不可分的训练样本,采用高斯核函数将训练样本点空间映射到高纬样本空间,在高纬样本空间中进行线性分类。
步骤S1123、采用分类模型根据待筛选电池的特征数据对待筛选电池进行筛选。
作为一种可选的实施方式,根据分类函数④在线实时识别电池组中的电池单体的不一致性。每天00:00:00时刻,根据BMS采集到的电池的电压、电流、温度、SOC(state ofcharge,即荷电状态)数据,计算每个电池单体的特征数据。分类函数根据电池单体的特征数据可以得到电池单体的一致性识别结果,如果f(xi)的值为1,那么特征向量xi对应的电池单体为一致性电池单体;否则,如果f(xi)的值为0,那么特征向量xi对应的电池单体为不一致性电池单体。根据分类函数的输出结果,可以筛选出不一致性电池单体,不再予以重复利用,而将一致性电池单体进行重复利用。
本实施例的电池的筛选方法的步骤S112也可以与实施例3-5中任意一个实施例的电池的筛选方法相结合。
本实施例还提供一种电池的筛选系统。本实施例的电池的筛选系统与实施例2的电池的筛选系统基本相同。参照图4,在本实施例中,单体筛选单元在步骤S13的过程中,在执行完步骤S110之后,执行步骤S112。
步骤S112、通过支持向量机算法得到分类模型,根据分类模型对待筛选电池进行筛选。
具体实施时,参照图5,步骤S112包括以下步骤:
步骤S1121、构建训练集。具体为,设置第一类目标点的类别标记为第一类标记,设置第二类目标点的类别标记为第二类标记,以构建训练集,训练集包括特征数据和与特征数据对应的类别标记。也即,将收集到的一定数量的电池单体所对应的特征数据按照前述方式进行分类,并设置对应的类别标记,从而形成训练集。作为一种可选的实施方式,将第一类目标点的类别标记设置为1(第一类标记),将第二类目标点的类别标记设置为0(第二类标记)。训练集可采用(xi,yi)表征,其中,i∈[1,m],m为训练集所对应的电池单体的数量,xi表征第i个电池单体的特征向量,特征向量包括K个元素,每一个元素对应一个类型的特征数据。作为一种可选的实施方式,xi包括第一电压差f1、第三电压差f2、开路电压值f3、第二电压差f4、第四电压差f5、第五电压差f6、电池单体的工作电压的Lorenz离散度f7、第一温度差f8、第二温度差f9共9个特征数据。yi表征第i个电池单体的类别标记。
步骤S1122、根据训练集通过支持向量机算法得到分类模型。
具体实施时,通过支持向量机算法,得出用于储能退役电池单体筛选的分类函数,通过分类函数可以对待筛选电池的特征数据进行一致性识别。最优一致性识别问题,可以转化为优化问题,即求最小值。
根据公式:
以上求解问题本身是一个凸二次规划问题,对式①使用拉格朗日乘子法,得到其对偶问题,对式约束条件添加拉格朗日乘子法,该问题的拉格朗日函数为:
对式②对ω和b偏导数为0,并带入上式,消去ω和b,考虑约束条件,则可以得出对偶问题:
以此便可以求解出α,继而求出ω和b,即可以得出电池单体一致性线性分类的分类函数为:
f(x)=ωTx+b ④
对于线性不可分的训练样本,采用高斯核函数将训练样本点空间映射到高纬样本空间,在高纬样本空间中进行线性分类。
步骤S1123、采用分类模型根据待筛选电池的特征数据对待筛选电池进行筛选。
作为一种可选的实施方式,根据分类函数④在线实时识别电池组中的电池单体的不一致性。每天00:00:00时刻,根据BMS采集到的电池的电压、电流、温度、SOC(state ofcharge,即荷电状态)数据,计算每个电池单体的特征数据。分类函数根据电池单体的特征数据可以得到电池单体的一致性识别结果,如果f(xi)的值为1,那么特征向量xi对应的电池单体为一致性电池单体;否则,如果f(xi)的值为0,那么特征向量xi对应的电池单体为不一致性电池单体。根据分类函数的输出结果,可以筛选出不一致性电池单体,不再予以重复利用,而将一致性电池单体进行重复利用。
本实施例的电池的筛选系统的单体筛选单元也可以与实施例3-5中任意一个实施例的电池的筛选系统相结合。
实施例7
图6为本实施例提供的一种电子设备的结构示意图。所述电子设备包括存储器、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实施例1-6中任意一个实施例的电池的筛选方法。图6显示的电子设备30仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
电子设备30可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备30的组件可以包括但不限于:上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器,例如随机存取存储器(RAM)321和/或高速缓存存储器322,还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325,这样的程序模块324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1-6中任意一个实施例的电池的筛选方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且,模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的设备30使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例8
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,所述程序被处理器执行时实现实施例1-6中任意一个实施例的电池的筛选方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1-6中任意一个实施例的电池的筛选方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (22)
1.一种电池的筛选方法,其特征在于,电池组包括若干电池单体,所述电池的筛选方法包括以下步骤:
获取所述电池单体的特征数据;
根据所述特征数据构建空间点阵,所述空间点阵的每一个样本点与一个所述电池单体相对应;
根据所述空间点阵的样本点的离散度筛选出离群的所述样本点对应的所述电池单体;
所述根据所述空间点阵的样本点的离散度筛选出离群的所述样本点对应的所述电池单体的步骤包括:
S1、根据所述样本点获取起始点;
S2、获取第一类参考点,所述第一类参考点是与所述起始点的欧式距离最小的k个所述样本点,k为大于等于4的整数;获取步长半径,所述步长半径为所述第一类参考点与所述起始点的欧式距离中的最大值;
S3、构建第一多面体,所述第一多面体为以所述第一类参考点为顶点的多面体;
S4、将位于所述第一多面体的内部的所述样本点标记为第一类目标点;获取第二类参考点,所述第二类参考点为位于所述第一多面体的表面上的所述样本点;判断是否存在延拓点,所述延拓点为与至少一个所述第二类参考点的距离小于所述步长半径的所述样本点,并且所述延拓点为所述第二类参考点和所述第一类目标点以外的所述样本点,并且所述延拓点为不共面的所述样本点;如果存在所述延拓点,则将所述延拓点设置为新的所述第一类参考点,然后返回步骤S3;如果不存在所述延拓点,则将第二类参考点也标记为所述第一类目标点,将所述第一类目标点以外的所述样本点标记为第二类目标点,所述第二类目标点为离群的样本点。
2.如权利要求1所述的电池的筛选方法,其特征在于,所述特征数据包括至少3个元素,所述根据所述特征数据构建空间点阵的步骤包括:
根据熵权法获取所述每一个所述元素的权重,根据所述元素与所述权重的乘积构建所述空间点阵。
3.如权利要求2所述的电池的筛选方法,其特征在于,获取所述电池单体的特征数据的步骤包括:
获取第一电压差,所述第一电压差为第一电压与起始电压的差值,所述起始电压为所述电池单体在恒流充电起始时刻的电压值,所述第一电压为所述电池单体在恒流充电1秒时的电压值;
获取开路电压值,所述开路电压值为所述单体电池在放电截止后的1.5小时时的电压值;
获取第一温度差,所述第一温度差为所述电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则所述根据熵权法获取所述每一个所述元素的权重的步骤包括:
根据熵权法获取第一权重、第二权重、第三权重,所述第一权重为所述第一电压差的权重,所述第二权重为所述开路电压值的权重,所述第三权重为所述第一温度差的权重;
则所述根据所述特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在所述目标笛卡尔坐标系中标记所述样本点,所述样本点的X轴坐标值为第一乘积,所述样本点的Y轴坐标值为第二乘积,所述样本点的Z轴坐标值为第三乘积,所述第一乘积为所述第一电压差与所述第一权重的乘积,所述第二乘积为所述开路电压值与所述第二权重的乘积,所述第三乘积为所述第一温度差与所述第三权重的乘积。
4.如权利要求2所述的电池的筛选方法,其特征在于,获取所述电池单体的特征数据的步骤包括:
获取第一电压差,所述第一电压差为第一电压与起始电压的差值,所述起始电压为所述电池单体在恒流充电起始时刻的电压值,所述第一电压为所述电池单体在恒流充电1秒时的电压值;
获取第二电压差,所述第二电压差为第二电压与第三电压的差值,所述第二电压为所述单体电池在恒流充电至100秒时的电压值,所述第三电压为所述单体电池在恒流充电至1秒时的电压值;
获取所述电池单体的工作电压的Lorenz离散度;
获取第一温度差,所述第一温度差为所述电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则所述根据熵权法获取所述每一个所述元素的权重的步骤包括:
根据熵权法获取第一权重、第二权重、第三权重、第四权重,所述第一权重为所述第一电压差的权重,所述第二权重为所述第二电压差的权重,所述第三权重为所述Lorenz离散度的权重,所述第四权重为所述第一温度差的权重;
则所述根据所述特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在所述目标笛卡尔坐标系中标记所述样本点,所述样本点的X轴坐标值为第一乘积,所述样本点的Y轴坐标值为第一加和,所述样本点的Z轴坐标值为第四乘积,所述第一乘积为所述第一电压差与所述第一权重的乘积,所述第一加和为第二乘积与第三乘积的加和,所述第二乘积为所述第二电压差与所述第二权重的乘积,所述第三乘积为所述Lorenz离散度与所述第三权重的乘积,所述第四乘积为所述第一温度差与所述第四权重的乘积。
5.如权利要求2所述的电池的筛选方法,其特征在于,获取所述电池单体的特征数据的步骤包括:
获取第三电压差,所述第三电压差为第四电压与截止电压的差值,所述第四电压为所述单体电池放电至截止电压后1秒时的电压值;
获取开路电压值,所述开路电压值为所述单体电池在放电截止后的1.5小时时的电压值;
获取第二电压差,所述第二电压差为第二电压与第三电压的差值,所述第二电压为所述单体电池在恒流充电至100秒时的电压值,所述第三电压为所述单体电池在恒流充电至1秒时的电压值;
获取所述电池单体的工作电压的Lorenz离散度;
获取第一温度差,所述第一温度差为所述电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则所述根据熵权法获取所述每一个所述元素的权重的步骤包括:
根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重,所述第一权重为所述第三电压差的权重,所述第二权重为所述开路电压值的权重,所述第三权重为所述第二电压差的权重,所述第四权重为所述Lorenz离散度的权重,所述第五权重为所述第一温度差的权重;
则所述根据所述特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在所述目标笛卡尔坐标系中标记所述样本点,所述样本点的X轴坐标值为第一乘积,所述样本点的Y轴坐标值为第一加和,所述样本点的Z轴坐标值为第五乘积,所述第一乘积为所述第三电压差与所述第一权重的乘积,所述第一加和为第二乘积、第三乘积与第四乘积的加和,所述第二乘积为所述开路电压值与所述第二权重的乘积,所述第三乘积为所述第二电压差与所述第三权重的乘积,所述第四乘积为所述Lorenz离散度与所述第四权重的乘积,所述第五乘积为第一温度差与所述第五权重的乘积。
6.如权利要求2所述的电池的筛选方法,其特征在于,获取所述电池单体的特征数据的步骤包括:
获取第一电压差,所述第一电压差为第一电压与起始电压的差值,所述起始电压为所述电池单体在恒流充电起始时刻的电压值,所述第一电压为所述电池单体在恒流充电1秒时的电压值;
获取第三电压差,所述第三电压差为第四电压与截止电压的差值,所述第四电压为所述单体电池放电至截止电压后1秒时的电压值;
获取开路电压值,所述开路电压值为所述单体电池在放电截止后的1.5小时时的电压值;
获取第二电压差,所述第二电压差为第二电压与第三电压的差值,所述第二电压为所述单体电池在恒流充电至100秒时的电压值,所述第三电压为所述单体电池在恒流充电至1秒时的电压值;
获取第四电压差,所述第四电压差为第五电压与BMS一级保护电压的差值,所述第五电压为所述电池单体放电至所述BMS一级保护电压之后1秒时的电压值;
获取第五电压差,所述第五电压差为第六电压与第七电压的差值,所述第六电压为所述电池单体在放电功率减半运行时刻的电压值,所述第七电压为所述电池单体在放电功率减半运行60秒时的电压值;
获取所述电池单体的工作电压的Lorenz离散度;
获取第一温度差,所述第一温度差为所述电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
获取第二温度差,所述第二温度差为所述电池单体在恒流充电至1秒时的温度与所述电池单体在恒流充电至3600秒时的温度的差值;
则所述根据熵权法获取所述每一个所述元素的权重的步骤包括:
根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重、第六权重、第七权重、第八权重、第九权重,所述第一权重为所述第一电压差的权重,所述第二权重为所述第三电压差的权重,所述第三权重为所述开路电压值的权重,所述第四权重为所述第二电压差的权重,所述第五权重为所述第四电压差的权重,所述第六权重为所述第五电压差的权重,所述第七权重为Lorenz离散度的权重,所述第八权重为所述第一温度差的权重,所述第九权重为所述第二温度差的权重;
则所述根据所述特征数据构建空间点阵的步骤包括:
构建一目标笛卡尔坐标系,并在所述目标笛卡尔坐标系中标记所述样本点,所述样本点的X轴坐标值为第一加和,所述样本点的Y轴坐标值为第二加和,所述样本点的Z轴坐标值为第三加和;
所述第一加和为第一乘积与第二乘积的加和,所述第一乘积为所述第一电压差与所述第一权重的乘积,所述第二乘积为所述第三电压差与所述第二权重的乘积;
所述第二加和为第三乘积、第四乘积、第五乘积、第六乘积、第七乘积的加和,所述第三乘积为所述开路电压值与所述第三权重的乘积,所述第四乘积为所述第二电压差与所述第四权重的乘积,所述第五乘积为所述第四电压差与所述第五权重的乘积,所述第六乘积为所述第五电压差与所述第六权重的乘积,所述第七乘积为所述Lorenz离散度与所述第七权重的乘积;
所述第三加和为第八乘积与第九乘积的加和,所述第八乘积为所述第一温度差与所述第八权重的乘积,所述第九乘积为所述第二温度差与所述第九权重的乘积。
7.如权利要求1所述的电池的筛选方法,其特征在于,在步骤S4之后,所述电池的筛选方法还包括以下步骤:
S5、筛选出所述第二类样本点对应的所述电池单体。
8.如权利要求1所述的电池的筛选方法,其特征在于,所述起始点的X轴坐标为所述X轴坐标值中的最大值与最小值的平均值,所述起始点的Y轴坐标为所述Y轴坐标值中的最大值与最小值的平均值,所述起始点的Z轴坐标为所述Z轴坐标值中的最大值与最小值的平均值;
或,所述起始点的X轴坐标为所述X轴坐标值的平均值,所述起始点的Y轴坐标为所述Y轴坐标值的平均值,所述起始点的Z轴坐标为所述Z轴坐标值的平均值。
9.如权利要求1所述的电池的筛选方法,其特征在于,在所述构建第一多面体之前,步骤S3还包括:
判断所述第一类参考点是否共面,如果所述第一类参考点共面,则将k+1赋值给k,并返回步骤S2。
10.如权利要求1所述的电池的筛选方法,其特征在于,在步骤S4之后,所述电池的筛选方法还包括以下步骤:
设置所述第一类目标点的类别标记为第一类标记,设置所述第二类目标点的类别标记为第二类标记,以构建训练集,所述训练集包括所述特征数据和与所述特征数据对应的所述类别标记;
根据所述训练集通过支持向量机算法得到分类模型;
采用所述分类模型根据待筛选电池的特征数据对所述待筛选电池进行筛选。
11.一种电池的筛选系统,其特征在于,电池组包括若干电池单体,所述电池的筛选系统包括特征获取单元、点阵构建单元、单体筛选单元;
所述特征获取单元用于获取所述电池单体的特征数据;
所述点阵构建单元用于根据所述特征数据构建空间点阵,所述空间点阵的每一个样本点与一个所述电池单体相对应;
所述单体筛选单元用于根据所述空间点阵的样本点的离散度筛选出离群的所述样本点对应的所述电池单体;
所述单体筛选单元还用于根据以下步骤筛选出离群的所述样本点对应的所述电池单体:
S1、根据所述样本点获取起始点;
S2、获取第一类参考点,所述第一类参考点是与所述起始点的欧式距离最小的k个所述样本点,k为大于等于4的整数;获取步长半径,所述步长半径为所述第一类参考点与所述起始点的欧式距离中的最大值;
S3、构建第一多面体,所述第一多面体为以所述第一类参考点为顶点的多面体;
S4、将位于所述第一多面体的内部的所述样本点标记为第一类目标点;获取第二类参考点,所述第二类参考点为位于所述第一多面体的表面上的所述样本点;判断是否存在延拓点,所述延拓点为与至少一个所述第二类参考点的距离小于所述步长半径的所述样本点,并且所述延拓点为所述第二类参考点和所述第一类目标点以外的所述样本点,并且所述延拓点为不共面的所述样本点;如果存在所述延拓点,则将所述延拓点设置为新的所述第一类参考点,然后返回步骤S3;如果不存在所述延拓点,则将第二类参考点也标记为所述第一类目标点,将所述第一类目标点以外的所述样本点标记为第二类目标点,所述第二类目标点为离群的样本点。
12.如权利要求11所述的电池的筛选系统,其特征在于,所述特征数据包括至少3个元素,所述点阵构建单元还用于根据熵权法获取所述每一个所述元素的权重,并根据所述元素与所述权重的乘积构建所述空间点阵。
13.如权利要求12所述的电池的筛选系统,其特征在于,所述特征获取单元还用于获取第一电压差,所述第一电压差为第一电压与起始电压的差值,所述起始电压为所述电池单体在恒流充电起始时刻的电压值,所述第一电压为所述电池单体在恒流充电1秒时的电压值;
所述特征获取单元还用于获取开路电压值,所述开路电压值为所述单体电池在放电截止后的1.5小时时的电压值;
所述特征获取单元还用于获取第一温度差,所述第一温度差为所述电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则所述点阵构建单元还用于根据熵权法获取第一权重、第二权重、第三权重,所述第一权重为所述第一电压差的权重,所述第二权重为所述开路电压值的权重,所述第三权重为所述第一温度差的权重;
则所述点阵构建单元还用于构建一目标笛卡尔坐标系,并在所述目标笛卡尔坐标系中标记所述样本点,所述样本点的X轴坐标值为第一乘积,所述样本点的Y轴坐标值为第二乘积,所述样本点的Z轴坐标值为第三乘积,所述第一乘积为所述第一电压差与所述第一权重的乘积,所述第二乘积为所述开路电压值与所述第二权重的乘积,所述第三乘积为所述第一温度差与所述第三权重的乘积。
14.如权利要求12所述的电池的筛选系统,其特征在于,所述特征获取单元还用于获取第一电压差,所述第一电压差为第一电压与起始电压的差值,所述起始电压为所述电池单体在恒流充电起始时刻的电压值,所述第一电压为所述电池单体在恒流充电1秒时的电压值;
所述特征获取单元还用于获取第二电压差,所述第二电压差为第二电压与第三电压的差值,所述第二电压为所述单体电池在恒流充电至100秒时的电压值,所述第三电压为所述单体电池在恒流充电至1秒时的电压值;
所述特征获取单元还用于获取所述电池单体的工作电压的Lorenz离散度;
所述特征获取单元还用于获取第一温度差,所述第一温度差为所述电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则所述点阵构建单元还用于根据熵权法获取第一权重、第二权重、第三权重、第四权重,所述第一权重为所述第一电压差的权重,所述第二权重为所述第二电压差的权重,所述第三权重为所述Lorenz离散度的权重,所述第四权重为所述第一温度差的权重;
则所述点阵构建单元还用于构建一目标笛卡尔坐标系,并在所述目标笛卡尔坐标系中标记所述样本点,所述样本点的X轴坐标值为第一乘积,所述样本点的Y轴坐标值为第一加和,所述样本点的Z轴坐标值为第四乘积,所述第一乘积为所述第一电压差与所述第一权重的乘积,所述第一加和为第二乘积与第三乘积的加和,所述第二乘积为所述第二电压差与所述第二权重的乘积,所述第三乘积为所述Lorenz离散度与所述第三权重的乘积,所述第四乘积为所述第一温度差与所述第四权重的乘积。
15.如权利要求12所述的电池的筛选系统,其特征在于,所述特征获取单元还用于获取第三电压差,所述第三电压差为第四电压与截止电压的差值,所述第四电压为所述单体电池放电至截止电压后1秒时的电压值;
所述特征获取单元还用于获取开路电压值,所述开路电压值为所述单体电池在放电截止后的1.5小时时的电压值;
所述特征获取单元还用于获取第二电压差,所述第二电压差为第二电压与第三电压的差值,所述第二电压为所述单体电池在恒流充电至100秒时的电压值,所述第三电压为所述单体电池在恒流充电至1秒时的电压值;
所述特征获取单元还用于获取所述电池单体的工作电压的Lorenz离散度;
所述特征获取单元还用于获取第一温度差,所述第一温度差为所述电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
则所述点阵构建单元还用于根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重,所述第一权重为所述第三电压差的权重,所述第二权重为所述开路电压值的权重,所述第三权重为所述第二电压差的权重,所述第四权重为所述Lorenz离散度的权重,所述第五权重为所述第一温度差的权重;
则所述点阵构建单元还用于构建一目标笛卡尔坐标系,并在所述目标笛卡尔坐标系中标记所述样本点,所述样本点的X轴坐标值为第一乘积,所述样本点的Y轴坐标值为第一加和,所述样本点的Z轴坐标值为第五乘积,所述第一乘积为所述第三电压差与所述第一权重的乘积,所述第一加和为第二乘积、第三乘积与第四乘积的加和,所述第二乘积为所述开路电压值与所述第二权重的乘积,所述第三乘积为所述第二电压差与所述第三权重的乘积,所述第四乘积为所述Lorenz离散度与所述第四权重的乘积,所述第五乘积为第一温度差与所述第五权重的乘积。
16.如权利要求12所述的电池的筛选系统,其特征在于,所述特征获取单元还用于获取第一电压差,所述第一电压差为第一电压与起始电压的差值,所述起始电压为所述电池单体在恒流充电起始时刻的电压值,所述第一电压为所述电池单体在恒流充电1秒时的电压值;
所述特征获取单元还用于获取第三电压差,所述第三电压差为第四电压与截止电压的差值,所述第四电压为所述单体电池放电至截止电压后1秒时的电压值;
所述特征获取单元还用于获取开路电压值,所述开路电压值为所述单体电池在放电截止后的1.5小时时的电压值;
所述特征获取单元还用于获取第二电压差,所述第二电压差为第二电压与第三电压的差值,所述第二电压为所述单体电池在恒流充电至100秒时的电压值,所述第三电压为所述单体电池在恒流充电至1秒时的电压值;
所述特征获取单元还用于获取第四电压差,所述第四电压差为第五电压与BMS一级保护电压的差值,所述第五电压为所述电池单体放电至所述BMS一级保护电压之后1秒时的电压值;
所述特征获取单元还用于获取第五电压差,所述第五电压差为第六电压与第七电压的差值,所述第六电压为所述电池单体在放电功率减半运行时刻的电压值,所述第七电压为所述电池单体在放电功率减半运行60秒时的电压值;
所述特征获取单元还用于获取所述电池单体的工作电压的Lorenz离散度;
所述特征获取单元还用于获取第一温度差,所述第一温度差为所述电池单体在恒流充电至截止电压时的温度与平均温度之间的差值,所述平均温度为全部所述电池单体在恒流充电至截止电压时的温度的算术平均值;
所述特征获取单元还用于获取第二温度差,所述第二温度差为所述电池单体在恒流充电至1秒时的温度与所述电池单体在恒流充电至3600秒时的温度的差值;
则所述点阵构建单元还用于根据熵权法获取第一权重、第二权重、第三权重、第四权重、第五权重、第六权重、第七权重、第八权重、第九权重,所述第一权重为所述第一电压差的权重,所述第二权重为所述第三电压差的权重,所述第三权重为所述开路电压值的权重,所述第四权重为所述第二电压差的权重,所述第五权重为所述第四电压差的权重,所述第六权重为所述第五电压差的权重,所述第七权重为Lorenz离散度的权重,所述第八权重为所述第一温度差的权重,所述第九权重为所述第二温度差的权重;
则所述点阵构建单元还用于构建一目标笛卡尔坐标系,并在所述目标笛卡尔坐标系中标记所述样本点,所述样本点的X轴坐标值为第一加和,所述样本点的Y轴坐标值为第二加和,所述样本点的Z轴坐标值为第三加和;
所述第一加和为第一乘积与第二乘积的加和,所述第一乘积为所述第一电压差与所述第一权重的乘积,所述第二乘积为所述第三电压差与所述第二权重的乘积;
所述第二加和为第三乘积、第四乘积、第五乘积、第六乘积、第七乘积的加和,所述第三乘积为所述开路电压值与所述第三权重的乘积,所述第四乘积为所述第二电压差与所述第四权重的乘积,所述第五乘积为所述第四电压差与所述第五权重的乘积,所述第六乘积为所述第五电压差与所述第六权重的乘积,所述第七乘积为所述Lorenz离散度与所述第七权重的乘积;
所述第三加和为第八乘积与第九乘积的加和,所述第八乘积为所述第一温度差与所述第八权重的乘积,所述第九乘积为所述第二温度差与所述第九权重的乘积。
17.如权利要求11所述的电池的筛选系统,其特征在于,在步骤S4之后,所述单体筛选单元还执行以下步骤:
S5、筛选出所述第二类样本点对应的所述电池单体。
18.如权利要求11所述的电池的筛选系统,其特征在于,所述起始点的X轴坐标为所述X轴坐标值中的最大值与最小值的平均值,所述起始点的Y轴坐标为所述Y轴坐标值中的最大值与最小值的平均值,所述起始点的Z轴坐标为所述Z轴坐标值中的最大值与最小值的平均值;
或,所述起始点的X轴坐标为所述X轴坐标值的平均值,所述起始点的Y轴坐标为所述Y轴坐标值的平均值,所述起始点的Z轴坐标为所述Z轴坐标值的平均值。
19.如权利要求11所述的电池的筛选系统,其特征在于,在所述构建第一多面体之前,所述单体筛选单元还执行以下步骤:
判断所述第一类参考点是否共面,如果所述第一类参考点共面,则将k+1赋值给k,并返回步骤S2。
20.如权利要求11所述的电池的筛选系统,其特征在于,在步骤S4之后,所述单体筛选单元还执行以下步骤:
设置所述第一类目标点的类别标记为第一类标记,设置所述第二类目标点的类别标记为第二类标记,以构建训练集,所述训练集包括所述特征数据和与所述特征数据对应的所述类别标记;
根据所述训练集通过支持向量机算法得到分类模型;
采用所述分类模型根据待筛选电池的特征数据对所述待筛选电池进行筛选。
21.一种电子设备,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,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-10中任一项所述的电池的筛选方法。
22.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-10中任一项所述的电池的筛选方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911156473.XA CN111079796B (zh) | 2019-11-22 | 2019-11-22 | 电池的筛选方法、系统、电子产品和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911156473.XA CN111079796B (zh) | 2019-11-22 | 2019-11-22 | 电池的筛选方法、系统、电子产品和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111079796A CN111079796A (zh) | 2020-04-28 |
CN111079796B true CN111079796B (zh) | 2023-05-05 |
Family
ID=70311709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911156473.XA Active CN111079796B (zh) | 2019-11-22 | 2019-11-22 | 电池的筛选方法、系统、电子产品和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079796B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112816885A (zh) * | 2021-01-06 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 一种电池异常检测方法、装置、电子设备及存储介质 |
CN115649005A (zh) * | 2022-09-21 | 2023-01-31 | 岚图汽车科技有限公司 | 电池温度采样故障预警方法、系统、电子设备及存储介质 |
CN115327391B (zh) * | 2022-10-14 | 2022-12-30 | 深圳市杰成镍钴新能源科技有限公司 | 一种基于梯次利用电池的检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556802A (zh) * | 2016-11-01 | 2017-04-05 | 东软集团股份有限公司 | 一种蓄电池组异常单体电池识别方法及装置 |
CN108490366A (zh) * | 2018-05-09 | 2018-09-04 | 上海电力学院 | 电动汽车退役电池模块健康状态的快速评估方法 |
WO2019058583A1 (en) * | 2017-09-20 | 2019-03-28 | Kabushiki Kaisha Toshiba | BATTERY SAFETY EVALUATION APPARATUS, BATTERY CONTROL APPARATUS, BATTERY SAFETY EVALUATION METHOD, SAFETY EVALUATION PROGRAM, CONTROL CIRCUIT, AND ENERGY STORAGE SYSTEM |
-
2019
- 2019-11-22 CN CN201911156473.XA patent/CN111079796B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556802A (zh) * | 2016-11-01 | 2017-04-05 | 东软集团股份有限公司 | 一种蓄电池组异常单体电池识别方法及装置 |
WO2019058583A1 (en) * | 2017-09-20 | 2019-03-28 | Kabushiki Kaisha Toshiba | BATTERY SAFETY EVALUATION APPARATUS, BATTERY CONTROL APPARATUS, BATTERY SAFETY EVALUATION METHOD, SAFETY EVALUATION PROGRAM, CONTROL CIRCUIT, AND ENERGY STORAGE SYSTEM |
CN108490366A (zh) * | 2018-05-09 | 2018-09-04 | 上海电力学院 | 电动汽车退役电池模块健康状态的快速评估方法 |
Non-Patent Citations (1)
Title |
---|
杜常清 ; 罗冬 ; 张弛 ; 郭迪 ; 汪雨航 ; .锂离子动力电池单体筛选方法研究.电源技术.2017,(07),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111079796A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079796B (zh) | 电池的筛选方法、系统、电子产品和介质 | |
Xu et al. | A novel clustering algorithm for grouping and cascade utilization of retired Li-ion batteries | |
CN113219343A (zh) | 基于弹性网的锂电池健康状态预测方法、系统、设备及介质 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
CN111816936B (zh) | 电池梯次利用配组方法、系统、终端设备及存储介质 | |
CN105141255A (zh) | 一种光伏阵列故障诊断方法 | |
EP3905424B1 (en) | Data processing device, data processing method and computer program | |
US20230236265A1 (en) | Methods, systems and terminal devices for analyzing states of battery packs in battery cluster | |
Xiao et al. | Rapid measurement method for lithium‐ion battery state of health estimation based on least squares support vector regression | |
Shen et al. | A sensitivity-based group-wise parameter identification algorithm for the electric model of li-ion battery | |
CN114371408B (zh) | 电池荷电状态的估算方法、充电曲线的提取方法及装置 | |
Ran et al. | Fast clustering of retired lithium-ion batteries for secondary life with a two-step learning method | |
Liu et al. | Cloud platform-oriented electrical vehicle abnormal battery cell detection and pack consistency evaluation with big data: devising an early-warning system for latent risks | |
Zhao et al. | Data-driven state of health modeling of battery energy storage systems providing grid services | |
CN116522565B (zh) | 一种基于bim的电力工程设计配电网规划方法及计算机设备 | |
CN116563841B (zh) | 配电网设备标识牌的检测方法、检测装置和电子设备 | |
CN111129628A (zh) | 锂离子电芯充放电的控制方法、系统、介质及电子设备 | |
US11923803B2 (en) | Anomaly factor diagnosis apparatus and method, and anomaly factor diagnosis system | |
CN115061046A (zh) | 一种电池工况的识别方法、装置、汽车及电子设备 | |
CN115618286A (zh) | 变压器局部放电类型识别方法、系统、设备、终端及应用 | |
CN111222688B (zh) | 一种商业楼宇的日负荷预测方法 | |
JP7193678B2 (ja) | 情報処理装置、情報処理方法、情報処理システム、およびプログラム | |
CN114660461A (zh) | 电池健康状态的评估方法、装置、电子设备和存储介质 | |
CN112037191A (zh) | 一种局域漏电流密度阈值的确定方法、装置和计算机设备 |
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 |