CN111200168B - 一种基于放电曲线分析的铅蓄电池自动配组方法 - Google Patents
一种基于放电曲线分析的铅蓄电池自动配组方法 Download PDFInfo
- Publication number
- CN111200168B CN111200168B CN202010023552.XA CN202010023552A CN111200168B CN 111200168 B CN111200168 B CN 111200168B CN 202010023552 A CN202010023552 A CN 202010023552A CN 111200168 B CN111200168 B CN 111200168B
- Authority
- CN
- China
- Prior art keywords
- class
- battery
- data
- matrix
- batteries
- 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
-
- 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
- H01M10/06—Lead-acid accumulators
- H01M10/12—Construction or manufacture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Abstract
本发明涉及一种基于放电曲线分析的铅蓄电池自动配组方法。电池组中单体电池的不一致性是造成动力电池组使用寿命缩短以及性能严重衰减的主要原因。通过对充放电曲线的配组是目前提高电池组内单体电池一致性最有效的方法。但是充放电曲线大量的数据使得配组的速度变得十分缓慢,因此本发明提出的方法可以很好的改善数据过多的状况。根据电池的放电曲线,采用数据预处理、数据分类和数据后处理这一系列步骤,将电池的配组成功率和配组性能进行了改善和提高。
Description
技术领域
本发明涉及铅酸蓄电池生产配组领域,尤其是涉及一种基于放电曲线分析的铅蓄电池自动配组方法。
背景技术
随着社会的进步与发展,人们对车辆需求呈爆发式增长,同时针对汽车碳排放量的逐渐增加,许多国家开始着眼于电动车的开发以及投入使用,对于电动车的需求日益增加,而作为电动车能源供应的来源-电池就显得尤为重要。电动车的电池主要是铅酸蓄电池,而铅酸蓄电池的实际使用寿命以及容量一直是电动车发展的难点,也是当今电动车生产商最为关注的问题之一。
在实际应用中,一节电池很难提供电动车所需的电压,同样容量也有限,因此铅酸蓄电池组通常是通过n(根据需要而定)节电池串联/并联组成。而铅酸电池个体参数会不一致,这些参数包括容量、开路电压、内阻等,由于参数的不一致性导致配组的电池组受到极大的影响,例如,当高容量电池和低容量电池配组在一起,在充放电的过程中,低容量的电池将会先结束充放电过程,导致高容量电池在大电压下进行充放电极大影响高容量电池的容量和寿命,从而导致整个电池组寿命下降,容量减小。
当今国内外已经有人提出了根据静态电压和终止电压来进行电池配组,将配组工作交给计算机进行处理,相比于传统工厂人工匹配,这种方法不仅速度快效率高,同时也节省了大量的成本。但是这种根据静态点和动态点进行配组的方法仍有很大的局限性,静态电压和终止电压只能粗略代表电池性能的某一部分。而电池的放电曲线更能完整体现电池的真实性能。
发明内容
本发明的目的是针对现有技术的不足,提供一种基于放电曲线分析的铅蓄电池自动配组方法。根据电池的放电曲线,采用数据预处理、数据分类和数据后处理这一系列步骤,将电池的配组成功率和配组性能进行了改善和提高。
本发明提出的配组方法主要包括以下步骤:
步骤(1)、获取若干个电池放电曲线上的若干个时间点上的电池电压值,作为预配组电池的电压数据。
对充电完成的铅酸蓄电池在固定放电电流下进行放电,从起始电压点开始每隔一定时间采集当前所有电池的电压到终止电压为止,得到每个电池的放电曲线;
步骤(2)、将步骤(1)得到的电压数据以矩阵形式进行主成分分析降维
2.1将上述x只电池的数据组成x行y列的矩阵L:
其中每一行表示一只电池的不同时间的电压值数据,x行表示有x个电池进行配组,每一列表示该电池在电池充放电曲线上某个时间的电压值,y列即表示一只电池的一条完整的充放电曲线上的y个时间点的电压;
2.2将矩阵L的每一列进行零均值化,得到一个零均值化的矩阵m;将零均值化的矩阵m乘以矩阵m的转置矩阵—mT即得到电池数据的协方差矩阵J;求出电池数据的协方差矩阵J的特征值以及每一个特征值所对应的特征向量;
所述的零均值化操作为每一列的每一个电压值减去该列的均值,其中均值的计算为该列所有电压值求和除以电池总数(即行数x);
2.3将电池数据的所有特征值从大到小进行排列,根据需要选出前d(d可以为2)个特征向量与矩阵L进行矩阵乘法运算,得到的结果作为降维后的输出。
步骤(3)、根据步骤(2)计算得到的前d个主成分分量进行N次k++聚类分组,并计算每次配组结果的聚类性能(聚类性能度量选择Calinski-Harabasz Index系数—一种计算类别分类结果的参数),选取聚类性能最佳的结果:
3.1随机选取k个初始聚类中心点作为最初的k个类中心点。k为要分成的类别数。
3.2将降维后的电池数据分别与k个类中心点进行欧式距离比较,并将其归属于距离最近的初始聚类中心所在的类。
其中xxi'表示x行i列降维后电池数据,xj"表示第j个类中心点,j=1,…,k;
3.3重新计算类中心:即将步骤3.2中得到的每一类的电池数据点进行求均值,得到新的类中心;返回至步骤3.2,直至类中心点不再变化;
其中n表示第j类的元素数目;
3.4当类中心点不再变化时,通过公式(1)计算Calinski-Harabasz Index系数并记录分类结果后,返回步骤3.1再次开始分类;直至重复步骤(3)N次时结束,并选取Calinski-Harabasz Index系数最大的分类结果作为最终的分类结果。
其中trB(j)表示第j类类间离差矩阵的迹,trW(j)表示第j类类内离差矩阵的迹。
步骤(4)、对类中心边缘点进行处理
4.1根据步骤(3)k类所有数据的中心点,获取k类中类中心点与其欧式距离最大的类作为第一类;剩余其他类按照以下规律进行排序,分别命名为第二至k类:第i类与第i-1类的类中心点欧式距离最近,其中2≤i≤k,i、k为正整数;
4.2对每一类的电池进行重新分配
1)获取当前类的电池总数h,根据公式(4)获取得到余数m;
m=MOD(h,C) 式(4)
其中C为电池的配组数,MOD()为余数函数;
2)从第i类中筛选出与第i-1类的类中心欧式距离最小的C-m个数据点;并将上述数据分割到第i-1类,构成新的第i-1类、第i类。
步骤(5)、对每一类的电池进行配组
根据层次聚类的思想,将第i类中的数据点与当前类类中心进行欧式距离比较,筛选出距离最大的点xkT'。
然后进一步筛选出与上述点xkT'欧式距离最小的C个电池,然后将上述C个电池配组,同时从该类中删除;重复操作直接该类内无电池为止。
为了使得组内电池差异性较小,以尽可能保证每个电池组中电池性能相近的同时又可以通过分散总体电池数据从而降低时间消耗。
步骤(6)、优化
为保证组内电池曲线接近,需要排出一些差异性个体,计算步骤(5)配成的每组电池的个体方差,判断是否存在方差大于阈值的个体,若是则将其从整体电池数据中剔除,若否则保存所有的电池序号对应的配组结果,存入本地文件或数据库中。
本发明的有益效果如下:
基于本发明方法的自动配组结果与已有方法的结果进行比较,提高了配组成功率,同时配组的电池组效果也有所提高。同时本方法不仅能使用于铅酸蓄电池的配组,同样对于其他种类的电池也有很好的适应性。
附图说明
图1为本发明方法流程图。
具体实施方式
下面对本发明的具体实现做进一步说明,能够使科研人员对本发明的思想有一个更加深刻的理解。
如图1一种基于放电曲线分析的铅蓄电池自动配组方法包括以下步骤:
步骤(1)、获取若干个电池放电曲线上的若干个时间点上的电池电压值,作为预配组电池的电压数据。
对充电完成的铅酸蓄电池在固定放电电流下进行放电,从起始电压点开始每隔一定时间采集当前所有电池的电压到终止电压为止,得到每个电池的放电曲线;
步骤(2)、将步骤(1)得到的电压数据以矩阵形式进行主成分分析降维
2.1将上述x只电池的数据组成x行y列的矩阵L:
其中每一行表示一只电池的不同时间的电压值数据,x行表示有x个电池进行配组,每一列表示该电池在电池充放电曲线上某个时间的电压值,y列即表示一只电池的一条完整的充放电曲线上的y个时间点的电压;
2.2将矩阵L的每一列进行零均值化,得到一个零均值化的矩阵m;将零均值化的矩阵m乘以矩阵m的转置矩阵—mT即得到电池数据的协方差矩阵J;求出电池数据的协方差矩阵J的特征值以及每一个特征值所对应的特征向量;
所述的零均值化操作为每一列的每一个电压值减去该列的均值,其中均值的计算为该列所有电压值求和除以电池总数(即行数x);
2.3将电池数据的所有特征值从大到小进行排列,根据需要选出前d(d可以为2)个特征向量与矩阵L进行矩阵乘法运算,得到的结果作为降维后的输出。
步骤(3)、根据步骤(2)计算得到的前d个主成分分量进行5次k++聚类分组,并计算每次配组结果的聚类性能(聚类性能度量选择Calinski-Harabasz Index系数—一种计算类别分类结果的参数),选取聚类性能最佳的结果:
3.1随机选取k个初始聚类中心点作为最初的k个类中心点。k为要分成的类别数。
3.2将降维后的电池数据分别与k个类中心点进行欧式距离比较,并将其归属于距离最近的初始聚类中心所在的类。
其中xxi'表示x行i列降维后电池数据,xj"表示第j个类中心点,j=1,…,k;
3.3重新计算类中心:即将步骤3.2中得到的每一类的电池数据点进行求均值,得到新的类中心;返回至步骤3.2,直至类中心点不再变化;
其中n表示第j类的元素数目;
3.4当类中心点不再变化时,通过公式(1)计算Calinski-Harabasz Index系数并记录分类结果后,返回步骤3.1再次开始分类;直至重复步骤(3)5次时结束,并选取Calinski-Harabasz Index系数最大的分类结果作为最终的分类结果。
其中trB(j)表示第j类类间离差矩阵的迹,trW(j)表示第j类类内离差矩阵的迹。
步骤(4)、对类中心边缘点进行处理
4.1根据步骤(3)k类所有数据的中心点,获取k类中类中心点与其欧式距离最大的类作为第一类;剩余其他类按照以下规律进行排序,分别命名为第二至k类:第i类与第i-1类的类中心点欧式距离最近,其中2≤i≤k,i、k为正整数;
4.2对每一类的电池进行重新分配
1)获取当前类的电池总数h,根据公式(4)获取得到余数m;
m=MOD(h,C) 式(4)
其中C为电池的配组数,MOD()为余数函数;
2)从第i类中筛选出与第i-1类的类中心欧式距离最小的C-m个数据点;并将上述数据分割到第i-1类,构成新的第i-1类、第i类。
步骤(5)、对每一类的电池进行配组
根据层次聚类的思想,将第i类中的数据点与当前类类中心进行欧式距离比较,筛选出距离最大的点xkT'。
然后进一步筛选出与上述点xkT'欧式距离最小的C个电池,然后将上述C个电池配组,同时从该类中删除;重复操作直接该类内无电池为止。
为了使得组内电池差异性较小,以尽可能保证每个电池组中电池性能相近的同时又可以通过分散总体电池数据从而降低时间消耗。
步骤(6)、优化
为保证组内电池曲线接近,需要排出一些差异性个体,计算步骤(5)配成的每组电池的个体方差,判断是否存在方差大于阈值的个体,若是则将其从整体电池数据中剔除,若否则保存所有的电池序号对应的配组结果,存入本地文件或数据库中。
本发明配组方法与已有方法配组结果对比如表1所示:
表1配组结果对比
配组方法 | 电池总数 | 配组数 | 方差总和 | 方差最小值 | 方差最大值 |
本发明方法配组 | 432 | 102 | 0.25283 | 1.35E-05 | 0.04495 |
图割法配组 | 432 | 92 | 0.26984 | 2.19E-06 | 0.00906 |
Claims (2)
1.一种基于放电曲线分析的铅蓄电池自动配组方法,其特征在于主要包括以下步骤:
步骤(1)、获取若干个电池放电曲线上的若干个时间点上的电池电压值,作为预配组电池的电压数据;
步骤(2)、将步骤(1)得到的电压数据以矩阵形式进行主成分分析降维;具体是:
2.1将x只电池的数据组成x行y列的矩阵L:
其中每一行表示一只电池的不同时间的电压值数据,x行表示有x个电池进行配组,每一列表示该电池在电池放电曲线上某个时间的电压值,y列表示一只电池的一条完整的放电曲线上的y个时间点的电压;
2.2将矩阵L的每一列进行零均值化,然后将零均值化的矩阵m乘以矩阵m的转置矩阵得到电池数据的协方差矩阵J;求出电池数据的协方差矩阵J的特征值以及每一个特征值所对应的特征向量;
2.3将电池数据的所有特征值从大到小进行排列,根据需要选出前d个特征向量与矩阵L进行矩阵乘法运算,得到前d个主成分分量;
步骤(3)、根据步骤(2)计算得到的前d个主成分分量进行N次k++聚类分组,并计算每次配组结果的聚类性能,选取聚类性能最佳的结果:
3.1随机选取k个初始聚类中心点作为最初的k个类中心点;
3.2将降维后的电池数据分别与k个类中心点进行欧式距离比较,并将其归属于距离最近的初始聚类中心所在的类;
其中xxi'表示x行i列降维后电池数据,xj"表示第j个类中心点,j=1,…,k;
3.3重新计算类中心:即将步骤3.2中得到的每一类的电池数据点进行求均值,得到新的类中心;返回至步骤3.2,直至类中心点不再变化;
其中n表示第j类的元素数目;
3.4当类中心点不再变化时,通过公式(1)计算Calinski-Harabasz Index系数并记录分类结果后,返回步骤3.1再次开始分类;直至重复步骤(3)N次时结束,并选取Calinski-Harabasz Index系数最大的分类结果作为最终的分类结果;
其中trB(j)表示第j类类间离差矩阵的迹,trW(j)表示第j类类内离差矩阵的迹;
步骤(4)、对类中心边缘点进行处理
4.1根据步骤(3)k类所有数据的中心点,获取k类中类中心点与其欧式距离最大的类作为第一类;剩余其他类按照以下规律进行排序,分别命名为第二至k类:第i类与第i-1类的类中心点欧式距离最近,其中2≤i≤k,i、k为正整数;
4.2对每一类的电池进行重新分配
1)获取当前类的电池总数h,根据公式(4)获取得到余数m;
m=MOD(h,C) 式(4)
其中C为电池的配组数,MOD()为余数函数;
2)从第i类中筛选出与第i-1类的类中心欧式距离最小的C-m个数据点;并将上述数据分割到第i-1类,构成新的第i-1类、第i类;
步骤(5)、对每一类的电池进行配组
将第i类中的数据点与当前类类中心进行欧式距离比较,筛选出距离最大的点xkT';然后进一步筛选出与上述点xkT'欧式距离最小的C个电池,然后将上述C个电池配组,同时从该类中删除;重复操作直接该类内无电池为止;
步骤(6)、优化
获取步骤(5)配成的每组电池的个体方差,判断是否存在方差大于阈值的个体,若是则将其从整体电池数据中剔除,若否则保存所有的电池序号对应的配组结果,存入本地文件或数据库中。
2.如权利要求1所述的一种基于放电曲线分析的铅蓄电池自动配组方法,其特征在于所述的零均值化操作为每一列的每一个电压值减去该列的均值,其中均值的计算为该列所有电压值求和除以电池总数x。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010023552.XA CN111200168B (zh) | 2020-01-09 | 2020-01-09 | 一种基于放电曲线分析的铅蓄电池自动配组方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010023552.XA CN111200168B (zh) | 2020-01-09 | 2020-01-09 | 一种基于放电曲线分析的铅蓄电池自动配组方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111200168A CN111200168A (zh) | 2020-05-26 |
CN111200168B true CN111200168B (zh) | 2021-01-05 |
Family
ID=70747258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010023552.XA Active CN111200168B (zh) | 2020-01-09 | 2020-01-09 | 一种基于放电曲线分析的铅蓄电池自动配组方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111200168B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114079094B (zh) * | 2021-11-22 | 2024-04-26 | 捷威动力工业江苏有限公司 | 一种动力电芯配组方法 |
Citations (9)
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 |
CN103785629A (zh) * | 2014-01-13 | 2014-05-14 | 国家电网公司 | 一种梯次利用锂电池筛选成组方法 |
CN105903692A (zh) * | 2016-05-19 | 2016-08-31 | 四川长虹电器股份有限公司 | 锂离子电池一致性筛选方法 |
CN106684475A (zh) * | 2017-01-16 | 2017-05-17 | 哈尔滨理工大学 | 一种磷酸铁锂电池的分选方法 |
CN107755295A (zh) * | 2017-10-19 | 2018-03-06 | 杭州电子科技大学 | 一种基于充放电曲线的铅酸蓄电池分类方法 |
CN109113729A (zh) * | 2018-06-20 | 2019-01-01 | 中国石油天然气集团有限公司 | 基于测井曲线的岩性识别方法及装置 |
CN109361007A (zh) * | 2018-09-14 | 2019-02-19 | 中国科学院自动化研究所 | 电池配组方法 |
CN110147808A (zh) * | 2019-03-26 | 2019-08-20 | 张锐明 | 一种新型电池成组筛选方法 |
CN110490263A (zh) * | 2019-08-23 | 2019-11-22 | 天津农学院 | 基于充放电曲线与模糊聚类的电池分选方法 |
-
2020
- 2020-01-09 CN CN202010023552.XA patent/CN111200168B/zh active Active
Patent Citations (11)
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 |
CN102544606B (zh) * | 2012-01-18 | 2014-02-05 | 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 |
CN103785629A (zh) * | 2014-01-13 | 2014-05-14 | 国家电网公司 | 一种梯次利用锂电池筛选成组方法 |
CN105903692A (zh) * | 2016-05-19 | 2016-08-31 | 四川长虹电器股份有限公司 | 锂离子电池一致性筛选方法 |
CN106684475A (zh) * | 2017-01-16 | 2017-05-17 | 哈尔滨理工大学 | 一种磷酸铁锂电池的分选方法 |
CN107755295A (zh) * | 2017-10-19 | 2018-03-06 | 杭州电子科技大学 | 一种基于充放电曲线的铅酸蓄电池分类方法 |
CN107755295B (zh) * | 2017-10-19 | 2019-10-18 | 杭州电子科技大学 | 一种基于充放电曲线的铅酸蓄电池分类方法 |
CN109113729A (zh) * | 2018-06-20 | 2019-01-01 | 中国石油天然气集团有限公司 | 基于测井曲线的岩性识别方法及装置 |
CN109361007A (zh) * | 2018-09-14 | 2019-02-19 | 中国科学院自动化研究所 | 电池配组方法 |
CN110147808A (zh) * | 2019-03-26 | 2019-08-20 | 张锐明 | 一种新型电池成组筛选方法 |
CN110490263A (zh) * | 2019-08-23 | 2019-11-22 | 天津农学院 | 基于充放电曲线与模糊聚类的电池分选方法 |
Non-Patent Citations (1)
Title |
---|
"基于K均值法与遗传算法的退役动力电池筛选";杨泓奕;《电源技术》;20191230;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111200168A (zh) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Consistency evaluation and cluster analysis for lithium-ion battery pack in electric vehicles | |
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 | |
CN111476435B (zh) | 基于密度峰值的充电桩负荷预测方法 | |
CN112103580B (zh) | 一种基于等效内阻的锂电池充电方法 | |
CN107024663A (zh) | 基于充电曲线特征kpca聚类的锂电池筛选方法 | |
CN113887601A (zh) | 一种基于聚类分选的退役动力电池重组方法 | |
CN112791997B (zh) | 一种退役电池梯次利用筛选的方法 | |
CN109361007B (zh) | 电池配组方法 | |
CN110490263A (zh) | 基于充放电曲线与模糊聚类的电池分选方法 | |
CN114726045B (zh) | 一种基于ipea-lstm模型的锂电池soh估计方法 | |
CN111200168B (zh) | 一种基于放电曲线分析的铅蓄电池自动配组方法 | |
CN115121507B (zh) | 一种低测试成本的退役动力电池分选方法 | |
CN109346787B (zh) | 一种电动汽车动力电池自适应优化充电方法 | |
CN115577614A (zh) | 基于二次聚类的电动汽车集群可调度容量建模方法 | |
CN115356647A (zh) | 一种锂离子电池寿命早期预测方法 | |
CN114798502B (zh) | 梯次利用电池的分类成组方法、系统及生产线 | |
CN117110884A (zh) | 基于多核相关向量机的锂电池剩余使用寿命预测方法 | |
CN116596129A (zh) | 一种电动汽车充电场站短期负荷预测模型构建方法 | |
CN115889245A (zh) | 一种锂电池一致性分选方法 | |
CN106845799B (zh) | 一种电池储能系统典型工况的评估方法 | |
Shen et al. | A Novel AI-based Method for EV Charging Load Profile Clustering | |
CN114280491A (zh) | 一种基于主动学习的退役电池剩余容量估计方法 | |
CN117706377B (zh) | 一种基于自适应聚类的电池不一致性辨识方法和装置 | |
Gao et al. | A Novel Battery Matching Algorithm Based On Discharge Curve | |
CN106874537B (zh) | 一种电池储能系统运行数据的典型工况构建方法 |
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 |