CN111487532B - 一种基于层次分析法和熵值法的退役电池筛选方法及系统 - Google Patents

一种基于层次分析法和熵值法的退役电池筛选方法及系统 Download PDF

Info

Publication number
CN111487532B
CN111487532B CN202010273168.5A CN202010273168A CN111487532B CN 111487532 B CN111487532 B CN 111487532B CN 202010273168 A CN202010273168 A CN 202010273168A CN 111487532 B CN111487532 B CN 111487532B
Authority
CN
China
Prior art keywords
battery
index
weight
evaluation
equal
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
Application number
CN202010273168.5A
Other languages
English (en)
Other versions
CN111487532A (zh
Inventor
李建林
马福元
陈新琪
王力
黄健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Lianzhi Huineng Technology Co ltd
Xinyuan Zhichu Energy Development Beijing Co ltd
North China University of Technology
Original Assignee
Beijing Lianzhi Huineng Technology Co ltd
Xinyuan Zhichu Energy Development Beijing Co ltd
North China University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Lianzhi Huineng Technology Co ltd, Xinyuan Zhichu Energy Development Beijing Co ltd, North China University of Technology filed Critical Beijing Lianzhi Huineng Technology Co ltd
Priority to CN202010273168.5A priority Critical patent/CN111487532B/zh
Publication of CN111487532A publication Critical patent/CN111487532A/zh
Application granted granted Critical
Publication of CN111487532B publication Critical patent/CN111487532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种基于层次分析法和熵值法的退役电池筛选方法及系统，方法包括：选取5个能够表现退役电池性能的电池参数作为评价指标；以层次分析法与专家打分法相结合的方式，偏主观地确定退役电池评价指标的定性权重；以熵值法客观地确定其指标的定量权重；将每个指标的定性权重与其定量权重的乘积作为该指标的综合权重；用简单加权法结合改进的理想解法的方式对退役电池进行综合评价打分。本发明设计合理，适用于大批量退役电池筛选场景，解决了退役电池筛选周期长、精度低的问题。

Description

一种基于层次分析法和熵值法的退役电池筛选方法及系统
技术领域
本发明涉及电池筛选领域，特别是涉及一种基于层次分析法和熵值法的退役电池筛选方法及系统。
背景技术
为了响应绿色与可持续发展战略，动力电池过去十年迎来爆发式的增长，由此，给包括退役电池筛选在内的退役电池梯次利用工作提出了挑战。目前退役电池筛选有采用深度充放电的方式计算电池实际容量，并于既定温度下静置电池获取自放电压值的方式，但其筛选周期长；而采用开路电压法提取健康因子对退役电池进行筛选的方法具有快速性，但存在精度不高的问题；采用卡尔曼滤波、粒子滤波、神经网络等算法估计电池等效电路模型的参数的方法精度高，但对电池类型的依赖性高，针对上述问题提出了一种基于层次分析法和熵值法的退役电池筛选方法。
发明内容
本发明的目的是提供一种基于层次分析法和熵值法的退役电池筛选方法及系统，缩短退役电池筛选周期、提高筛选精度。
为实现上述目的，本发明提供了如下方案：
一种基于层次分析法和熵值法的退役电池筛选方法，所述筛选方法包括：
获取相对独立的电池参数，并将所述电池参数作为评价指标；所述电池参数包括：电池直流内阻RDC、库伦效率CE、容量保持率SOH、温升ΔT和电压增量ΔV；
以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重；
采用熵值法确定评价指标的定量权重；
将每个评价指标的定性权重与定量权重的乘积作为该评价指标的综合权重；
基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选。
可选的，以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重具体包括：
构建成对比较矩阵；
获取所述成对比较阵的特征向量ξ＝(ξ1,ξ2,…,ξ5)；
对所述特征向量进行归一化处理，将归一化处理后的所述特征向量作为退役电池评估指标的定性权重；
判断成对比较阵中aij·ajk是否等于aik，若aij·ajk不等于aik，则选取其最大特征根对应的特征向量；其中，aik表示指标i相对于指标k在体现退役电池健康状态方面的重要性，aij表示指标i相对于指标j在体现退役电池健康状态方面的重要性，ajk表示指标j相对于指标k在体现退役电池健康状态方面的重要性；
判断所述最大特征根是否满足λ＜5.448，若不满足则重新建立成对比较阵，若满足，则确定评价指标的定性权重。
可选的，所述成对比较阵具体采用以下公式：
Figure BDA0002443846940000021
其中，aij为指标i相对于指标j在体现退役电池健康状态方面的重要性，且
Figure BDA0002443846940000022
1≤aij≤9；aij∈Z，1≤i≤5,1≤j≤5。
可选的，所述评价指标的定性权重具体采用以下公式：
Figure BDA0002443846940000023
其中，wI表示定性权向量，
Figure BDA0002443846940000024
表示各指标对应的定性权重，ξi表示特征向量ξ的第i维元素，ξk表示特征向量ξ的第k维元素，1≤i≤5,1≤k≤5。
可选的，所述采用熵值法确定评价指标的定量权重具体包括：
建立电池参数矩阵B；
Figure BDA0002443846940000031
其中，bi表示编号为i的退役电池的评价指标，bij表示编号为i的退役电池评价指标第j维指标值，N表示待筛选的电池数量；
对所述电池参数矩阵B做标准化处理；
基于所述标准化处理后的电池参数矩阵计算各维评价指标的熵值Hj以及评价指标的定量权向量wII。
可选的，对所述电池参数矩阵B做标准化处理具体采用以下公式：
Figure BDA0002443846940000032
其中，rij为编号为i的退役电池第j维指标的比重，N表示待筛选的电池数量，且1≤i≤N,1≤j≤5；
可选的，基于所述标准化处理后的电池参数矩阵计算各维评价指标的熵值Hj以及评价指标的定量权向量wII具体采用以下公式：
Figure BDA0002443846940000033
Figure BDA0002443846940000034
其中，Hj表示第j维评价指标的熵值，N表示待筛选的电池数量，wII表示定量权向量，
Figure BDA0002443846940000035
表示各指标对应的定量权重，Hi表示第i维评价指标的熵值，Hk表示第k维评价指标的熵值。
可选的，将每个评价指标的定性权重与定量权重的乘积作为该评价指标的综合权重具体采用以下公式：
Figure BDA0002443846940000036
Figure BDA0002443846940000037
表示各指标对应的定量权重，
Figure BDA0002443846940000038
表示各指标对应的定性权重；
可选的，基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选具体包括：
建立退役电池评价向量C；C＝(c1,c2,…,ci,…,cN)T＝B·w，其中B为电池参数矩阵，w为综合权重向量，ci为序号为i的退役电池的得分；
将所述退役电池按照得分从大到小进行排序得到分值向量D＝(d1,d2,…,dN)T；
将所述分值向量按照等级分割为多个分值向量D1～Dn；
令得分最高的电池单体指标为正理想解；所述正理想解为b+＝(bx,1,bx,2,…,bx,5)，其中，x为该电池单体编号；
计算剩余电池单体与正理想解的欧式距离Si；
Figure BDA0002443846940000041
其中，i为剩余电池单体的编号，1≤i≤N,i≠x，S为距离向量，bxj为编号为x的退役电池第j维指标值，且1≤i≤N,1≤j≤5；
将所述距离向量S从小到大进行排序，从上往下选取m-1个对应编号的电池单体与作为正理想解的电池单体匹配成组；其中，m为电池单体数量；
基于所述排序后的距离向量S和欧式距离Si对退役电池进行筛选。
本发明另外提供一种基于层次分析法和熵值法的退役电池筛选系统，所述筛选系统包括：
电池参数获取模块，用于获取相对独立的电池参数，并将所述电池参数作为评价指标；所述电池参数包括：电池直流内阻RDC、库伦效率CE、容量保持率SOH、温升ΔT和电压增量ΔV；
定性权重计算模块，用于以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重；
定量权重计算模块，用于采用熵值法确定评价指标的定量权重；
综合权重计算模块，用于将每个评价指标的定性权重与定量权重的乘积作为该评价指标的综合权重；
评价打分模块，用于基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提出一种基于层次分析法和熵值法的退役电池筛选方法，选取5个能够表现退役电池性能的电池参数作为评价指标；以层次分析法与专家打分法相结合的方式，偏主观地确定退役电池评价指标的定性权重；以熵值法客观地确定其指标的定量权重；将每个指标的定性权重与其定量权重的乘积作为该指标的综合权重；用简单加权法(simpleadditive weighting,SAW)结合改进的理想解法(improved technique for orderpreference by similarity to ideal solution,ITOPSIS)的方式对退役电池进行综合评价打分。本发明设计合理，适用于大批量退役电池筛选场景，解决了退役电池筛选周期长、精度低的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例基于层次分析法和熵值法的退役电池筛选方法流程图；
图2为本发明实施例基于层次分析法和熵值法的退役电池筛选系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于层次分析法和熵值法的退役电池筛选方法及系统，缩短退役电池筛选周期、提高筛选精度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例基于层次分析法和熵值法的退役电池筛选方法流程图，如图1所示，所述方法包括：
步骤101：获取相对独立的电池参数，并将所述电池参数作为评价指标；所述电池参数包括：电池直流内阻RDC、库伦效率CE、容量保持率SOH、温升ΔT和电压增量ΔV。
以下对5个指标进行说明：
电池直流内阻RDC与电池老化程度呈正相关，其值可以通过IEC测试以及构建戴维南等效电路等方式求解，其中IEC测试方法为：电池充满电后，以0.2C倍率对电池放电10s，记录电压U1，电流I1；接着以1C倍率放电1s，记录电压U2,电流I2；则电池直流内阻为：
Figure BDA0002443846940000061
库伦效率CE是指电池放电容量与同循环过程中充电容量之比，当充放电电压被限制在一定范围内时，可以被看作是恒电流单次循环测试中，剩余可逆锂离子数占参与本次循环的初始锂离子数的比例，与电池性能呈负相关。
容量保持率SOH即电池充满容量时相对额定容量的百分比，与电池老化程度呈负相关，其计算公式如下：
Figure BDA0002443846940000062
式中：Qdis为通过放电测试得到的电池剩余容量；Qr为电池额定容量。
温升ΔT是指电池工作电压被限制在一定范围内时，以指定工况正常运行一段时间后的电池温度Tb相对于环境温度T0的差值，与电池老化程度呈正相关：
ΔT＝Tb-T0
电压增量ΔV是指电池通过均压装置稳在一个确定电压V0之后，以固定倍率的脉冲充放电一定时间后电池的电压变化量的绝对值，与电池老化程度呈正相关：
ΔV＝|Vb-V0|
式中：Vb为测试结束时电池的开路电压。
步骤102：以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重。
其中为保证指标为效益型，取与电池老化程度呈正相关的参数的倒数作为其评价指标；
所述以专家打分法建立评价指标的成对比较阵，确定评价指标的定性权重具体包括：
构建成对比较矩阵；其中，
Figure BDA0002443846940000071
其中，aij为指标i相对于指标j在体现退役电池健康状态方面的重要性，且
Figure BDA0002443846940000072
1≤aij≤9；aij∈Z，1≤i≤5,1≤j≤5。如在后备电源应用方面，电池不需要频繁充放电，但需保证电池容量足够，且使用时电压降落不明显，则容量保持率SOH与电压增量ΔV分别相对于库伦效率CE的重要性为很高和较高，可分别取8和5。
获取所述成对比较阵的特征向量ξ＝(ξ1,ξ2,…,ξ5)；
对所述特征向量进行归一化处理，将归一化处理后的所述特征向量作为退役电池评估指标的定性权重；
判断成对比较阵中aij·ajk是否等于aik，若aij·ajk不等于aik，则选取其最大特征根对应的特征向量；其中，aik表示指标i相对于指标k在体现退役电池健康状态方面的重要性，aij表示指标i相对于指标j在体现退役电池健康状态方面的重要性，ajk表示指标j相对于指标k在体现退役电池健康状态方面的重要性；
判断所述最大特征根是否满足λ＜5.448，若不满足则重新建立成对比较阵，若满足，则确定评价指标的定性权重。
具体的，所述评价指标的定性权重具体采用以下公式：
Figure BDA0002443846940000081
其中，wI表示定性权向量，
Figure BDA0002443846940000082
表示表示各指标对应的定性权重，ξi表示特征向量ξ的第i维元素，ξk表示特征向量ξ的第k维元素，1≤i≤5,1≤k≤5。
步骤103：采用熵值法确定评价指标的定量权重。
所述采用熵值法确定评价指标的定量权重具体包括：
建立电池参数矩阵B；
Figure BDA0002443846940000083
其中，bi表示编号为i的退役电池的评价指标，bij表示编号为i的退役电池评价指标第j维指标值，N表示待筛选的电池数量；
对所述电池参数矩阵B做标准化处理；
基于所述标准化处理后的电池参数矩阵计算各维评价指标的熵值Hj以及评价指标的定量权向量wII。
对所述电池参数矩阵B做标准化处理具体采用以下公式：
Figure BDA0002443846940000084
其中，rij为编号为i的退役电池第j维指标的比重，N表示待筛选的电池数量，且1≤i≤N,1≤j≤5；
基于所述标准化处理后的电池参数矩阵计算各维评价指标的熵值Hj以及评价指标的定量权向量wII具体采用以下公式：
Figure BDA0002443846940000085
Figure BDA0002443846940000086
其中，Hj表示第j维评价指标的熵值，N表示待筛选的电池数量，wII表示定量权向量，
Figure BDA0002443846940000087
表示表示各指标对应的定量权重，Hi表示第i维评价指标的熵值，Hk表示第k维评价指标的熵值。
步骤104：将每个评价指标的定性权重与定量权重的乘积作为该评价指标的综合权重。
Figure BDA0002443846940000091
Figure BDA0002443846940000092
表示各指标对应的定量权重，
Figure BDA0002443846940000093
表示各指标对应的定性权重。
步骤105：基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选。
用简单加权法(SAW)结合改进的理想解法(ITOPSIS)的方式对退役电池进行综合评价打分并筛选。因退役电池单体筛选数量庞大而重组成模组时包含的单体数量不多，且退役电池的评价指标相对独立，因此选择简单加权法SAW对退役电池进行评价打分，保证筛选评估的高效性。根据电池得分将其再利用的工作环境分为几个等级：低功率电动车、电网储能、后备电源、家庭储能等，再以改进的理想解法ITOPSIS从每个等级中筛选一致性较好的退役电池进行匹配，以待重组使用，保证筛选的高精度。
具体的，基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选具体包括：
建立退役电池评价向量C；C＝(c1,c2,…,ci,…,cN)T＝B·w，其中B为电池参数矩阵，w为综合权重向量，ci为序号为i的退役电池的得分；
将所述退役电池按照得分从大到小进行排序得到分值向量D＝(d1,d2,…,dN)T；
将所述分值向量按照等级分割为多个分值向量D1～Dn，分别对应多个工作环境；
令得分最高的电池单体指标为正理想解；所述正理想解为b+＝(bx,1,bx,2,…,bx,5)，其中，x为该电池单体编号；
计算剩余电池单体与正理想解的欧式距离Si；
Figure BDA0002443846940000094
其中，i为剩余电池单体的编号，1≤i≤N,i≠x，S为距离向量，bxj为编号为x的退役电池第j维指标值，且1≤i≤N,1≤j≤5；
将所述距离向量S从小到大进行排序，从上往下选取m-1个对应编号的电池单体与作为正理想解的电池单体匹配成组；其中，m为电池单体数量；
基于所述排序后的距离向量S和欧式距离Si对退役电池进行筛选。
下面，假设需要匹配成组的电池单体数量为m，则可从第一级退役电池中选取连续的2m个电池单体，为保证匹配的电池组具有较好的性能与一致性，令得分最高的电池单体指标为正理想解，该电池单体编号为x，则正理想解为b+＝(bx,1,bx,2,…,bx,5)，计算剩余电池单体与正理想解的欧式距离Si，Si越小，代表电池单体i与正理想解的电池单体一致性越好。
将得到的距离向量S从小到大进行排序，从上往下选取m-1个对应编号的电池单体与作为正理想解的电池单体匹配成组，则完成数量为m的电池单体匹配，该等级下除此之外的电池以及其他等级的电池同理。至此完成退役电池筛选，得到一个科学合理且兼具高效性与高精度的退役电池筛选匹配结果。
图2为本发明实施例一种基于层次分析法和熵值法的退役电池筛选系统，如图2所示，所述筛选系统包括：
电池参数获取模块201，用于获取相对独立的电池参数，并将所述电池参数作为评价指标；所述电池参数包括：电池直流内阻RDC、库伦效率CE、容量保持率SOH、温升ΔT、电压增量和电压增量ΔV。
定性权重计算模块202，用于以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重。
定量权重计算模块203，用于采用熵值法确定评价指标的定量权重。
综合权重计算模块204，用于将每个评价指标的定性权重与定量权重的乘积作为该评价指标的综合权重。
评价打分模块205，用于基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种基于层次分析法和熵值法的退役电池筛选方法，其特征在于，所述筛选方法包括：
获取电池参数，并将所述电池参数作为评价指标；所述电池参数包括：电池直流内阻RDC、库伦效率CE、容量保持率SOH、温升ΔT和电压增量ΔV；
以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重；
采用熵值法确定评价指标的定量权重；
将每个评价指标的定性权重与定量权重的乘积作为该评价指标的综合权重；
基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选；
以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重具体包括：
构建成对比较矩阵；
获取所述成对比较矩阵的特征向量ξ＝(ξ1,ξ2,…,ξ5)；
对所述特征向量进行归一化处理，将归一化处理后的所述特征向量作为退役电池评估指标的定性权重；
判断成对比较阵中aij·ajk是否等于aik，若aij·ajk不等于aik，则选取其最大特征根对应的特征向量；其中，aik表示指标i相对于指标k在体现退役电池健康状态方面的重要性，aij表示指标i相对于指标j在体现退役电池健康状态方面的重要性，ajk表示指标j相对于指标k在体现退役电池健康状态方面的重要性；
判断所述最大特征根是否满足λ＜5.448，若不满足则重新建立成对比较阵，若满足，则确定评价指标的定性权重；
所述成对比较阵具体采用以下公式：
Figure FDA0003539848480000021
其中，aij为指标i相对于指标j在体现退役电池健康状态方面的重要性，且
Figure FDA0003539848480000022
1≤aij≤9；aij∈Z，1≤i≤5,1≤j≤5；
所述评价指标的定性权重具体采用以下公式：
Figure FDA0003539848480000023
其中，wI表示定性权向量，
Figure FDA0003539848480000024
表示各指标对应的定性权重，ξu表示特征向量ξ的第u维元素，ξv表示特征向量ξ的第v维元素，1≤u≤5,1≤v≤5；
所述采用熵值法确定评价指标的定量权重具体包括：
建立电池参数矩阵B；
Figure FDA0003539848480000025
其中，bl表示编号为l的退役电池的评价指标，blh表示编号为l的退役电池评价指标第h维指标值，N表示待筛选的电池数量；
对所述电池参数矩阵B做标准化处理；
基于所述标准化处理后的电池参数矩阵计算各维评价指标的熵值Hj以及评价指标的定量权向量wII；
对所述电池参数矩阵B做标准化处理具体采用以下公式：
Figure FDA0003539848480000026
其中，rlh为编号为l的退役电池第h维指标的比重，N表示待筛选的电池数量，且1≤l≤N,1≤h≤5；
基于所述标准化处理后的电池参数矩阵计算各维评价指标的熵值Hj以及评价指标的定量权向量wII具体采用以下公式：
Figure FDA0003539848480000031
Figure FDA0003539848480000032
其中，Hg表示第g维评价指标的熵值，N表示待筛选的电池数量，wII表示定量权向量，
Figure FDA0003539848480000033
表示各指标对应的定量权重，Hf表示第f维评价指标的熵值，He表示第e维评价指标的熵值。
2.根据权利要求1所述的基于层次分析法和熵值法的退役电池筛选方法，其特征在于，将每个评价指标的定性权重与定量权重的乘积作为该评价指标的综合权重具体采用以下公式：
Figure FDA0003539848480000034
Figure FDA0003539848480000036
表示各指标对应的定量权重，
Figure FDA0003539848480000035
表示各指标对应的定性权重。
3.根据权利要求1所述的基于层次分析法和熵值法的退役电池筛选方法，其特征在于，基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选具体包括：
建立退役电池评价向量C；C＝(c1,c2,…,cl,…,cN)T＝B·w其中B为电池参数矩阵，w为综合权重向量，cl为编号为l的退役电池的得分；N为待筛选的电池数量；
将所述退役电池按照得分从大到小进行排序得到分值向量D＝(d1,d2,…,dN)T；
将所述分值向量按照等级分割为多个分值向量D1～Dn；
令得分最高的电池单体指标为正理想解；所述正理想解为b+＝(bx,1,bx,2,…,bx,5)，其中，x为该电池单体编号；
计算剩余电池单体与正理想解的欧式距离Sr；
Figure FDA0003539848480000041
其中，r为剩余电池单体的编号，1≤r≤N,r≠x，S为距离向量，bxo为编号为x的退役电池第o维指标值，且1≤r≤N,1≤o≤5；
将所述距离向量S从小到大进行排序，从上往下选取m-1个对应编号的电池单体与作为正理想解的电池单体匹配成组；其中，m为电池单体数量；
基于所述排序后的距离向量S和欧式距离Sr对退役电池进行筛选。
4.一种基于层次分析法和熵值法的退役电池筛选系统，其特征在于，所述筛选系统包括：
电池参数获取模块，用于获取电池参数，并将所述电池参数作为评价指标；所述电池参数包括：电池直流内阻RDC、库伦效率CE、容量保持率SOH、温升ΔT和电压增量ΔV；
定性权重计算模块，用于以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重；
定量权重计算模块，用于采用熵值法确定评价指标的定量权重；
综合权重计算模块，用于将每个评价指标的定性权重与定量权重的乘积作为该评价指标的综合权重；
评价打分模块，用于基于所述综合权重采用简单加权法SAW结合改进的理想解法ITOPSIS对退役电池进行综合评价打分并筛选；
以所述电池参数作为评价指标并以专家打分法对两两指标间的作用强度做评价，确定评价指标的定性权重具体包括：
构建成对比较矩阵；
获取所述成对比较矩阵的特征向量ξ＝(ξ1,ξ2,…,ξ5)；
对所述特征向量进行归一化处理，将归一化处理后的所述特征向量作为退役电池评估指标的定性权重；
判断成对比较阵中aij·ajk是否等于aik，若aij·ajk不等于aik，则选取其最大特征根对应的特征向量；其中，aik表示指标i相对于指标k在体现退役电池健康状态方面的重要性，aij表示指标i相对于指标j在体现退役电池健康状态方面的重要性，ajk表示指标j相对于指标k在体现退役电池健康状态方面的重要性；
判断所述最大特征根是否满足λ＜5.448，若不满足则重新建立成对比较阵，若满足，则确定评价指标的定性权重；
所述成对比较阵具体采用以下公式：
Figure FDA0003539848480000051
其中，aij为指标i相对于指标j在体现退役电池健康状态方面的重要性，且
Figure FDA0003539848480000052
1≤aij≤9；aij∈Z，1≤i≤5,1≤j≤5；
所述评价指标的定性权重具体采用以下公式：
Figure FDA0003539848480000053
其中，wI表示定性权向量，
Figure FDA0003539848480000054
表示各指标对应的定性权重，ξu表示特征向量ξ的第u维元素，ξv表示特征向量ξ的第v维元素，1≤u≤5,1≤v≤5；
所述采用熵值法确定评价指标的定量权重具体包括：
建立电池参数矩阵B；
Figure FDA0003539848480000055
其中，bl表示编号为l的退役电池的评价指标，blh表示编号为l的退役电池评价指标第h维指标值，N表示待筛选的电池数量；
对所述电池参数矩阵B做标准化处理；
基于所述标准化处理后的电池参数矩阵计算各维评价指标的熵值Hj以及评价指标的定量权向量wII；
对所述电池参数矩阵B做标准化处理具体采用以下公式：
Figure FDA0003539848480000061
其中，rlh为编号为l的退役电池第h维指标的比重，N表示待筛选的电池数量，且1≤l≤N,1≤h≤5；
基于所述标准化处理后的电池参数矩阵计算各维评价指标的熵值Hj以及评价指标的定量权向量wII具体采用以下公式：
Figure FDA0003539848480000062
Figure FDA0003539848480000063
其中，Hg表示第g维评价指标的熵值，N表示待筛选的电池数量，wII表示定量权向量，
Figure FDA0003539848480000064
表示各指标对应的定量权重，Hf表示第f维评价指标的熵值，He表示第e维评价指标的熵值。
CN202010273168.5A 2020-04-09 2020-04-09 一种基于层次分析法和熵值法的退役电池筛选方法及系统 Active CN111487532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010273168.5A CN111487532B (zh) 2020-04-09 2020-04-09 一种基于层次分析法和熵值法的退役电池筛选方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010273168.5A CN111487532B (zh) 2020-04-09 2020-04-09 一种基于层次分析法和熵值法的退役电池筛选方法及系统

Publications (2)

Publication Number Publication Date
CN111487532A CN111487532A (zh) 2020-08-04
CN111487532B true CN111487532B (zh) 2022-10-25

Family

ID=71812750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010273168.5A Active CN111487532B (zh) 2020-04-09 2020-04-09 一种基于层次分析法和熵值法的退役电池筛选方法及系统

Country Status (1)

Country Link
CN (1) CN111487532B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465271B (zh) * 2020-12-16 2023-05-23 北方工业大学 一种面向储能平抑风电波动场景的储能电池选型方法
CN112547569B (zh) * 2021-02-22 2021-06-11 北京每日优鲜电子商务有限公司 物品分拣设备控制方法、装置、设备和计算机可读介质
CN113673719A (zh) * 2021-08-24 2021-11-19 华南理工大学 考虑电池二次利用的电池更换方法、系统、装置及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000100478A (ja) * 1998-09-18 2000-04-07 Matsushita Electric Ind Co Ltd 電池特性の解析方法及びそれを用いた解析装置
CN106253294A (zh) * 2016-10-20 2016-12-21 广东电网有限责任公司佛山供电局 智能电网的储能调度方法和装置
CN107576916A (zh) * 2017-09-21 2018-01-12 中国检验检疫科学研究院 一种退役动力电池的再利用方式的测试方法
CN109460926A (zh) * 2018-11-14 2019-03-12 江苏电力信息技术有限公司 基于层次分析法和熵值法的台区资产组综合绩效评价方法
CN109546188A (zh) * 2018-10-11 2019-03-29 中国电力科学研究院有限公司 液流电池储能多属性综合评估方法
CN109800950A (zh) * 2018-12-17 2019-05-24 国家电网有限公司 基于层次分析法的梯次利用电池储能系统性能评估方法
CN110929791A (zh) * 2019-11-27 2020-03-27 北京交通大学 梯次利用电池的应用场景选择方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8446127B2 (en) * 2005-08-03 2013-05-21 California Institute Of Technology Methods for thermodynamic evaluation of battery state of health
CN110751378A (zh) * 2019-09-29 2020-02-04 中广核工程有限公司 一种核设施退役方案评价方法以及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000100478A (ja) * 1998-09-18 2000-04-07 Matsushita Electric Ind Co Ltd 電池特性の解析方法及びそれを用いた解析装置
CN106253294A (zh) * 2016-10-20 2016-12-21 广东电网有限责任公司佛山供电局 智能电网的储能调度方法和装置
CN107576916A (zh) * 2017-09-21 2018-01-12 中国检验检疫科学研究院 一种退役动力电池的再利用方式的测试方法
CN109546188A (zh) * 2018-10-11 2019-03-29 中国电力科学研究院有限公司 液流电池储能多属性综合评估方法
CN109460926A (zh) * 2018-11-14 2019-03-12 江苏电力信息技术有限公司 基于层次分析法和熵值法的台区资产组综合绩效评价方法
CN109800950A (zh) * 2018-12-17 2019-05-24 国家电网有限公司 基于层次分析法的梯次利用电池储能系统性能评估方法
CN110929791A (zh) * 2019-11-27 2020-03-27 北京交通大学 梯次利用电池的应用场景选择方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Comprehensive Evaluation Model of Decommissioned Battery for Electric Vehicles Based on AHP-CRITIC;Na Yu 等;《Proceedings of PURPLE MOUNTAIN FORUM 2019-International Forum on Smart Grid Protection and Control》;20190808;103-114 *
报废动力电池回收预处理方案及技术研究;彭结林;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》;20170715;B027-262 *

Also Published As

Publication number Publication date
CN111487532A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN111487532B (zh) 一种基于层次分析法和熵值法的退役电池筛选方法及系统
CN109031145B (zh) 一种考虑不一致性的串并联电池组模型及实现方法
CN111007417A (zh) 基于不一致性评估的电池组soh和rul预测方法及系统
CN103792495B (zh) 基于德尔菲法和灰色关联理论的电池性能评价方法
CN111537899A (zh) 一种梯次利用动力电池安全性评估方法
CN110350240B (zh) 锂离子电池分容方法及锂离子电池
CN106356554B (zh) 电池配组方法及装置
CN107015158B (zh) 基于恒流放电片段的锂电池剩余寿命在线快速检测法
CN104156791A (zh) 基于ls-svm的概率集成学习锂离子电池剩余寿命预测方法
CN109782190A (zh) 用于估计单颗电池或单批电池的剩余使用寿命的方法
CN111974709B (zh) 基于温度变化聚类分析的退役动力锂电池筛选方法及系统
CN111366864B (zh) 一种基于固定压升区间的电池soh在线估计方法
CN111064253A (zh) 一种基于平均离散Fréchet距离的电池健康度快速评估方法
CN113848480A (zh) 锂电池分容工艺的放电总容量预测方法
Lu et al. Modeling discharge characteristics for predicting battery remaining life
CN113807039A (zh) 一种串联型电池系统的功率状态预测方法
CN112701757A (zh) 电池组在线均衡方法及系统
CN110187281B (zh) 基于充电阶段健康特征的锂电池健康状态估算的方法
CN114636948A (zh) 一种储能系统寿命评估方法、装置、电子设备及存储介质
CN113206508A (zh) 基于预测的微电网储能电池主动均衡方法
CN114779103A (zh) 一种基于时滞卷积神经网络的锂离子电池soc估计方法
CN107576916A (zh) 一种退役动力电池的再利用方式的测试方法
CN108446494B (zh) 一种用于电池模组或系统的均衡算法
CN115980612A (zh) 一种卫星电池组健康状态评估方法、系统及设备
CN115308623A (zh) 一种基于粒子重采样与搜寻者优化算法的电池荷电状态估计方法

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
TA01 Transfer of patent application right

Effective date of registration: 20220907

Address after: 100144 Beijing City, Shijingshan District Jin Yuan Zhuang Road No. 5

Applicant after: NORTH CHINA University OF TECHNOLOGY

Applicant after: Beijing Lianzhi Huineng Technology Co.,Ltd.

Applicant after: Xinyuan Zhichu energy development (Beijing) Co.,Ltd.

Address before: 100144 Beijing City, Shijingshan District Jin Yuan Zhuang Road No. 5

Applicant before: NORTH CHINA University OF TECHNOLOGY

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant