CN111816936A - 电池梯次利用配组方法、系统、终端设备及存储介质 - Google Patents
电池梯次利用配组方法、系统、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111816936A CN111816936A CN202010598155.5A CN202010598155A CN111816936A CN 111816936 A CN111816936 A CN 111816936A CN 202010598155 A CN202010598155 A CN 202010598155A CN 111816936 A CN111816936 A CN 111816936A
- Authority
- CN
- China
- Prior art keywords
- characteristic
- battery
- grouping
- data
- single 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.)
- Granted
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
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请提供了一种电池梯次利用配组方法、系统、终端设备及存储介质,该方法包括:对退役电池组中的单体电池进行特性测试,得到电池特性数据;根据预设梯次利用场景对电池特性数据中的特性参数进行层次分析,以确定单体电池的配组影响权重;根据配组影响权重对电池特性数据进行数据筛选,得到样本数据;对样本数据中的单体电池进行聚类计算,并根据聚类计算结果对单体电池进行配组。本申请通过对特性参数进行层次分析的设计,有确定每个特性参数在预设梯次利用场景中的重要性,提高了电池特性数据筛选的准确性,通过对单体电池进行聚类计算的设计,能计算不同单体电池之间的相似性,基于聚类计算结果对单体电池进行配组,提高了电池配组的准确性。
Description
技术领域
本申请属于电池筛选配组领域,尤其涉及一种电池梯次利用配组方法、系统、终端设备及存储介质。
背景技术
随着电动汽车的快速发展和应用,电动汽车电池的规模也日渐扩大,电动汽车对电池的性能要求较高。为了确保电动汽车的动力性能、续驶里程和运行过程中的安全性能,当电池的稳定性能下降或电池容量衰减到额定容量的70-80%时,就须更换电池。电动汽车退役的电池组具有较高的剩余容量,检测这些退役的电池组,了解电池组的性能状况即可筛选和重新配组将其应用于对电池性能要求相对较低的场合,实现电池的梯次利用。
电池组在制造过程中,由于制造工艺稳定性、原材料一致性、环境控制稳定性、设备稳定性等原因,导致电池先天性的性能差异不大。电池系统成组时做过筛选,将性能差别不大的电池组成电池系统,电池系统在长期的应用中,由于电池应用的动力控制不同、电池成组方式不同、汽车运行工况不同、电池使用时间与环境不同,这就导致电池老化程度不同、性能差异也变大,因此,退役电池组梯次利用之前,必须进行再次筛选配组,以提高电池组的循环寿命以及安全可靠性。
现有的电池梯次利用配组方法,对退役电池中的单体电池进行特性测试得到电池特性数据后,基于电池特性数据采用人工配组的方式进行单体电池的筛选配组,进而导致电池配组准确性低下。
发明内容
本申请实施例提供了一种电池梯次利用配组方法、系统、终端设备及存储介质,旨在解决现有的电池梯次利用配组过程中,由于采用人工配组的方式进行单体电池的筛选配组,所导致的电池配组准确性低下的问题。
第一方面,本申请实施例提供了一种电池梯次利用配组方法,所述方法包括:
对退役电池组中的单体电池进行特性测试,得到电池特性数据;
根据预设梯次利用场景对所述电池特性数据中的特性参数进行层次分析,以确定所述单体电池的配组影响权重,所述配组影响权重中存储有不同所述特性参数对应的权重系数,所述权重系数用于表征所述特性参数在所述预设梯次利用场景中的重要性;
根据所述配组影响权重对所述电池特性数据进行数据筛选,得到样本数据;
对所述样本数据中的所述单体电池进行聚类计算,并根据聚类计算结果对所述单体电池进行配组,所述聚类计算用于计算所述样本数据中不同所述单体电池之间的相似性。
本申请实施例与现有技术相比存在的有益效果是:通过对电池特性数据中的特性参数进行层次分析的设计,能有效的确定每个特性参数在预设梯次利用场景中的重要性,进而提高了电池特性数据筛选的准确性,通过对样本数据中的单体电池进行聚类计算的设计,能有效计算不同单体电池之间的相似性,并基于聚类计算结果对单体电池进行配组,有效的提高了电池配组的准确性。
进一步地,所述根据预设梯次利用场景对所述电池特性数据中的特性参数进行层次分析,以确定所述单体电池的配组影响权重,包括:
根据所述预设梯次利用场景中的预设比较尺度对不同所述特性参数之间进行比较,以构建判断矩阵,所述判断矩阵中的矩阵元素为对应两个所述特性参数之间的比较尺度值;
根据所述判断矩阵计算所述特性参数的特征向量,并根据所述特征向量计算所述判断矩阵的一致性比率;
若所述一致性比率小于预设比率,则判定所述判断矩阵的一致性检测合格,对所述特征向量进行归一化计算,得到所述配组影响权重。
进一步地,所述根据所述配组影响权重对所述电池特性数据进行数据筛选,得到样本数据,包括:
根据所述配组影响权重分别对所述电池特性数据中的所述特性参数进行权重计算,得到配组权重值;
若所述配组权重值小于权重阈值,则将所述配组权重值对应的所述电池特性数据进行删除;
将剩余的所述电池特性数据设置为所述样本数据。
进一步地,所述对所述样本数据中的所述单体电池进行聚类计算,包括:
以所述电池特性数据中的特性参数为坐标轴建立空间坐标系,并根据所述电池特性数据中的所述特性参数对应的数值绘制所述单体电池的特性点;
分别计算所述特性点到其他特性点之间的距离,并根据所述距离确定所述特性点的邻域子样本集;
若所述邻域子样本集中特性点的数量大于预设数量,则将所述邻域子样本集对应的所述特性点设置为核心点;
对不同所述核心点之间进行密度可达检测,并将同一个密度可达关系内的所述核心点构建为一个簇,所述簇包括对应所述密度可达关系内不同所述核心点对应的所述邻域子样本集。
进一步地,所述根据聚类计算结果对所述单体电池进行配组,包括:
分别获取每个所述簇内的所述核心点和所述邻域子样本集中所述特性点对应的所述电池特性数据;
将同一个所述簇内的所述电池特性数据对应的所述单体电池分配至同一个配组中。
进一步地,所述将同一个密度可达关系内的所述核心点构建为一个簇之后,还包括:
计算所述簇中所述特性点的轮廓系数,并计算所述轮廓系数的平均值,得到平均系数,所述平均系数用于表征所述簇的聚类效果;
根据所述平均系数对所述簇进行聚类标记;
计算所述所述轮廓系数所采用的计算公式为:
s(i)=(b(i)–a(i))/max{a(i),b(i)};
其中,s(i)为所述特性点i的轮廓系数,a(i)为所述特性点i与同一个所述簇中不同特性点之间的平均距离,b(i)为所述特性点i与不同所述簇中特性点之间的平均距离。
进一步地,计算所述特性参数的所述特征向量采用的算法包括方根算法、迭代算法或求和算法。
第二方面,本申请实施例提供了一种电池梯次利用配组系统,包括:
特性测试模块,用于对退役电池组中的单体电池进行特性测试,得到电池特性数据;
层次分析模块,用于根据预设梯次利用场景对所述电池特性数据中的特性参数进行层次分析,以确定所述单体电池的配组影响权重,所述配组影响权重中存储有不同所述特性参数对应的权重系数,所述权重系数用于表征所述特性参数在所述预设梯次利用场景中的重要性;
数据筛选模块,用于根据所述配组影响权重对所述电池特性数据进行数据筛选,得到样本数据;
电池配组模块,用于对所述样本数据中的所述单体电池进行聚类计算,并根据聚类计算结果对所述单体电池进行配组,所述聚类计算用于计算所述样本数据中不同所述单体电池之间的相似性。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述的方法。
第四方面,本申请实施例提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的电池梯次利用配组方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请第一实施例提供的电池梯次利用配组方法的流程图;
图2是本申请第二实施例提供的电池梯次利用配组方法的流程图;
图3是本申请第三实施例提供的电池梯次利用配组方法的流程图;
图4是本申请第四实施例提供的电池梯次利用配组方法的流程图;
图5是本申请第五实施例提供的电池梯次利用配组系统的结构示意图;
图6是本申请第六实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
实施例一
请参阅图1,是本申请第一实施例提供的电池梯次利用配组方法的流程图,包括步骤:
步骤S10,对退役电池组中的单体电池进行特性测试,得到电池特性数据;
其中,该特性测试包含但不仅限于:容量充放电效率测试、充放电平衡电势曲线及等效内阻测试和动力电池循环测试等,该电池特性数据为对应单体电池的特性测试结果,该电池特性数据包括不同特性参数对应的数值,该特性参数包括电池容量、放电总能量、充电总能量、电池充放电电动势与等效电阻、充放电电动势等效内阻、循环充电总能量或循环放电总能量等。
具体的,计算电池容量Qd所采用的计算公式为:
其中,Id(τ)是放电过程中检测到的实时电流大小,t(d)是放电所需要的时间,dτ为微分系数。
计算放电总能量Wd所采用的计算公式为:
其中,Ud(τ)、Id(τ)分别是放电过程中所监测到的实时电压、电流值的大小,t(d)是放电所需要的时间。
计算充电总能量Wc所采用的计算公式为:
其中,Uc(τ)、Ic(τ)分别是充电过程中所监测到的实时电压、电流值的大小,t(c)是放电所需要的时间。
计算充放电电动势等效内阻Ricn所采用的计算公式为:
Ricn=(Uocvcn-Ucn)/Ic(Ω)---公式4;
其中,Uocvcn为开路实时电压,Ucn为第n次充电过程中的实时电压,Ic为放电电流;
计算循环充电总能量Wcn所采用的计算公式为:
其中,Ucn(τ)、Icn(τ)分别是充电过程中所监测到的实时电压、电流值的大小,t(cn)是n次充电所需要的时间。
计算循环放电总能量Wdn所采用的计算公式为:
其中,Udn(τ)、Idn()分别是放电过程中所监测到的实时电压、电流值的大小,t(dn)是n次循环放电所需要的时间。
步骤S20,根据预设梯次利用场景对所述电池特性数据中的特性参数进行层次分析,以确定所述单体电池的配组影响权重;
其中,所述配组影响权重中存储有不同所述特性参数对应的权重系数,所述权重系数用于表征所述特性参数在所述预设梯次利用场景中的重要性,层次分析简称AHP,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。
可选的,该预设梯次利用场景可以根据需求进行设置,例如,该预设梯次利用场景可以设置为储电站梯次利用场景、通信基站梯次利用场景或低速车(电动自行车、电动三轮车、低速电动汽车)梯次利用场景等。
该步骤,该预设梯次利用场景中存储有预设比较尺度,该预设比较尺度包括不同特性参数之间的因素比较关系,该因素比较关系包括同等重要、稍微重要、较强重要、强烈重要、极端重要或两相邻判断的中间值,且针对不同的因素比较关系对应设置有比较尺度值,同等重要的尺度值为1、稍微重要的尺度值为3、较强重要的尺度值为5、强烈重要的尺度值为7、极端重要的尺度值为9、两相邻判断的中间值对应的尺度值为2,4,6,8,例如,在预设比较尺度中电池容量比放电总能量极端重要时,则电池容量比放电总能量之间的比较尺度值为9。
该步骤中,根据该预设梯次利用场景和电池特性数据中的特性参数构建层次结构模型,根据该层次结构模型和预设比较尺度建立判断矩阵,并根据该判断矩阵以确定单体电池的配组影响权重,该判断矩阵中的矩阵元素为对应两个特性参数之间的比较尺度值。
步骤S30,根据所述配组影响权重对所述电池特性数据进行数据筛选,得到样本数据;
其中,基于该配组影响权重中存储的权重系数,对该电池特性数据中特性参数进行权重计算,并基于权重计算结果以判断该电池特性数据对应的单体电池是否满足电池配组条件。
该步骤中,当判断到该电池特性数据对应的单体电池不满足电池配组条件,则判定该单体电池在预设梯次利用场景中并不适用,即针对该单体电池不进行配组使用。
具体的,该步骤中,根据该配组影响权重与特性参数之间的权重计算结果,将不满足电池配组条件的电池特性数据和对应单体电池进行删除,以达到对电池特性数据的数据筛选效果。
步骤S40,对所述样本数据中的所述单体电池进行聚类计算,并根据聚类计算结果对所述单体电池进行配组;
其中,该聚类计算用于计算样本数据中不同所述单体电池之间的相似性,可选的,该步骤中,采用DBSCAN算法(Density-Based Spatial Clustering of Applications withNoise,具有噪声的基于密度的聚类方法)对样本数据中的单体电池进行聚类计算,DBSCAN算法根据电池特性数据将对应单体电池映射为特性点,通过计算不同特性点之间的距离,进行簇的构建,并以簇为配组单位进行单体电池的配组,即将同一个簇中的特性点对应的单体电池分配至同一个电池配组中,该步骤中,该距离用于表征两个特性点对应的单体电池之间的相似性,当该距离越大,则两个特性点对应的单体电池之间越不相似。
本实施例中,通过对电池特性数据中的特性参数进行层次分析的设计,能有效的确定每个特性参数在预设梯次利用场景中的重要性,进而提高了电池特性数据筛选的准确性,通过对样本数据中的单体电池进行聚类计算的设计,能有效计算不同单体电池之间的相似性,并基于聚类计算结果对单体电池进行配组,有效的提高了电池配组的准确性。
实施例二
请参阅图2,是本申请第二实施例提供的电池梯次利用配组方法的流程图,该第二实施例用于对第一实施例中步骤S20进行细化,以细化描述如何根据预设梯次利用场景对电池特性数据中的特性参数进行层次分析的步骤,包括步骤:
步骤S21,根据所述预设梯次利用场景中的预设比较尺度对不同所述特性参数之间进行比较,以构建判断矩阵;
其中,以预设梯次利用场景为目标层、特性参数为准则层构建层次结构模型,将该层次结构模型中的特性参数进行两两比较,并根据比较结果和该预设比较尺度构建判断矩阵,该判断矩阵中的矩阵元素为对应两个特性参数之间的比较尺度值。
步骤S22,根据所述判断矩阵计算所述特性参数的特征向量,并根据所述特征向量计算所述判断矩阵的一致性比率;
其中,计算所述特性参数的所述特征向量采用的算法包括方根算法、迭代算法或求和算法。
具体的,计算判断矩阵的一致性比率CR所采用的计算公式为:
CI=(λmax-n)/n-1;
CR=CI/RI;
其中,CI是判断矩阵的一致性指标,λmax是判断矩阵的最大特征值,n是判断矩阵的矩阵阶乘,RI是平均随机一致性指标,RI的值与判断矩阵的矩阵阶乘之间为固定对应关系,n=1~12时,RI分别对应为0,0,0.52,0.89,1.12,1.26,1.36,1.41,1.46,1.49,1.52,1.54。
步骤S23,若所述一致性比率小于预设比率,则判定所述判断矩阵的一致性检测合格,对所述特征向量进行归一化计算,得到所述配组影响权重;
其中,该预设比率可以为0.1,当该一致性比率小于0.1时,则判定该判断矩阵满足一致性,通过该对该特征向量进行归一化计算的设计,以将该特征向量转换为权重系数,且使得所有权重系数之间的和为1。
可选的,若所述一致性比率大于或等于预设比率,则判定判断矩阵的一致性检测不合格,针对该预设比较尺度发送设置错误提示,以提示用户针对该预设比较尺度进行修改,直至检测到该判断矩阵一致性检测合格。
本实施例中,通过构建判断矩阵的设计,以采用矩阵的形式表示不同特性参数之间的重要性比值,通过根据特征向量计算判断矩阵的一致性比率的设计,以判断该判断矩阵的一致性检测是否合格,并基于该判断矩阵能有效的计算每个特性参数在该预设梯次利用场景中对应的重要性(权重系数),以得到该配组影响权重。
实施例三
请参阅图3,是本申请第三实施例提供的电池梯次利用配组方法的流程图,该第二实施例用于对第一实施例中步骤S30进行细化,以细化描述如何根据配组影响权重对电池特性数据进行数据筛选的步骤,包括步骤:
步骤S31,根据所述配组影响权重分别对所述电池特性数据中的所述特性参数进行权重计算,得到配组权重值;
其中,该配组影响权重中存储有不同特性参数对应的权重系数;
例如,该配组影响权重包括第一特性参数对应的第一权重系数、第二特性参数对应的第二权重系数和第三特性参数对应的第三权重系数,电池特性数据包括第一特性参数对应的第一数值、第二特性参数对应的第二数值和第三特性参数对应的第三数值,则分别计算第一权重系数与第一数值之间、第二权重系数与第二数值之间、第三权重系数与第三数值之间的乘积,并将计算得到的乘积求和,得到该配组权重值。
步骤S32,若所述配组权重值小于权重阈值,则将所述配组权重值对应的所述电池特性数据进行删除;
其中,该权重阈值可以根据需求进行参数值的设置,当判断到配组权重值小于权重阈值,则判定该配组权重值对应的电池特性数据对应的单体电池在预设梯次利用场景中并不适用,即针对该单体电池不进行配组使用。
步骤S33,将剩余的所述电池特性数据设置为所述样本数据。
本实施例中,通过对配组权重值与权重阈值之间的大小比较,以判断对应单体电池在预设梯次利用场景中是否适用,并将不适用的电池特性数据和对应单体电池进行删除,以达到对电池特性数据的数据筛选效果,提高了电池配组的准确性。
实施例四
请参阅图4,是本申请第四实施例提供的电池梯次利用配组方法的流程图,该第二实施例用于对第一实施例中步骤S40进行细化,以细化描述如何对样本数据中的单体电池进行聚类计算的步骤,包括步骤:
步骤S41,以所述电池特性数据中的特性参数为坐标轴建立空间坐标系,并根据所述电池特性数据中的所述特性参数对应的数值绘制所述单体电池的特性点;
其中,以电池特性数据中的特性参数为坐标轴建立空间坐标系,当空间坐标系的维度与电池特性数据中的特性参数的数量相同,例如,当该电池特性数据中的特性参数包括电池容量、放电总能量和充电总能量,则该空间坐标系为三维坐标系。
具体的,该步骤中,以每个坐标轴对应特性参数的数值为坐标值,以绘制电池特性数据对应的特性点,假设该特性参数包括电池容量、放电总能量和充电总能量,该电池特性数据中电池容量、放电总能量和充电总能量对应的数值为s1、s2和s3时,则该电池特性数据对应的特性点在该空间坐标系中的坐标为(s1,s2,s3)。
步骤S42,分别计算所述特性点到其他特性点之间的距离,并根据所述距离确定所述特性点的邻域子样本集;
其中,根据预设邻域半径分别绘制每个特性点的邻域区域,并将邻域区域内的特性点进行集合,得到该特性点的邻域子样本集;
例如,本实施例中,该退役电池组包括单体电池h1、单体电池h2和单体电池h3,单体电池h1、单体电池h2和单体电池h3对应的电池特性数据为特性数据g1、特性数据g2和特性数据g3,特性数据g1、特性数据g2和特性数据g3对应的特性点为特性点p1、特性点p2和特性点p3;
针对特性点p1,若计算得到的特性点p1与特性点p2之间的距离为S1,特性点p1与特性点p3之间的距离为S2,且S1小于预设邻域半径,S2大于预设邻域半径,则将该特性点p2归入特性点p1的邻域子样本集中,将特性点p1归入特性点p2的邻域子样本集中。
步骤S43,若所述邻域子样本集中特性点的数量大于预设数量,则将所述邻域子样本集对应的所述特性点设置为核心点;
其中,该预设数量可以根据需求进行设置,例如,该预设数量可以设置为3个、4个或20个等,当该预设数量为3个时,则分别判断每个邻域子样本集中特性点的数量是否大于3;
若邻域子样本集中特性点的数量大于3,则将该邻域子样本集对应的特性点设置为核心点,每个核心点对应的邻域区域内的特性点均大于3个,且核心点与对应邻域子样本集中的任一特性点之间的距离小于预设邻域半径。
可选的,当该邻域子样本集中特性点的数量小于预设数量,则将该邻域子样本集对应的特性点标记为噪声点,并将该噪声点进行删除。
步骤S44,对不同所述核心点之间进行密度可达检测,并将同一个密度可达关系内的所述核心点构建为一个簇;
其中,通过判断不同核心点之间的距离是否小于预设邻域半径,以判断对应两核心点之间是否密度可达,若不同核心点之间的距离小于预设邻域半径,则对应两核心点之间密度可达,并将密度可达的两个核心点的邻域子样本集进行集合以构建一个簇,该簇包括对应密度可达关系内不同核心点对应的邻域子样本集,可以理解的,该簇必然包括对应密度可达关系的核心点。
此外,本实施例中,所述将同一个密度可达关系内的所述核心点构建为一个簇的步骤之后,所述方法还包括:
计算所述簇中所述特性点的轮廓系数,计算所述轮廓系数的平均值,得到平均系数,并根据所述平均系数对所述簇进行聚类标记,其中,所述平均系数用于表征所述簇的聚类效果。
具体的,计算所述所述轮廓系数所采用的计算公式为:
s(i)=(b(i)–a(i))/max{a(i),b(i)};
其中,s(i)为所述特性点i的轮廓系数,a(i)为所述特性点i与同一个所述簇中不同特性点之间的平均距离,b(i)为所述特性点i与不同所述簇中特性点之间的平均距离。
此外,本实施例中,所述根据聚类计算结果对所述单体电池进行配组,包括:分别获取每个所述簇内的所述核心点和所述邻域子样本集中所述特性点对应的所述电池特性数据;将同一个所述簇内的所述电池特性数据对应的所述单体电池分配至同一个配组中。
本实施例中,通过根据距离确定特性点的邻域子样本集的设计,能有效的判断特性点是否为核心点或噪声点,通过将噪声点进行删除的设计,有效的提高了簇构建的准确性,通过计算簇中特性点轮廓系数的平均值的设计,能有效的评价每个簇的聚类效果,方便了用户对单体电池聚类结果的查看,通过将同一个簇内的电池特性数据对应的单体电池分配至同一个配组中设计,有效的提高了电池配组的准确性。
实施例五
对应于上文实施例所述的电池梯次利用配组方法,图5示出了本申请第五实施例提供的电池梯次利用配组系统100的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图5,该系统包括:特性测试模块10、层次分析模块11、数据筛选模块12和电池配组模块13,其中:
特性测试模块10,用于对退役电池组中的单体电池进行特性测试,得到电池特性数据。
层次分析模块11,用于根据预设梯次利用场景对所述电池特性数据中的特性参数进行层次分析,以确定所述单体电池的配组影响权重,所述配组影响权重中存储有不同所述特性参数对应的权重系数,所述权重系数用于表征所述特性参数在所述预设梯次利用场景中的重要性。
其中,所述层次分析模块11还用于:根据所述预设梯次利用场景中的预设比较尺度对不同所述特性参数之间进行比较,以构建判断矩阵,所述判断矩阵中的矩阵元素为对应两个所述特性参数之间的比较尺度值;
根据所述判断矩阵计算所述特性参数的特征向量,并根据所述特征向量计算所述判断矩阵的一致性比率,其中,计算所述特性参数的所述特征向量采用的算法包括方根算法、迭代算法或求和算法;
若所述一致性比率小于预设比率,则判定所述判断矩阵的一致性检测合格,对所述特征向量进行归一化计算,得到所述配组影响权重。
数据筛选模块12,用于根据所述配组影响权重对所述电池特性数据进行数据筛选,得到样本数据。
其中,所述数据筛选模块12还用于:根据所述配组影响权重分别对所述电池特性数据中的所述特性参数进行权重计算,得到配组权重值;
若所述配组权重值小于权重阈值,则将所述配组权重值对应的所述电池特性数据进行删除;
将剩余的所述电池特性数据设置为所述样本数据。
电池配组模块13,用于对所述样本数据中的所述单体电池进行聚类计算,并根据聚类计算结果对所述单体电池进行配组,所述聚类计算用于计算所述样本数据中不同所述单体电池之间的相似性。
其中,所述电池配组模块13还用于:以所述电池特性数据中的特性参数为坐标轴建立空间坐标系,并根据所述电池特性数据中的所述特性参数对应的数值绘制所述单体电池的特性点;
分别计算所述特性点到其他特性点之间的距离,并根据所述距离确定所述特性点的邻域子样本集;
若所述邻域子样本集中特性点的数量大于预设数量,则将所述邻域子样本集对应的所述特性点设置为核心点;
对不同所述核心点之间进行密度可达检测,并将同一个密度可达关系内的所述核心点构建为一个簇,所述簇包括对应所述密度可达关系内不同所述核心点对应的所述邻域子样本集。
可选的,所述电池配组模块13还用于:分别获取每个所述簇内的所述核心点和所述邻域子样本集中所述特性点对应的所述电池特性数据;
将同一个所述簇内的所述电池特性数据对应的所述单体电池分配至同一个配组中。
此外,所述电池配组模块13还用于:计算所述簇中所述特性点的轮廓系数,并计算所述轮廓系数的平均值,得到平均系数,所述平均系数用于表征所述簇的聚类效果;
根据所述平均系数对所述簇进行聚类标记;
计算所述所述轮廓系数所采用的计算公式为:
s(i)=(b(i)–a(i))/max{a(i),b(i)};
其中,s(i)为所述特性点i的轮廓系数,a(i)为所述特性点i与同一个所述簇中不同特性点之间的平均距离,b(i)为所述特性点i与不同所述簇中特性点之间的平均距离。
本实施例中,通过对电池特性数据中的特性参数进行层次分析的设计,能有效的确定每个特性参数在预设梯次利用场景中的重要性,进而提高了电池特性数据筛选的准确性,通过对样本数据中的单体电池进行聚类计算的设计,能有效计算不同单体电池之间的相似性,并基于聚类计算结果对单体电池进行配组,有效的提高了电池配组的准确性。
需要说明的是,上述装置/模块之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图6为本申请第六实施例提供的终端设备2的结构示意图。如图6所示,该实施例的终端设备2包括:至少一个处理器20(图6中仅示出一个处理器)、存储器21以及存储在所述存储器21中并可在所述至少一个处理器20上运行的计算机程序22,所述处理器20执行所述计算机程序22时实现上述任意各个方法实施例中的步骤。
所述终端设备2可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器20、存储器21。本领域技术人员可以理解,图6仅仅是终端设备2的举例,并不构成对终端设备2的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器20可以是中央处理单元(Central Processing Unit,CPU),该处理器20还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器21在一些实施例中可以是所述终端设备2的内部存储单元,例如终端设备2的硬盘或内存。所述存储器21在另一些实施例中也可以是所述终端设备2的外部存储设备,例如所述终端设备2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器21还可以既包括所述终端设备2的内部存储单元也包括外部存储设备。所述存储器21用于存储操作系统、应用进程、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器21还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种网络设备,该网络设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种电池梯次利用配组方法,其特征在于,所述方法包括:
对退役电池组中的单体电池进行特性测试,得到电池特性数据;
根据预设梯次利用场景对所述电池特性数据中的特性参数进行层次分析,以确定所述单体电池的配组影响权重,所述配组影响权重中存储有不同所述特性参数对应的权重系数,所述权重系数用于表征所述特性参数在所述预设梯次利用场景中的重要性;
根据所述配组影响权重对所述电池特性数据进行数据筛选,得到样本数据;
对所述样本数据中的所述单体电池进行聚类计算,并根据聚类计算结果对所述单体电池进行配组,所述聚类计算用于计算所述样本数据中不同所述单体电池之间的相似性。
2.如权利要求1所述的电池梯次利用配组方法,其特征在于,所述根据预设梯次利用场景对所述电池特性数据中的特性参数进行层次分析,以确定所述单体电池的配组影响权重,包括:
根据所述预设梯次利用场景中的预设比较尺度对不同所述特性参数之间进行比较,以构建判断矩阵,所述判断矩阵中的矩阵元素为对应两个所述特性参数之间的比较尺度值;
根据所述判断矩阵计算所述特性参数的特征向量,并根据所述特征向量计算所述判断矩阵的一致性比率;
若所述一致性比率小于预设比率,则判定所述判断矩阵的一致性检测合格,对所述特征向量进行归一化计算,得到所述配组影响权重。
3.如权利要求1所述的电池梯次利用配组方法,其特征在于,所述根据所述配组影响权重对所述电池特性数据进行数据筛选,得到样本数据,包括:
根据所述配组影响权重分别对所述电池特性数据中的所述特性参数进行权重计算,得到配组权重值;
若所述配组权重值小于权重阈值,则将所述配组权重值对应的所述电池特性数据进行删除;
将剩余的所述电池特性数据设置为所述样本数据。
4.如权利要求1所述的电池梯次利用配组方法,其特征在于,所述对所述样本数据中的所述单体电池进行聚类计算,包括:
以所述电池特性数据中的特性参数为坐标轴建立空间坐标系,并根据所述电池特性数据中的所述特性参数对应的数值绘制所述单体电池的特性点;
分别计算所述特性点到其他特性点之间的距离,并根据所述距离确定所述特性点的邻域子样本集;
若所述邻域子样本集中特性点的数量大于预设数量,则将所述邻域子样本集对应的所述特性点设置为核心点;
对不同所述核心点之间进行密度可达检测,并将同一个密度可达关系内的所述核心点构建为一个簇,所述簇包括对应所述密度可达关系内不同所述核心点对应的所述邻域子样本集。
5.如权利要求4所述的电池梯次利用配组方法,其特征在于,所述根据聚类计算结果对所述单体电池进行配组,包括:
分别获取每个所述簇内的所述核心点和所述邻域子样本集中所述特性点对应的所述电池特性数据;
将同一个所述簇内的所述电池特性数据对应的所述单体电池分配至同一个配组中。
6.如权利要求4所述的电池梯次利用配组方法,其特征在于,所述将同一个密度可达关系内的所述核心点构建为一个簇之后,还包括:
计算所述簇中所述特性点的轮廓系数,并计算所述轮廓系数的平均值,得到平均系数,所述平均系数用于表征所述簇的聚类效果;
根据所述平均系数对所述簇进行聚类标记;
计算所述所述轮廓系数所采用的计算公式为:
s(i)=(b(i)–a(i))/max{a(i),b(i)};
其中,s(i)为所述特性点i的轮廓系数,a(i)为所述特性点i与同一个所述簇中不同特性点之间的平均距离,b(i)为所述特性点i与不同所述簇中特性点之间的平均距离。
7.如权利要求2所述的电池梯次利用配组方法,其特征在于,计算所述特性参数的所述特征向量采用的算法包括方根算法、迭代算法或求和算法。
8.一种电池梯次利用配组系统,其特征在于,包括:
特性测试模块,用于对退役电池组中的单体电池进行特性测试,得到电池特性数据;
层次分析模块,用于根据预设梯次利用场景对所述电池特性数据中的特性参数进行层次分析,以确定所述单体电池的配组影响权重,所述配组影响权重中存储有不同所述特性参数对应的权重系数,所述权重系数用于表征所述特性参数在所述预设梯次利用场景中的重要性;
数据筛选模块,用于根据所述配组影响权重对所述电池特性数据进行数据筛选,得到样本数据;
电池配组模块,用于对所述样本数据中的所述单体电池进行聚类计算,并根据聚类计算结果对所述单体电池进行配组,所述聚类计算用于计算所述样本数据中不同所述单体电池之间的相似性。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至7任一项所述的方法。
10.一种存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598155.5A CN111816936B (zh) | 2020-06-28 | 2020-06-28 | 电池梯次利用配组方法、系统、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598155.5A CN111816936B (zh) | 2020-06-28 | 2020-06-28 | 电池梯次利用配组方法、系统、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111816936A true CN111816936A (zh) | 2020-10-23 |
CN111816936B CN111816936B (zh) | 2021-11-26 |
Family
ID=72856663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010598155.5A Active CN111816936B (zh) | 2020-06-28 | 2020-06-28 | 电池梯次利用配组方法、系统、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111816936B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485694A (zh) * | 2020-11-23 | 2021-03-12 | 国网北京市电力公司 | 电池组的检测方法及装置 |
CN112505551A (zh) * | 2020-12-16 | 2021-03-16 | 北方工业大学 | 一种面向退役动力电池的筛选方法 |
CN116404186A (zh) * | 2023-06-08 | 2023-07-07 | 西安黄河电子技术有限公司 | 一种功率型锂锰电池生产系统 |
CN117276706A (zh) * | 2023-10-20 | 2023-12-22 | 珠海中力新能源科技有限公司 | 一种电池管理的方法、装置、电子设备及存储介质 |
CN117410598A (zh) * | 2023-12-15 | 2024-01-16 | 山西迪诺思新能源科技有限公司 | 一种基于指标相似性的退役电池模块组合方法 |
CN117405975A (zh) * | 2023-12-14 | 2024-01-16 | 深圳鹏城新能科技有限公司 | 一种pv面板绝缘电阻检测方法、系统及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488894A (zh) * | 2013-09-23 | 2014-01-01 | 浙江大学 | 一种电动汽车车载动力电池性能评价方法 |
CN105261795A (zh) * | 2015-10-23 | 2016-01-20 | 北京交通大学 | 一种基于聚类算法的锂离子电池串联成组方法 |
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 |
CN108051756A (zh) * | 2017-12-14 | 2018-05-18 | 株洲广锐电气科技有限公司 | 蓄电池soc的估算方法、系统及存储介质 |
CN109711007A (zh) * | 2018-12-11 | 2019-05-03 | 北京匠芯电池科技有限公司 | 动力锂离子电池安全性能无损诊断的方法 |
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 |
CN110752410A (zh) * | 2019-10-30 | 2020-02-04 | 上海理工大学 | 一种快速分选和重组退役锂电池的方法 |
-
2020
- 2020-06-28 CN CN202010598155.5A patent/CN111816936B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488894A (zh) * | 2013-09-23 | 2014-01-01 | 浙江大学 | 一种电动汽车车载动力电池性能评价方法 |
CN105261795A (zh) * | 2015-10-23 | 2016-01-20 | 北京交通大学 | 一种基于聚类算法的锂离子电池串联成组方法 |
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 |
CN108051756A (zh) * | 2017-12-14 | 2018-05-18 | 株洲广锐电气科技有限公司 | 蓄电池soc的估算方法、系统及存储介质 |
CN109711007A (zh) * | 2018-12-11 | 2019-05-03 | 北京匠芯电池科技有限公司 | 动力锂离子电池安全性能无损诊断的方法 |
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 |
CN110752410A (zh) * | 2019-10-30 | 2020-02-04 | 上海理工大学 | 一种快速分选和重组退役锂电池的方法 |
Non-Patent Citations (2)
Title |
---|
徐刚等: "一种基于聚类算法的梯次利用电池串联成组方法", 《电气技术》 * |
谌虹静: "锂离子动力电池剩余寿命预测与退役电池分选方法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技II辑 2020年05期》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485694A (zh) * | 2020-11-23 | 2021-03-12 | 国网北京市电力公司 | 电池组的检测方法及装置 |
CN112505551A (zh) * | 2020-12-16 | 2021-03-16 | 北方工业大学 | 一种面向退役动力电池的筛选方法 |
CN112505551B (zh) * | 2020-12-16 | 2023-01-10 | 北方工业大学 | 一种面向退役动力电池的筛选方法 |
CN116404186A (zh) * | 2023-06-08 | 2023-07-07 | 西安黄河电子技术有限公司 | 一种功率型锂锰电池生产系统 |
CN116404186B (zh) * | 2023-06-08 | 2023-09-19 | 西安黄河电子技术有限公司 | 一种功率型锂锰电池生产系统 |
CN117276706A (zh) * | 2023-10-20 | 2023-12-22 | 珠海中力新能源科技有限公司 | 一种电池管理的方法、装置、电子设备及存储介质 |
CN117276706B (zh) * | 2023-10-20 | 2024-02-20 | 珠海中力新能源科技有限公司 | 一种电池管理的方法、装置、电子设备及存储介质 |
CN117405975A (zh) * | 2023-12-14 | 2024-01-16 | 深圳鹏城新能科技有限公司 | 一种pv面板绝缘电阻检测方法、系统及介质 |
CN117405975B (zh) * | 2023-12-14 | 2024-03-22 | 深圳鹏城新能科技有限公司 | 一种pv面板绝缘电阻检测方法、系统及介质 |
CN117410598A (zh) * | 2023-12-15 | 2024-01-16 | 山西迪诺思新能源科技有限公司 | 一种基于指标相似性的退役电池模块组合方法 |
CN117410598B (zh) * | 2023-12-15 | 2024-02-23 | 山西迪诺思新能源科技有限公司 | 一种基于指标相似性的退役电池模块组合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111816936B (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111816936B (zh) | 电池梯次利用配组方法、系统、终端设备及存储介质 | |
Xu et al. | A novel clustering algorithm for grouping and cascade utilization of retired Li-ion batteries | |
CN110688808B (zh) | 一种动力电池模型的粒子群及lm优化混合迭代辨识方法 | |
CN109613440B (zh) | 电池的分级方法、装置、设备和存储介质 | |
JP7450741B2 (ja) | リチウム電池のsoc推定方法、装置及びコンピュータ読み取り可能な記憶媒体 | |
WO2021208079A1 (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
CN111537884B (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
CN109633448B (zh) | 识别电池健康状态的方法、装置和终端设备 | |
CN116449218B (zh) | 一种锂电池健康状态的估计方法 | |
CN114966436A (zh) | 锂电池荷电状态预测方法、装置、设备及可读存储介质 | |
CN112180258A (zh) | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 | |
CN117148177A (zh) | 电池动态一致性评价方法、装置和计算机设备 | |
CN115389954A (zh) | 一种电池容量的估算方法、电子设备及可读存储介质 | |
CN116699446A (zh) | 退役电池快速分选方法、装置、设备及存储介质 | |
CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
Zhu et al. | A novel fast estimation and regroup method of retired lithium‐ion battery cells | |
CN117259262A (zh) | 一种动力电池的分选方法、装置、电子设备和存储介质 | |
CN114636933B (zh) | 基于复合神经网络的退役动力电池容量的检测方法及系统 | |
CN116068402A (zh) | 新能源汽车锂电池状态预测方法、装置、设备及存储介质 | |
CN115856641A (zh) | 一种电池剩余充电时间预测方法、装置及电子设备 | |
CN114117737A (zh) | 锂离子电池仿真方法、装置、电子设备及可读存储介质 | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
CN113933718A (zh) | 一种退役电池容量分选方法、装置、设备及存储介质 | |
CN114462294A (zh) | 一种两阶段代理模型辅助参数估计方法以及系统 | |
Channegowda et al. | An attention‐based synthetic battery data augmentation technique to overcome limited dataset challenges |
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 |