CN111930839A - 退役动力电池储能装置的配组方法 - Google Patents

Abstract

本发明公开了一种退役动力电池储能装置的配组方法，包括以下步骤：(1)获取电池储能装置的初始特征参数数据，包括寿命余量、热稳性、充放电时效和充放电曲线面积，并对数据进行标准化处理后放入区块链中储存；(2)利用改进RE算法对初始特征进行筛选，进一步提取表征电池整体性能的特征量；(3)将步骤(2)所提取的特征量作为自适应ISO算法的输入，聚类中心数目作为输出，得到电池储能装置的分类配组。本发明将区块链技术、改进RE算法、自适应ISO算法结合到一起，为退役动力电池储能装置的梯次利用提供参考。

Description

退役动力电池储能装置的配组方法

技术领域

本发明涉及一种电池储能装置的筛选配组方法，尤其涉及一种退役动力电池储能装置的配组方法。

背景技术

动力电池储能装置作为新能源汽车的“心脏”，需求量在逐年增大。新能源汽车动力电池储能装置的使用寿命一般约为3-5年，当电池储能装置容量不足80％时，就要从车上被淘汰。据此推算，新能源汽车动力电池储能装置的第一个退役高峰期已经来临。大规模电池储能装置的废弃在浪费电池储能装置使用价值的同时也对生态环境造成重大威胁，而退役动力电池储能装置在其他地方仍然具有很高的能量价值，其梯次利用兼具环保和经济价值，是实现动力电池储能装置全寿命整体应用，令其使用价值和经济效益发挥到最大化的重要手段，因此退役动力电池储能装置的回收利用问题迫在眉睫。而淘汰电池储能装置的一致性将直接影响成组后装置的性能，因此退役动力电池储能装置筛选配组成为梯次利用的关键。

传统的单参数筛选法，虽然配组速度快，但准确度较低，使得成组后的装置性能较差；而当选取全部参数作为特征筛选时，虽然筛选的结果准确，但计算量巨大，费时费力。

发明内容

发明目的：针对以上问题，本发明提出一种退役动力电池储能装置的配组方法，能够快速地筛选出一致性较好的退役动力电池储能装置，同时筛选的结果准确度高，从而能有效提高装置的循环寿命。

技术方案：本发明所采用的技术方案是一种退役动力电池储能装置的配组方法，包括以下步骤：

(1)获取电池储能装置的初始特征参数数据，并对数据进行标准化处理后发送至区块链中储存；其中，所述初始特征参数数据包括电池储能装置的寿命余量、热稳性、充放电时效、充放电曲线面积以及电化学阻值参数。

(2)利用改进RE算法对初始特征进行筛选，进一步提取表征电池整体性能的特征量；所述改进RE算法包括以下步骤：首先，将全部退役动力电池储能装置的初始特征参数数据标准化处理后放到数据集X中；其次，通过非线性映射函数，将原空间中的数据集X映射到高维空间中；再次，引入核函数对高维空间的数据集处理后，得到核矩阵H；最后，计算所述核矩阵H的特征值λ，对所述特征值λ进行降序排列，将前k个特征值对应的特征向量作为表征退役电池储能装置性能的特征量；所述序数k满足前k个特征值之和与所有特征值之和的比值不小于设定阈值。

其中，所述设定阈值可优选为85％，按照以下原则选取特征值：

λ_i为第i个特征值，N为退役动力电池储能装置的数量。

所述数据集X为N行m列的矩阵，行数代表第X_i个电池储能装置，m为电池储能装置特征参数的维数。

(3)将步骤(2)所提取的特征量作为自适应ISO算法的输入，聚类中心数目作为输出，得到电池储能装置的分类配组。

其中，步骤(3)包括以下过程：

(31)退役电池储能装置集合M＝[A₁，A₂，…，A_N]^T，其中集合中的第A_i个样本用k维向量表示，k为选取的特征参数的个数，即A_i＝[a_i1，a_i2，…，a_ik]；

(32)矩阵M乘以各特征参数的权重因子集合ω，得到矩阵M′：

矩阵M′为通过权重因子ω为各特征参数的权重因子集合更新后的样本数据集，ω_j为第j个特征参数的权重；a_ij为第i个退役动力电池储能装置的第j个特征参数。

其中，所述权重ω_j的计算公式如下：

式中Q_j为第j个特征参数与退役动力电池储能装置循环寿命的拟合值；k为特征参数的个数。

(33)采用自适应ISO算法对集合M′聚类，其中目标函数J及其约束条件为：

式中：C为聚类中心，c为聚类中心个数，C_v为第v个聚类中心；u_iv为样本i属于某一类中心C_v的隶属度，且每个样本属于所有类的隶属度之和要为1；x_i为第i个样本；m为隶属度因子，N为退役动力电池储能装置的数量。

有益效果：相比于现有技术，本发明具有以下优点：(1)为了使得筛选结果准确，通常使用电池储能装置的全部特征参数作为变量进行筛选。但当使用全部参数作为筛选变量时，虽然成组后的装置性能较好，却加大了计算难度。所以本发明经过计算实验，首先获取化学储能装置的寿命余量、热稳性、充放电时效、充放电曲线面积、电化学阻值、自放电率，作为电池储能装置的匹配特征参数，提高了筛选匹配后的电池组输出特性。然后使用改进RE算法对梯次动力电池储能装置退化过程中的参数进行提取，进行优化处理，特征度高的保留，低的剔除。从而降低了电池储能装置筛选配组时的计算难度，提升计算效率。(2)电池储能装置配组使用自适应ISO算法，其基本原理是通过优化目标函数得到每个样本对所有类中心的隶属度，根据隶属度的大小将相似的数据对象归为一类，从而决定每个样本应归属于哪一类，以达到自动对样本数据进行分类的目的。经改进RE算法结合自适应ISO算法，能够有效降低计算复杂度，收敛速度提高，收敛可靠性增强，从而使得电池储能装置的筛选分组最优化，延长装置使用寿命。

附图说明

图1是本发明所述的退役动力电池储能装置分类配组流程。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明为解决退役动力电池储能装置在使用过程中的筛选配组问题，提出一种基于区块链技术、改进RE算法和自适应ISO算法的梯次利用筛选成组方法，降低了电池储能装置筛选配组时的计算难度，提升计算效率，提高了梯次利用电池储能装置成组的一致性，延长装置使用寿命。

本发明所述的退役动力电池储能装置的配组方法，如图1所示，包括以下步骤：

(1)对电池储能装置包括寿命余量、热稳性、充放电时效、充放电曲线面积在内的初始特征参数数据获取，并对数据进行标准化处理，然后发送至区块链中，实现分布式数据存储功能，保证数据的不可篡改性。

其中步骤(1)包括以下内容：

(11)在实验室中获取电池储能装置的参数，具体优化选择了寿命余量、热稳性、充放电时效、充放电曲线面积以及电化学阻值。

电化学阻值R采用如下方法测量：在实验室温度为20～25℃条件下，将电池储能装置充分静置。以100ms脉冲采样时间为条件进行电流转换法测试电化学阻值。即以电流I放电t，电压为U₀，再以电流I充电t，电压为U₁，此时t取100ms，则：

(12)数据标准化处理：由于上述测得的电池储能装置的寿命余量、寿命余量、热稳性、充放电时效、充放电曲线面积、电化学阻值等参数具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，在此使用化一法处理数据，使结果映射到[0，1]之间，转换函数如下：

式中：X_max为样本数据最大值，X_min为样本数据最小值，X^*为标准化处理后的数据。

(13)将处理后的标准化数据发送至区块链中进行储存，实现数据的分布式存储功能，并保证数据的不可篡改性。

(2)利用改进RE算法对初始特征进行筛选，根据主元的得分率提取能表征电池整体性能的特征。其中步骤(2)具体包括以下内容：

(21)将所有退役动力电池储能装置的特征参数标准化处理后放到一个样本数据集X中，X＝[X₁，X₂，…，X_N]^T，其中电池储能装置集合X中的第Xi个电池储能装置用一个m维向量表示，m为特征参数的维数，即X_i＝[x_i1，x_i2，...，x_im]，N为退役动力电池储能装置数。则特征参数矩阵X可以表示为：

(22)引入非线性映射函数Φ，且Φ是隐性的，不需要知道其具体表达形式，这样原空间中的数据集X便被映射到了高维空间，得到变换后的数据集Φ(X)＝[Φ(X₁)，Φ(X₂)，…，Φ(X_N)]^T，此时数据集X由原本的非线性不可分变为线性可分。

(23)引入核函数κ(x，y)，便可得到核矩阵H：

(24)计算核矩阵H的特征值，按降序排列为[λ₁，λ₂，…，λ_n]，并求出其对应特征向量[p₁，p₂，…，p_n]。选取前k个特征值满足下式：

λ_i为第i个特征值，前k个特征值对应的特征向量即为表征退役电池储能装置性能的整体特征量。

(3)将所提取的能表征电池储能装置整体性能的特征向量特征作为自适应ISO算法的输入，聚类中心数目作为输出，对电池储能装置实施分类配组。所述步骤(3)包括以下内容：

(31)假设通过步骤(2)选取了k个特征参数作为退役动力电池储能装置的筛选指标。获取每个电池储能装置的参数并对数据作标准化处理。则退役电池储能装置集合M＝[A₁，A₂，…，A_N]^T，其中集合中的第A_i个样本用一个k维向量表示，k为选取的特征参数的个数，即A_i＝[a_i1，a_i2，…，a_ik]。

(32)在实验室中，通过退役动力电池储能装置的循环充放试验分析各特征参数与其寿命的相关程度，对每个参数使用拟合函数与装置的循环次数进行拟合，拟合度用Q表示。将拟合结果作为权重因子的形式加到集合M中对M进行更新，权重因子的计算公式如下：

式中Q_j-第j个特征参数与退役动力电池储能装置循环寿命的拟合值；

ω_j-第j个特征参数的权重；

k-特征参数的个数。

则此时集合M变为M′：

式中ω_j--第j个特征参数的权重；

a_ij-第i个退役动力电池储能装置的第j个特征参数。

矩阵M′为通过权重因子ω更新后的样本数据集，集合M′即为自适应ISO算法的聚类对象。

(33)自适应ISO算法有如下要点：

定义目标函数及其约束条件：

式中：C-聚类中心，c为聚类中心个数，C_v为第v个聚类中心；

u_iv-样本i属于某一类中心c_v的隶属度，且每个样本属于所有类的隶属度之和要为1；

x_i-第i个样本，即第i个电池储能装置；

m-隶属度因子，属于样本的轻缓程度，此处取m为2；

N-退役动力电池储能装置的数量，即样本数。

算法步骤如下：

(331)确定聚类中心c，确定迭代次数；

(332)初始化隶属度u，且隶属度和为1；

(333)根据隶属度更新聚类中心c并计算目标函数；

(334)根据c重新计算u；

(335)返回步骤(333)，直至循环结束。

Claims (7)

1.一种退役动力电池储能装置的配组方法，其特征在于，包括以下步骤：

(1)获取电池储能装置的初始特征参数数据，并对数据进行标准化处理后发送至区块链储存；

(2)利用改进RE算法对初始特征进行筛选，进一步提取表征电池整体性能的特征量；所述改进RE算法包括以下步骤：首先，将全部退役动力电池储能装置的初始特征参数数据标准化处理后放到数据集X中；其次，通过非线性映射函数，将原空间中的数据集X映射到高维空间中；再次，引入核函数对高维空间的数据集处理后，得到核矩阵H；最后，计算所述核矩阵H的特征值λ，对所述特征值λ进行降序排列，将前k个特征值对应的特征向量作为表征退役电池储能装置性能的特征量；所述序数k满足前k个特征值之和与所有特征值之和的比值不小于设定阈值；

(3)将步骤(2)所提取的特征量作为自适应ISO算法的输入，聚类中心数目作为输出，得到电池储能装置的分类配组。

2.根据权利要求1所述的退役动力电池储能装置的配组方法，其特征在于：所述初始特征参数数据包括电池储能装置的寿命余量、热稳性、充放电时效、充放电曲线面积以及电化学阻值参数。

3.根据权利要求1所述的退役动力电池储能装置的配组方法，其特征在于：

所述设定阈值为85％，按照以下原则选取特征值：

λ_i为第i个特征值，N为退役动力电池储能装置的数量。

4.根据权利要求1所述的退役动力电池储能装置的配组方法，其特征在于：所述数据集X为N行m列的矩阵，行数代表第X_i个电池储能装置，m为电池储能装置特征参数的维数。

5.根据权利要求1所述的退役动力电池储能装置的配组方法，其特征在于：所述步骤(3)包括以下过程：

(31)退役电池储能装置集合M＝[A₁，A₂，…，A_N]^T，其中集合中的第A_i个样本用k维向量表示，k为选取的特征参数的个数，即A_i＝[a_i1，a_i2，…，a_ik]；

(32)矩阵M乘以各特征参数的权重因子集合ω，得到矩阵M′；

(33)采用自适应ISO算法对集合M′聚类，其中目标函数J及其约束条件为：

式中：C为聚类中心，c为聚类中心个数，C_v为第v个聚类中心；u_iv为样本i属于某一类中心C_v的隶属度，且每个样本属于所有类的隶属度之和要为1；x_i为第i个样本；m为隶属度因子，N为退役动力电池储能装置的数量。

6.根据权利要求5所述的退役动力电池储能装置的配组方法，其特征在于：步骤(32)中所述的矩阵M′的表达式为：

矩阵M′为通过权重因子ω更新后的样本数据集，ω_j为第j个特征参数的权重；a_ij为第i个退役动力电池储能装置的第j个特征参数。

7.根据权利要求6所述的退役动力电池储能装置的配组方法，其特征在于：所述权重ω_j的计算公式如下：

式中Q_j为第j个特征参数与退役动力电池储能装置循环寿命的拟合值；k为特征参数的个数。

Images