CN115640702B - 一种电池配组方法和系统 - Google Patents
一种电池配组方法和系统 Download PDFInfo
- Publication number
- CN115640702B CN115640702B CN202211436127.9A CN202211436127A CN115640702B CN 115640702 B CN115640702 B CN 115640702B CN 202211436127 A CN202211436127 A CN 202211436127A CN 115640702 B CN115640702 B CN 115640702B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- point set
- battery
- qualification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 230000005484 gravity Effects 0.000 claims description 44
- 238000005457 optimization Methods 0.000 claims description 17
- 238000005304 joining Methods 0.000 claims description 16
- 230000009191 jumping Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 abstract description 6
- 230000002776 aggregation Effects 0.000 abstract description 6
- 238000012360 testing method Methods 0.000 abstract description 6
- 239000000178 monomer Substances 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical class O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- 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
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池配组方法和系统,其方法和系统的实施步骤如下:通过测试获取电池的实测数据得到“容量‑‑电压”曲线;选取曲线上的特征点,以这些点在多维空间中的聚集性作为描述电池一致性的指标对电池做配组。为了综合的评价多个电池组,本算法重点关注得到的多个电池组中一致性最差的一组。本发明将电池之间的配组抽象为多维空间中点与点之间的聚合,利用聚类算法的思想,通过多次的聚合计算,使得可以从包含多个电池组中获取多个电池配组的同时,保证匹配的多个电池组的一致性都尽可能的好。
Description
技术领域
本发明属于电池配组技术领域,具体涉及一种电池配组方法和系统。
背景技术
目前,动力电池使用愈来愈广泛,单体电池必须通过串/并联构成电池组才能满足应用所需的电压、容量等要求。由单体电池到电池组,配组方法至关重要。单体电池的性能通常需要满足两个条件才可能充分发挥出来。条件一是同组内各单体电池一致性好;条件二是组合前初始各单体电池的状态同步。否则,在电池组的使用过程中,容易发生由于某个单体电池的过充或过放,性能衰退并加速恶化,致使电池组整体很快失效。上述条件二是很容易做到的,而条件一的实现却非常困难,现有技术并未有相关方法去很好的解决如何快速的将一批单体电池组合成多个电池组,且使每个电池组中的电池的一致性相同或相似。
发明内容
电池配组最困难之处是将一致性好的单体挑出来放入一组,理想的配组期望是:一个组内的各个单体,在相同测试条件下,充放电曲线高度重合,内阻高度一致,衰减非常同步……所有能够想得到的、那些因单体之间的差异导致电池组整体性能降低的参数都是非常一致性的。但这只是理想情况,现实情况是:单体电池之间总是存在差异的。这就需要有一个方法去度量这种“差异”,即要建立“一致性”的量化模型。
目前,参与配组的各单体电池的各项指标值都是在相同测试条件下得到的,也只有这样,各单体才有更好的比较性。
以单体电池放电的“容量--电压”曲线为例,到目前为止很难找到一个通用而有效的描述二次电池“容量--电压”曲线的方法,目前能完整地描述该曲线,还只能依赖于大量的实测数据记录点,很难将每个单体的整条“容量--电压”曲线完整地纳入量化模型;同时,由于一次参与配组的单体电池可能很多,大量的电池将对应着大量的充放电曲线,在这种情况下,如果配组还需要比较复杂的运算,纳入完整的充放电曲线将导致算法强度过大而只能用于实验研究却难以用于生产实际。
本发明中,在“容量--电压”曲线上选取一些有代表意义的特征点。先假设只在曲线上选取两个点:放电至3.6V对应的容量和放电至2.75V对应的容量。如果只考虑这两个指标值该怎么来度量各单体之间“差异”,将放电至3.6V对应的容量指标值作为横坐标,将放电至2.75V对应的容量指标值作为纵坐标,每个单体电池都将能与平面上的一个点对应。那么点与点在坐标平面上的距离就对应了电池与电池之间的距离即电池的“一致性”。
下面从两方面讲述电池的一致性:
(1)两个单体电池的一致性
将一个单体电池看成是多维空间中的一个点,该电池的各项指标值即构成该点的多维坐标。两个点在多维空间中的距离就代表两个单体电池之间的差异。距离越小,表示两个单体电池之间的差异越小,一致性也就越好。
集合SU表示,即SU={E1,E2,…,En}。同理,一个组电池也可以用一个集合来表示,SP={E1,E2,…,Em}。
(2)一组单体电池的一致性
为了易于描述,多个电池可以用一个集合来表示。例如一批单体单体电池E1,E2,…,En,用点集SU表示,即SU={E1,E2,…,En}。同理,一个电池配组用一个点集集合来表示,SP={E1,E2,…,Em}。
将每个电池看成是多维空间中的一个点,一个电池组中的各单体电池对应的点在多维空间中的聚集性越好,就表明各单体的一致性越好。
为了解决电池一致性筛选困难的问题,基于以上电池及电池配组一致性的计算方法本发明提出一种电池配组方法和系统,本方法具有一定的数学模型基础的、开放性强、且能处理大量单体电池的二次电池配组。
容易想到的是,为了使得到的λ个电池配组总体一致性尽量好,那么如果使得到的λ个电池组中最差的那一组的一致性尽量好,总体一致性一定不会很差。
从基于“将每个电池看成是多维空间中的一个点”的视角来看,通常是将集聚性好的那些电池优先配组,但这可能并不合适。因为相对而言,集聚性好的那些电池容易配组成功,尤其对那些分布在多维空间中心附近的电池;而多维空间中分布偏僻的点不容易配组成功。如果将分布在多维空间中心附近的易于配组的电池优先配组,必将导致分布偏僻的电池配组更加困难,强行配组的结果将导致两极分化,或者只能得到很少的合格配组。因此考虑将多维空间中的分布偏僻的点优先配组。基于此,有了如下电池配组方法;
实现本发明目的之一的一种电池配组方法,包括如下步骤:
S1、获取待配组的每个单体电池的多个电池特性指标值,将每个单体电池映射至多维空间中的点,其点坐标由该单体电池的电池特征指标值构成,每个待配组的单体电池构成点集SU;
S2、计算点集SU的重心GU的坐标;
S3、获取点集SU中与所述重心GU的距离最远的点Eq,以及距离Eq最近的m-1个点,Eq与所述m-1个点共同构成点集SA;所述m为电池配组中每个配组的单体电池的数量;
S4、将点集SA加入点集集合S合格_1中,并将SA中的点从点集Su中删除,如果点集Su中剩余点的数量大于m,返回步骤S2;否则点集集合S合格_1中的每个点集所代表的每个电池配组则为所要寻找的最优配组。
进一步地,计算点集SU的重心GU的坐标的方法包括:
式中:
EX,Y:表示点集S中第X个点的第Y维坐标的值,X∈[1,m],Y∈[1,L],共有L维坐标;
E1,1+E2,1,……,Em,1:表示点集S中所有点的第一维坐标的均值;
依次类推,则:
所述步骤S3中,得到点集SA的方法有很多,采用何种方法可以得到最优集合是要考虑的问题,将每个电池看成是多维空间中的一个点,易知包含Eq的最好的配组,则由该点和多维空间中分布于该点附近的电池构成。于是进行这样的假设:令SA的最优配组结果为集合SU={包含Eq的聚集性最好的m个电池},它是我们希望得到的最理想的集合;令集合SA={Eq,距离Eq最近的m-1个电池}。假设SU和SA有大部分的元素是重合的,则SU的重心与SA的重心将非常靠近。基于以上计算思路,进一步的技术方案包括:
所述步骤S3中,得到点集SA的方法包括:
S301、计算点集SU中所有的点与Eq的距离,并从近到远排序;
S302、取前m-1个点以及Eq构成点集S3;
S303、计算S3的重心,设为G3;
S304、如果Eq在S3中已经是距离所述重心G3最远的点,则,则S3则为所要得到的点集SA,算法结束;否则下一步;
S305、计算点集SU中除Eq外的所有点与G3的距离,并从近到远排序;
S306、取前m-1个点以及Eq构成点集S3';
S307、如果S3等于S3',则S3'则为所要寻找的SA,算法结束;否则,返回使S3等于S3',返回S303。
采用上述步骤S1~S3,它可能导致的一个问题是:有些不合适的电池因为分布偏僻而优先配组,“撕裂”了聚集好的电池,使其丧失了得到更好的分组的可能性。因此需要对电池配组进一步优化,利用迭代算法,通过设置配组一致性指标,阻止不合适的电池进行不适当的配组,让它们“落选”,逐步提高最差配组的一致性的“门槛”,从而提高整体的配组质量。于是进一步的技术方案为:所述步骤S4后还包括如下步骤:
S5、新建空的点集集合S合格_2;
S6、计算点集集合S合格_1中的每个点集的一致性指标,并从优到劣排序;
S7、取前λ个点集S1~Sλ所包含的点构成新的点集SU';
S8、计算点集SU'的重心GS';
S9、获取点集SU'中与所述重心GS'距离最远的点E',以及距离E'最近的m-1个点,E'与所述m-1个点共同构成点集SA';
S10、计算点集SA'的一致性指标;
S11、如果点集SA'的一致性指标不满足设定条件,则跳转至下一步;否则跳转到S13;
S12、将点E'加入到点集S落选中,并将点E'从点集SU'中删除;如果点集SU'中剩余点的数量小于m,则点集集合S合格_2中的每个点集所代表的每个电池配组则为所要寻找的最优配组,算法结束;否则返回步骤S8;
S13、将点集SA'加入点集集合S合格_2中,并将SA'中的点从点集SU'中删除;
当点集SU'中剩余点的数量大于m时:返回步骤S8;
当点集SU'中剩余点的数量小于m时:如果点集集合S合格_2中的点集个数大于λ,则清空点集集合S合格_1,将点集集合S合格_2中的所有点集加入到点集集合S合格_1中,返回步骤S6;如果点集集合S合格_2中的点集个数小于λ,则点集集合S合格_2中的每个点集所代表的每个电池配组则为所要寻找的最优配组,算法结束。
进一步地,所述步骤S6中,点集集合S合格_1中的每个点集的一致性指标的计算方法包括:
DF(SP)=max{D(Ei,Ej)|Ei∈SP,Ei∈SP}
式中:
DF(Sp):表示点集Sp的一致性指标,Sp∈S合格_1;其值越小代表一致性越好;
D(Ei,Ej):表示点集Sp中的代表电池Ei和Ej性能的两个点的距离,Sp∈S合格_1。
进一步地,所述步骤S6中,点集集合S合格_1中的每个点集的一致性指标的计算方法还包括:
式中:
DF(Sp):表示点集Sp的一致性指标,Sp∈S合格_1;其值越小代表一致性越好;
更进一步地,点Ei和点Ej分别代表两个电池,Ei=(x1,x2,…,xm),Ej=(y1,y2,…,ym),其中x1,x2,…,xm为电池Ei的各项指标值,y1,y2,…,ym为电池Ej的各项指标值,x1与y1是同一类指标,x2与y2是同一类指标……,那么两点间的距离D(Ei,Ej)的计算方法包括:
Xk表示点Ei的第k维坐标的值,即该点所代表的电池的第k个性能指标;
Yk表示点Ej的第k维坐标的值,即该点所代表的电池的第k个性能指标;
Xk和Yk表示同一类电池性能指标。
更进一步地,由于不同的电池性能指标对于一致性指标的影响不同,两点间的距离D(Ei,Ej)的计算方法还包括:
ωk表示电池的第k个性能指标的设定权重;ω的设定与电池性能指标值的个数、电池性能指标值的类型、电池性能指标值数据采集时对应的电池测试流程以及电池的具体型号等相关。
更进一步地,为了统一权重的量纲,两点间的距离D(Ei,Ej)的计算方法还包括:
可以看出,采用上式后,如果需要增加一个维度的坐标,不会对距离的计算带来显著的影响。另一方面,可以更好地兼容不同类型的指标值(或不同的坐标类型),所以ωk也可以视为权值和不同类型的指标值统一折算的折算系数的综合后的系数值。
进一步地,所述步骤S9中,得到点集SA'的方法包括:
S901、计算点集SU'中所有的点与E'的距离,并从近到远排序;
S902、取前m-1个点以及E'构成点集S4;
S903、计算S4的重心,设为G4;
S904、如果E'在S4中已经是距离所述重心G4最远的点,则S4则为所要得到的点集SA',算法结束;否则下一步;
S905、计算点集SU'中除E'外的所有点与G4的距离,并从近到远排序;
S906、取前m-1个点以及E'构成点集S4';
S907、如果S4等于S4',则S4'则为所要寻找的SA',算法结束;否则,返回使S4等于S4',返回S903。
可以看到,上述优化算法只照顾到一致性最差的那一个配组的一致性,最后仍然可能导致聚集性好的电池落选。这些电池本来是有聚集性很好的“伙伴”,能产生更好的电池配组,但这些“伙伴”在优先照顾偏僻的点时,因为比较靠近某个偏僻的点已被它们“先行征用”,同时因为那些被“强行征用”电池产生的配组不是结果中最差的,因而未能触发迭代算法继续优化。所以,最差的的配组已经不能改良,但稍好一些的配组还是有进一步改良的空间。此处单纯依赖落选电池组S落选不可能产生一个比Si(这里Si∈S合格_2)一致性更优的电池组,更优的电池组只能从S落选∪Si)中产生,并且更优的电池组中必然至少包括Si中的一个单体。因此,更进一步的技术方案为:分别基于每个电池配组中的每个电池,从S落选和其所在的电池配组中选出一个更优的分组;一个电池配组中有m个电池,那么可以得到m个更优的电池配组,记录其中一致性最优的一个配组;采用此方法对该电池配组迭代优化多次,直至一致性最优的配组不再发生变化,那么则结束该电池配组的优化。因此,进一步的技术方案为:
所述步骤S13后还包括如下步骤:
S14、依次遍历点集集合S合格_2中的每个点集Si;
S15、将Si中的每个点与点集S落选中的每个点构成新的点集Su1;并初始化优化次数T为0;
此处设定优化次数T的目的是为了判断每个电池配组的优化过程中,连续无效优化的次数;所述无效优化即每一次优代迭代后得到的新的配组所包含的元素与原配组所包含的元素没有变化;如果连续多次无效优化,则需要停止对此配组的优化;
S16、依次遍历Si中的每个点Ej;
S17、获取点集Su1中距离Ej最近的m个点构成点集SA1;
S18、计算点集SA1的重心GA1;
S19、获取点集Su1中与GA1距离最近的m个点,构成点集SA2;
S20、如果SA2≠SA1,清空SA1并将SA2中的点加入到SA1,返回步骤S18;如果SA2=SA1,则将SA2或SA1加入新的点集集合S3中;
S21、如果Si中的点没遍历完则返回步骤S16,否则转下一步;
S22、如果Si中的点都已遍历完,则计算点集集合S3中每个点集的一致性指标,选出一致性指标最优的组Sbest;
S23、如果Sbest包含的点与Si所包含的点相同,则T加1;如果T小于设定值,返回步骤S16;如果T等于设定值,即连续多次优化后Si并没有变化,那么Si的优化结束,将Sbest加入新的点集集合S合格_3,如果点集集合S合格_2中的每个点集Si都遍历完成,跳转到下一步;
如果Sbest包含的点与Si所包含的点不同,则T=0,将Sbest中属于点集S落选中的点从S落选中删除,将Si中不属于Sbest中的点加入到点集S落选中,令Si=Sbest,Su1=Sbest∪S落选,返回步骤S17;
S24、当点集集合S合格_2中的每个点集Si都遍历完成,则点集集合S合格_3中的每个点集所代表的每个电池配组则为所要寻找的最优配组。
实现本发明目的之二的一种电池配组系统,包括重心计算模块、第一电池配组计算模块;
所述重心计算模块用于获取待配组的每个单体电池的多个电池特性指标值,将每个单体电池映射至多维空间中的点,其点坐标由该单体电池的电池特征指标值构成,每个待配组的单体电池构成点集SU;计算点集SU的重心GU的坐标;
所述第一电池配组计算模块用于获取所述点集SU中与所述重心GU的距离最远的点Eq,以及距离Eq最近的m-1个点,Eq与所述m-1个点共同构成点集SA;将点集SA加入点集集合S合格_1中,并将SA中的点从点集Su中删除,如果点集Su中剩余点的数量大于m,返回步骤S2;否则点集集合S合格_1中的每个点集所代表的每个电池配组则为所要寻找的最优配组。
进一步地,还包括第一电池一致性指标计算模块,用于计算一组电池的一致性指标,其计算方法包括:
将待计算一致性指标的一组电池中每个电池Ei的多个电池特性指标值映射至多维空间中的点,其点坐标由每个电池的电池特征指标值确定,记代表该配组中所有电池的点构成的点集为Sp,计算点集Sp中每两点间的距离D(Ei,Ej),Ei∈Sp,Ej∈Sp;Sp的一致性指标DF(Sp)的计算方法如下,其值越小则代表点集的一致性越好。
DF(SP)=max{D(Ei,Ej)|Ei∈SP,Ei∈SP}
式中:
D(Ei,Ej):表示点集Sp中的代表电池Ei和Ej性能的两个点的距离。
进一步地,还包括第二电池一致性指标计算模块,用于计算一组电池的一致性指标,其计算方法包括:
将待计算一致性指标的一组电池中每个电池Ei的多个电池特性指标值映射至多维空间中的点,其点坐标由每个电池的电池特征指标值确定,记代表该组所有电池的点构成的点集为Sp,计算点集Sp中每两点间的距离D(Ei,Ej),Ei∈Sp,Ej∈Sp;点集的一致性指标DF(Sp)的计算方法包括,
其值越小则代表点集的一致性越好;
式中:
有益效果:
本算法可以快速对多个电池进行最优的电池配组,保证最终得到的多个电池配组的一致性达到最优;避免出现个别配组一致性非常差的情况。
附图说明
图1是本发明所述方法的实施例的流程示意图。
具体实施方式
下列具体实施方式用于对本发明权利要求技术方案的解释,以便本领域的技术人员理解本权利要求书。本发明的保护范围不限于下列具体的实施结构。本领域的技术人员做出的包含有本发明权利要求书技术方案而不同于下列具体实施方式的也是本发明的保护范围。
首先,获取电池的测试数据并选取数据中的特征点,指定每个电池分组中的单体电池的数量m,采用以下方法对电池组进行分组获取指定的分组个数,保证分组中一致性最差的分组尽可能的好。
在讲述实施例之前,预先定义本实施例中多维空间中代表电池的两点之间的距离的计算方法、点集的重心以及点集的一致性指标值的计算方法。
本实施例中,采用如下公式计算多维空间中代表电池的两点Ei和Ej之间的距离:
Xk表示点Ei的第k维坐标的值,即该点所代表的电池的第k个性能指标;
Yk表示点Ej的第k维坐标的值,即该点所代表的电池的第k个性能指标;
Xk和Yk表示同一类电池性能指标。
ωk表示电池的第k个性能指标的设定权重;ω的设定与电池性能指标值的个数、电池性能指标值的类型、电池性能指标值数据采集时对应的电池测试流程以及电池的具体型号等相关。
本实施例中,采用如下公式计算点集的重心:
Ei表示点集中的第i个点;其物理含义为点集所代表的电池组中第i个电池;其表现形式为:(Z1,Z2,Z3……,Zn),Zj(j∈[1,n])代表电池的第j个性能指标值;
M表示点集中所有点的个数;其物理含义为点集所代表的电池组中单体电池的个数;
式中:
本实施例中,采用如下公式计算某一点集的一致性指标值:
DF(S):点集S的一致性指标值;要说明的是此处的S只是一个点集的代号,具体的计算中,S需要待入实际需要计算一致性指标的点集;
N:表示待计算一致性指标的点集中点的个数;
下面结合附图1讲述本发明所述方法的实施例。
S1、获取待配组的每个单体电池的多个电池特性指标值,将每个单体电池映射至多维空间中的点,其点坐标由该单体电池的电池特征指标值构成,每个待配组的单体电池构成点集SU;
S2、计算点集SU的重心GU的坐标,其计算方法见上式(2);式中Ei为点集SU中的每个点,i为点集SU中所有点的数量;
S3、计算点集SU中每个点与重心GU的距离,计算方法见上式(1),式中Ei为点集SA1中的每个点,式中Ej为重心GU;式中i为点集SA1中所有点的数量;ωk可以根据实际情况设定;并获取点集SU中与所述重心GU的距离最远的点Eq,以及点集SU中距离Eq最近的m-1个点,Eq与所述m-1个点共同构成点集SA;
S4、将点集SA加入点集集合S合格_1中,并将SA中的点从点集Su中删除,如果点集Su中剩余点的数量大于m,返回步骤S2;否则点集集合S合格_1中的每个点集所代表的每个电池配组则为所要寻找的最优配组;此处的m为设定的每个电池配组中包含的电池数量;
在另一个优选的实施例中,设定电池配组的数量为λ组,还包括如下步骤:
S5、新建空的点集集合S合格_2;
S7、取前λ个点集S1~Sλ所包含的点构成新的点集SU';
S8、计算点集SU'的重心GS',其计算方法见上式(2);式中Ei为点集SU'中的每个点,式中i为点集SU'中所有点的数量;
S9、获取点集SU'中与所述重心GS'距离最远的点E',以及距离E'最近的m-1个点,E'与所述m-1个点共同构成点集SA';
S10、计算点集SA'的一致性指标,其计算方法见上式(3);式(3)中S代入SA',Ei代入点集SA'中的每个点的坐标值进行计算;代入点集SA'的重心,其计算方法见上式(2),式(2)中M代入点集SA'中所包含点的个数;式(2)中的Ei为点集SA'中的每个点的坐标值;
S11、如果点集SA'的一致性指标不满足设定条件,则跳转至下一步;否则跳转到S13;
本实施例中所述设定条件为:点集SA'的一致性指标DF(SA')≧点集SU'的一致性指标DF(SU')*0.999,本发明不限于此,也可以是其它值;
S12、将点E'加入到点集S落选中,并将点E'从点集SU'中删除;如果点集SU'中剩余点的数量小于m,则点集集合S合格_2中的每个点集所代表的每个电池配组则为所要寻找的最优配组,算法结束;否则返回步骤S8;
S13、将点集SA'加入点集集合S合格_2中,并将SA'中的点从点集SU'中删除;
当点集SU'中剩余点的数量大于m时:返回步骤S8;
当点集SU'中剩余点的数量小于m时:如果点集集合S合格_2中的点集个数大于λ,则清空点集集合S合格_1,将点集集合S合格_2中的所有点集加入到点集集合S合格_1中,返回步骤S6;如果点集集合S合格_2中的点集个数小于λ,则点集集合S合格_2中的每个点集所代表的电池配组则为所要寻找的最优配组,算法结束。
为了进一步对电池配组进行优化,在另一个优化的实施例中引入未选入电池配组中的落选电池,对已有电池分组再次进行迭代优化,具体包括如下步骤:
S14、依次遍历点集集合S合格_2中的每个点集Si;
S15、将Si中的每个点与点集S落选中的每个点构成新的点集Su1;初始化优化次数T为0;
S16、依次遍历Si中的每个点Ej;
S17、获取点集Su1中距离Ej最近的m个点构成点集SA1;其计算方法见上式(1),式(1)中的Ei代入点集Su1中的每个点;式中的Ej代入此步骤中的Ej;
S18、计算点集SA1的重心GA1;其计算方法见上式(2),式中Ei为点集SA1中的每个点,i为点集SA1中所有点的数量;
S19、获取点集Su1中与GA1距离最近的m个点,其计算方法见上式(1),式中Ei和Ej则为GA1与点集Su1中的其它点,构成点集SA2;
S20、如果SA2≠SA1,清空SA1并将SA2中的点加入到SA1,返回步骤S18;如果SA2=SA1,则将SA2或SA1加入新的点集集合S3中;
S21、如果Si中的点没遍历完则返回步骤S16,否则转下一步;
S22、如果Si中的点都已遍历完,则计算点集集合S3中每个点集的一致性指标,选出一致性指标最优的组Sbest;
S23、如果Sbest包含的点与Si所包含的点相同,则T加1;如果T小于设定值,返回步骤S16;如果T等于设定值,即连续多次优化后Si并没有变化,那么Si的优化结束,将Sbest加入新的点集集合S合格_3,如果点集集合S合格_2中的每个点集Si都遍历完成,跳转到下一步;
如果Sbest包含的点与Si所包含的点不同,则T=0,将Sbest中属于点集S落选中的点从S落选中删除,将Si中不属于Sbest中的点加入到点集S落选中,令Si=Sbest,Su1=Sbest∪S落选,返回步骤S17;
S24、当点集集合S合格_2中的每个点集Si都遍历完成,则点集集合S合格_3中的每个点集所代表的每个电池配组则为所要寻找的最优配组。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请还提供一个电池配组系统的实施例,该系统包括重心计算模块、第一电池配组计算模块;
所述重心计算模块用于获取待配组的每个单体电池的多个电池特性指标值,将每个单体电池映射至多维空间中的点,其点坐标由该单体电池的电池特征指标值构成,每个待配组的单体电池构成点集SU;计算点集SU的重心GU的坐标;
所述第一电池配组计算模块用于获取所述点集SU中与所述重心GU的距离最远的点Eq,以及距离Eq最近的m-1个点,Eq与所述m-1个点共同构成点集SA;将点集SA加入点集集合S合格_1中,并将SA中的点从点集Su中删除,如果点集Su中剩余点的数量大于m,返回步骤S2;否则点集集合S合格_1中的每个点集所代表的每个电池配组则为所要寻找的最优配组。
在另一个实施例中,还包括第一电池一致性指标计算模块,用于计算一组电池的一致性指标,其计算方法包括:
将待计算一致性指标的一组电池中每个电池Ei的多个电池特性指标值映射至多维空间中的点,其点坐标由每个电池的电池特征指标值确定,记代表该配组中所有电池的点构成的点集为Sp,计算点集Sp中每两点间的距离D(Ei,Ej),Ei∈Sp,Ej∈Sp;Sp的一致性指标DF(Sp)的计算方法如下,其值越小则代表点集的一致性越好。
DF(SP)=max{D(Ei,Ej)|Ei∈SP,Ei∈SP}
式中:
D(Ei,Ej):表示点集Sp中的代表电池Ei和Ej性能的两个点的距离。
在另一个实施例中,还包括第二电池一致性指标计算模块,用于计算一组电池的一致性指标,其计算方法包括:
将待计算一致性指标的一组电池中每个电池Ei的多个电池特性指标值映射至多维空间中的点,其点坐标由每个电池的电池特征指标值确定,记代表该组所有电池的点构成的点集为Sp,计算点集Sp中每两点间的距离D(Ei,Ej),Ei∈Sp,Ej∈Sp;下式中的σ则为点集的一致性指标,其值越小则代表点集的一致性越好;
式中:
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (9)
1.一种电池配组方法,其特征在于,包括如下步骤:
S1、获取待配组的每个单体电池的多个电池特性指标值,将每个单体电池映射至多维空间中的点,其点坐标由该单体电池的电池特征指标值构成,每个待配组的单体电池构成点集SU;
S2、计算点集SU的重心GU的坐标;
S3、获取点集SU中与所述重心GU的距离最远的点Eq,以及距离Eq最近的m-1个点,Eq与所述m-1个点共同构成点集SA;
S4、将点集SA加入点集集合S合格_1中,并将SA中的点从点集Su中删除,如果点集Su中剩余点的数量大于m,返回步骤S2;
S5、新建空的点集集合S合格_2;
S6、计算点集集合S合格_1中每个点集的一致性指标,并从优到劣排序;
S7、取前λ个点集S1~Sλ所包含的点构成新的点集SU';
S8、计算点集SU'的重心GS';
S9、获取点集SU'中与所述重心GS'距离最远的点E',以及距离E'最近的m-1个点,E'与所述m-1个点共同构成点集SA';
S10、计算点集SA'的一致性指标;
S11、如果点集SA'的一致性指标不满足设定条件,则跳转至下一步;否则跳转到S13;
S12、将点E'加入到点集S落选中,并将点E'从点集SU'中删除;如果点集SU'中剩余点的数量小于m,则点集集合S合格_2中的每个点集所代表的每个电池配组则为所要寻找的最优配组,算法结束;否则返回步骤S8;
S13、将点集SA'加入点集集合S合格_2中,并将SA'中的点从点集SU'中删除;
当点集SU'中剩余点的数量大于m时:返回步骤S8;
当点集SU'中剩余点的数量小于m时:如果点集集合S合格_2中的点集个数大于λ,则清空点集集合S合格_1,将点集集合S合格_2中的所有点集加入到点集集合S合格_1中,返回步骤S6;如果点集集合S合格_2中的点集个数小于λ,则点集集合S合格_2中的每个点集所代表的每个电池配组则为所要寻找的最优配组,算法结束。
2.如权利要求1所述的一种电池配组方法,其特征在于,所述步骤S13后还包括如下步骤:
S14、依次遍历点集集合S合格_2中的每个点集Si;
S15、将Si中的每个点与点集S落选中的每个点构成新的点集Su1;并将优化次数T设为0;
S16、依次遍历Si中的每个点Ej;
S17、获取点集Su1中距离Ej最近的m个点构成点集SA1;
S18、计算点集SA1的重心GA1;
S19、获取点集Su1中与GA1距离最近的m个点,构成点集SA2;
S20、如果SA2≠SA1,清空SA1并将SA2中的点加入到SA1,返回步骤S18;如果SA2=SA1,则将SA2或SA1加入新的点集集合S3中;
S21、如果Si中的点没遍历完则返回步骤S16,否则转下一步;
S22、如果Si中的点都已遍历完,则计算点集集合S3中每个点集的一致性指标,选出一致性指标最优的组Sbest;
S23、如果Sbest包含的点与Si所包含的点相同,则T加1;如果T小于设定值,返回步骤S16;如果T等于设定值,将Sbest加入新的点集集合S合格_3,如果点集集合S合格_2中的每个点集Si都遍历完成,跳转到下一步,否则返回步骤S14取下一个点集进行优化;
如果Sbest包含的点与Si所包含的点不同,则T=0,将Sbest中属于点集S落选中的点从S落选中删除,将Si中不属于Sbest中的点加入到点集S落选中,令Si=Sbest,Su1=Sbest∪S落选,返回步骤S17;
S24、当点集集合S合格_2中的每个点集Si都遍历完成,则点集集合S合格_3中的每个点集所代表的每个电池配组则为所要寻找的最优配组。
3.如权利要求1所述的电池配组方法,其特征在于,所述步骤S3中,得到点集SA的方法包括:
S301、计算点集SU中所有的点与Eq的距离,并从近到远排序;
S302、取前m-1个点以及Eq构成点集S3;
S303、计算S3的重心,设为G3;
S304、如果Eq在S3中已经是距离所述重心G3最远的点,则S3则为所要得到的点集SA,算法结束;否则下一步;
S305、计算点集SU中除Eq外的所有点与G3的距离,并从近到远排序;
S306、取前m-1个点以及Eq构成点集S3';
S307、如果S3等于S3',则S3'则为所要寻找的SA,算法结束;否则,返回使S3等于S3',返回S303。
4.如权利要求1所述的电池配组方法,其特征在于,所述步骤S6中,点集集合S合格_1中的每个点集的一致性指标的计算方法包括:
DF(SP)=max{D(Ei,Ej)|Ei∈SP,Ei∈SP}
式中:
DF(Sp):表示点集Sp的一致性指标,Sp∈S合格_1;
D(Ei,Ej):表示点集Sp中的代表电池Ei和Ej性能的两个点的距离,Sp∈S合格_1。
6.如权利要求1所述的电池配组方法,其特征在于,所述步骤S9中,得到点集SA'的方法包括:
S901、计算点集SU'中所有的点与E'的距离,并从近到远排序;
S902、取前m-1个点以及E'构成点集S4;
S903、计算S4的重心,设为G4;
S904、如果E'在S4中已经是距离所述重心G4最远的点,则S4则为所要得到的点集SA',算法结束;否则下一步;
S905、计算点集SU'中除E'外的所有点与G4的距离,并从近到远排序;
S906、取前m-1个点以及E'构成点集S4';
S907、如果S4等于S4',则S4'则为所要寻找的SA',算法结束;否则,返回使S4等于S4',返回S903。
7.一种执行权利要求1所述方法的电池配组系统,其特征在于,包括重心计算模块、第一电池配组计算模块;
所述重心计算模块用于获取待配组的每个单体电池的多个电池特性指标值,将每个单体电池映射至多维空间中的点,其点坐标由该单体电池的电池特征指标值构成,每个待配组的单体电池构成点集SU;计算点集SU的重心GU的坐标;
所述第一电池配组计算模块用于获取所述点集SU中与所述重心GU的距离最远的点Eq,以及距离Eq最近的m-1个点,Eq与所述m-1个点共同构成点集SA;将点集SA加入点集集合S合格_1中,并将SA中的点从点集Su中删除,如果点集Su中剩余点的数量大于m,返回步骤S2;
所述系统还包括执行:
S5、新建空的点集集合S合格_2;
S6、计算点集集合S合格_1中每个点集的一致性指标,并从优到劣排序;
S7、取前λ个点集S1~Sλ所包含的点构成新的点集SU';
S8、计算点集SU'的重心GS';
S9、获取点集SU'中与所述重心GS'距离最远的点E',以及距离E'最近的m-1个点,E'与所述m-1个点共同构成点集SA';
S10、计算点集SA'的一致性指标;
S11、如果点集SA'的一致性指标不满足设定条件,则跳转至下一步;否则跳转到S13;
S12、将点E'加入到点集S落选中,并将点E'从点集SU'中删除;如果点集SU'中剩余点的数量小于m,则点集集合S合格_2中的每个点集所代表的每个电池配组则为所要寻找的最优配组,算法结束;否则返回步骤S8;
S13、将点集SA'加入点集集合S合格_2中,并将SA'中的点从点集SU'中删除;
当点集SU'中剩余点的数量大于m时:返回步骤S8;
当点集SU'中剩余点的数量小于m时:如果点集集合S合格_2中的点集个数大于λ,则清空点集集合S合格_1,将点集集合S合格_2中的所有点集加入到点集集合S合格_1中,返回步骤S6;如果点集集合S合格_2中的点集个数小于λ,则点集集合S合格_2中的每个点集所代表的每个电池配组则为所要寻找的最优配组,算法结束。
8.如权利要求7所述的电池配组系统,其特征在于,还包括第一电池一致性指标计算模块,用于计算一组电池的一致性指标,其计算方法包括:
将待计算一致性指标的一组电池中每个电池Ei的多个电池特性指标值映射至多维空间中的点,其点坐标由每个电池的电池特征指标值确定,记代表该配组中所有电池的点构成的点集为Sp,计算点集Sp中每两点间的距离D(Ei,Ej),Ei∈Sp,Ej∈Sp;Sp的一致性指标DF(Sp)的计算方法如下,其值越小则代表点集的一致性越好;
DF(SP)=max{D(Ei,Ej)|Ei∈SP,Ei∈SP}
式中:
D(Ei,Ej):表示点集Sp中的代表电池Ei和Ej性能的两个点的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211436127.9A CN115640702B (zh) | 2022-11-16 | 2022-11-16 | 一种电池配组方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211436127.9A CN115640702B (zh) | 2022-11-16 | 2022-11-16 | 一种电池配组方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115640702A CN115640702A (zh) | 2023-01-24 |
CN115640702B true CN115640702B (zh) | 2023-06-09 |
Family
ID=84948718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211436127.9A Active CN115640702B (zh) | 2022-11-16 | 2022-11-16 | 一种电池配组方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115640702B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107482265A (zh) * | 2017-08-28 | 2017-12-15 | 江西优特汽车技术有限公司 | 一种倍率型电池组的组配方法 |
CN111027625A (zh) * | 2019-12-10 | 2020-04-17 | 燕山大学 | 基于SAE和K-means聚类算法的电池筛选方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10938003B2 (en) * | 2017-09-12 | 2021-03-02 | Chongqing Jinkang New Energy Vehicle Co., Ltd. | Battery packs to power electric vehicles |
CN109814043A (zh) * | 2017-11-17 | 2019-05-28 | 上海国际汽车城(集团)有限公司 | 串联结构锂离子电池组一致性可视化评价方法 |
CN110659605B (zh) * | 2019-09-21 | 2021-06-08 | 哈尔滨理工大学 | 一种基于电池特性曲线特征点提取的锂电池分类方法 |
CN111707951B (zh) * | 2020-06-22 | 2021-04-06 | 北京理工大学 | 一种电池组一致性评估方法及系统 |
CN113569939B (zh) * | 2021-07-23 | 2022-03-04 | 四川新能源汽车创新中心有限公司 | 基于人工智能的电池分组方法、终端及存储介质 |
-
2022
- 2022-11-16 CN CN202211436127.9A patent/CN115640702B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107482265A (zh) * | 2017-08-28 | 2017-12-15 | 江西优特汽车技术有限公司 | 一种倍率型电池组的组配方法 |
CN111027625A (zh) * | 2019-12-10 | 2020-04-17 | 燕山大学 | 基于SAE和K-means聚类算法的电池筛选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115640702A (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113452053B (zh) | 一种分布式储能集群划分方法 | |
CN103235743B (zh) | 一种基于分解和最优解跟随策略的多目标测试任务调度方法 | |
CN113887601A (zh) | 一种基于聚类分选的退役动力电池重组方法 | |
CN107256132B (zh) | 一种基于性能测试的异构Redis集群存储分配方法 | |
CN113296009B (zh) | 一种退役动力锂离子电池剩余寿命预测及重组方法 | |
CN116449218B (zh) | 一种锂电池健康状态的估计方法 | |
WO2019154215A1 (zh) | 机器人运行路径生成方法、计算设备及存储介质 | |
CN112436992B (zh) | 基于图卷积网络的虚拟网络映射方法及装置 | |
CN109346787B (zh) | 一种电动汽车动力电池自适应优化充电方法 | |
CN112791997A (zh) | 一种退役电池梯次利用筛选的方法 | |
CN115481363A (zh) | 基于组合赋权-模糊综合评价的电池组不一致性评估方法 | |
CN103345384A (zh) | 一种基于分解的变邻域多目标测试任务调度方法及平台 | |
CN114706840A (zh) | 面向负载感知的多模数据库ArangoDB参数调优的方法 | |
CN113312807B (zh) | 一种基于锂电池性能模拟环境的电解液配方推荐方法 | |
CN117783875B (zh) | 一种基于模型融合的锂电池荷电状态预测方法及装置 | |
CN115640702B (zh) | 一种电池配组方法和系统 | |
An et al. | A novel battery pack inconsistency model and influence degree analysis of inconsistency on output energy | |
CN116014764B (zh) | 一种分布式储能优化处理方法及装置 | |
CN115032544B (zh) | 数据不完备场景下的动力锂电池剩余寿命预测方法 | |
CN110232432A (zh) | 一种基于人工生命模型的锂电池组soc预测方法 | |
CN115224729A (zh) | 一种分布式电源调峰动态控制方法 | |
CN115593264A (zh) | 基于边缘计算的充电优化控制方法、装置和计算机设备 | |
Dror et al. | Interactive scheme for a MOLP problem given two partial orders: one on variables and one on objectives | |
CN112612422B (zh) | 移动边缘计算中副本的动态一致性维护方法 | |
Zhao et al. | Building equivalent circuit models of lithium-ion battery by means of genetic programming |
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 |