CN115792678A - 一种基于模糊层次分析法的车用动力电池性能评估方法 - Google Patents
一种基于模糊层次分析法的车用动力电池性能评估方法 Download PDFInfo
- Publication number
- CN115792678A CN115792678A CN202211580448.6A CN202211580448A CN115792678A CN 115792678 A CN115792678 A CN 115792678A CN 202211580448 A CN202211580448 A CN 202211580448A CN 115792678 A CN115792678 A CN 115792678A
- Authority
- CN
- China
- Prior art keywords
- performance
- fuzzy
- factor
- matrix
- power battery
- 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.)
- Withdrawn
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 239000013598 vector Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 18
- 229910001416 lithium ion Inorganic materials 0.000 description 18
- 238000013210 evaluation model Methods 0.000 description 15
- 238000007726 management method Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000002459 sustained effect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 102000003712 Complement factor B Human genes 0.000 description 4
- 108090000056 Complement factor B Proteins 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 239000007773 negative electrode material Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000007774 positive electrode material Substances 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000009831 deintercalation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003487 electrochemical reaction Methods 0.000 description 2
- 239000007772 electrode material Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 230000036632 reaction speed Effects 0.000 description 2
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 1
- 206010000369 Accident Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000010405 anode material Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000002687 intercalation Effects 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011257 shell material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于模糊层次分析法的车用动力电池性能评估方法,所述方法包括:建立多参数评估指标体系;根据指标体系中的各级指标的相互关系构建成模糊数对比矩阵;根据模糊数对比矩阵,确定各级指标参数的权重;根据各级指标参数的权重,结合评估等级划分,计算性能等级;本发明基于模糊层次分析法可以定量地,系统地评估一款车用动力电池的性能,有利于新能源汽车厂家快速地、有依据地挑选出符合自己车辆相关要求的综合性能优秀的动力电池。
Description
技术领域
本发明涉及一种基于模糊层次分析法的车用动力电池性能评估方法,属于能源技术领域。
背景技术
新能源汽车作为当前和未来全球乘用车产业发展的关键点,对我国能源、环境、经济、科技等方面都将持续产生较大影响。而新能源汽车动力电池的发展则是决定新能源汽车快速普及的最关键因素之一。随着各家动力电池品牌在新能源市场的竞争不断激烈化,各类性能优秀的动力电池层出不穷,车企和消费者对一款综合性能优秀的动力电池的需求日益增长。
然而,新能源汽车动力电池的性能受到许多参数的影响,包括电池的整体性能、电池充电性能、电池放电性能以及安全性能等。以往对于动力电池的测试评价主要是依据国家标准等对动力电池各项参数进行合格性测试,满足测试要求的动力电池即可以进入市场销售。现有的测试评价方法不能有效地挑选出一款综合性能优秀的动力电池。
发明内容
本发明的目的在于提供一种基于模糊层次分析法的车用动力电池性能评估方法,以解决现有新能源汽车动力电池性能评价方法不足的问题。
一种基于模糊层次分析法的车用动力电池性能评估方法,所述方法包括:
建立多参数评估指标体系;
根据指标体系中的各级指标的相互关系构建成模糊数对比矩阵;
根据模糊数对比矩阵,确定各级指标参数的权重;
根据各级指标参数的权重,结合评估等级划分,计算性能等级。
进一步地,所述多参数评估指标体系包括:一级指标:动力电池性能(A);
二级指标:整体性能(B1)、充电性能(B2)、放电性能(B3)和安全性能(B4)。
进一步地,所述构建各级模糊数对比矩阵包括:
选择三角模糊数标度法;
建立对比矩阵,用于层次分析的三角模糊数矩阵的表达形式为:
X=(xij) (i,j=1,2,…,n) (1)
xij=(aij,mij,dij) (2)
xji=(xij)-1=(dij -1,mij,aij -1) (3)
式中:X为模糊成对比较数矩阵;xij为矩阵中的元素;n为因素或子因素的序号,a、m、d为模糊数中的明确数。
进一步地,所述确定多参数权重包括:
对矩阵的一致性进行检查,将模糊矩阵中的模糊数转换为相对应的去模糊化明确值计算去模糊化后的矩阵的最大特征值λmax;
根据矩阵最大特征值λmax通过一致性比率CR计算所有矩阵的一致性;
符合一致性比率CR要求的矩阵之间互相计算,得到三角模糊权重;
对三角模糊权重进行三角程度分析,计算去模糊化清晰权重。
进一步地,计算矩阵最大特征值λmax的公式为:
进一步地,所述计算矩阵的一致性比率CR的公式如下:
CR=CI/RI (5)
CI=(λmax-n)/(n-1) (6)
式中:CI是一致性指标;RI是随机一致性指标;
将得到的矩阵最大特征值λmax带入(5)~(6)式计算出矩阵的一致性,当一致性比率CR<0.1时,可接受矩阵的一致性。
进一步地,所述计算三角模糊权重的方法包括:
计算矩阵中第i行的三角模糊数之和,如式(7)所示:
所有Ts,i之和,如式(8)所示:
第i行因素或子因素的三角模糊权重定义为式(9):
wt,i=Ts,i(φ)Ts=(αt,iγt -1,βt,iβt -1,γt,iαt -1 (9)
进一步地,所述计算去模糊化清晰权重的方法包括:
首先计算两个矩阵x1=(a1,m1,d1)≥x2=(a2,m2,d2)的可能性的程度,如式(12)所示:
计算一个凸模糊数大于其他p个凸模糊数xi(i=1,2,...,p)的可能性的程度,如公式(13):
V(x≥x1,x2,...,xp)=V[(x≥x1)和(x≥x2)...和(x≥xp)]=min(V(x≥xi)) (13)
根据三角程度分析,第i行因素或子因素的清晰权重如式(14):
w’i=min(V(wt,i≥wt,p)) p=1,2,…,n,p≠i (14)
式中:w’i是第i行因素或子因素的清晰权重,是一个非模糊数;
所以,清晰权重向量如式(15):
W'=(w’1,w'2,...,w'n) (15)
进一步地,所述计算综合性能等级包括:
划分性能等级为五级:第一等级、第二等级、第三等级、第四等级和第五等级,并根据其语意变量转换为对应的三角模糊数;
确定子因素的五级性能等级程度对应的参数数值范围;
收集待评估动力电池性能等级的参数数值,与对应的数值范围进行比较,确定不同的性能等级,并转换为对应的三角模糊数。
计算子因素的三角模糊评估数;
根据子因素的去模糊化的权重,得到因素A的性能等级三角模糊评估数;
根据因素A的性能等级三角模糊评估数可以得到最终的性能等级。
进一步地,因素的三角模糊评估数计算方法包括:
因素的三角模糊评估数由子因素权重与子因素的三角模糊评估数的乘积得到。
与现有技术相比,本发明所达到的有益效果:本发明基于模糊层次分析法可以定量地,系统地评估一款车用动力电池的性能,有利于新能源汽车厂家快速地、有依据地挑选出符合自己车辆相关要求的综合性能优秀的动力电池。
附图说明
图1是本发明新能源汽车动力电池性能评价指标体系示意图;
图2是三角模糊数x1和x2的交点示意图;
图3是汽车动力电池性能等级对应图;
图4是基于模糊层次分析法的新能源汽车动力电池性能评价结果图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1-图4所示,公开了一种基于模糊层次分析法的车用动力电池性能评估方法,方法具体如下:
S1:建立多参数评价指标体系,具体方法如下:
S1、根据新能源汽车动力电池各方面特性,确定评价其性能等级的指标体系。动力电池的性能受到许多参数的影响,包括电池的整体性能(能量密度,制造成本和保持放电性能的循环次数等)、电池充电性能(正常充电时的环境温度范围要求,采用快、慢速充电方式时的充电时间和充电时电池升温的控制等),电池放电性能(正常行驶时放电的环境温度范围要求,急加速时的放电能力,持续行驶时的放电能力和行驶放电时的升温控制等)以及安全性能(电池本质安全性,电池组热管理系统的性能,电池包的强度和其他的安全措施等)。
在考虑厂商公开资料和文献资料的基础上,本发明首先建立了评价指标体系(A)。包含四个二级指标:整体性能(B1)、充电性能(B2)、放电性能(B3)和安全性能(B4)。每个基本参数都包含一组子因素(三级指标),由于各基本参数及子因素是具有特征性的性能参数,故可视其之间均符合相互独立性的要求。本发明针对汽车动力电池性能的层次评价指标体系如图1所示。各二、三级指标体系建立如下:
(1)整体性能(B1):对于新能源汽车动力电池,其自身的整体性能是最显而易见的,直接反映了储能设备的制造和使用等重要环节的性能参数的高低。此处考虑了与电池整体性能参数相关的三个子因素(三级指标):能量密度(C11)、成本(C12)和循环寿命(C13)。能量密度(C11):动力电池的能量密度是指电池平均单位体积或质量所能存储和释放出的电能,通常反映了电池单位质量或体积的储、放电能力。在本评价模型中,采用动力电池包质量能量密度作为电池整体性能参数的子因素之一。电池包能量密度越高,表明电池的储能、释能能力越强,性能越优秀;成本(C12):动力电池的成本来自于原材料、单体电池制造装配以及电池组和电池管理系统,不同的材料、技术和工艺会影响电池的生产成本,进而影响出货价格和新能源汽车售价。所以在本评价模型中,采用电池包生产成本作为电池整体性能参数的子因素之一。成本越低,性能越优秀;循环寿命(C13):一般将锂离子电池在循环过程中容量下降到初始容量的80%时所经过的循环次数,定义为锂离子电池的循环寿命。循环寿命反映了电池能量衰减老化的情况,老化速度越慢,动力电池的耐用性越强。所以在本评价模型中,采用循环寿命作为电池整体性能参数的子因素之一。循环寿命越高,能保持高容量的循环次数就越多,动力电池寿命越长,性能越优秀。
(2)充电性能(B2):相对于传统能源汽车,影响目前新能源汽车推广的一个重要因素就是动力电池充电时间和充电时的安全性。充电时间直接影响了车辆的使用体验,长时间的充电是导致许多消费者对新能源汽车信心不足的原因,充电时可能引发的安全问题也是值得关注的一个重要性能。此处考虑了与充电性能参数相关的四个子因素:充电温度范围(C21)、慢充速率(C22)、快充速率(C23)和充电温升(C24)。充电温度范围(C21):锂离子电池充放电的本质就是锂离子在电池正负极材料之间的脱嵌。环境温度会影响锂离子的运动速度和电化学反应速度等,从而影响充电时锂离子嵌入负极材料的速度。所以在本评价模型中,采用充电温度范围作为充电性能参数的子因素之一。充电温度范围(最高与最低温度差)越大,能保持高效充电的窗口越大,性能越优秀;慢充时间(C22):慢充与快充是相对性的概念,对于一般新能源汽车而言,通常会提供交流慢充和直流快充两种充电模式。由于锂离子电池的特性,慢充可以最大限度地保护电池健康,在非应急条件下,通常建议采用慢充模式将电量充满,或者在快充模式将电量冲至80%SOC之后,也需要用慢充模式冲至100%SOC。所以在本评价模型中,采用慢充时间作为充电性能参数的子因素之一。慢充时间越短,充满电量耗时越短,性能越优秀;快充时间(C23):快充模式通常会采用大功率直流电进行充电,因为可能存在潜在的电池伤害,通常会在应急状况下使用。因此,快充速度直接影响新能源汽车能够再次行驶时的等待时间以及使用体验。所以在本评价模型中,采用快充时间作为充电性能参数的子因素之一。快充时间越短,性能越优秀;充电温升(C24):由于锂离子电池的极化影响,其充电过程通常会产生热量使得电池温度上升,温度上升会导致充电效率降低,速率降低,影响充满时间。同时,如果充电温升异常,持续上升到热失控临界温度,还可能引发电池热失控火灾。所以在本评价模型中,采用充电温升作为充电性能参数的子因素之一。充电温升越低,性能越优秀。
(3)放电性能(B3):动力电池作为新能源汽车的储能装置,其主要工作是释放电能使电动机工作,带动车辆行驶。因此,电池的放电性能关乎新能源汽车的基本工作和驾驶感受,也是消费者通常能直观判断汽车性能优劣的主要途径。此处考虑了与放电性能参数相关的四个子因素:放电温度范围(C31)、峰值放电能力(C32)、持续放电能力(C33)和放电温升(C34)。放电温度范围(C31):锂离子电池充放电的本质就是锂离子在电池正负极材料之间的脱嵌。环境温度会影响锂离子的运动速度和电化学反应速度等,从而影响放电时锂离子脱出负极材料的速度。所以在本评价模型中,采用放电温度范围作为放电性能参数的子因素之一。放电温度范围(最高与最低温度差)越大,能保持高效放电的窗口越大,性能越优秀;峰值放电能力(C32):峰值放电能力决定了动力电池在短时间内能以最大多大的电流进行放电,大电流可以带来电动机的大输出功率和汽车的急加速。所以在本评价模型中,采用峰值放电能力作为放电性能参数的子因素之一。峰值放电能力越强,短时间内电池能够输出的电流越大,性能越优秀;持续放电能力(C33):持续放电能力反映了电池在持续长时间放电时,不发生过热情况下的最大放电电流。持续放电能力决定了汽车在长时间行驶时的动力情况。所以在本评价模型中,采用持续放电能力作为放电性能参数的子因素之一。持续放电能力越强,电池长时间输出的电流越大,性能越优秀;放电温升(C34):由于锂离子电池的原理,其放电过程通常也会产生热量使得电池温度上升,温度上升会导致放电效率降低。同时,如果放电温升异常,持续上升到热失控临界温度,还可能引发电池热失控火灾。所以在本评价模型中,采用放电温升作为放电性能参数的子因素之一。放电温升越低,性能越优秀。
(4)安全性能(B4):安全性能也是目前影响消费者考虑和使用新能源汽车的重要因素之一。随着新能源汽车保有量的攀升,各类火灾事故频频登上大众新闻头条。因此,动力电池的安全水平,也是考量电池性能的重要因素之一。此处考虑了与安全性能参数相关的两个子因素:本质安全性(C41)、热管理系统性能(C42)、强度(C43)和其他安全措施(C44)。本质安全性(C41):根据锂离子电池的特性,不同的电极材料的稳定性不同,发生过热失控时的反应和剧烈程度也不相同,特别是正极材料对电池发生热失控时的安全性影响较大。所以在在本评价模型中,将本质安全性作为电池安全性参数的子因素之一。正极材料的安全性越高,本质安全性越高,性能越优秀;热管理系统性能(C42):由于锂离子电池的原理,电池危险性通常是客观存在的,难以完全避免。动力电池生产厂商通常会在电池包中设置热管理系统,通过热管理系统控制电池包内电池组的温度,防止电池发生过热和温度不均衡。现有的热管理系统基本可以做到将电池的整体温度控制在正常运行范围内,但电池组中不同电池之间的温度差控制能力还存在一定的差别,电池之间温度差过大,可能会导致电池容量的差别,降低电池一致性,影响后续电池组的充放电性能,进一步会导致个别电池与整体差异性变大,最终造成个别电池的安全性问题从而引发热失控传播等极端危险情况。所以在在本评价模型中,将热管理系统性能作为电池安全性参数的子因素之一。电池组中单体电池间温差越低,热管理系统性能越优秀,动力电池性能越优秀;强度(C43):由于驱动新能源汽车的需要,动力电池通常采用多节电池串、并联的方式组成电池组系统,并封装在电池包内。电池包的强度,决定其抗冲击的能力,而机械冲击则可能是电池发生热失控的诱因。所以在在本评价模型中,将电池包强度作为电池安全性参数的子因素之一。电池包外壳材料的屈服强度越大,表明电池包抗机械冲击的强度越大,性能越优秀;其他安全措施(C44):由于锂离子电池容易引发热失控的特点,许多制造商都针对这一特性对电池进行了改进,采取了一系列措施降低热失控概率或危险程度,如针对可燃电解液添加阻燃剂,为电池或电池包设计安全阀或开发新型结构电池组等。所以在在本评价模型中,将其他安全措施作为电池安全性参数的子因素之一。其他为电池包增设的安全措施越多,效果越好,性能越优秀。
S2:基于Chang氏三角程度模糊分析法,将指标体系中的各级指标的相互关系构建成模糊数对比矩阵;具体步骤如下:
第一步,使用语意变量来描述评价方法中各因素之间的相对重要性。为了进行计算,需要将相应的语意变量转换为模糊度量。本发明模糊度量的赋值选用三角模糊数标度法,具体对应关系见表1。
表1相对重要性的三角模糊数表达形式
第二步,建立对比矩阵,本发明中用于层次分析的三角模糊数矩阵的表达形式为:
X=(xij) (i,j=1,2,…,n) (1)
xij=(aij,mij,dij) (2)
xji=(xij)-1=(dij -1,mij,aij -1) (3)
式中:X为模糊成对比较数矩阵;xij为矩阵中的元素;n为因素或子因素的序号。因此,各参数及子因素的模糊数矩阵建立如表2至表6。其中,对于充电性能(B2)和整体性能(B1)之间的关系,研究认为,由于虽然动力电池的续航、成本等整体性能反映了电池的续航和售价等关键问题,但是目前充电技术的瓶颈是阻碍新能源汽车快速发展的最重要的阻碍,相对于传统能源汽车,充电速度缓慢是实际新能源汽车使用时的痛点,所以表2中,认为充电性能(B2)与整体性能(B1)相比,为稍微重要的关系。其次,安全性问题虽常见于各类研究和报道,但相对新能源汽车的目前使用的数量,其还处于相对发生率较低的程度,因此,所以表2中,认为整体性能(B1)与安全性能(B4)相比,为稍微重要的关系;充电性能(B2)与安全性能(B4)相比,为比较重要的关系。最后,目前的新能源汽车动力电池的放电性能(B3)表现,相对于传统能源汽车,新能源汽车急加速性能通常已经表现出更加优异的状态,因此,表2中认为,安全性能(B4)与放电性能(B3)相比,为稍微重要的关系;整体性能(B1)与放电性能(B3)相比,为比较重要的关系;充电性能(B2)与放电性能(B3)相比,为比较重要的关系。
表2动力电池性能模糊数矩阵(A)
对于整体性能(B1)中子因素之间的关系,见表3,其中对于能量密度(C11)和循环寿命(C13)是反映新能源汽车电池续航和耐用性的重要指标,而能量密度(C11)更能反映动力电池储能能力的高低,故C11比C13稍微重要,而电池的成本(C12)主要来自电池材料,在目前大规模、集成化生产动力电池的市场行为下,电池的成本因素相对可控,故C13比C12稍微重要,C11比C12比较重要。
表3整体性能模糊数矩阵(B1)
对于充电性能(B2)中子因素之间的关系,当中最重要的无疑是快充速率(C23),其最能反映目前动力电池的关键需求,是普及新能源汽车的重要技术支撑;其次是慢充速率(C22),其反映了在非应急状态下,能最大限度保护电池健康度情况下充满电池的速度。由于目前电池组热管理技术的应用,所以充电温度范围(C21)和充电温升(C24)的可以通过热管理技术进行优化,其中充电温度范围(C21)更加会受到不同季节温度的影响。故C23比C22稍微重要,C22比C21稍微重要,C21比C24稍微重要,C23比C21比较重要,C22比C24比较重要,C23比C24比较重要。
表4充电性能模糊数矩阵(B2)
对于放电性能(B3)中子因素之间的关系,当中亟待解决的关键问题是放电温度范围(C31),其反映了新能源汽车抗极端天气并正常行驶的能力,也是普及新能源汽车的一个重要因素。其次是持续放电能力(C33),反映了新能源汽车的动力电池在单位容量下能够驱使车辆前进的能力。而得益于热管理技术的成熟,动力电池放电温升(C34)基本可以得到控制,但还有一些如功耗问题需要完善。最后,由于目前电池放电技术和电动机技术的优异表现,新能源汽车在运行时的加速表现基本优于传统能源汽车,峰值放电能力(C32)而急加速能力,更加能提升驾驶感受。故C31比C33稍微重要,C33比C34稍微重要,C34比C32稍微重要,C31比C34比较重要,C33比C32比较重要,C31比C32比较重要。
表5放电性能模糊数矩阵(B3)
对于安全性能(B4)中子因素之间的关系,其中最关键的是电池本质安全性(C41),不同的电极材料制造的电池,其安全性有本质差别。其次是热管理系统性能(C42),反映了电池包调节电池温度的能力,防止因温度过高或过低影响电池安全性能和电性能。而电池包强度(C43)决定了电池组抗冲击的能力,防止造成电池挤压变形。最后,不同电池和电池组制造商针对电池安全性采取了不同的额外的其他安全措施(C44),能够在一定程度上缓解相关危险性。故C41比C42稍微重要,C42比C43稍微重要,C43比C44稍微重要,C41比C43比较重要,C42比C44比较重要,C41比C44比较重要。
表6安全性能模糊数矩阵(B4)
S3:根据模糊数对比矩阵,确定各级指标参数的权重,包括以下步骤:
第一步:对建立的模糊数对比矩阵的进行一致性检验,确保定义的矩阵的权重是可接受的。首先需根据式(4)将表2至表6中的模糊矩阵中的模糊数转换为相对应的去模糊化明确值。
然后计算去模糊化后的矩阵的最大特征值λmax。最后根据式(5)~(6),通过一致性比率来计算矩阵的一致性:
CR=CI/RI (5)
CI=(λmax-n)/(n-1) (6)
式中:CI是一致性指标;RI是随机一致性指标(见表7)。当一致性比率CR<0.1时,可接受矩阵的一致性。否则,应修改至符合要求。
表7随机一致性指标表
第二步,计算各参数(二、三级指标)的三角模糊权重,矩阵中第i行的三角模糊数之和如式(7)所示:
所有Ts,i之和如式(8)所示:
所以,第i行因素或子因素的三角模糊权重定义为式(9):
wt,i=Ts,i(φ)Ts=(αt,iγt -1,βt,iβt -1,γt,iαt -1) (9)
因此,因素A(Wt)及子因素Bi(Wt,Bi)的三角模糊权重向量如式(10)和(11)所示:
第三步,基于上述定义的三角模糊权重向量,利用三角模糊数的特点,通过与其他元素的进行比较,从而对权重进行优化,得到更加准确的权重值。鉴于此,需对上述三角模糊权重进行三角程度分析,计算去模糊化清晰权重。首先定义x1=(a1,m1,d1)≥x2=(a2,m2,d2)的可能性的程度,如式(12)所示:
其中,a,m,d为xij矩阵中的三个构成的数值,h是和之间最高交点D的横坐标,如图2所示。为了比较x1和x2,同时需要V(x1≥x2)和V(x2≥x1)的值。而一个凸模糊数大于其他p个凸模糊数xi(i=1,2,...,p)的可能性的程度定义为:
V(x≥x1,x2,...,xp)=V[(x≥x1)和(x≥x2)...和(x≥xp)]=min(V(x≥xi)) (13)
因此,根据上述三角程度分析,第i行因素或子因素的清晰权重如式(14):
w’i=min(V(wt,i≥wt,p)) p=1,2,…,n,p≠i (14)
式中:w’i是第i行因素或子因素的清晰权重,是一个非模糊数。所以,清晰权重向量如式(15):
W'=(w’1,w'2,...,w'n) (15)
根据上述模糊权重与清晰权重的计算方式,针对前述定义的指标体系,汽车动力电池性能评价中对比矩阵的一致性检验结果以及权重计算结果见表8。
表8一致性检验及权重计算结果
S4:根据各级指标参数的权重,结合评价等级划分,计算性能等级
包括以下步骤:
第一步,划分评价等级,将新能源汽车动力电池性能等级分为五级:非常优秀(VG)、优秀(G)、中等(M)、差(P)和非常差(VP),其语意变量转换为三角模糊数的对应规则见表9和图3。
表9五级评价等级的语意变量及对应三角模糊数
第二步,根据厂商公开资料和文献资料,确定15个子因素(三级目标)的五级性能等级程度对应的参数数值范围。
表10参数性能等级及对应数值范围
第三步,将收集到子因素的信息与表10中参数的数值范围进行比较,确定不同的性能等级,并根据表9获得不同的评价三角模糊数。
第四步,计算子因素Bi的三角模糊评估数,其三角模糊评估向量如式(18):
第五步,计算因素A的三角模糊评估数,其三角模糊评估向量可由式(20)得到:
最后,根据因素Bi的去模糊化的权重,可以得到因素A的性能等级三角模糊评估数,如式(21):
表11汽车动力电池性能等级表
实施例1:以特斯拉品牌Model 3Performance型号新能源汽车动力电池为例,如表12所示,是其性能参数统计表,并根据相关参数,结合表9和10确定了各自的性能等级和三角模糊数。
表12动力电池性能等级参数统计及三角评价模糊数
注:采取的其他安全措施有:1.单体电池间有防护板;2.单体电池配有熔断保险丝。
根据表12中确定的三角模糊数,结合表8中已经计算出的各子因素Cij的清晰权重,可以按式(19)计算因素Bi的三角模糊数,并判断性能等级,见表13:
表13因素Bi的三角模糊数及性能等级表
再根据表13中确定的三角模糊数,结合表8中已经计算出的各因素Bi的清晰权重,可以按式(21)计算A的最终三角模糊评估数为:
Zt=(2.6,4.1,5.6) (22)
因此,根据表11,(1,5/2,4)≤Zt=(2.6,4.1,5.6)≤(3,9/2,6),且根据图4,可以判断动力电池的性能等级为II级:汽车动力电池性能中等。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于模糊层次分析法的车用动力电池性能评估方法,其特征在于,所述方法包括:
建立多参数评估指标体系;
根据指标体系中的各级指标的相互关系构建成模糊数对比矩阵;
根据模糊数对比矩阵,确定各级指标参数的权重;
根据各级指标参数的权重,结合评估等级划分,计算性能等级。
2.根据权利要求1所述的基于模糊层次分析法的车用动力电池性能评估方法,其特征在于,所述多参数评估指标体系包括:一级指标:动力电池性能(A);
二级指标:整体性能(B1)、充电性能(B2)、放电性能(B3)和安全性能(B4)。
3.根据权利要求1所述的基于模糊层次分析法的车用动力电池性能评估方法,其特征在于,所述构建各级模糊数对比矩阵包括:
选择三角模糊数标度法;
建立对比矩阵,用于层次分析的三角模糊数矩阵的表达形式为:
X=(xij) (i, j=1, 2, …, n) (1)
xij=(aij,mij,dij) (2)
xji=(xij)-1=(dij -1,mij,aij -1) (3)
式中:X为模糊成对比较数矩阵;xij为矩阵中的元素;n为因素或子因素的序号,a、m、d为模糊数中的明确数。
4.根据权利要求1所述的基于模糊层次分析法的车用动力电池性能评估方法,其特征在于,所述确定多参数权重包括:
对矩阵的一致性进行检查,将模糊矩阵中的模糊数转换为相对应的去模糊化明确值计算去模糊化后的矩阵的最大特征值λmax;
根据矩阵最大特征值λmax通过一致性比率计算所有矩阵的一致性CR;
符合一致性CR的矩阵之间互相计算,得到三角模糊权重;
对三角模糊权重进行三角程度分析,计算去模糊化清晰权重。
6.根据权利要求4所述的基于模糊层次分析法的车用动力电池性能评估方法,其特征在于,所述计算矩阵的一致性的公式如下:
CR=CI/RI (5)
CI=(λmax-n)/(n-1) (6)
式中:CI是一致性指标;RI是随机一致性指标;
将得到的矩阵最大特征值λmax带入(5)~(6)式计算出矩阵的一致性。
8.根据权利要求7所述的基于模糊层次分析法的车用动力电池性能评估方法,其特征在于,所述计算去模糊化清晰权重的方法包括:
首先计算两个矩阵x1=(a1,m1,d1)≥x2=(a2,m2,d2)的可能性的程度,如式(12)所示:
计算一个凸模糊数大于其他p个凸模糊数xi(i=1,2,...,p)的可能性的程度,如公式(13):
V(x≥x1,x2,...,xp)=V[(x≥x1)和(x≥x2)...和(x≥xp)]=min(V(x≥xi)) (13)
根据三角程度分析,第i行因素或子因素的清晰权重如式(14):
w′i=min(V(wt,i≥wt,p))p=1,2, …,n,p≠i (14)
式中:w′i是第i行因素或子因素的清晰权重,是一个非模糊数;
所以,清晰权重向量如式(15):
W'=(w′1,w'2,...,w'n) (15)
9.根据权利要求8所述的基于模糊层次分析法的车用动力电池性能评估方法,其特征在于,所述计算综合性能等级包括:
划分性能等级为五级:第一等级、第二等级、第三等级、第四等级和第五等级,并根据其语意变量转换为对应的三角模糊数;
确定子因素的五级性能等级程度对应的参数数值范围;
收集待评估动力电池性能等级的参数数值,与对应的数值范围进行比较,确定不同的性能等级,并转换为对应的三角模糊数。
计算子因素的三角模糊评估数;
根据子因素的去模糊化的权重,得到因素A的性能等级三角模糊评估数;
根据因素A的性能等级三角模糊评估数可以得到最终的性能等级。
10.根据权利要求9所述的基于模糊层次分析法的车用动力电池性能评估方法,其特征在于,因素的三角模糊评估数计算方法包括:
因素的三角模糊评估数由子因素权重与子因素的三角模糊评估数的乘积得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211580448.6A CN115792678A (zh) | 2022-12-09 | 2022-12-09 | 一种基于模糊层次分析法的车用动力电池性能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211580448.6A CN115792678A (zh) | 2022-12-09 | 2022-12-09 | 一种基于模糊层次分析法的车用动力电池性能评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115792678A true CN115792678A (zh) | 2023-03-14 |
Family
ID=85418226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211580448.6A Withdrawn CN115792678A (zh) | 2022-12-09 | 2022-12-09 | 一种基于模糊层次分析法的车用动力电池性能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115792678A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117429303A (zh) * | 2023-10-10 | 2024-01-23 | 北京理工大学前沿技术研究院 | 一种基于物联网的电动汽车电池更换方法、系统及设备 |
-
2022
- 2022-12-09 CN CN202211580448.6A patent/CN115792678A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117429303A (zh) * | 2023-10-10 | 2024-01-23 | 北京理工大学前沿技术研究院 | 一种基于物联网的电动汽车电池更换方法、系统及设备 |
CN117429303B (zh) * | 2023-10-10 | 2024-03-12 | 北京理工大学前沿技术研究院 | 一种基于物联网的电动汽车电池更换方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111007401A (zh) | 一种基于人工智能的电动汽车电池故障诊断方法及设备 | |
CN112327167B (zh) | 一种电池容量跳水风险评估方法及系统 | |
CN112103580B (zh) | 一种基于等效内阻的锂电池充电方法 | |
CN110780226B (zh) | 一种电池包内短路检测方法、装置和电动汽车 | |
CN111967192B (zh) | 一种基于朴素贝叶斯的电池安全度估算方法 | |
CN114240260B (zh) | 一种基于数字孪生的新能源群体车辆热失控风险评估方法 | |
CN110780219B (zh) | 一种电池包内短路检测方法、装置和电动汽车 | |
CN111123148B (zh) | 一种判断金属二次电池内短路的方法及设备 | |
CN115792678A (zh) | 一种基于模糊层次分析法的车用动力电池性能评估方法 | |
CN112036014A (zh) | 一种基于层次分析法的锂离子电池安全可靠性测试方法 | |
CN115958957B (zh) | 一种电动汽车动力电池充电过热故障预测方法及系统 | |
CN116666799A (zh) | 一种退役电池重组方法及系统 | |
Zhao et al. | Health condition assessment of satellite li-ion battery pack considering battery inconsistency and pack performance indicators | |
CN111257770A (zh) | 一种电池包功率估算方法 | |
CN114545279A (zh) | 一种基于神经网络常微分方程的锂电池健康状态估计方法 | |
Hong et al. | Collision-Caused thermal runaway investigation of li-ion battery in Real-World electric vehicles | |
CN113991777A (zh) | 一种电池储能系统在线式运行安全态势感知方法 | |
CN116404276A (zh) | 锂离子电池漏液预测方法、装置、设备及介质 | |
CN115308617B (zh) | 一种锂离子电池内部短路诊断方法 | |
CN114282852B (zh) | 一种电池安全性计算方法和装置 | |
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 | |
Venkatapathy et al. | A systematic identification of first to second life shift-point of lithium-ion batteries | |
CN112363058B (zh) | 一种基于阻抗谱和马尔科夫特性的锂离子电池安全度估算方法及装置 | |
Zhang et al. | Internal short circuit warning method of parallel lithium-ion module based on loop current detection | |
CN115825755B (zh) | 一种储能电池电芯电压一致性评估方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230314 |