CN116049515B - 均衡调控下的电池一致性评估方法 - Google Patents
均衡调控下的电池一致性评估方法 Download PDFInfo
- Publication number
- CN116049515B CN116049515B CN202310346149.4A CN202310346149A CN116049515B CN 116049515 B CN116049515 B CN 116049515B CN 202310346149 A CN202310346149 A CN 202310346149A CN 116049515 B CN116049515 B CN 116049515B
- Authority
- CN
- China
- Prior art keywords
- points
- battery
- satisfying
- point
- reuse rate
- 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 53
- 238000012216 screening Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004064 recycling Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000004146 energy storage Methods 0.000 description 3
- 239000000178 monomer Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了均衡调控下的电池一致性评估方法,属于电池领域,所述的电池一致性评估方法包括根据电池组规模与一致性指标将电池数据点初步分为满足点、匹配点与等外点;对满足点的再利用率进行计算,再利用率达到100%的满足点及其匹配点则标记为合格点,并形成一个簇,直至满足点的再利用率均小于100%;再对未形成簇的满足点按照再利用率进行排序;依照再利用率由大到小顺序对满足点进行匹配,匹配顺序按照距离由小到大进行筛选;本发明以满足电池一致性为前提,得到待筛选电池库中可匹配成组的电池模组数量并筛选分簇,得到的电池数据簇可直接用于电池组集成。
Description
技术领域
本发明属于电池领域,更具体的说涉及均衡调控下的电池一致性评估方法。
背景技术
近年来,我国新能源储能市场规模越来越大,退役储能电池再利用也会成为储能电池未来必须面对的问题。例如,2020年以后回收利用退役动力电池市场迎来了爆发式增长。面对数量庞大的退役电池,退役电池分类及系统分析成为了各大电池生产制造企业所要面临的主要任务。各大电池生产制造企业均明确指出,按照高效循环的原则来实现能源可持续发展是电池利用体系的改变原则,与此同时要求电池生产制造企业严格遵守后期延伸制度,构建电池溯源管理信息平台,确保可追溯电池的整个生命周期,提高电池生产制造的安全性。为了应对未来电池退役浪潮,大部分电池生产制造企业均已将研发重点放在了退役电池的回收利用技术领域。所有电池生产制造企业的研究活动证明了退役电池回收利用的可行性和巨大潜力,电池单体回收产业在未来将会成为电池行业新的焦点。
退役电池经过多次不同工况且不同次数的循环充放电后,初始不一致性被放大,性能不一致问题突出,对电池匹配成组前进行一致性筛选是尤为必要的。对整个一致性筛选流程进行遍历将提高筛选过程的时间复杂度,尤其是在数据规模较大的情况下,呈指数增长的筛选时间会显著降低筛选效率,不利于电池一致性筛选的实际应用。
发明内容
本发明以电池单体再利用率为优先原则,探讨各种电池分布类型的筛选方式及其步骤,获取数目尽可能大且满足一致性要求的电池匹配模组。该方法的有效性进行验证,结果表明该方法筛选结果的一致性较好,相较于对所有数据遍历的筛选方式,该方法可在不明显降低电池整体再利用率的前提下有效提升筛选速度,提高筛选过程的效率。
为了实现上述目的,本发明是采用以下技术方案实现的:所述的电池一致性评估方法包括以下步骤:
S1、对电池组进行分类,将电池数据点分为满足点、匹配点与等外点;
S2、对满足点的再利用率进行计算,再利用率达到100%的满足点及其匹配点则标记为合格点,并形成一个簇,直至满足点的再利用率均小于100%;
S3、对未形成簇的满足点按照再利用率进行排序,并对其对应的匹配点按照距离进行排序;
S4、依照再利用率由大到小顺序对满足点进行匹配,匹配顺序按照距离由小到大进行筛选,直至满足点与其对应匹配点的数量达到电池组规模,将它们标记为合格点,并形成一个簇;
S5、重复步骤S4,直至满足点的数量为0,完成电池一致性评估,得到最大的电池模组数量即为簇数,每一簇即为满足一致性要求的电池组。
进一步地,所述S1采用以下方法实现的:
采用密度聚类算法,提前标定扫描半径Eps与最小包含点数MinPts,Eps与MinPts分别由电池的一致性指标与电池模组规模确定。
进一步地,所述S2采用以下方法实现的:
S202、统计再利用率为100%的满足点所对应的匹配点数量,匹配点数量多的满足点优先进行筛选,匹配点数量相等的,进一步统计满足点扫描范围内数据点的方差,方差小的满足点优先进行筛选;
S203、对剩余满足点进行再利用率更新,对再利用率为100%的满足点进行上述S201的步骤,直至更新后不存在再利用率为100%的满足点。
进一步地,所述的S3采用以下方法实现的:
S301、对所有再利用率不足100%的剩余满足点按再利用率由大到小排序,若出现满足点再利用率相等的情况则返回S202进行计算;
S401、计算空间内数据点距离第一维度基准线的距离,并由小到大排序,筛选其中前MinPts个合格点并分为一簇;
S402、计算剩余数据点距离第二维度基准线的距离,其中距离最小的前MinPts个合格点为一簇,以此类推,直至分出S-1簇,则剩下数据点为一簇。
进一步地,所述S402分簇过程中若S大于维度数,超出维度数的簇重新从第一维度开始分簇。
进一步地,所述S4中每一簇中数据点的数量等于MinPts,对数量为b的合格点集进行分簇操作时分两种情况:
本发明有益效果:
本发明以电池单体再利用率为优先原则,探讨各种电池分布类型的筛选方式及其步骤,获取数目尽可能大且满足一致性要求的电池匹配模组。该方法的有效性进行验证,结果表明该方法筛选结果的一致性较好,相较于对所有数据遍历的筛选方式,该方法可在不明显降低电池整体再利用率的前提下有效提升筛选速度,提高筛选过程的效率。
附图说明
图1为本发明方法总体的流程图;
图2为本发明方法步骤S2的流程图;
图3为本发明方法步骤S3的流程图;
图4为本发明方法步骤S4的三维空间基准线图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是,本发明可以以许多不同的形式来实现,并不限于本发明所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义,本发明所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本发明中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
如图1所示,所述的电池一致性评估方法包括以下步骤:
S1、对电池组进行分类,将电池数据点分为满足点、匹配点与等外点。
采用以下方法实现的:采用密度聚类算法,提前标定扫描半径Eps与最小包含点数MinPts,Eps与MinPts分别由电池的一致性指标与电池模组规模确定。
本发明方法要完成后续计算,需要完成参数标定,给定扫描半径Eps与最小包含点数MinPts。分别由电池的一致性指标与电池模组规模确定。
(1)最小包含点数MinPts标定:
一个电池模组由多个电池单体经过串并联构成,按需求匹配成电池模组时,成组的电池单体数目即已确定,MinPts等于指定电池模组所含串并联电池单体数目。
(2)扫描半径Eps标定:
扫描半径Eps为1,本发明Eps标定的实质是对筛选指标的换算,而Eps可根据实际筛选一致性严格程度做适当幅度的浮动。
计算每个电池数据点与所有电池数据点(包含其本身)欧式距离的平方如下公式:
进一步比较MinPts与Ni数量关系,当Ni小于MinPts时,则编号为i的电池数据点被标记为等外点;当Ni大于或等于MinPts时,则编号为i的电池数据点被标记为满足点,同时中小于/>的元素对应的电池数据点被标记为匹配点。
如图2所示,S2、对满足点的再利用率进行计算,再利用率达到100%的满足点及其匹配点则标记为合格点,并形成一个簇,直至满足点的再利用率均小于100%。采用以下方法实现的:
式中:指代编号为i的满足点的再利用率;/>指代编号为i的满足点扫描范围内的数据点总量;/>指代编号为i的满足点的最大可成组电池模组数;再利用率表示一个满足点与其匹配点在匹配成组时的电池数据点采纳率,即满足点与其匹配点被标记为合格点时的转换程度,基于再利用率最大的原则进行优先级排序。
S202、统计再利用率为100%的满足点所对应的匹配点数量,匹配点数量多的满足点优先进行筛选,匹配点数量相等的,进一步统计满足点扫描范围内数据点的方差,方差小的满足点优先进行筛选。
S203、对剩余满足点进行再利用率更新,对再利用率为100%的满足点进行上述S201的步骤,直至更新后不存在再利用率为100%的满足点。
当再利用率为100%的满足点均进行筛选后,原本再利用率小于100%,但扫描范围内数据点总量a处于MinPts的S倍与MinPts的(S+1)倍之间的满足点对应的匹配点因被其他满足点采纳并标记为合格点,导致a减少至MinPts的s'倍(1≤s'≤s,s'为整数),则其再利用率将提升至100%,因此在第一轮筛选标记所有再利用率为100%的满足点及其匹配点为合格点后需对剩余满足点进行再利用率更新,对再利用率为100%的满足点进行上述筛选步骤,直至更新后不存在再利用率为100%的满足点,至此步骤S2结束。
S3、对未形成簇的满足点按照再利用率进行排序,并对其对应的匹配点按照距离进行排序。数据点的一次筛选完成了所有再利用率为100%的满足点筛选,并将其扫描范围内所有数据点标记为合格点,而剩余为被标记为合格点的满足点存在其扫描范围内数据点总量大于MinPts,但再利用率小于100%的情况,此类数据点仍具备匹配成组再利用的能力,因此需要二次筛选对上述数据点进行合格点标记工作,提高整体再利用率。
S301、对所有再利用率不足100%的剩余满足点按再利用率由大到小排序,若出现满足点再利用率相等的情况则返回S202进行计算;
计算其扫描空间内数据点的方差,按方差由小到大排序。基于以上原则可对所有剩余满足点进行排序,然后对满足点i及其匹配点进行合格点标记,因其数据总量处于MinPts的s倍与MinPts的(s+1)倍之间,其中必然/>数量的点将被标记为等外点,此时考虑电池的一致性强弱程度,将满足点i与所有电池数据点欧式距离的平方/>中属于其自身匹配点的元素由小到大进行排序,将前/>个数据点标记为合格点,重复上述步骤直至此轮筛选中被标记的满足点全部被标记。/>
在步骤S3中,每次扫描必然产生新的等外点,而这些等外点中可能出现新的满足点,对剩余所有等外点计算两两之间欧氏距离的平方,并按步骤S1标记满足点与匹配点,然后对其进行一轮S202的步骤,直至该阶段的初步分类过程不再产生新的满足点,流程才算结束。步骤S3的流程图如图3所示。同理,S3过程中会将数据点转换为合格点,而这些数据点在前面循环扫描的流程中可能属于其他满足点的匹配点,此时这些满足点扫描范围内的数据总量将减少,导致其再利用率上升至100%的情况出现。因此在S3过程中若扫描出再利用率为100%的满足点,则对该满足点按照S2的步骤处理。
S4、依照再利用率由大到小顺序对满足点进行匹配,匹配顺序按照距离由小到大进行筛选,直至满足点与其对应匹配点的数量达到电池组规模,将它们标记为合格点,并形成一个簇;采用以下方法实现的:
在完成上述步骤S3后,电池数据库中应只存在合格点与等外点两类数据点,且如果电池数据库中数据点离散程度较小的情况时,等外点的数量将较少。受电池模组规模限制,每一簇中数据点的数量等于MinPts,对数量为b的合格点集进行分簇操作时分两种情况:
若b=MinPts,这种情况不用做处理,所有合格点分为一簇即可。
若b>MinPts,此种情况下,可分簇的数量s=b/MinPts,存在多簇合格点集需考虑一致性强弱进行合理分簇。因电池数据可以是一个多维的点,且属于同一个满足点的合格点所围空间是一个高维球体,需要将该高维球体分割为s个包含数据点数目相同的区域。采用分割的基准为平行于原点指向满足点向量的线,同时基准线位于向量/>与各维度对应轴所确定的平面内,所以基准线的数量与数据的维度相同。
如图4所示,S401、确定基准线后即可对满足点所围空间内数据进行分簇,计算空间内数据点距离第一维度基准线的距离,并由小到大排序,筛选其中前MinPts个合格点并分为一簇。
S402、计算剩余数据点距离第二维度基准线的距离,其中距离最小的前MinPts个合格点为一簇,以此类推,直至分出S-1簇,则剩下数据点为一簇。
S5、重复步骤S4,直至满足点的数量为0,完成电池一致性评估,得到最大的电池模组数量即为簇数,每一簇即为满足一致性要求的电池组。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read Only Memory,ROM) 或随机存储记忆体(RandomABBessMemory,RAM) 等。
应当理解,以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对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发明各实施例技术方案的精神和范围。
Claims (7)
1.均衡调控下的电池一致性评估方法,其特征在于:所述的电池一致性评估方法包括以下步骤:
S1、对电池组进行分类,将电池数据点分为满足点、匹配点与等外点;
满足点、匹配点与等外点的确定方式如下:
首先,对扫描半径Eps标定:扫描半径Eps为1,Eps标定的是对筛选指标的换算,Eps根据实际筛选一致性严格程度做浮动;
计算每个电池数据点与所有电池数据点,欧式距离的平方如下公式:
进一步比较最小包含点数MinPts与Ni数量关系,当Ni小于MinPts时,则编号为i的电池数据点被标记为等外点;当Ni大于或等于MinPts时,则编号为i的电池数据点被标记为满足点,同时中小于/>的元素对应的电池数据点被标记为匹配点;
S2、对满足点的再利用率进行计算,再利用率达到100%的满足点及其匹配点则标记为合格点,并形成一个簇,直至满足点的再利用率均小于100%;
S3、对未形成簇的满足点按照再利用率进行排序,并对其对应的匹配点按照距离进行排序;
S4、依照再利用率由大到小顺序对满足点进行匹配,匹配顺序按照距离由小到大进行筛选,直至满足点与其对应匹配点的数量达到电池组规模,将它们标记为合格点,并形成一个簇;
S5、重复步骤S4,直至满足点的数量为0,完成电池一致性评估,得到最大的电池模组数量即为簇数,每一簇即为满足一致性要求的电池组。
2.根据权利要求1所述的均衡调控下的电池一致性评估方法,其特征在于:所述S1采用以下方法实现的:
采用密度聚类算法,提前标定扫描半径Eps与最小包含点数MinPts,Eps与MinPts分别由电池的一致性指标与电池模组规模确定。
3.根据权利要求1所述的所述的均衡调控下的电池一致性评估方法,其特征在于:所述S2采用以下方法实现的:
S202、统计再利用率为100%的满足点所对应的匹配点数量,匹配点数量多的满足点优先进行筛选,匹配点数量相等的,统计满足点扫描范围内数据点的方差,方差小的满足点优先进行筛选;
S203、对剩余满足点进行再利用率更新,对再利用率为100%的满足点进行上述S201的步骤,直至更新后不存在再利用率为100%的满足点。
6.根据权利要求5所述的所述的均衡调控下的电池一致性评估方法,其特征在于:所述S402分簇过程中若S大于维度数,超出维度数的簇重新从第一维度开始分簇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310346149.4A CN116049515B (zh) | 2023-04-03 | 2023-04-03 | 均衡调控下的电池一致性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310346149.4A CN116049515B (zh) | 2023-04-03 | 2023-04-03 | 均衡调控下的电池一致性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116049515A CN116049515A (zh) | 2023-05-02 |
CN116049515B true CN116049515B (zh) | 2023-06-09 |
Family
ID=86113627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310346149.4A Active CN116049515B (zh) | 2023-04-03 | 2023-04-03 | 均衡调控下的电池一致性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116049515B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103543408A (zh) * | 2012-07-13 | 2014-01-29 | 丰田自动车株式会社 | 用于电池组的控制系统以及判定电池组的再利用的方法 |
CN106785178A (zh) * | 2017-03-16 | 2017-05-31 | 许继电源有限公司 | 电池模组再利用检测、筛选配组方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109030B (zh) * | 2019-04-30 | 2020-05-08 | 清华大学 | 电池组一致性评价方法与电池组均衡策略 |
US20220311067A1 (en) * | 2019-07-04 | 2022-09-29 | Volvo Construction Equipment Ab | Method that consists to give a second life to used electric vehicle battery packs by reusing them as a power source for a battery charger |
CN113484764B (zh) * | 2021-07-30 | 2023-06-30 | 合肥工业大学 | 基于多维阻抗谱的退役电池soh和一致性的评估方法 |
CN114384436A (zh) * | 2022-01-18 | 2022-04-22 | 湖北亿纬动力有限公司 | 退役锂离子动力电池的筛选方法、装置、设备和存储介质 |
-
2023
- 2023-04-03 CN CN202310346149.4A patent/CN116049515B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103543408A (zh) * | 2012-07-13 | 2014-01-29 | 丰田自动车株式会社 | 用于电池组的控制系统以及判定电池组的再利用的方法 |
CN106785178A (zh) * | 2017-03-16 | 2017-05-31 | 许继电源有限公司 | 电池模组再利用检测、筛选配组方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116049515A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7889914B2 (en) | Automated learning of model classifications | |
Wang et al. | Learning non-Higgsable gauge groups in 4D F-theory | |
CN112791997B (zh) | 一种退役电池梯次利用筛选的方法 | |
CN109670213B (zh) | 一种风电场多机等值建模方法及装置 | |
CN112307906B (zh) | 一种近邻传播聚类下储能电池故障分类特征筛选降维方法 | |
CN112001409A (zh) | 一种基于K-means聚类算法的配电网线损异常诊断方法和系统 | |
CN114021483A (zh) | 基于时域特征与XGBoost的超短期风电功率预测方法 | |
CN115759590A (zh) | 一种基于用电行为特征的工业用户需求响应潜力计算方法 | |
CN115978466A (zh) | 一种基于类别不平衡改进孪生支持向量机的流体管道泄漏检测方法 | |
CN115952429A (zh) | 基于无先验权重欧氏距离的自适应dbscan异常电池识别方法 | |
Amrit et al. | Design strategies for multi-objective optimization of aerodynamic surfaces | |
CN116049515B (zh) | 均衡调控下的电池一致性评估方法 | |
Yin et al. | Finding the informative and concise set through approximate skyline queries | |
CN116010831A (zh) | 一种基于潜在决策结果的组合聚类场景缩减方法及系统 | |
CN110990907B (zh) | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 | |
CN110910021A (zh) | 一种基于支持向量机监控在线缺陷的方法 | |
CN102902896A (zh) | 基于专家知识与拓扑相似的邻居优先生物分子子网搜索方法 | |
CN116030231A (zh) | 一种多级分类的bim模型智能轻量化处理方法 | |
CN115313522A (zh) | 一种考虑新能源出力预测偏差的备用容量配置方法及系统 | |
CN115292361A (zh) | 一种分布式能源异常数据的筛选方法及系统 | |
Wang et al. | Enhanced soft subspace clustering through hybrid dissimilarity | |
CN114238045A (zh) | 一种电网多源量测数据完整性判断及自动修复系统和方法 | |
CN109753990B (zh) | 一种用户电能替代潜力预测方法、系统及存储介质 | |
CN113780347A (zh) | 负荷曲线多重聚类集成方法、系统及存储介质 | |
Khalil et al. | Density-based spatial clustering of application with noise algorithm for the classification of solar radiation time series |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: Building 5, 5th Floor, No. 6 Xiyuan 9th Road, Sandun Town, Xihu District, Hangzhou City, Zhejiang Province, 310030 Patentee after: Hangzhou Kegong Electronic Technology Co.,Ltd. Address before: 310013 Room 201, Building 1, No. 358, Jinpeng Street, Sandun Town, Xihu District, Hangzhou City, Zhejiang Province Patentee before: HANGZHOU KEGONG ELECTRONIC TECHNOLOGY CO.,LTD. |