[发明专利]一种退役电池梯次利用筛选的方法

权利要求书

1.一种退役电池梯次利用筛选的方法，其特征在于，包含以下步骤：

步骤1：选取电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池工作特征参量进行计算，计算出电池组数据的一些参数分别与退役动力电池的健康度之间的互信息值，选取互信息值最高的两个特征变量作为评判退役电池性能的指标，指标的具体数值作为待分组退役动力电池数据；

步骤2：在退役动力电池工作站系统中录入待分组电池的数据，通过现有聚类方法求出类别中心点并给电池分簇；

步骤3：利用步骤1中最后挑选出的指标，通过熵值法求出每簇电池的类别中心点；

步骤4：通过步骤3中计算出的类别中心点验证步骤2中计算类别中心点的准确性，若验证出聚类中心计算准确，则完成退役动力电池筛选分组过程；若验证发现聚类中心不准确，则采用欧式距离法，建立待分组电池的数据和步骤3中计算出的每簇电池类别中心点之间的联系，计算出待分组电池数据距离哪一个类别中心点最近，将其归类到最近类别中心点相应的类别中，完成退役动力电池的筛选分组。

2.根据权利要求1所述一种退役电池梯次利用筛选的方法，其特征在于，包含以下步骤：

步骤1：选取电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池工作特征参量进行计算，计算出电池组数据的一些参数分别与退役动力电池的健康度之间的互信息值，选取互信息值最高的两个特征变量作为评判退役电池性能的指标，指标的具体数值作为待分组退役动力电池数据；

步骤2:在退役动力电池工作站系统中录入待分组退役动力电池数据，通过现有聚类方法将电池分为两簇；包括如下具体步骤：

步骤2.1:将步骤1中最后挑选出的两个指标作为数据导入退役动力电池工作站中；

步骤2.2:根据已导入退役动力电池工作站的数据，利用k-means聚类方法将每个电池分为两簇；

步骤3：利用m个电池中2个指标的具体数值，每簇电池通过熵值法求出综合得分最高的一个电池，将每簇最高得分的电池的2个指标具体数值作为每簇电池的类别中心点；包括如下具体步骤：

步骤3.1：设每簇均有m个电池待评方案，2项评价指标。待评方案为电池性能优劣，根据待评方案和评价指标，初步形成m乘2的指标数据矩阵；

步骤3.2：计算出每簇第j项指标下第i个方案占该指标的权重；

步骤3.3：计算每簇第j项指标的熵值；

步骤3.4：计算每簇第j项指标的差异系数；

步骤3.5：求出每簇的权重；

步骤3.6：计算出每簇中每个待评方案的综合得分；

步骤3.7：将每簇待评方案最高的一个作为每簇电池的类别中心点，最终形成两个类别中心点；

步骤4：通过与步骤2和步骤3中计算出的类别中心点验证步骤2中计类别中心点的准确性，若验证出聚类中心计算准确，则完成退役动力电池筛选分组过程；若验证发现聚类中心不准确，则采用欧式距离法，建立待分组电池的数据和步骤3中计算出的每簇电池类别中心点之间的联系，计算出待分组电池数据距离哪一个类别中心点最近，将其归类到最近类别中心点相应的类别中，完成退役动力电池的筛选分组过程。

3.根据权利要求2所述一种退役电池梯次利用筛选的方法，其特征在于，包含以下步骤：

步骤1：选取电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池工作特征参量进行计算，计算出电池组数据的一些参数分别与退役动力电池的健康度之间的互信息值，选取互信息值最高的两个特征变量作为评判退役电池性能的指标，指标的具体数值作为待分组退役动力电池数据；

步骤2：将待分组电池进行聚类；根据步骤1中挑选出与退役动力电池相关度最高的两个特征参数，将这两个特征参数作为退役动力电池的指标，采集m个退役动力电池的指标的具体数值，将这些指标的具体数值作为退役动力电池指标的数据集合导入退役动力电池工作站中，通过k-means聚类方法将待分组电池聚类，最终将电池组分为两簇；包括如下具体步骤：

步骤2.1：首先确定好两簇退役动力电池的数据集合E₁＝{d₁、d₂,......d_m}，E₂＝{p₁、p₂,......p_m}；每个样本集中均共存放m个1×2的向量，1代表1个退役动力电池，2代表两个指标的具体数值，每个向量都代表着每个电池根据自身的两个指标的具体数值形成的数据点；确定最终聚类的簇值为2，将电池组中所有电池分为两类；确定最大的计算质心迭代次数为N次；

步骤2.2：令聚类迭代循环次数I＝1，分别从数据集合E₁和E₂中随机选择一个样本作为初始的两个质心向量z_j(I)，j＝1，2；将簇初始划分成t＝1，2；

步骤2.3：计算样本集中所有样本和各个质心向量的距离：

D(x_i,z_j(I))＝||x_i-z_j(I)||²，

其中样本集中所有样本和各个质心向量的距离为i＝1，2，...，m；j＝1，2；

如果满足D(x_i,z_j(I))＝min{D(x_i,z_j(I))}，那么x_i∈ω_t，t＝1，2；这时更新的簇集合为ω_t，t＝1，2；

步骤2.4：重新计算出新的质心，将初始设置的质心置换掉，

其中，j＝1，2；

步骤2.5：如果2个质心向量中有任一个距离变化绝对值大于指定的阈值，则需要重新转到步骤2.3进行一次循环，每循环一次都要更新出质心和簇集合；如果2个质心向量的距离变化绝对值都小于指定阈值或者已经达到设定的聚类迭代循环次数N，则可以输出簇划分，完成最终聚类过程；

步骤3：利用步骤2聚类方法中用到2个指标的具体数值，通过运用两次熵值法分别计算出每簇电池中综合得分最高的一个电池，将综合得分最高的两个电池的数据作为每簇电池的类别中心点；设有m个待评方案和2项评价指标，2个评价指标为退役动力电池的剩余寿命和一致性)，设red簇退役动力电池个数为t，blue簇退役动力电池个数为m-t，根据步骤2聚类出的两簇电池，利用每簇中拥有的电池和2个指标具体数值，red簇形成t×2矩阵，blue簇形成m-t×2矩阵，通过熵值法运算最终都会变成1个综合得分最高的电池和具有2个指标具体数值构成的1×2的矩阵，将最终构成矩阵中的两个数据作为这一簇电池的类别中心点；两簇电池数据进行两次熵值法运算，最终得到2个类别中心点；包括如下具体步骤：

步骤3.1：根据样本集中的数据，red簇具有的t个电池和2个指标具体数据值，blue簇具有m-t个电池和2个指标具体数值，分别形成t×2和m-t×2的指标数据矩阵，

步骤3.2、从步骤3.1中提取相关参数，计算出第j项指标下第i个方案占该指标的比重，

其中，i＝1，2，...m；j＝1，2；

步骤3.3：计算出第j项指标的熵值：

其中，

步骤3.4：计算第j项指标的差异系数：g_j＝1-e_j，

其中，对于第j项指标，g_j越大指标就越重要；

步骤3.5：求出第j项指标的权重值：其中，j＝1，2；

步骤3.6：计算出m个方案中的综合得分并将每簇方案中的综合得分最高分所对应的数据提取出来，其中，i＝1，2，...m；

步骤3.7：根据步骤3.6得出的两个方案的综合得分后，选出两个方案的最高分所对应的类别中心点；

步骤4：通过与步骤2和步骤3中计算出的类别中心点验证步骤2中计算类别中心点的准确性，若验证出聚类中心计算准确，则完成退役动力电池筛选分组过程；若验证发现聚类中心不准确，则采用欧式距离法，建立待分组电池的数据和步骤3中计算出的每簇电池类别中心点之间的联系，计算出待分组电池数据和两个类别中心点的距离，待分组电池数据距离哪一个类别中心点最近，将其归类到最近类别中心点相应的类别中，完成退役动力电池的筛选分组过程。