[发明专利]一种智能评估退役电池余能分类和梯次利用方法

权利要求书

1.一种智能评估退役电池余能分类和梯次利用方法，其特征在于，包括以下具体步骤：

S1：首先采用大数据统计管理技术对待分类电池余能进行数据采集并保存至数据库中；

S2：利用sklearn库提取数据库中待分类电池组余能数据的特征数据集；

S3：利用步骤S2中采集的特征数据集，利用组内平方误差和函数（SSE）的斜率变化确定最佳动力电池余能分类的个数；

S4：根据动力电池余能应用环境进行改进的均值聚类算法对动力电池余能进行分类；

S5：根据算法分类的动力电池余能分配电池的梯次利用环境。

2.根据权利要求1所述的智能评估退役电池余能分类和梯次利用方法，其特征在于，所述步骤S1中，通过计算机ETL工具从电池余能检测系统获取数据，然后经过转换和集成将数据加载和保存到数据库中。

3.根据权利要求1所述的智能评估退役电池余能分类和梯次利用方法，其特征在于，所述步骤S2中，从所述特征数据集中提取机器可以学习或者可以直接处理的特征向量，变换后形成特征空间。

4.根据权利要求1所述的智能评估退役电池余能分类和梯次利用方法，其特征在于，所述S3包括以下具体步骤：

S31：对步骤S2中提取的特征数据集进行分析；

S32：利用函数来选取最优分类个数，通常分为2-15类；

S33：采用组内平方误差和函数（SSE）来确定动力电池余能的分类个数，计算每一个聚类数目下的距离平方误差和，根据函数斜率的变化来确定最优聚类个数。

5.根据权利要求1所述的智能评估退役电池余能分类和梯次利用方法，其特征在于，所述S4包括以下具体步骤：

S41：选取电池余能0.00%和100.00%对应的特征向量为两个均值向量u₁和u₂，然后根据100/（k-1）为增量的特征向量选取其他聚类中心；

S42：计算采集的退役电池组余能每个样本特征向量与每个均值向量的距离，选取最近的距离划入相应的应用环境分类C_i（C_i均不为空集）；在得到的k个分类中根据公式计算新的均值向量u_i'，判断当前动力电池余能应用环境类别的均值向量与初始特征向量确定的均值向量u₁，u₂……u_i……u_k的差异，进行更新；

S43：如果u_i'与上一步确定的u_i不同，则将当前均值向量u_i更新为u_i'，如果新计算的u_i'与上一步确定的u_i相等，则保持均值向量不变；

S44：重复S41至S43的步骤，直到聚类中心不再发生变化或变化可以忽略结束，得到最终动力电池余能分类的环境应用类别C₁，C₂……C_i……C_k。