[发明专利]一种退役动力电池梯次利用快速筛选方法、装置及设备

权利要求书

1.一种退役动力电池梯次利用快速筛选方法，其特征在于，包括：

获取电池测试数据，并将所述测试数据作为电池的特征参数构建向量矩阵；

对所述向量矩阵进行预处理，并调用层次熵权法计算所述特征参数的组合权重；

根据预处理后的所述向量矩阵和所述组合权重对电池个体进行聚类，并生成电池个体的聚类结果。

2.根据权利要求1所述的一种退役动力电池梯次利用快速筛选方法，其特征在于，所述对所述向量矩阵进行预处理具体为：

采用PCA降维法对所述向量矩阵进行降维、以及对所述向量矩阵进行归一处理，以生成维矩阵降至三维矩阵，其中，矩阵维度为特征参数的数目，归一化范围为0-1。

3.根据权利要求1所述的一种退役动力电池梯次利用快速筛选方法，其特征在于，所述调用层次熵权法计算所述特征参数的组合权重，具体为：

获取电池的应用场景和层次结构，并根据所述应用场景和层次结构生成比较矩阵；

对所述比较矩阵进行校验，并在一致性指标低于预设值时生成各指标的特征权重；

对所述向量矩阵进行标准化，并根据标准化后的向量矩阵生成各指标的熵权值；

将所述各指标的特征权重和所述各指标的熵权值进行组合，生成组合权重。

4.根据权利要求3所述的一种退役动力电池梯次利用快速筛选方法，其特征在于，所述对所述比较矩阵进行校验，并在一致性指标低于预设值时生成各指标的特征权重，具体包括：

计算一致性比例：

其中，CR为一致性比例，RI为平均随机一致性指标，CI为一致性指标；

计算一致性指标：

其中，n为比较矩阵维度，λmax为比较矩阵的最大特征值；

对CR进行校验，在CR小于预设值时计算各指标的特征权重：

AW_c＝λ_maxW_c

其中，A为比较矩阵，Wc为对应的特征向量经过归一化后获得的特征权重。

5.根据权利要求3所述的一种退役动力电池梯次利用快速筛选方法，其特征在于，所述对所述向量矩阵进行标准化，并根据标准化后的向量矩阵生成各指标的熵权值，具体包括：

通过函数对所述向量矩阵进行标准化，其中，G_ij为标准化后的矩阵，x_ij为原始矩阵；

并通过以下公式生成各指标的熵权值：

其中，F_j为信息熵、m为特征维度、W_s为熵权值。

6.根据权利要求3所述的一种退役动力电池梯次利用快速筛选方法，其特征在于，所述将所述各指标的特征权重和所述各指标的熵权值进行组合，生成组合权重具体包括：

通过以下函数生成组合权重：

W＝γW_c+(1-γ)W_s,0≤γ≤1；

其中，Wc为对应的特征向量经过归一化后获得的特征权重，W_s为熵权值，W为组合赋权权重，γ为主观偏好系数。

7.根据权利要求1所述的一种退役动力电池梯次利用快速筛选方法，其特征在于，所述根据预处理后的所述向量矩阵和所述组合权重，采用GSK算法对电池个体进行聚类，并生成电池个体的聚类结果，具体为：

S1031,获取最佳聚类数目，并基于所述最佳聚类数目和预处理后的所述向量矩阵生成初始电池聚类中心种群；

S1032,根据最大遗传迭代数、以及个体选择操作、交叉变异操作对所述初始电池聚类中心种群的目标函数以及适应度函数进行计算，生成电池初始聚类中心；

S1033,计算电池初始聚类中心的赋权欧式距离，并基于所述赋权欧式距离计算新的电池聚类中心；

S1034,判断所述新的电池聚类中心是否与原有聚类中心重合；

若否，以新的电池聚类中心替换原有聚类中心重合，重新执行S1033和S1034。

若是，输出电池个体的聚类结果。