一种退役电池梯次利用筛选的方法技术

本发明专利技术涉一种退役电池梯次利用筛选的方法；筛选的方法包含以下步骤：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；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；通过熵值法求出每簇电池的类别中心点；验证；本发明专利技术技术方案提高了寻找聚类中心的准确度，同时也为后续筛选退役动力电池的结果提供了有利的保障。选退役动力电池的结果提供了有利的保障。选退役动力电池的结果提供了有利的保障。

【技术实现步骤摘要】
一种退役电池梯次利用筛选的方法

：
[0001]本专利技术涉及电池储能系统，进一步涉及一种退役电池梯次利用筛选的方法。

技术介绍
：
[0002]国家《节能与新能源汽车产业发展规划(2012
‑
2020)》提出要加强动力电池梯级利用和回收管理，包括：“制定动力电池回收利用管理办法，建立动力电池梯级利用和回收管理体系，明确各相关方的责任、权利和义务。引导动力电池生产企业加强对废旧电池的回收利用，鼓励发展专业化的电池回收利用企业。严格设定动力电池回收利用企业的准入条件，明确动力电池收集、存储、运输、处理、再生利用及最终处置等各环节的技术标准和管理要求。加强监管，督促相关企业提高技术水平，严格落实各项环保规定，严防重金属污染”。863计划重大项目智能电网关键技术研发课题《电动汽车充放储一体化电站系统及工程示范》正式启动实施，其中涉及动力电池梯次利用方面的研究内容主要包括：研究电池梯次利用的筛选原则、成组方法和系统方案，预期目标：提出电池梯次利用及成组的原则和策略。其中，充放储一体化电站即：将电动汽车充放电、更换站与电池储能电站功能融合进行设计和研究，建设“智能充放储一体化电站”。在充放储一体化站内，价格昂贵的电池不仅可为电动汽车提供能量供给，在其处于备用状态时，可接入电网用于储能，解决电网峰谷差，进行系统频率调节，提供旋转应急备用，稳定电压支持缓解输电拥塞等问题。
[0003]充电电池在储能领域具有很多优势，循环寿命长、能量密度相对较高、自放电率低、绿色环保等。近年来，随着电力的需求增加，电力系统的规模日益扩大，电网的复杂度也越来越大，同时，国家现在大力发展智能电网、可再生能源、分布式能源使得对储能技术的需求也日益增大，再加上政府出台各种储能行业相关积极政策，大力支持储能的发展，提出加快大规模储能等技术等研发应用，电池储能系统也扮演着越来越重要的角色。但由于动力电池的剩余容量很多的情况下将其回收会造成较大的资源浪费。因此，要建立一个精确的退役电池梯次利用的筛选方法就显得十分重要。

技术实现思路
：
[0004]本专利技术是为了解决退役电池梯次利用筛选的方法。具体技术方案如下：
[0005]一种退役电池梯次利用筛选的方法，包含以下步骤：
[0006]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；
[0007]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；
[0008]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；
[0009]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。
[0010]优选方案，一种退役电池梯次利用筛选的方法包含以下步骤：
[0011]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；
[0012]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：
[0013]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；
[0014]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；
[0015]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：
[0016]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；
[0017]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；
[0018]步骤3.3：计算每簇第j项指标的熵值；
[0019]步骤3.4：计算每簇第j项指标的差异系数；
[0020]步骤3.5：求出每簇的权重；
[0021]步骤3.6：计算出每簇中每个待评方案的综合得分；
[0022]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；
[0023]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。
[0024]本专利技术相对于现有技术的优点是：本专利技术技术方案中，由于传统k
‑
means聚类算法存在着一些缺陷，例如一开始随机定下的聚类中心如果和真实聚类中心相差较大，可能会导致最终选取的类别中心误差较大，从而影响整个后续的分类结果。针对上述存在的问题，基于熵值法计算出退役动力电池关于其性能的综合最高分数来寻找最佳的聚类中心，提高了寻找聚类中心的准确度，同时也为后续筛选退役动力电池的结果提供了有利的保障。
附图说明：
[0025]图1是本专利技术提供的退役动力电池互信息值数据图。
[0026]图2是本专利技术实施例提供的退役动力待分组电池与类别中心点距离示意图。
[0027]图3是本专利技术提供的退役动力电池筛选分组流程图。
具体实施方式：
[0028]实施例：
[0029]以下结合附图对本专利技术作进一步详细说明。
[0030]一种退役电池梯次利用筛选的方法，包含以下步骤：
[0031]步骤1：选择筛选分组指标；利用互信息选择特征参数的方法对退役动力电池本身的特征参数进行筛选，将数据采集与监视控制系统SCADA采集的一些特征参数[r1,r2,r3...]，如：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，分别与退役动力电池健康度SOH之间的互信息值计算出本文档来自技高网...

【技术保护点】

【技术特征摘要】
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
×

【专利技术属性】
技术研发人员：李建林，王哲，马速良，李雅欣，武亦文，李光辉，
申请(专利权)人：北京联智汇能科技有限公司，
类型：发明
国别省市：