一种智能评估退役电池余能分类和梯次利用方法技术

本发明专利技术公开了一种智能评估退役电池余能分类和梯次利用方法，具体步骤为：首先对待分类电池余能进行数据采集以及提取其特征数据集，利用组内平方误差和函数（SSE）确定余能分类个数，根据改进的均值聚类算法对电池余能进行分类，最后根据分类的电池余能分配电池的梯次利用环境，包括新能源汽车、电站储能电池，家用电池和电池回收等，本发明专利技术提供的智能评估退役电池余能分类和梯次利用方法，根据退役动力电池健康状态/直流阻抗快速评估的电池余能结果，利用大数据统计管理技术实现退役动力电池回收梯次利用过程中的余能分类统计，从而根据电池余能调节电池的使用环境，实现退役电池的梯次循环利用。

【技术实现步骤摘要】
一种智能评估退役电池余能分类和梯次利用方法
本专利技术涉及动力电池余能评估领域，特别是涉及一种智能评估退役电池余能分类和梯次利用方法。
技术介绍
近年来，由于能源安全问题和环保压力愈发凸显，全球各国都在大力推动新能源汽车发展。2020年8月我国动力电池产量共计7.4GWh，据预测，2022年中国新能源动力电池产量将突破200Gwh。而2020年我国电动汽车动力电池累计退役报废量将达到12-17万吨的规模，退役电池数量如此巨大，因此导致判断退役动力电池是否有梯次利用价值成为市场需求。然而由于缺少对退役电池准确有效评估手段（设备、方法），导致电池回收过程中出现鱼目混珠的现象。即便是还可以进行多次梯次利用的电池，也被回收企业当做工业废料处理加工成原材料，没有充分利用退役电池的价值，造成资源浪费。因此，开展动力电池快速智能评估分类技术的研发和产业化，对保障新能源汽车的安全运营以及开展退役动力电池回收梯次利用意义重大，同时也是我国新能源汽车产业绿色循环发展的重要环节之一。专利申请公布号CN201911148806.4的专利公开了一种退役电池分类方法及系统，通过对样本电池进行循环充放电试验得到的开路电压与循环圈数拟合方程，得出对应的循环圈数进行电池分类。但该方法采用的循环充放电方法耗时长，对资源节约和效率提高还有待改进。专利申请公布号CN201610856613.4的专利提供了一种新能源汽车动力型锂离子电池的拆解分类回收工艺方法，通过人工拆解动力型锂离子电池的外壳进行单体电池剩余电量检测，对烘干的蒸发物进行回收和选矿分类。该专利技术可以分离电池正负极材料和有价金属，实现有机电解液的回收。但如果待分类电池数目多，人工拆卸耗时大，且该方法只针对待回收电池包分类。
技术实现思路
本专利技术主要解决的技术问题是提供一种智能评估退役电池余能分类和梯次利用方法，能够快速精确对退役电池余能进行分类，根据不同环境的电池余能需求完成动力电池的梯次利用，提高电池利用率。为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种智能评估退役电池余能分类和梯次利用方法，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。优选地，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。优选地，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。优选地，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。优选地，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Ci（Ci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ui'，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……ui……uk的差异，进行更新；S43：如果ui'与上一步确定的ui不同，则将当前均值向量ui更新为ui'，如果新计算的ui'与上一步确定的ui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……Ci……Ck。优选地在步骤S5中，也可以首先确定动力电池梯次利用的分类环境类别，反过来重新对其进行分类。本专利技术的有益效果是：本专利技术的一种智能评估退役电池余能分类和梯次利用方法，能够快速精确对退役电池余能进行分类，根据不同环境的电池余能需求完成动力电池的梯次利用，提高电池利用率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：图1为本专利技术电池余能分类方法流程图；图2为本专利技术聚类算法分类流程图；图3为本专利技术电池余能分类个数与平方误差和函数曲线图；图4为电池余能分类-梯次利用匹配结果图。具体实施方式下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。请参阅图1-4，本专利技术实施例包括：一种智能评估退役电池余能分类和梯次利用方法，选择退役电池余能分类和梯次利用作为任务，采用均值聚类算法进行分类，最后根据分类结果进行电池余能-应用环境的梯次利用匹配。本专利技术的具体实施例包括以下步骤：（1）首先采用大数据统计管理技术对100个待分类电池余能进行数据采集，获取数据后经过转换和集成将数据加载和保存到数据库中；（2）利用sklearn库从采集的待分类电池余能原始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向量；（3）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，通常分为2-15类，具体的，通过计算聚类数目k=2，3，4，5，6，7下的距离平方误差和，根据函数斜率的变化来确定k的最佳值。随着聚类个数增加，距离平方误差和变小，可以看出聚类个数k=2，3和4时，函数曲线斜率较小，距离平方误差和变化较缓慢，而当聚类个数k=5时，斜率突然变大，距离平方误差和变化较快，聚类个数k=6和7时，斜率变小，距离平方误差和变化又变缓，因此，本次动力电池余能分类个数为5。（4）采用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，以电池余能0.00%和100.00%对应的特征向量为随机选取的两个均值向量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。本次电池余能分类个数为5，因此分别选取电池余能0.00%，25.00%，50.00%，75.00%和100本文档来自技高网...

【技术保护点】
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：/nS1：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；/nS2：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；/nS3：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；/nS4：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；/nS5：根据算法分类的动力电池余能分配电池的梯次利用环境。/n

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：殷劲松，罗开玉，郑郧，李姗慧，鲁金忠，涂蔷，黄立新，周赵亮，谢登印，
申请(专利权)人：张家港清研检测技术有限公司，
类型：发明
国别省市：江苏;32