【技术实现步骤摘要】
一种退役电池的状态检测方法
[0001]本专利技术涉及电池状态快速检测
,更具体的涉及一种退役电池的状态检测方法。
技术介绍
[0002]我国的新能源汽车动力电池将逐步进入规模化退役阶段,动力电池的退役并非意味着其寿命的终止,而是指其电性能和新电池相比有所下降,不再适合继续在工况恶劣的汽车上使用。实际上,当动力电池从汽车上退役时,其可用容量还剩75%~85%,其余性能参数如额定电压、内阻、充放电效率、自放电率、循环寿命等还保持良好,仍可以梯次应用于一些工况比较温和的储能场景中。退役动力电池用于储能,可以实现电池的二次利用,增加其价值,提高资源利用率,降低动力电池的购买成本,对新能源产业的发展起到推动作用。
[0003]聚类筛选技术是退役动力电池梯次利用的有效途径。但是,退役动力电池具有体量大、种类多、特异性强,测试手段单一、耗时的特点。针对退役动力电池的筛选,选择可靠的分类算法是目前研究的主要方向。在电池筛选过程中,测试时间长度作为退役电池筛选的成本,减少测试时间,进一步提高估计效率和准确率,降低退役电池梯次利用成本是当前快速分类优化的目标。
技术实现思路
[0004]本专利技术实施例提供一种退役电池的状态检测方法,包括:
[0005]采用主程序分析算法PCA分析常规充电工况下退役电池终止状态一致性的测试数据,得到测试多个特征值;
[0006]采用Canopy算法根据多个特征值对退役电池簇进行预分类,得到当前退役电池的预分类簇的个数K;
[0007]将K值带入基于 ...
【技术保护点】
【技术特征摘要】
1.一种退役电池的状态检测方法,其特征在于,包括:采用主程序分析算法PCA分析常规充电工况下退役电池终止状态一致性的测试数据,得到测试多个特征值;采用Canopy算法根据多个特征值对退役电池簇进行预分类,得到当前退役电池的预分类簇的个数K;将K值带入基于粒子群算法PSO改进的k
‑
means分类算法、并根据多个特征值对测试数据聚类,最终得到退役电池的分类结果;将神经网络各层的连接权值编码成PSO粒子,确定神经网络输出均方误差为适应度值,采用粒子群算法PSO,在预设的迭代次数内搜索最优的网络权值,构建基于自适应PSO
‑
神经网络容量预测模型;根据电池的循环老化测试数据,采用主程序分析算法PCA提取工况曲线的特征值表示电池状态,运用大量的特征值数据和电池状态之间的关系,构建基于自适应PSO
‑
神经网络容量预测模型和电池阻抗参数估计模型的电池老化模型;提取分类后的退役电池簇核心部分电池表征参数、并输入建立好的电池老化模型,计算出退役电池实际容量与阻抗参数,获得退役电池健康状态检测结果。2.如权利要求1所述的一种退役电池的状态检测方法,其特征在于,所述主程序分析算法PCA,包括:对所有的样本进行中心化计算样本的协方差矩阵XX
T
;对矩阵XX
T
进行特征值分解;取出最大的n
’
个特征值对应的特征向量(w1,w2,...,w
n
′
)将所有的特征向量标准化后,组成特征向量矩阵W;对样本集中的每一个样本x
(i)
,转化为新的样本z
(i)
=W
T
x
(i)
得到输出样本集D
′
=(x
(1)
,x
(2)
,...x
(m)
)。3.如权利要求1所述的一种退役电池的状态检测方法,其特征在于,所述Canopy算法,包括:将数据集向量化得到一个list;选择两个距离阈值:T1和T2,其中T1>T2,确定实线圈为T1,确定虚线圈为T2,T1和T2的值使用交叉校验来确定;从list中任取一点P,采用低计算成本方法计算点P与所有Canopy之间的距离,如果点P与某个Canopy距离在T1以内,则将点P加入到这个Canopy;如果点P曾经与某个Canopy的距离在T2以内,则把点P从list中删除,重复上面步骤,直到list为空结束。4.如权利要求3所述的一种退役电池的状态检测方法,其特征在于,所述采用Canopy算法根据多个特征值对退役电池簇进行预分类,包括:通过主程序分析算法PCA分析得到多个特征值来表征一个退役电池的状态;用每个退役电池的多个特征值来作为一个数据点,根据两个距离阈值T1和T2来划分数据点;
以随机的一个数据点作为Canopy中心,计算其他数据点到其的距离,划入T1和T2中;划入T2的数据点从数据集中删除,划入T1的其他数据点继续计算,直至数据集中无数据。5.如权利要求1所述的一种退役电池的状态检测方法,其特征在于,所述基于粒子群算法PSO改进的k
‑
means分类算法,包括:初始化粒子群算法PSO的粒子速度和输入的每个设定值;将退役电池测试数据中恒流阶段的数据集随机分为K个类,每个类的类别中心由公式(1)计算,其中,类别中心代表粒子的位置,如果数据集有n维,则第i个粒子的位置为...
【专利技术属性】
技术研发人员:雷旭,陈潇阳,李鹏辉,燕欣,张春玲,秦海龙,谢方建,
申请(专利权)人:长安大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。