一种基于随机森林算法的锂离子电池分组方法技术

本发明专利技术涉及一种基于随机森林算法的锂离子电池分组方法，属于锂离子电池技术领域

【技术实现步骤摘要】
一种基于随机森林算法的锂离子电池分组方法


[0001]本专利技术属于锂离子电池
，涉及一种判定水下航行器电池在安装过程中的分组技术，具体涉及一种基于随机森林算法的锂离子电池分组方法
。

技术介绍

[0002]电池是实现运输和电力部门清洁
、
高效和可持续能源发展的最关键的赋能技术之一
。
单个电池单元的小容量和低电压不能满足电动汽车和其他电池存储应用的需求
。
因此，一组电池单元被组合在一起以形成电池模块或电池组，从而为某些应用提供足够的电力和能量存储容量
。
然而，由于生产工艺的限制，不同的电池具有不一致的特性
。
由于特性不一致，电池组中的一些电池可能会过度充电或过度放电，而电池组中其他一些电池没有充分利用
。
这会严重影响整个电池组的性能和使用寿命
。
此外，电池的不一致性也会给电池组状态的监测和管理带来更多困难
。
[0003]原材料和制造工艺的差异是参数不一致的主要原因
。
为了解决不一致性问题，电池制造商应提高电池材料的一致性和质量以及电池的制造工艺
。
然而，提高电池材料的一致性或优化这通常是一个昂贵的过程
。
相比之下，电池分组是处理不一致性问题的更有效方法，因为它将具有相近特性的电池分组在同一电池组中
。
[0004]对于实际的电池生产，电池分组过程仍然依赖于基于多个测量电压的传统手动分组方法r/>。
这种手动分组方法劳动密集且成本低
。
此外，受人为错误的限制，手动分组方法容易出现错误分组
。
在过去几年中，随着自动化技术的快速发展，将更多应用自动化技术来取代传统的手动方法，以提高效率和降低成本
。
[0005]一般来说，传统的聚类算法不适合这个问题
。
如
k
均值聚类算法
(k
‑
means clustering algorithm)
，
k
均值聚类算法是一种迭代求解的聚类分析算法，其步骤是，预将数据分为
K
组，则随机选取
K
个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心
。
聚类中心以及分配给它们的对象就代表一个聚类
。
每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算
。
这个过程将不断重复直到满足某个终止条件
。
终止条件可以是没有对象被重新分配给不同的聚类，没有聚类中心再发生变化或误差平方和局部最小
。K
均值聚类算法虽实现简单，收敛速度快，但是
k
值不易确定，同时易受噪声，边缘点
、
孤立点等影响，电池数据存在非线性
、
噪音多等特点，因此该方法不适用于电池分组
。
而随机森林算法通过构建
CART
分类树，遍历数据样本集的所有属性维度来不断迭代获取划分值特征实现分组，随机森林算法因为有多个
CART
数组成，所以在处理非线性问题与抗噪音问题上有一定的优势
。

技术实现思路

[0006]本专利技术所要解决的技术问题是：
[0007]针对传统电池分组方法的局限性，本专利技术提出了一种基于随机森林算法的锂离子电池分组方法，并在主机上实现，以实现更好的电池分组
。
[0008]为了解决上述技术问题，本专利技术采用的技术方案为：
[0009]一种基于随机森林算法的锂离子电池分组方法，其特征在于步骤如下：
[0010]S1
：对电池进行充放电试验，获取放电曲线；
[0011]S2
：分别对每个电池放电曲线中不同时刻的两个电压值，即充电静态电压和放电终止电压进行采样，每个电池的两个采样值即为其特征值；
[0012]S3
：计算随机森林算法所需要的基尼指数
[0013]所述的基尼指数计算方式如下：
[0014][0015]其中，
D
表示数据样本集，其维度记为
M*N
，
M
代表要进行分类的电池数目，
N
代表每个电池采样到的特征值，即充电静态电压和放电终止电压；
M
k
为分组后，第
k
个组的电池个数；
[0016]S4
：基于基尼指数构建
CART
分类树；
[0017]S4.1
：获取当前所有电池样本集基尼指数；
[0018]S4.2
：遍历数据样本集所有属性维度，随机抽取
k
个电池的特征集来作为划分值；
[0019]S4.3
：计算划分后每个电池的基尼指数，并获得相应基尼指数减少量；
[0020]S4.4
：将所有电池中的最大基尼指数减少量作为最佳划分，并记录对应的特征维度和特征划分值；
[0021]S4.5
：设定基尼指数的减少阈值，若当前基尼指数减少量小于设定好的阈值，或分裂数目达到设定上限，则停止分裂，
CART
分类树构建完成；反之，则按照当前最佳划分将所有特征值小于当前最佳划分值的数据样本集划分为左树，大于当前最佳划分值的数据样本集划分为右树，并保存到当前树的节点类中；然后跳转到
S4.1
中，对左右子集继续划分
。
[0022]步骤5：当
S4
中
CART
分类树构建完成后，重复
S4
步骤
m
次，即构成
m
棵
CART
树，形成随机森林，对于每一次电池的分类，都由这些
m
棵决策树进行分类，分类一致性最高的即为最终分组结果
。
[0023]本专利技术进一步的技术方案：
S1
具体为：
[0024]首先将电池放于测试设备上，使用恒定电流，分别对每块电池进行充电，直到电池达到充电终止电压；让电池休息
24
小时；然后，用恒定电流再分别对电池进行放电，直到达到固定的放电时间；每固定时间测量一次放电电池的电压并上传到主机，获得放电曲线，
[0025]本专利技术进一步的技术方案：所述恒定电流为
0.1C
，其中
C
是指充放电倍率
。
[0026]本专利技术进一步的技术方案：所述固定时间为
10
秒
。
[0027]一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于随机森林算法的锂离子电池分组方法，其特征在于步骤如下：
S1
：对电池进行充放电试验，获取放电曲线；
S2
：分别对每个电池放电曲线中不同时刻的两个电压值，即充电静态电压和放电终止电压进行采样，每个电池的两个采样值即为其特征值；
S3
：计算随机森林算法所需要的基尼指数所述的基尼指数计算方式如下：其中，
D
表示数据样本集，其维度记为
M*N
，
M
代表要进行分类的电池数目，
N
代表每个电池采样到的特征值，即充电静态电压和放电终止电压；
M
k
为分组后，第
k
个组的电池个数；
S4
：基于基尼指数构建
CART
分类树；
S4.1
：获取当前所有电池样本集基尼指数；
S4.2
：遍历数据样本集所有属性维度，随机抽取
k
个电池的特征集来作为划分值；
S4.3
：计算划分后每个电池的基尼指数，并获得相应基尼指数减少量；
S4.4
：将所有电池中的最大基尼指数减少量作为最佳划分，并记录对应的特征维度和特征划分值；
S4.5
：设定基尼指数的减少阈值，若当前基尼指数减少量小于设定好的阈值，或分裂数目达到设定上限，则停止分裂，
CART
分类树构建完成；反之，则按照当前最佳划分将所有特征值小于当前最佳划分值的数据样本集划分为左树，大于当前最佳划分值的数据样本集划分为右树，并保存到当前树的节点类中；然后跳转到
...

【专利技术属性】
技术研发人员：卢丞一，潘光，李炬晨，曹勇，曹永辉，黄桥高，罗斯伦，
申请(专利权)人：西北工业大学宁波研究院，
类型：发明
国别省市：