[發(fā)明專利]一種基于聚類與信息熵的廢舊動力電池一致性指標(biāo)的優(yōu)選方法

在審

• 申請?zhí)枺?/td>: 201811450452.4
• 申請日: 2018-11-30
• 公開（公告）號: CN109299752A
• 公開（公告）日: 2019-02-01
• 發(fā)明（設(shè)計）人: 婁立云;謝翔;陳景
• 申請（專利權(quán)）人: 濟(jì)寧市創(chuàng)啟信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明是一種基于聚類與信息熵的廢舊動力電池一致性指標(biāo)的優(yōu)選方法，涉及廢舊動力電池指標(biāo)評價領(lǐng)域，包括:指標(biāo)海選，任何與電池屬性有關(guān)的指標(biāo)均可納入到備選指標(biāo)庫；初選，剔除數(shù)據(jù)不可得等無效指標(biāo)；篩選，通過相關(guān)分析和聚類分析刪除冗余信息量大于閾值的指標(biāo)；優(yōu)選，計算信息熵，結(jié)合聚類分析圖譜留選顯著性最高的指標(biāo)。本發(fā)明開放式選擇指標(biāo)，設(shè)計合理，經(jīng)過一系列的量化分析，得到更科學(xué)、更有效的電池一致性評價指標(biāo)。

技術(shù)領(lǐng)域

本發(fā)明屬于廢舊動力電池指標(biāo)評價領(lǐng)域，尤其涉及一種基于聚類與信息熵的廢舊動力電池一致性指標(biāo)的優(yōu)選方法。

背景技術(shù)

近年來，我國政府為了實現(xiàn)節(jié)能減排、減少城市污染，加大了對電動汽車發(fā)展的扶持力度。動力電池是電動汽車的核心部件，隨著時間的發(fā)展，將面臨巨大的動力電池退役問題。

電池組中由于生產(chǎn)工過程的復(fù)雜因素與使用環(huán)境的復(fù)雜因素共同作用，導(dǎo)致相同的電池單元在經(jīng)過使用后，存在使用性能的劣化，且程度不同；甚至剛出廠的電池也會存在一定的性能差異，在長時間的使用過程中，其劣化程度會繼續(xù)增加，電池組的綜合性能所受影響極大。根據(jù)木桶效應(yīng)理論，會極大地縮減電池組的使用壽命，劣化程度最大的電池反而會成為最大的負(fù)載，導(dǎo)致電池組提前報廢。

傳統(tǒng)的做法是把不滿足性能的電池組全部進(jìn)行替換，將舊電池組進(jìn)行物理、化學(xué)方法回收或者直接進(jìn)入二級市場使用，即便是直接進(jìn)入二級市場使用，仍然存在極大的浪費，性能完好的電池單元無法更進(jìn)一步地發(fā)揮作用，裂化程度大的單體電池仍然是一個負(fù)載。

電池的一致性評價貫穿始終，無論是從剛生產(chǎn)出來的新單體電池配組，還是廢舊動力電池的梯次利用再分配；然而目前評價電池一致性的指標(biāo)眾多，電池性能所受影響因素的范圍也較廣泛。因此，如何選擇評價電池一致性的指標(biāo)成為了關(guān)鍵。

發(fā)明內(nèi)容

(一)解決的技術(shù)問題

本發(fā)明要解決的技術(shù)問題是克服上述缺陷，提供一種基于聚類與信息熵的廢舊動力電池一致性指標(biāo)的優(yōu)選方法，提供了一套科學(xué)、開放、可行的系統(tǒng)優(yōu)選方法，使得選擇指標(biāo)更有效、更簡便，為提高電池利用率與循環(huán)使用奠定堅實的基礎(chǔ)。

(二)技術(shù)方案

為解決上述問題，本發(fā)明所采用的技術(shù)方案是：基于聚類與信息熵的廢舊動力電池一致性指標(biāo)的優(yōu)選方法，其特征在于，所述方法包括：

海選模塊，任何與電池屬性有關(guān)的指標(biāo)均可納入到備選指標(biāo)庫；

初選模塊，剔除數(shù)據(jù)不可得等無效指標(biāo)；

篩選模塊，通過相關(guān)分析和聚類分析刪除冗余信息量大于閾值的指標(biāo)，計算各指標(biāo)之間的相關(guān)系數(shù)，將相關(guān)系數(shù)大于閾值的指標(biāo)進(jìn)行歸類，刪除信息重疊指標(biāo)；

優(yōu)選模塊，計算信息熵，結(jié)合聚類分析的樹狀分類圖譜與指標(biāo)數(shù)量復(fù)雜度，最終留選顯著性最高的指標(biāo)。

作為優(yōu)選，海選模塊的任何指標(biāo)可以是電池的內(nèi)在固有屬性指標(biāo)，也可以是測量指標(biāo)，還可以是其衍生指標(biāo)。

作為優(yōu)選，篩選模塊顯著性值為t統(tǒng)計量，該統(tǒng)計量服從n-2個自由度的t分布，概率界限可選擇1％至5％。

作為優(yōu)選，篩選模塊的閾值為0.9至1。

作為優(yōu)選，聚類分析的距離為相關(guān)系數(shù)距離。

作為優(yōu)選，聚類分析的距離為歐式距離。

作為優(yōu)選，優(yōu)選模塊的顯著性可以使用表示信息量的信息熵來判別，信息熵

式1中，p_i為離散型系統(tǒng)狀態(tài)的概率，i為系統(tǒng)狀態(tài)數(shù)，m為系統(tǒng)狀態(tài)最大值，且定義當(dāng)概率為0時，熵為零；H為指標(biāo)的信息熵值。