[發(fā)明專利]一種基于聚類分析的電池故障分類診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911206611.0
• 申請(qǐng)日: 2019-11-29
• 公開（公告）號(hào): CN111126449A
• 公開（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 單毅;吳定國(guó);張兵
• 申請(qǐng)（專利權(quán)）人: 合肥國(guó)軒高科動(dòng)力能源有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 合肥天明專利事務(wù)所(普通合伙) 34115
• 代理人: 苗娟

1.一種基于聚類分析的電池故障分類診斷方法，其特征在于：包括以下步驟：

S100、收集整理電池?cái)?shù)據(jù)，將動(dòng)力電池壓差、溫差、平均電流、平均車速作為聚類變量；

S200、利用K-means方法對(duì)電池?cái)?shù)據(jù)進(jìn)行聚類分析。

2.根據(jù)權(quán)利要求1所述的基于聚類分析的電池故障分類診斷方法，其特征在于：所述S100將動(dòng)力電池壓差、溫差、平均電流、平均車速作為聚類變量；具體包括：

S101、電池模組中記錄的單體電壓的最大值與最小值的差為壓差，記錄的單體溫度的最大值與最小值的差為溫差；再將這些按照一定采樣頻率記錄的數(shù)據(jù)以日為一個(gè)周期，求平均值作為聚類變量；

S102、電池在使用的每日內(nèi)，電流的平均值和平均速度值計(jì)算得出后作為聚類變量。

3.根據(jù)權(quán)利要求1所述的基于聚類分析的電池故障分類診斷方法，其特征在于：所述S200利用K-means方法對(duì)電池?cái)?shù)據(jù)進(jìn)行聚類分析，具體包括：

S201、選擇K個(gè)初始中心點(diǎn)作為聚類中心；

S202、在第N次迭代中，對(duì)任意一個(gè)樣本計(jì)算其到K個(gè)中心的距離，將該樣本歸到距離最近的中心所在的類；

S203、重新計(jì)算每個(gè)聚類中所有點(diǎn)的平均值，并將其更新為新的聚類中心；

S204、重復(fù)第二步、第三步的過(guò)程，直到聚類中心不再產(chǎn)生變化或小于給定的閾值。

4.根據(jù)權(quán)利要求3所述的基于聚類分析的電池故障分類診斷方法，其特征在于：所述S201選擇K個(gè)初始中心點(diǎn)作為聚類中心；具體包括：

采用SSE的方法確定K的取值，具體算法如下：

其中，c_i是第i個(gè)簇，p是c_i中的樣本點(diǎn)，m_i是c_i的質(zhì)心，SSE是所有樣本的聚類誤差，代表了聚類效果的好壞。

5.根據(jù)權(quán)利要求3所述的基于聚類分析的電池故障分類診斷方法，其特征在于：

S202、在第N次迭代中，對(duì)任意一個(gè)樣本計(jì)算其到K個(gè)中心的距離，將該樣本歸到距離最近的中心所在的類；具體包括：

設(shè)D_kl表示G_k和G_l之間的距離，則離差平方和法計(jì)算公式如下：

D_ki＝W_m-W_k-W_i

式中：

分別是類G_k、類G_l和類Gm的重心。

6.根據(jù)權(quán)利要求5所述的基于聚類分析的電池故障分類診斷方法，其特征在于：所述步驟S202還包括：

采用標(biāo)準(zhǔn)正態(tài)變換方式，把原始數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)Z分?jǐn)?shù)，其計(jì)算公式：

采用的是平方歐式距離，原始數(shù)據(jù)中包含p個(gè)變量，那個(gè)每個(gè)樣本就是p維空間中的一個(gè)點(diǎn)；

用x＝(x1，x2，…，xp)和y＝(y1，y2，…，yp)表示兩個(gè)樣本，則兩個(gè)樣本p個(gè)變量之間的平方歐式距離計(jì)算公式如下：

7.根據(jù)權(quán)利要求1所述的基于聚類分析的電池故障分類診斷方法，其特征在于：所述S100收集整理電池?cái)?shù)據(jù)，包括電池模組中反應(yīng)單體差異的數(shù)據(jù)、電動(dòng)車的使用情況數(shù)據(jù)、電池整體使用的性能數(shù)據(jù)。