[發明專利]基于典型特征向量的動力電池篩選方法

有效

• 申請號: 202011094434.4
• 申請日: 2020-10-14
• 公開（公告）號: CN112287980B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 馬速良;李建林;李金林;李窮;李雅欣;譚宇良
• 申請（專利權）人: 北方工業大學;北京聯智匯能科技有限公司;安徽綠沃循環能源科技有限公司
• 主分類號: G06F18/2411
• 分類號: G06F18/2411;G06F18/23;G06F18/214
• 代理公司: 天津佳盟知識產權代理有限公司 12002
• 代理人: 劉書元

本發明公開了一種典型特征向量的動力電池篩選方法。該方法的包括以下步驟：獲取若干已知狀態的動力電池的充放電電壓信號，并提取電壓信號特征，形成特征向量；根據相同類型樣本在各特征變量的數值，估計各個特征的概率密度函數，利用抽樣方法生成若干新樣本；利用聚類方法聚合新樣本，形成多個具有代表性的典型特征向量；計算待檢測動力電池的特征向量與每一類型各個典型特征向量的余弦相似度，辨識待檢測動力電池的健康狀態。通過本發明的篩選方法，避免了小樣本情況下傳統分類模型過擬合問題以及數據不平衡造成的偏差，提高了動力電池篩選的實用性，同時可以更清晰了解不同故障下動力電池的典型特征情況，為更好地定義動力電池狀態奠定基礎。

技術領域:

本發明涉及儲能電池技術領域，具體涉及一種基于典型特征向量的動力電池篩選方法。

背景技術:

隨著我國電動汽車行業的快速發展，用于提供能源的動力電池成為了電動汽車行業的最核心的關鍵部件，動力電池電芯生產、成組技術、監測分析、運行維護以及回收利用等方面的研究收到了廣泛地關注。隨著電動汽車行駛里程的增加，動力電池的實際容量將持續下降，一般當實際容量下降至額定的百分之八十左右，需要更換新的動力電池。若直接將退役后的動力電池以原料方式回收將造成資源的極大浪費，因此將退役后電池用于其他非嚴苛要求的服務應用場景，如用于消納新能源的儲能電站的建設中，形成動力電池的梯次利用，將更有效第降低儲能電站的投入成本以及更合理地使用動力電池的剩余價值，形成互利雙贏態勢。

但是退役后動力電池的實際現狀是，不同的電池性能差異巨大、電壓平衡困難、運行狀態的評估不準確，限制了退役后電池的梯次利用進程。因此，研究動力電池的篩選、分類技術，提高對退役動力電池運行狀態的智能化篩選水平以及提升退役動力電池狀態的估計準確性，將極大的推動我國動力電池梯次利用發展，形成更為良好優質的儲能產業模式。國內外專家進行了大量的研究和分析，目前用于動力電池健康狀態評估的主要方法有三大類:(一)實驗分析法；(二)模型估計法；(三)數據驅動法。其中實驗分析方法最為精確，但是花費的時間以及人力成本過高；而模型估計方法需要較為準確的建模過程和估計模型，造成方法魯棒性不強，且眾多難以評價的物性參數計算困難；數據驅動法主要是依賴歷史數據挖掘不同運行狀態的動力電池特點，對動力電池進行分組運行狀態或者回歸健康估計值，這類方法自動化程度高、簡單易實現，同時無需過多的先驗知識和準確的數學模型，但是此類方法對數據要求較高，即模型方法的準確度完全取決于數據的典型性以及全面性，同時挖掘手段和建模方法也都存在一定影響。因此，需要一種新的動力電池篩選方法。

發明內容:

本發明在分析三類方法優劣的基礎上，為防止小樣本應用、樣本不均衡問題或者奇異樣本的過度影響，采用基于數據驅動方式形成動力電池的篩選，利用已有樣本形成對各特征的概率密度描述，再通過抽樣聚類形成對動力電池不同運行狀態的細致全面的剖析，最后通過待測樣本的數據與聚類所得典型特征的對比分析，自動、智能、準確地完成退役動力電池的篩選。本發明采用的技術方案為:

基于典型特征向量的動力電池篩選方法，包括下述步驟:

步驟1:獲取若干不同種情況的動力電池電壓數據，提取特征，組成樣本特征集合；具體包括如下過程:

步驟1.1:測量正常和多種故障共S種不同運行狀態的動力電池在充放電過程中電壓數據樣本，其中第s種運行狀態動力電池的樣本數據為n_s個，s＝1,2,…,S；

步驟1.2:基于步驟1.1中的數據樣本，提取m個電壓信號的關鍵特征，構成m維特征向量，其中第s種運行狀態動力電池的第i個樣本特征向量為形成不同運行狀態的動力電池樣本特征集令變量s＝1；

步驟2:生成并聚類相同運行狀態動力電池樣本，定義多個典型特征向量；具體包括如下過程:

步驟2.1:生成第s種運行狀態動力電池各特征的概率密度函數；

步驟2.1.1:令變量j＝1；