[發明專利]一種粒子群優化BIRCH算法的退役動力電池等級劃分方法

有效

• 申請號: 202210050378.7
• 申請日: 2022-01-17
• 公開（公告）號: CN114487835B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 宋汶秦;徐逸楊;楊茜;李昱;楊婷婷;王海亮;王著秀;王興貴;楊國山
• 申請（專利權）人: 國網甘肅省電力公司經濟技術研究院;蘭州理工大學
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 蘭州振華專利代理有限責任公司 62102
• 代理人: 董斌

1.一種粒子群優化BIRCH算法的退役動力電池等級劃分方法，其特征在于，其步驟為：

步驟(1)選取m組電動大巴車退役動力電池進行外觀檢測，對于存在鼓包、破損情況的退役動力電池，進行回收處理；將剩余n組退役動力電池進行下一步操作；其中，n≤m；

步驟(2)以退役動力電池的容量、內阻和開路電壓作為等級劃分依據，測量n組退役動力電池的容量、內阻和開路電壓的數據參數，得到退役動力電池等級劃分的數據集D＝{d₁,d₂,L,d_n}；

其中，d_u＝(a_u,b_u,c_u)0＜u≤n，a_u代表第u組退役動力電池的容量，b_u代表第u組退役動力電池的內阻，c_u代表第u組退役動力電池的開路電壓；

步驟(3)建立聚類特征樹CF Tree，該樹的每一個節點由若干聚類特征組成；對根節點最大個數K，分支節點最大個數B，每個葉子節點容納的最大CF數L以及葉子節點每個CF的最大半徑閾值T這四個CF Tree參數進行給定；

每一個CF是一個三元組，用(Q，LS，SS)表示，其中Q代表了這個CF中擁有的樣本數，LS代表了這個CF中擁有的樣本點各特征維度的和向量，SS代表了這個CF中擁有的樣本點各特征維度的平方和；Q、LS、SS滿足如下線性關系；

其中，“Q₁”為聚類特征(CF)中的第1個樣本點；“Q_n”為聚類特征(CF)中的第n個樣本點；“LS₁”為第1個向量；“LS_n”為第n個向量；“SS₁”為第1個向量平方；“SS_n”為第n個向量平方；

步驟(4)針對所述步驟(2)所得的數據集D，讀入第1組數據d₁，將其納入第一個葉子節點的第一個CF三元組LN₁；

步驟(5)讀入第2組數據d₂，如果它處在前一個CF節點所對應的半徑為T的超球體中，則將其置為同一個CF三元組LN₁，插入結束， 轉入步驟(8)；否則轉入步驟(6)；

步驟(6)如果當前葉子節點的CF節點個數小于閾值L，則創建一個新的CF節點，放入第2組數據d₂，生成新的三元組LN₂，插入結束，轉入步驟(8)；否則轉入步驟(7)；

步驟(7)：將當前葉子節點劃分為兩個新葉子節點，選擇舊葉子節點中歐式距離相距最遠的兩個CF節點，分別作為兩個新葉子節點的第一個CF節點；將其他元組和新加入元組按照“距離相近”原則放入兩個新的葉子節點；依次向上檢查分支節點和根節點是否也需要分裂，若需要，則其分裂方式和葉子節點相同；若不需要，則轉入步驟(8)；

步驟(8)繼續讀入剩余組的數據d_t(2＜t≤n)，重復步驟(5)到步驟(7)；完成對所有數據建立聚類特征樹CF Tree；

步驟(9)利用CF Tree的根節點的質心，作為初始電池等級分布的聚類中心；確定聚類中心點個數為k，用r_i(t)表示；0＜i≤k；以k個聚類中心點作為粒子群算法的優化對象，即共有k個粒子，0＜k≤n；

聚類中心點的坐標由退役動力電池的容量、內阻和開路電壓參數構成，r_i(t)＝(x_i,y_i,z_i)；x，y，z分別代表第i個聚類中心點的容量、內阻和開路電壓；

步驟(10)在退役動力電池數據集D中，隨機初始化步驟(8)所得k個聚類中心點的速度向量和位置向量；設置算法最大迭代次數l；0＜l≤500；

步驟(11)分別計算n組退役動力電池數據{d₁,d₂,L,d_n}到聚類中心點r_i(t)的歐氏距離ρ；通過歐氏距離ρ判斷退役動力電池的等級；

根據“距離相近原則”，將n組退役動力電池分別歸入與其距離最近的聚類中心點，完成退役動力電池初次等級劃分；

步驟(12)根據步驟(11)中的等級劃分結果，分別計算出k個聚類中心點的適應度函數f(r_i)，并對其排序，以得到k個聚類中心點的個體最優值p_i(t)和全局最優值g(t)；

適應度函數f(r_i)可以評價每個聚類中心點的優劣程度；個體最優p_i(t)是一個聚類中心點從初始到當前迭代次數產生的最優解；全局最優值g(t)是三個聚類中心點目前的最優解；

步驟(13)通過步驟(12)得到的個體最優值p_i(t)和全局最優值g(t)來更新聚類中心點的速度v_i(t)和位置z_i(t)，確定聚類中心點的最優位置，最終將n組退役動力電池劃分為k個等級；

所述步驟(11)的歐氏距離的計算公式如下：

所述步驟(12)中適應度函數f(r_i)計算公式如下：

其中，b₁和b₂是依照電池參數給定的正常數；d_min(z_i)代表退役動力電池等級劃分的最小的類間距離；代表退役動力電池等級劃分的最大的類內平均距離；通過計算f(r_i)的最小值，可以使等級劃分方案滿足類內距離小和類間距離大的特點；

所述步驟(12)中個體最優值p_i(t)和全局最優值g(t)的計算公式如下：

g(t+1)＝min{p_i(t+1)} (公式五)

其中，p_i(t+1)為t+1時刻第i個粒子最優位置；g_i(t+1)為t+1時刻全局最優位置；f(z_i(t+1))為t+1時刻位置向量z_i(t+1)的適應值；f(p_i(t))為t時刻個體最優位置的適應值；h_i(t+1)為新的個體最優值；

所述步驟(13)中聚類中心點的速度v_i(t)和位置z_i(t)更新公式如下：

v_i(t+1)＝ωv_i(t)+c₁m₁(t)(p_i(t)-z_i(t))+c₂m₂(t)(g(t)-z_i(t)) (公式六)

z_i(t+1)＝z_i(t)+v_i(t+1) (公式七)

其中，v_i(t+1)為更新后聚類中心點速度向量；z_i(t+1)為更新后聚類中心點位置向量；慣性因子ω≥0，較大的ω有利于跳出局部極大點，而較小的ω有利于算法收斂；學習因子c₁和c₂為非負常數，一般取c₁＝c₂＝2；m₁(t)和m₂(t)是均勻分布在(0，1)區間的隨機數；為防止粒子飛行速度過大導致算法過早收斂得到局部最優解，設定常數v_max＝1，通過閾值截取強制v_i(t)的每個分量絕對值不超過v_max。