[发明专利]一种基于聚类分析的电池故障分类诊断方法

权利要求书

1.一种基于聚类分析的电池故障分类诊断方法，其特征在于：包括以下步骤：

S100、收集整理电池数据，将动力电池压差、温差、平均电流、平均车速作为聚类变量；

S200、利用K-means方法对电池数据进行聚类分析。

2.根据权利要求1所述的基于聚类分析的电池故障分类诊断方法，其特征在于：所述S100将动力电池压差、温差、平均电流、平均车速作为聚类变量；具体包括：

S101、电池模组中记录的单体电压的最大值与最小值的差为压差，记录的单体温度的最大值与最小值的差为温差；再将这些按照一定采样频率记录的数据以日为一个周期，求平均值作为聚类变量；

S102、电池在使用的每日内，电流的平均值和平均速度值计算得出后作为聚类变量。

3.根据权利要求1所述的基于聚类分析的电池故障分类诊断方法，其特征在于：所述S200利用K-means方法对电池数据进行聚类分析，具体包括：

S201、选择K个初始中心点作为聚类中心；

S202、在第N次迭代中，对任意一个样本计算其到K个中心的距离，将该样本归到距离最近的中心所在的类；

S203、重新计算每个聚类中所有点的平均值，并将其更新为新的聚类中心；

S204、重复第二步、第三步的过程，直到聚类中心不再产生变化或小于给定的阈值。

4.根据权利要求3所述的基于聚类分析的电池故障分类诊断方法，其特征在于：所述S201选择K个初始中心点作为聚类中心；具体包括：

采用SSE的方法确定K的取值，具体算法如下：

其中，c_i是第i个簇，p是c_i中的样本点，m_i是c_i的质心，SSE是所有样本的聚类误差，代表了聚类效果的好坏。

5.根据权利要求3所述的基于聚类分析的电池故障分类诊断方法，其特征在于：

S202、在第N次迭代中，对任意一个样本计算其到K个中心的距离，将该样本归到距离最近的中心所在的类；具体包括：

设D_kl表示G_k和G_l之间的距离，则离差平方和法计算公式如下：

D_ki＝W_m-W_k-W_i

式中：

分别是类G_k、类G_l和类Gm的重心。

6.根据权利要求5所述的基于聚类分析的电池故障分类诊断方法，其特征在于：所述步骤S202还包括：

采用标准正态变换方式，把原始数据转换为标准Z分数，其计算公式：

采用的是平方欧式距离，原始数据中包含p个变量，那个每个样本就是p维空间中的一个点；

用x＝(x1，x2，…，xp)和y＝(y1，y2，…，yp)表示两个样本，则两个样本p个变量之间的平方欧式距离计算公式如下：

7.根据权利要求1所述的基于聚类分析的电池故障分类诊断方法，其特征在于：所述S100收集整理电池数据，包括电池模组中反应单体差异的数据、电动车的使用情况数据、电池整体使用的性能数据。