[发明专利]一种基于聚类分析的电池故障分类诊断方法

说明书

本发明是一种基于聚类分析的电池故障分类诊断方法，将电池在一段时间内记录的压差、温差、平均电流、平均车速等数据，作为4个重要的聚类归纳的指标。将他们归一化处理后，利用K‑means方法即可对电池记录到的各种问题进行聚类分析的数据挖掘。该方法能够从更深层次挖掘到电池数据间的关联，较好地对各种电池进行类别划分。进而使管理人员在信息检索时效率更高同时获得的结果更加完整。

技术领域

本发明涉及电池技术领域，具体涉及一种基于聚类分析的电池故障分类诊断方法。

背景技术

在数据挖掘技术扩展到电池性能归纳分析挖掘之前，电池模组数据作为电池量化分析最有效的载体，隐藏了大量的技术信息。传统的专利数据挖掘存在效率低、维度单一、数据样本小、层次不够深入等问题，以无法满足如今对电池性能数据挖掘的需求。

发明内容

本发明提出的一种基于聚类分析的电池故障分类诊断方法，能够深层次挖掘数据间的关联，较好地对电池性能数据进行类别划分，使聚类结果更具整体性。

为实现上述目的，本发明采用了以下技术方案：

一种基于聚类分析的电池故障分类诊断方法，包括：

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方法进行聚类。

进一步的，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。

进一步的，所述S200利用K-means方法进行聚类，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。

进一步的，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。

进一步的，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。

进一步的，所述步骤S202还包括：