[发明专利]一种集成式聚类下的动力电池健康状态评估方法

权利要求书

1.一种集成式聚类下的动力电池健康状态评估方法，其特征在于，包括下述步骤：

步骤1:挖掘历史数据特征构建样本集合；具体如下：

步骤1.1:针对与被评估动力电池同型号的n个动力电池，获得不同健康状态下的动力电池健康状态值同时测量这些动力电池充放电实验过程中的电压、电流和温度信号；

步骤1.2:基于已有的动力电池电压、电流以及温度特征提取方法，提取描述动力电池状态的m个关键特征并对每个特征进行归一化处理，第i个样本的特征向量为其中第i个样本的第q个特征属于0～1的范围，i＝1,2,…,n，q＝1,2,…,m，形成若干动力电池样本多维特征向量及健康状态值的样本集合：

步骤2:形成多个待评估动力电池健康状态的估计值；具体如下：

步骤2.1:根据步骤1.2的特征提取方法，计算待评估动力电池在充放电过程中电压、电流和温度特征值，形成描述待评估动力电池的特征向量设定方法所需集成子集规模N，令t＝1；

步骤2.2:对步骤1所得样本集合A进行随机抽样，获得确定容量的子集B_t，并保证子集B_t中各样本互斥；

步骤2.3：随机定义聚类数量参数，根据欧式距离利用kmeans聚类方法，将子集B_t中具有多维特征向量的样本聚成多个族群，获得各族群中心；包括如下具体过程：

步骤2.3.1:随机定义聚类数量参数K(t)，在n个动力电池样本中随机选择K(t)个，形成初始化的K(t)个族群中心，

步骤2.3.2:计算子集B_t其余的动力电池样本的特征向量与K(t)个族群中心的欧氏距离，其中第r个样本到第k(t)个族群中心的欧式距离为判断各个样本到第K(t)个族群中心距离的大小，将其赋给距离最近的族群；

步骤2.3.3:根据各个族群中样本情况，更新族群中心：

其中第k(t)个族群中心的第j个特征为S_k(t)表示第k(t)个族群中样本数量；

步骤2.3.4:判断聚类过程是否收敛要求，如各族群中心的变化程度是否小于设定阈值，若是，则进入步骤2.4，若否，则返回步骤2.3.2

步骤2.4:计算待检测动力电池特征向量X^(test)与各族群中心的欧式距离在子集B_t中判断待检测动力电池属于族群中心与其最邻近的族群R(t)；

步骤2.5:计算在子集B_t下待测动力电池所属族群中各样本健康状态值的权重；

步骤2.5.1:计算待检测动力电池的特征向量X^(test)与子集B_t下所属族群R(t)中各个样本的欧式距离，其中到族群R(t)中第s_R(t)个样本的距离为S_R(t)表示族群R(t)中的动力电池样本数量；

步骤2.5.2:以距离越近权重越大的方式，归一化定义各样本的权重，即第s_R(t)动力电池样本健康状态值为且权重为形成权重向量

步骤2.6:根据当前子集B_t下族群R(t)中各个样本的健康状态值以及权重获得该子集对待检测动力电池健康状态值的估计：

步骤2.7:判断t是否大于或等于设定的集成子集规模N；若是，则进入步骤3，若否，则t＝t+1，并返回步骤2.2继续产生新子集对待检测动力电池健康状态值的估计；

步骤3:统计各子集对待测动力电池的健康状态估计值的均值和标准差；统计步骤2所得各子集对待测动力电池健康状态的估计值集合计算其均值代表最终待检测动力电池的健康状态估计结果，其标准差表征估计值的误差，完成测试估计。