[发明专利]一种基于聚类分选的退役动力电池重组方法

权利要求书

1.一种基于聚类分选的退役动力电池重组方法，其特征在于，包括以下步骤：

步骤1：将退役电池根据其结构特征进行拆解，拆解为电池单体。

步骤2：判断电池单体的外观是否符合预先制定的外观要求，若符合，则进入步骤3，对电池单体的性能进行进一步检测；若不符合，则将当前电池单体直接视为报废电池，待后续处理；

步骤3：对电池单体的性能进行进一步检测，判断电池单体的基本性能是否满足梯次利用的使用要求，将满足梯次利用的使用要求的电池单体作为待分选电池，将不满足梯次利用的使用要求的电池单体视为报废电池；

检测时，基于电池单体的剩余容量、端电压、内阻判断当前电池单体是否满足梯次利用的使用要求；

步骤4、获得待分选电池的充放电曲线，针对待分选电池的充放电曲线与标准电池单体的充放电曲线之间的动态时间弯曲距离进行计算和数据的归一化处理，获得待分选电池的动态特征参数；

设获得的充放电曲线的动态时间弯曲距离的不同时间长度的时间序列分别为X＝{x₁,x₂,…,x_k,…,x_n}和Y＝{y₁,y₂,…,y_l,…,y_m}，其中，x_k为时间序列X所对应的待分选电池充放电过程中第k个时刻的电压值，y_l为时间序列Y所对应的标准电池单体充放电过程中第l个时刻的电压值；则时间序列X和时间序列Y之间的动态时间弯曲距离表示为时间弯曲距离矩阵D(X,Y)，时间弯曲距离矩阵D(X,Y)中各行各列的元素由下式(1)表示：

式中，f(0,0)表示时间弯曲距离矩阵D(X,Y)中第0行第0列的元素；f(i,0)表示时间弯曲距离矩阵D(X,Y)中第i行第0列的元素；f(0,j)表示时间弯曲距离矩阵D(X,Y)中第0行第j列的元素；f(1,1)表示时间弯曲距离矩阵D(X,Y)中第1行第1列的元素，a₁₁表示x₁与y₁之间的距离，由动态距离的单调性可知，有效弯曲路径的起点a₁₁与终点a_nm分别为位于矩阵D(X,Y)的左上角和右下角；f(i,j)表示时间弯曲距离矩阵D(X,Y)中第i行第j列的元素，i＝2,…,n，j＝2,…,m，a_ij表示x_i与y_j两点之间的距离，从x_i到y_j在满足距离矩阵边界性、单调性及连续性的前提下具有的多条有效路径中选择一条唯一最优路径，唯一最优路径使得区间累计距离达到最小值；

通过动态规划，在所获得的时间弯曲距离矩阵D(X,Y)中基于预先给定的约束条件寻找累计距离最小的路径，该路径所对应的累计距离即为时间序列X与时间序列Y之间的相似程度；所获得的累计距离越小，则表明时间序列X与时间序列Y之间越相似；所获得的累计距离则为待分选电池的动态特征参数；

获得所有待分选电池的动态特征参数，若动态特征参数小于预先设定的距离阈值，则当前待分选电池作为待重组电池单体被保留下来，若动态特征参数不小于预先设定的距离阈值，则将当前待分选电池视为报废电池，待后续处理；

步骤五：采用K-means聚类方法对所有待重组电池单体进行分类，同时考虑应用到各类梯次利用场景的影响因子的权重，被分为一类的所有待重组电池单体适合重组在一个电池包内重新利用，包括以下步骤：

步骤501：获得所有M个待重组电池单体的样本数据，第h个待重组电池单体的样本数据定义为p_h，则p_h为由步骤第h个待重组电池单体的内阻p_c，h、剩余容量p_r,h及动态特征参数p_D,h组成的三维向量，则有p_h＝[p_C,h p_r,h p_D,h]；所有M个待重组电池单体的样本数据组成样本数据集A＝{p₁,p₂,…,p_h,…,p_M}；

步骤502：对样本数据集A中的每个样本数据进行数据标准化处理，得到标准化样本数据集A^′＝{p₁′,p₂′,…,p_h′,…,p_M′}，其中，p_h′为对样本数据p_h进行数据标准化处理后得到的标准化样本数据；

步骤503：根据K-means聚类算法对标准化样本数据集A′进行聚类处理，具体包括以下步骤：

步骤5031：设定聚类簇的个数K、最大迭代次数N、迭代终止阈值σ；

步骤5032：初始化K个聚类中心，从标准化样本数据集A′中随机选择K个标准化样本数据作为初始聚类中心，将这K个标准化样本数据定义为γ₁,γ₂,…,γ_K，则有聚类中心集B＝{γ₁,γ₂,…,γ_K}，其中，γ_K＝[γ_C,K γ_r,K γ_D,K]，γ_C,K表示第个聚类中心的内阻、γ_r,K表示第K个聚类中心的剩余容量、γ_D,K表示第K个聚类中心的动态特征参数；

步骤5033：根据欧氏距离计算每个样本所属类别，输出的分类集合为C＝{C₁,C₂,…,C_K}，并引入梯次利用场景权重因子，计算标准化样本数据集A′中每一个标准化样本数据与聚类中心集B中各个聚类中心之间的欧氏距离，其中，标准化样本数据集A′中第h个标准化样本数据p_h′与聚类中心集B中第l个聚类中心γ_l之间的欧氏距离定义为d_hl，则有：

式中，δ_C、δ_r、δ_D分别为内阻、剩余容量及动态特征参数对应的梯次利用场景权重因子，且δ_C+δ_r+δ_D＝1，调整梯次利用场景权重因子δ_C、δ_r、δ_D的大小，针对不用要求的梯次利用电池应用场景获得对应的分类结果，其中：

当δ_C值较大时，此时聚类的电池内阻一致性较高，剩余容量一致性较小，从而重新聚类后的待重组电池单体适用于功率要求较高的功率型应用场景；当δ_r值较大时，属于同一分类的所有待重组电池单体的剩余容量一致性较高，从而重新聚类后的待重组电池单体更加适用于能量型的应用场景；当δ_D值较大时，表示退役电池的充放电动态特性的一致性较高，从而说明聚类电池退化程度的一致性，有利于对充放电频率及剩余寿命较高的梯次应用场景；

步骤5034：按照就近原则，根据欧式距离结果得到每个标准化样本数据所属的类，更新分类结果；

步骤5035：更新聚类中心集B中的各个聚类中心，则聚类中心集B中的第l个聚类中心γ_l采用下式更新：

式(4)中，C_l表示样本输出分类集合中的第l项，p表示样本参量；

步骤5036：重复以上步骤5033至步骤5035，直至满足终止条件时，终止迭代，其中，当满足以下三个条件中的任意一个条件，则终止迭代：

条件一)当前一次迭代的聚类中心与上一次迭代的聚类中心相比没有任何变化；

条件二)达到迭代终止阈值σ，迭代终止阈值σ为适用于各个实际应用中设置的误差最小值；

条件三)迭代次数达到最大迭代次数N；

步骤六：针对不同应用场景，将完成分类筛选的所有待重组电池单体进行重组并投入使用，其中，重组得到的同一个电池包内的所有待重组电池单体属于同一个分类。