[发明专利]一种新能源电源测试数据管理方法及系统

权利要求书

1.一种新能源电源测试数据管理方法，其特征在于，方法包括：

采集电池测试过程中的测试数据，并对所述测试数据进行预处理，得到每一时刻所对应的数据序列，所述数据序列包括多维度的测试数据；

基于所述数据序列内多维度的测试数据的分布情况构建测试数据密度；

基于所述测试数据密度得到初始聚类中心；

根据每个时刻的测试数据密度、数据序列以及初始聚类中心，基于聚类簇中每个时刻的类内修正距离对聚类簇的初始聚类中心进行修正，得到测试数据的聚类结果；

基于测试数据的聚类结果，对测试数据进行分区存储管理，所述分区存储管理是指将合格数据和不合格数据分区存储管理。

2.根据权利要求1所述的一种新能源电源测试数据管理方法，其特征在于，所述采集电池测试过程中的测试数据，并对所述测试数据进行预处理，得到每一时刻所对应的数据序列，所述数据序列包括多维度的测试数据的步骤，包括：

利用多种传感器分别采集电池在测试过程中的多种测试数据；

通过均值填充算法对多种测试数据进行计算，得到电池在测试过程中每一时刻的数据序列；

所述多维度的测试数据包括电压、温度、电量、电流四个维度的测试数据。

3.根据权利要求1所述的一种新能源电源测试数据管理方法，其特征在于，所述基于所述数据序列内多维度的测试数据的分布情况构建测试数据密度的步骤，包括：

根据所述数据序列内多维度的测试数据之间的影响关系，对数据序列中每个维度的测试数据按照从小至大的顺序排序；

获取测试数据中每一维度所包含的数据量，得到每一维度各自的统计直方图，所述统计直方图中的横坐标表示同一种维度的测试数据的不同取值，纵坐标表示对应取值所包含的数据量；

依据所述统计直方图计算出测试数据密度。

4.根据权利要求3所述的一种新能源电源测试数据管理方法，其特征在于，所述依据所述统计直方图计算出测试数据密度的公式为：

其中，是t时刻数据序列中第j维数据的分布比值，是t时刻数据序列中第j维数据在统计直方图中对应的数据量，是数据序列的总数量，是统计直方图对应的信息熵，是数据序列中的维度数量；是t时刻、t+1时刻的测试波动指数，、分别是t时刻、t+1时刻数据序列所对应的分布比序列，所述分布比序列是由数据序列中每个数据的分布比值组成的，其中是指t时刻数据序列中第一维度数据的分布比值，是分布比序列、之间的DTW距离；是t时刻的测试数据密度，是t-1时刻、t时刻的测试波动指数，是所有测试波动指数中的最大值。

5.根据权利要求1所述的一种新能源电源测试数据管理方法，其特征在于，所述基于所述测试数据密度得到初始聚类中心的步骤，包括：

获取每个时刻所对应的测试数据密度；

利用k-means聚类算法对所有时刻的测试数据密度进行聚类，聚类过程中的度量距离为两个测试数据密度的差值；

计算每个聚类簇中测试数据密度的均值，将均值中最大值所在聚类簇中的测试数据密度对应时刻的数据序列作为后续测试数据聚类的初始聚类中心。

6.根据权利要求1所述的一种新能源电源测试数据管理方法，其特征在于，所述根据每个时刻的测试数据密度、数据序列以及初始聚类中心，基于聚类簇中每个时刻的类内修正距离对聚类簇的初始聚类中心进行修正，得到测试数据的聚类结果的步骤，包括：

根据每个时刻的测试数据密度、数据序列以及初始聚类中心获取每个时刻数据序列的K近邻集合，并根据K近邻集合得到整个充电测试过程中每个时刻的K-dist图，所述K-dist图中的横坐标是每个时刻的数据序列与其第K个近邻的数据序列之间的度量距离，纵坐标是每个度量距离中包含数据序列的数量；

依据每个时刻的K-dist图，构建类内修正距离，用于表征不同时刻数据序列对其所在聚类簇的聚类中心的修正程度；

依据所述类内修正距离改进迭代自组织聚类ISODATA算法，得到测试数据的聚类结果。