一种动力电池的分类方法及装置与流程

本发明涉及动力电池技术领域，尤其涉及一种动力电池的分类方法及装置。

背景技术：

电动汽车作为一种采用新能源的交通工具，在环境压力和能源危机的形势下，逐渐受到人们的青睐，并在大范围内开始推广使用。

电动汽车采用锂离子电池作为储能单元，通常情况下当动力电池容量衰减到初始容量的80％后，需要进行更换。随着电动汽车的使用越来越普遍，更换下来的电池越来越多，如何有效利用和处理退役动力电池就成为一个迫切待解决的问题。其中对动力电池梯次利用的研究得到了行业普遍的重视，现有技术中对锂离子电池梯次利用进行分析时，通常包括两种方式：

1、估算单体电池的有效容量，并依此将它们重新组合成新的动力电池组以应用于不同的场合；2、利用电芯整个历史数据进行分析，通过电池管理系统对每个电芯进行即时数据采集，并根据数据计算电芯的演变模式，还需要取样进行ct(computedtomography，电子计算机断层扫描)成像、表观测试和拆解分析，形成坏电芯剔除标准。最终根据演变模式一致性和新电池配组参数对退役电池进行配组。

上述的方式一仅考虑了在特定温度、工况条件下动力电池的实际可用容量及内阻这两个参数对电池梯次利用筛选的影响，所考虑的因素较为单一，无法全面反映退运电池的属性，导致分析的可信度较低。上述的方式二需要对电芯的整个历史数据进行采集并计算电芯演变模式，导致此方法所需工作量极大。此外，此方法还需要通过ct成像、表观测试和拆解分析等方式，进行坏电芯剔除标准制定，需要采用多种大型仪器及设备，导致分析成本较高。

技术实现要素：

本发明实施例提供一种动力电池的分类方法及装置，以解决现有技术中对退运电池属性评价分类时参数选择单一、灵活性弱、分析成本高以及工作量大的问题。

本发明实施例提供一种动力电池的分类方法，包括：

获取多个动力电池的评价参数；

对所述动力电池的评价参数进行数据标准化预处理，得到预处理后的评价参数；

根据各个动力电池预处理后的评价参数，建立模糊相似矩阵；

将所述模糊相似矩阵转化为具有传递性的模糊等价矩阵；

根据所述模糊等价矩阵对所述动力电池进行分类。

其中，所述获取多个动力电池的评价参数的步骤包括：

获取多个动力电池所属的待应用领域所关注的评价参数类型；

在所述动力电池的参数数据库中，筛选出所述评价参数类型对应的参数值作为所述动力电池的评价参数。

其中，对所述动力电池的评价参数进行数据标准化预处理，得到预处理后的评价参数的步骤包括：

根据预先设置的标准存储区间，对所述动力电池的各个评价参数进行数量级转化处理；

将经过数量级转化处理后的所述评价参数存储至所述标准存储区间内，得到预处理后的评价参数。

其中，所述根据各个动力电池预处理后的评价参数，建立模糊相似矩阵的步骤包括：

获取所述动力电池的数量，并根据所述动力电池的数量确定所述模糊相似矩阵的阶数；

确定所述模糊相似矩阵主对角线上的元素为1；

根据各个动力电池预处理后的评价参数，采用距离计算公式确定所述模糊相似矩阵中的非主对角线上的各个元素；

将确定的非主对角线上的各个元素置于对应位置，形成所述模糊相似矩阵。

其中，根据各个动力电池预处理后的评价参数，采用距离计算公式确定所述模糊相似矩阵中非主对角线上的各个元素的步骤包括：

针对每一动力电池，根据该动力电池预处理后的评价参数确定一向量；

计算该动力电池对应的向量与其他各个动力电池对应的向量之间的距离，将得到的距离值与第一预设系数相乘得到第一距离值；

确定1与各个所述第一距离值之差为非主对角线上的元素。

其中，所述根据各个动力电池预处理后的评价参数，建立模糊相似矩阵的步骤包括：

获取所述动力电池的数量，并根据所述动力电池的数量确定所述模糊相似矩阵的阶数；

确定所述模糊相似矩阵主对角线上的元素为1；

针对任意两个动力电池，计算对应的预处理后的评价参数之间的乘积，并对所述乘积相加得到和值，将所述和值与第二预设系数之比值作为第一参考值；

将各个所述第一参考值置于非主对角线上的对应位置形成所述模糊相似矩阵；

其中，当所述第一参考值为负值时，确定所述第一参考值与1之和的1/2为第二参考值，将所述第二参考值置于对应的位置，非主对角线上的元素的取值范围在0～1之间。

其中，所述将所述模糊相似矩阵转化为具有传递性的模糊等价矩阵的步骤包括：

采用下述公式对所述模糊相似矩阵r进行模糊乘积运算；

当r^k与r^e相等时，确定r^k为与所述模糊相似矩阵r对应的具有传递性的模糊等价矩阵。

其中，所述根据所述模糊等价矩阵对动力电池进行分类的步骤包括：

针对所述模糊等价矩阵r^k中的元素值，确定分类系数λ；

根据所述分类系数λ，在所述模糊等价矩阵中对所述动力电池进行分类。

其中，所述模糊等价矩阵r^k中的每一行或者每一列元素表征一动力电池对应的元素，当所述动力电池的数量为5个，所述根据所述分类系数λ，在所述模糊等价矩阵中对所述动力电池进行分类的步骤包括：

在且a1﹥a3﹥a2﹥a5﹥a4的状态下；

当λ≥a1时，将小于a1的元素设为0，将大于或者等于a1的元素设为1，确定每一动力电池对应于一分类；

当λ≥a3时，将小于a3的元素设为0，将大于或者等于a3的元素设为1，确定第一行和第三行对应的动力电池为一类，第二行、第四行、第五行对应的动力电池分别为一类；

当λ≥a2时，将小于a2的元素设为0，将大于或者等于a2的元素设为1，确定第一行、第二行和第三行对应的动力电池为一类，第四行、第五行对应的动力电池分别为一类；

当λ≥a5时，将小于a5的元素设为0，将大于或者等于a5的元素设为1，确定第一行、第二行、第三行和第五行对应的动力电池为一类，第四行对应的动力电池为一类；

当λ≥a4时，将小于a4的元素设为0，将大于或者等于a4的元素设为1，确定第一行、第二行、第三行、第四行和第五行对应的动力电池为一类。

本发明实施例还提供一种动力电池的分类装置，包括：

获取模块，用于获取多个动力电池的评价参数；

处理模块，用于对所述动力电池的评价参数进行数据标准化预处理，得到预处理后的评价参数；根据各个动力电池预处理后的评价参数，建立模糊相似矩阵；将所述模糊相似矩阵转化为具有传递性的模糊等价矩阵；

分类模块，用于根据所述模糊等价矩阵对所述动力电池进行分类。

本发明实施例技术方案的有益效果至少包括：

本发明技术方案，通过获取动力电池的评价参数进行数据标准化预处理，并根据动力电池预处理后的评价参数，建立模糊相似矩阵；将模糊相似矩阵转化为具有传递性的模糊等价矩阵后；根据模糊等价矩阵对动力电池进行分类，可以在综合考虑动力电池的各项评价参数的基础上，根据动力电池在新应用领域所重点关注的评价参数进行灵活选择和自由组合，且本发明无需对电芯的历史数据进行采集，在不依赖先验理论条件下，能够直接快速地对电芯进行科学分类，工作量相对较少，极大提高了退运电池梯次利用的筛选分类效率，同时无需使用大型仪器设备，分析成本低。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1表示本发明实施例一提供的动力电池的分类方法示意图；

图2表示本发明实施例二提供的动力电池的分类方法示意图；

图3表示本发明实施例三提供的动力电池的分类方法示意图；

图4表示本发明实施例四提供的动力电池的分类装置示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

本发明实施例一提供一种动力电池的分类方法，包括：

步骤101、获取多个动力电池的评价参数。

在获取多个动力电池的评价参数时，可以依据电池不一致性的表现形式进行选定。例如可以选取电池的实际容量、内阻、自放电率、最大功率、开路电压、短路电流、恒流充电容量占总充电容量的比值、低温性能等作为评价参数。本发明实施例中在对多个电池进行分类时，各个动力电池所选定的评价参数是相同的。在对动力电池属性进行综合评价时，可根据动力电池在待应用领域所重点关注的参数进行灵活选择和自由组合。

步骤102、对动力电池的评价参数进行数据标准化预处理，得到预处理后的评价参数。

针对多个动力电池，获取同样的评价参数，并对获取的评价参数进行数据标准化预处理。其中在对评价参数进行数据标准化预处理时，可以对评价参数进行标准差变换或者极差变换，来得到预处理后的评价参数。当然并不限于这两种方法，本领域技术人员可以根据需求来设定其他的方法来对评价参数进行数据标准化预处理。

由于针对动力电池所选用的评价参数可以为多个，每一个评价参数具有不同的量纲，且数量级差别较大，为了使不同量纲和数量级的数据也能进行比较，需要对数据进行标准化预处理。在对评价参数进行标准化预处理之后，得到预处理后的评价参数。其中各个预处理后的评价参数的数量级相同，且位于一预设的区间范围内。在获取动力电池预处理后的评价参数之后，执行步骤103。

步骤103、根据各个动力电池预处理后的评价参数，建立模糊相似矩阵。

在获取动力电池预处理后的评价参数之后，根据各个动力电池的各个预处理后的评价参数，建立模糊相似矩阵。其中在建立模糊相似矩阵时，针对n个动力电池，确定每个动力电池所对应的l个评价参数。针对每一个动力电池形成一个样本，采用对应的运算，针对n个样本，确定每个样本在n阶矩阵中对应的元素。根据每个样本在n阶矩阵中形成的元素，确定模糊相似矩阵。

具体为：针对n个动力电池，形成设论域u＝{u1，u2，…，un}，其中u1代表第一动力电池，u2代表第二动力电池，…，un代表第n动力电池。针对每一个动力电池，建立u上的相似关系r，r表示模糊相似矩阵。其中rij＝r(ui，uj)表示模糊相似矩阵中的元素，r(ui，uj)表示针对任意两个动力电池进行相关运算。每个动力电池对应于一l维向量，其中ui＝{xi1，xi2，…，xil}表示动力电池对应的l个预处理后的评价参数组成的向量。在采用相关运算获取模糊相似矩阵中的元素之后，执行步骤104。

步骤104、将模糊相似矩阵转化为具有传递性的模糊等价矩阵。

针对模糊相似矩阵r来说，仅具有自反性和对称性，不满足传递性。只有当r转化为具有传递性的模糊等价矩阵时才能聚类，因此需要将r改造成模糊等价矩阵。本发明采用传递闭包法对模糊相似矩阵进行改造，即通过求传递包将n阶模糊相似矩阵r改造成n阶模糊等价矩阵。具体的过程为：从模糊相似矩阵r出发，依次进行模糊乘积运算，当第一个出现时，表明r^k已经具有传递性，r^k就是所求的模糊等价矩阵。

步骤105、根据模糊等价矩阵对动力电池进行分类。

在确定模糊等价矩阵之后，根据模糊等价矩阵来对动力电池进行分类的过程为：根据分类系数对模糊等价矩阵中的元素进行化零或者化一处理。在处理后的模糊等价矩阵中的元素中，确定每一动力电池对应的排列后的n个元素，针对各个动力电池对应的n个元素进行比较，当存在n个元素的值以及排序都相同的动力电池时，将这些动力电池划分为一类。根据上述原则变换分类系数，根据模糊等价矩阵的元素中对动力电池进行分类。其中最细的分类可以是每一个动力电池对应于一个分类，最粗的分类为n个动力电池归属于同一类。

本发明实施例一，通过获取动力电池的评价参数进行数据标准化预处理，并根据动力电池预处理后的评价参数，建立模糊相似矩阵；将模糊相似矩阵转化为具有传递性的模糊等价矩阵后；根据模糊等价矩阵对动力电池进行分类，可以在综合考虑动力电池的各项评价参数的基础上，对评价参数进行灵活选择和自由组合，且本发明无需对电芯的历史数据进行采集，在不依赖先验理论条件下，能够直接快速地对电芯进行科学分类，工作量相对较少，极大提高了退运电池梯次利用的筛选分类效率，同时无需使用大型仪器设备，分析成本低。

实施例二

本发明实施例二提供一种动力电池的分类方法，包括：

步骤201、获取多个动力电池所属的待应用领域所关注的评价参数类型。

针对待分类的多个动力电池而言，确定其待应用领域所关注的动力电池的评价参数类型。其中动力电池的评价参数类型包括：实际容量、内阻、自放电率、最大功率、开路电压、短路电流、恒流充电容量占总充电容量的比值、低温性能等。在确定待分类的多个动力电池的评价参数之前，需要获取多个动力电池所要应用的领域对动力电池的关注点，即所关注的评价参数类型，根据所关注的评价参数类型来确定对应的评价参数。

步骤202、在动力电池的参数数据库中，筛选出评价参数类型对应的参数值作为动力电池的评价参数。

在确定动力电池所属的待应用领域所关注的评价参数类型之后，在动力电池的参数数据库中，筛选出待应用领域所关注的评价参数类型对应的参数值为动力电池的评价参数。例如：待应用领域所关注的评价参数类型包括：内阻、最大功率和短路电流，则需要在包括实际容量参数、内阻参数、自放电率参数、最大功率参数、开路电压参数、短路电流参数、恒流充电容量占总充电容量的比值参数、低温性能参数等参数的参数数据库中筛选出内阻、最大功率和短路电流对应的参数值作为动力电池的评价参数。

在确定动力电池的评价参数之后，执行步骤203，对动力电池的评价参数进行数据标准化预处理。

步骤203、根据预先设置的标准存储区间，对动力电池的各个评价参数进行数量级转化处理。

由于动力电池的评价参数为多个，每一个评价参数具有不同的量纲，且数量级差别较大，为了使不同量纲和数量级的数据也能进行比较，需要对数据进行标准化预处理。

将各个评价参数的数量级进行转化，压缩至标准存储区间内。本发明实施例中标准的存储区间为(-1～1)，可以将动力电池的内阻0.02欧姆转化为0.2；将动力电池的最大功率8.64kw转化为0.864；将动力电池的短路电流3.2a转化为0.32。

步骤204、将经过数量级转化处理后的评价参数存储至标准存储区间内，得到预处理后的评价参数。

在将动力电池的各个评价参数进行数量级转化处理之后，将转化后的评价参数存储至标准存储区间内，确定存储至标准存储区间内的评价参数为预处理后的评价参数。例如：将转化为0.2的动力电池的内阻存储至标准存储区间内；将转化为0.864的动力电池的最大功率存储至标准存储区间内；将转化为0.32的动力电池的短路电流存储至标准存储区间内。

步骤205、获取动力电池的数量，并根据动力电池的数量确定模糊相似矩阵的阶数。

在得到预处理后的动力电池的评价参数之后，获取动力电池的数量n，在获取动力电池的数量n之后，根据动力电池的数量n确定模糊相似矩阵为n阶矩阵。

步骤206、确定模糊相似矩阵主对角线上的元素为1。在确定n阶矩阵之后，设置n阶模糊相似矩阵的主对角线上的n个元素均为1。

步骤207、根据各个动力电池预处理后的评价参数，采用距离计算公式确定模糊相似矩阵中的非主对角线上的各个元素。

在确定n阶模糊相似矩阵的主对角线上的n个元素之后，根据各个动力电池预处理后的评价参数，采用距离计算公式来确定非主对角线上的各个元素。

具体为：针对每一动力电池，根据该动力电池预处理后的评价参数确定一向量；计算该动力电池对应的向量与其他各个动力电池对应的向量之间的距离，将得到的距离值与第一预设系数相乘得到第一距离值；确定1与各个第一距离值之差为非主对角线上的元素。

针对每一个动力电池，根据该动力电池预处理后的评价参数形成一参数向量。当动力电池的数量为n，每一动力电池对应的评价参数的数量为l时，则针对第一动力电池，可以确定其预处理后的评价参数形成的第一参数向量为：u1＝{x11，x12，…，x1l}，其中x11表示第一个评价参数，x12表示第二个评价参数，…，x1l表示第l个评价参数。

计算第一动力电池对应的第一参数向量与其他各个动力电池对应的向量之间的距离。计算第一参数向量与第二动力电池对应的第二参数向量之间的距离，计算第一参数向量与第三动力电池对应的第三参数向量之间的距离；…；计算第一参数向量与第n动力电池对应的第n参数向量之间的距离。

例如：在计算第一参数向量与第二参数向量之间的距离时，计算u1＝{x11，x12，…，x1l}与u2＝{x21，x22，…，x2l}之间的距离，其中第一参数向量与第二参数向量之间的距离u12为：

按照上述原则计算第一参数向量与第三参数向量之间的距离u13；…；第一参数向量与第n参数向量之间的距离u1n。同时计算第二参数向量与其他参数向量之间的距离，第三参数向量与其他参数向量之间的距离，…，以及第n参数向量与其他参数向量之间的距离。

在确定任一动力电池对应的向量与其他各个动力电池对应的向量之间的距离之后，将得到的距离值与第一预设系数相乘得到第一距离值，确定1与第一距离值之差为标准距离值，将标准距离值确定为非主对角线上的元素。需要说明的是，第一预设系数为正数，第一距离值大于0小于1。

步骤208、将确定的非主对角线上的各个元素置于对应位置，形成模糊相似矩阵。

在获取非主对角线上的各个元素之后，将非主对角线上的各个元素置于对应的位置，形成模糊相似矩阵。在将非主对角线上的各个元素置于对应的位置时，将u12对应的标准距离值置于模糊相似矩阵中第一行第二列的位置，将u13对应的标准距离值置于模糊相似矩阵中第一行第三列的位置，…，将u1n对应的标准距离值置于模糊相似矩阵中第一行第n列的位置。同时将u21对应的标准距离值置于模糊相似矩阵中第二行第一列的位置，将u23对应的标准距离值置于模糊相似矩阵中第二行第三列的位置，…，将u2n对应的标准距离值置于模糊相似矩阵中第二行第n列的位置。

按照上述原则将非主对角线上的各个元素置于对应的位置，其中u11、u22u33、…、unn均位于主对角线上，其对应的标准距离值为1。u11为第一参数向量与第一参数向量之间的距离，u22为第二参数向量与第二参数向量之间的距离，…；unn为第n参数向量与第n参数向量之间的距离，其值均为0，则对应的第一距离值均为0，相应的标准距离值均为1。

步骤209、将模糊相似矩阵转化为具有传递性的模糊等价矩阵。

在形成模糊相似矩阵之后，将模糊相似矩阵转化为模糊等价矩阵时：采用下述公式对模糊相似矩阵r进行模糊乘积运算；

当r^k与r^e相等时，确定r^k为与模糊相似矩阵r对应的具有传递性的模糊等价矩阵。

具体为：采用模糊乘积算法对模糊相似矩阵r进行运算，当m的取值为0时，则对应的k的取值为1，e的取值为2，此时公式转化为当m的取值为1时，则对应的k的取值为2，e的取值为4，此时公式转化为按照上述规律依次计算，当时，此时r^k＝r^e，则确定r^k为与模糊相似矩阵r对应的模糊等价矩阵。

其中模糊乘积的计算过程如下所示：

例如

s11＝(0.3∧0.3)∨(0.7∧1)∨(0.2∧0)＝0.3∨0.7∨0＝0.7；

s12＝(0.3∧0.7)∨(0.7∧0)∨(0.2∧0.5)＝0.3∨0∨0.2＝0.3；

s13＝(0.3∧0.2)∨(0.7∧0.4)∨(0.2∧1)＝0.2∨0.4∨0.2＝0.4；

s21＝(1∧0.3)∨(0∧1)∨(0.4∧0)＝0.3∨0∨0＝0.3；

s22＝(1∧0.7)∨(0∧0)∨(0.4∧0.5)＝0.7∨0∨0.4＝0.7；

s23＝(1∧0.2)∨(0∧0.4)∨(0.4∧1)＝0.2∨0∨0.4＝0.4；

s31＝(0∧0.3)∨(0.5∧1)∨(1∧0)＝0∨0.5∨0＝0.5；

s32＝(0∧0.7)∨(0.5∧0)∨(1∧0.5)＝0∨0∨0.5＝0.5；

s33＝(0∧0.2)∨(0.5∧0.4)∨(1∧1)＝0∨0.4∨1＝1；

则

需要说明的是，模糊乘积与普通的矩阵乘法的过程是相同的，其区别点在于：将加法变为取最大值，将乘法变为取最小值。

步骤210、针对模糊等价矩阵r^k中的元素值，确定分类系数λ，根据分类系数λ，在模糊等价矩阵中对动力电池进行分类。

在确定模糊相似矩阵之后，根据模糊等价矩阵中的元素值，确定分类系数λ。在确定分类系数λ之后，根据分类系数λ进行动力电池的分类。

模糊等价矩阵r^k中的每一行或者每一列元素表征一动力电池对应的元素，模糊等价矩阵为对称矩阵，第一行对应的元素与第一列对应的元素相同，第二行对应的元素与第二列对应的元素相同，…，第n行对应的元素与第n列对应的元素相同。

当动力电池的数量为5个，根据分类系数λ，在模糊等价矩阵中对动力电池进行分类的步骤包括：

在且a1﹥a3﹥a2﹥a5﹥a4的状态下；

当λ≥a1时，将小于a1的元素设为0，将大于或者等于a1的元素设为1，确定每一动力电池对应于一分类；

当λ≥a3时，将小于a3的元素设为0，将大于或者等于a3的元素设为1，确定第一行和第三行对应的动力电池为一类，第二行、第四行、第五行对应的动力电池分别为一类；

当λ≥a2时，将小于a2的元素设为0，将大于或者等于a2的元素设为1，确定第一行、第二行和第三行对应的动力电池为一类，第四行、第五行对应的动力电池分别为一类；

当λ≥a5时，将小于a5的元素设为0，将大于或者等于a5的元素设为1，确定第一行、第二行、第三行和第五行对应的动力电池为一类，第四行对应的动力电池为一类；

当λ≥a4时，将小于a4的元素设为0，将大于或者等于a4的元素设为1，确定第一行、第二行、第三行、第四行和第五行对应的动力电池为一类。

具体的，下面以一具体的应用来进行动力电池分类的说明。

在时，根据不同的λ进行分类。

在λ≥1时：此时小于1的元素变成0，大于或者等于1的元素变成1，即有：

模糊等价矩阵r^k中的每一行或者每一列元素表征一动力电池对应的元素，本发明实施例中可以以行为基准进行动力电池的区分，也可以以列为基准进行动力电池的区分。

在以行为基准时，第一行、第二行、第三行、第四行、第五行中的元素排列均不同，此时每一动力电池对应于一个分类，此时对应的分类为最细的分类。五个动力电池被分为五类。其中第一行或者第一列对应第一动力电池，第二行或者第二列对应第二动力电池，第三行或者第三列对应第三动力电池，第四行或者第四列对应第四动力电池，第五行或者第五列对应第五动力电池。

在λ≥0.62时：此时小于0.62的元素变成0，大于或者等于0.62的元素变成1，即有：

在以行为基准时，第一行和第三行中的元素排列相同，第一动力电池和第三动力电池属于一个分类，第二行、第四行、第五行中的元素排列均不同，此时第二行对应的第二动力电池属于一个分类，第四行对应的第四动力电池属于一个分类，第五行对应的第五动力电池属于一个分类，此时五个动力电池被分为四类。

在λ≥0.48时：此时小于0.48的元素变成0，大于或者等于0.48的元素变成1，即有：

在以行为基准时，第一行、第二行和第三行中的元素排列相同，第一动力电池、第二动力电池和第三动力电池属于一个分类，第四行、第五行中的元素排列均不同，第四行对应的第四动力电池属于一个分类，第五行对应的第五动力电池对应于一个分类，此时五个动力电池被分为三类。

在λ≥0.47时：此时小于0.47的元素变成0，大于或者等于0.47的元素变成1，即有：

在以行为基准时，第一行、第二行、第三行和第五行中的元素排列相同，第一动力电池、第二动力电池、第三动力电池和第五动力电池属于一个分类，第四行元素对应的第四动力电池对应于一个分类，此时五个动力电池被分为两类。

在λ≥0.41时：此时小于0.41的元素变成0，大于或者等于0.41的元素变成1，即有：

在以行为基准时，第一行、第二行、第三行、第四行和第五行中的元素排列相同，第一动力电池、第二动力电池、第三动力电池、第四动力电池和第五动力电池属于一个分类，此时的分类为最粗的分类，五个动力电池被划分为一类。

本发明实施例二，通过获取动力电池的评价参数进行数据标准化预处理，并根据动力电池预处理后的评价参数，建立模糊相似矩阵；将模糊相似矩阵转化为具有传递性的模糊等价矩阵后；根据模糊等价矩阵对动力电池进行分类，可以在综合考虑动力电池的各项评价参数的基础上，根据动力电池在新应用领域所重点关注的评价参数进行灵活选择和自由组合，且本发明无需对电芯的历史数据进行采集，在不依赖先验理论条件下，能够直接快速地对电芯进行科学分类，工作量相对较少，极大提高了退运电池梯次利用的筛选分类效率，同时无需使用大型仪器设备，分析成本低。

实施例三

本发明实施例三提供一种一种动力电池的分类方法，包括：

步骤301、获取多个动力电池所属的待应用领域所关注的评价参数类型。

针对待分类的多个动力电池而言，确定其待应用领域所关注的动力电池的评价参数类型。其中动力电池的评价参数类型包括：实际容量、内阻、自放电率、最大功率、开路电压、短路电流、恒流充电容量占总充电容量的比值、低温性能等。在确定待分类的多个动力电池的评价参数之前，需要获取多个动力电池所要应用的领域对动力电池的关注点，即所关注的评价参数类型，根据所关注的评价参数类型来确定对应的评价参数。

步骤302、在动力电池的参数数据库中，筛选出评价参数类型对应的参数值作为动力电池的评价参数。

在确定动力电池所属的待应用领域所关注的评价参数类型之后，在动力电池的参数数据库中，筛选出待应用领域所关注的评价参数类型对应的参数值为动力电池的评价参数。

步骤303、根据预先设置的标准存储区间，对动力电池的各个评价参数进行数量级转化处理。

由于动力电池的评价参数为多个，每一个评价参数具有不同的量纲，且数量级差别较大，为了使不同量纲和数量级的数据也能进行比较，需要对数据进行标准化预处理。将各个评价参数的数量级进行转化，压缩至标准存储区间内。本发明实施例中标准的存储区间为(-1～1)，本领域的技术人员也可以根据需求来设定标准的存储区间。

步骤304、将经过数量级转化处理后的评价参数存储至标准存储区间内，得到预处理后的评价参数。

在将动力电池的各个评价参数进行数量级转化处理之后，将转化后的评价参数存储至标准存储区间内，确定存储至标准存储区间内的评价参数为预处理后的评价参数。

步骤305、获取动力电池的数量，并根据动力电池的数量确定模糊相似矩阵的阶数。

在得到预处理后的动力电池的评价参数之后，获取动力电池的数量n，在获取动力电池的数量n之后，根据动力电池的数量n确定模糊相似矩阵为n阶矩阵。

步骤306、确定模糊相似矩阵主对角线上的元素为1。在确定n阶矩阵之后，设置n阶模糊相似矩阵的主对角线上的n个元素均为1。

步骤307、针对任意两个动力电池，计算对应的预处理后的评价参数之间的乘积，并对乘积相加得到和值，将和值与第二预设系数之比值作为第一参考值。

在确定主对角线上的元素之后，针对任意两个动力电池预处理后的评价参数，计算对应的评价参数的乘积，并将得到的乘积进行累加，将得到的累加值与第二预设系数相比，来确定第一参考值。

针对每一个动力电池，根据该动力电池预处理后的评价参数形成一参数向量。当动力电池的数量为n，每一动力电池对应的评价参数的数量为l时，则针对第一动力电池，可以确定其预处理后的评价参数形成的第一参数向量为：u1＝{x11，x12，…，x1l}，其中x11表示第一个评价参数，x12表示第二个评价参数，…，x1l表示第l个评价参数。同时可以确定第二参数向量为：u2＝{x21，x22，…，x2l}。针对第一动力电池和第二动力电池而言，在计算第一参考值时，计算x11与x21的乘积、x12与x22的乘积、…、x1l与x2l的乘积，然后将得到的l个乘积进行累加，得到累加和值。在得到累加和值之后，将累加和值与第二预设系数相除，得到第一参考值。其中第二预设系数为针对n个动力电池而言，所对应的最大累加和值。

步骤308、将各个第一参考值置于非主对角线上的对应位置形成模糊相似矩阵。

在得到第一参考值之后，将各个第一参考值置于非主对角线上的对应位置。例如：针对第一动力电池和第二动力电池而言，所得到的第一参考值置于第一行第二列的位置以及第二行第一列的位置；针对第一动力电池和第三动力电池而言，所得到的第一参考值置于第一行第三列的位置以及第三行第一列的位置；针对第二动力电池和第三动力电池而言，所得到的第一参考值置于第二行第三列的位置以及第三行第二列的位置。

其中，当第一参考值为负值时，确定第一参考值与1之和的1/2为第二参考值，将第二参考值置于对应的位置，非主对角线上的元素的取值范围在0～1之间。

步骤309、将模糊相似矩阵转化为具有传递性的模糊等价矩阵。

在形成模糊相似矩阵之后，将模糊相似矩阵转化为模糊等价矩阵时：采用下述公式对模糊相似矩阵r进行模糊乘积运算；

当r^k与r^e相等时，确定r^k为与模糊相似矩阵r对应的具有传递性的模糊等价矩阵。

具体为：采用模糊乘积算法对模糊相似矩阵r进行运算，当m的取值为0时，则对应的k的取值为1，e的取值为2，此时公式转化为当m的取值为1时，则对应的k的取值为2，e的取值为4，此时公式转化为按照上述规律依次计算，当时，此时r^k＝r^e，则确定r^k为与模糊相似矩阵r对应的模糊等价矩阵。

其中模糊乘积的计算过程如下所示：

例如

s11＝(0.2∧0.2)∨(0.7∧1)∨(0.6∧0.3)＝0.2∨0.7∨0.3＝0.7；

s12＝(0.2∧0.7)∨(0.7∧0.1)∨(0.6∧0.5)＝0.2∨0.1∨0.5＝0.5；

s13＝(0.2∧0.6)∨(0.7∧0.4)∨(0.6∧1)＝0.2∨0.4∨0.6＝0.6；

s21＝(1∧0.2)∨(0.1∧1)∨(0.4∧0.3)＝0.2∨0.1∨0.3＝0.3；

s22＝(1∧0.7)∨(0.1∧0.1)∨(0.4∧0.5)＝0.7∨0.1∨0.4＝0.7；

s23＝(1∧0.6)∨(0.1∧0.4)∨(0.4∧1)＝0.6∨0.1∨0.4＝0.6；

s31＝(0.3∧0.2)∨(0.5∧1)∨(1∧0.3)＝0.2∨0.5∨0.3＝0.5；

s32＝(0.3∧0.7)∨(0.5∧0.1)∨(1∧0.5)＝0.3∨0.1∨0.5＝0.5；

s33＝(0.3∧0.6)∨(0.5∧0.4)∨(1∧1)＝0.3∨0.4∨1＝1；

则

需要说明的是，模糊乘积与普通的矩阵乘法的过程是相同的，其区别点在于：将加法变为取最大值，将乘法变为取最小值。

步骤310、针对模糊等价矩阵r^k中的元素值，确定分类系数λ，根据分类系数λ，在模糊等价矩阵中对动力电池进行分类。

在确定模糊相似矩阵之后，根据模糊等价矩阵中的元素值，确定分类系数λ。在确定分类系数λ之后，根据分类系数λ进行动力电池的分类。

模糊等价矩阵r^k中的每一行或者每一列元素表征一动力电池对应的元素，模糊等价矩阵为对称矩阵，第一行对应的元素与第一列对应的元素相同，第二行对应的元素与第二列对应的元素相同，…，第n行对应的元素与第n列对应的元素相同。

当动力电池的数量为5个，根据分类系数λ，在模糊等价矩阵中对动力电池进行分类的步骤包括：

在且a1﹥a3﹥a2﹥a5﹥a4的状态下；

当λ≥a1时，将小于a1的元素设为0，将大于或者等于a1的元素设为1，确定每一动力电池对应于一分类；

当λ≥a3时，将小于a3的元素设为0，将大于或者等于a3的元素设为1，确定第一行和第三行对应的动力电池为一类，第二行、第四行、第五行对应的动力电池分别为一类；

当λ≥a2时，将小于a2的元素设为0，将大于或者等于a2的元素设为1，确定第一行、第二行和第三行对应的动力电池为一类，第四行、第五行对应的动力电池分别为一类；

当λ≥a5时，将小于a5的元素设为0，将大于或者等于a5的元素设为1，确定第一行、第二行、第三行和第五行对应的动力电池为一类，第四行对应的动力电池为一类；

当λ≥a4时，将小于a4的元素设为0，将大于或者等于a4的元素设为1，确定第一行、第二行、第三行、第四行和第五行对应的动力电池为一类。

具体的，下面以一具体的应用来进行动力电池分类的说明。

在时，根据不同的λ进行分类。

在λ≥1时：此时小于1的元素变成0，大于或者等于1的元素变成1，即有：

模糊等价矩阵r^k中的每一行或者每一列元素表征一动力电池对应的元素，本发明实施例中可以以行为基准进行动力电池的区分，也可以以列为基准进行动力电池的区分。

在以行为基准时，第一行、第二行、第三行、第四行、第五行中的元素排列均不同，此时每一动力电池对应于一个分类，此时对应的分类为最细的分类。五个动力电池被分为五类。其中第一行或者第一列对应第一动力电池，第二行或者第二列对应第二动力电池，第三行或者第三列对应第三动力电池，第四行或者第四列对应第四动力电池，第五行或者第五列对应第五动力电池。

在λ≥0.7时：此时小于0.7的元素变成0，大于或者等于0.7的元素变成1，即有：

在以行为基准时，第一行和第三行中的元素排列相同，第一动力电池和第三动力电池属于一个分类，第二行、第四行、第五行中的元素排列均不同，此时第二行对应的第二动力电池属于一个分类，第四行对应的第四动力电池属于一个分类，第五行对应的第五动力电池属于一个分类，此时五个动力电池被分为四类。

在λ≥0.5时：此时小于0.5的元素变成0，大于或者等于0.5的元素变成1，即有：

在以行为基准时，第一行、第二行和第三行中的元素排列相同，第一动力电池、第二动力电池和第三动力电池属于一个分类，第四行、第五行中的元素排列均不同，第四行对应的第四动力电池属于一个分类，第五行对应的第五动力电池对应于一个分类，此时五个动力电池被分为三类。

在λ≥0.4时：此时小于0.4的元素变成0，大于或者等于0.4的元素变成1，即有：

在以行为基准时，第一行、第二行、第三行和第五行中的元素排列相同，第一动力电池、第二动力电池、第三动力电池和第五动力电池属于一个分类，第四行元素对应的第四动力电池对应于一个分类，此时五个动力电池被分为两类。

在λ≥0.3时：此时小于0.3的元素变成0，大于或者等于0.3的元素变成1，即有：

在以行为基准时，第一行、第二行、第三行、第四行和第五行中的元素排列相同，第一动力电池、第二动力电池、第三动力电池、第四动力电池和第五动力电池属于一个分类，此时的分类为最粗的分类，五个动力电池被划分为一类。

本发明实施例三，通过获取动力电池的评价参数进行数据标准化预处理，并根据动力电池预处理后的评价参数，建立模糊相似矩阵；将模糊相似矩阵转化为具有传递性的模糊等价矩阵后；根据模糊等价矩阵对动力电池进行分类，可以在综合考虑动力电池的各项评价参数的基础上，根据动力电池在新应用领域所重点关注的评价参数进行灵活选择和自由组合，且本发明无需对电芯的历史数据进行采集，在不依赖先验理论条件下，能够直接快速地对电芯进行科学分类，工作量相对较少，极大提高了退运电池梯次利用的筛选分类效率，同时无需使用大型仪器设备，分析成本低。

需要说明的是，本发明实施例在采用模糊聚类法对退运动力电池进行分类筛选时，当对待评价电芯及参数进行数据标准化预处理且建立模糊相似矩阵后，也可以不建立模糊等价矩阵。而是直接使用模糊相似矩阵，通过布尔矩阵法、直接聚类法、最大树法、编网法等实现对梯次利用动力电池的聚类评价。

且本发明实施例二、实施例三均以动力电池的数量为五个进行说明，其中在对一批动力电池进行分类筛选时，动力电池的数量可以为其他数量，在分类时可以以五个动力电池进行分类的例子作为模板，依据模板的分类方法来对一定数量的动力电池进行分类。

其中，在建立模糊相似矩阵时，所对应的方法包括相似系数法和距离法，本发明实施例二中所采用的是距离法中的欧式距离法，本发明实施例三中所采用的是相似系数法中的数量积法。当然相似系数法中还包括其他的方法，例如：夹角余弦法、相关系数法、指数相似系数法、最大最小法、算数平均最小法、几何平均最小法等；距离法中还包括绝对值倒数法、绝对值指数法、直接距离法(海明距离、切比雪夫距离)等。在此不再一一说明，本领域技术人员可以根据自身的需求来确定对应的方法。

综上所述，为了对动力电池的属性做出更加全面的评价，提高评价的可信度，为梯次利用动力电池的筛选提供更为科学的依据，提高配组后使用的可靠性。本发明在对电池属性进行评价时可以综合考虑动力电池各项参数对退运电池属性进行综合评价，本发明在动力电池参数选择上灵活性强，也可根据退运电池在新应用领域所重点关注的参数进行灵活选择和自由组合。本发明所应用的模糊聚类分析方法在不依赖先验理论条件下，能够直接快速地对退役后电芯进行科学分类，工作量相对较少，极大提高了退运电池梯次利用的筛选分类效率。

实施例四

本发明实施例提供一种动力电池的分类装置，如图4所示，包括：

获取模块10，用于获取多个动力电池的评价参数；

处理模块20，用于对动力电池的评价参数进行数据标准化预处理，得到预处理后的评价参数；根据各个动力电池预处理后的评价参数，建立模糊相似矩阵；将模糊相似矩阵转化为具有传递性的模糊等价矩阵；

分类模块30，用于根据模糊等价矩阵对动力电池进行分类。

其中，获取模块10包括：

获取子模块11，用于获取多个动力电池所属的待应用领域所关注的评价参数类型；

筛选子模块12，用于在动力电池的参数数据库中，筛选出评价参数类型对应的参数值作为动力电池的评价参数。

其中处理模块20包括：

转化子模块21，用于根据预先设置的标准存储区间，对动力电池的各个评价参数进行数量级转化处理；

存储子模块22，用于将经过数量级转化处理后的评价参数存储至标准存储区间内，得到预处理后的评价参数。

其中，处理模块20包括：

第一确定子模块23，用于获取动力电池的数量，并根据动力电池的数量确定模糊相似矩阵的阶数；

第二确定子模块24，用于确定模糊相似矩阵主对角线上的元素为1；

第三确定子模块25，用于根据各个动力电池预处理后的评价参数，采用距离计算公式确定模糊相似矩阵中的非主对角线上的各个元素；将确定的非主对角线上的各个元素置于对应位置，形成模糊相似矩阵。

其中，第三确定子模块25包括：

第一确定单元251，用于针对每一动力电池，根据该动力电池预处理后的评价参数确定一向量；

计算单元252，用于计算该动力电池对应的向量与其他各个动力电池对应的向量之间的距离，将得到的距离值与第一预设系数相乘得到第一距离值；

第二确定单元253，用于确定1与各个第一距离值之差为非主对角线上的元素。

其中，处理模块20包括：

第四确定子模块26，获取动力电池的数量，并根据动力电池的数量确定模糊相似矩阵的阶数；

第五确定子模块27，确定模糊相似矩阵主对角线上的元素为1；

第六确定子模块28，针对任意两个动力电池，计算对应的预处理后的评价参数之间的乘积，并对乘积相加得到和值，将和值与第二预设系数之比值作为第一参考值；

第七确定子模块29，将各个第一参考值置于非主对角线上的对应位置形成模糊相似矩阵；

其中，当第一参考值为负值时，确定第一参考值与1之和的1/2为第二参考值，将第二参考值置于对应的位置，非主对角线上的元素的取值范围在0～1之间。

其中，处理模块20进一步用于：

采用下述公式对模糊相似矩阵r进行模糊乘积运算；

(k＝2^m，e＝2^m+1，m＝0、1、2、3…)；当r^k与r^e相等时，确定r^k为与模糊相似矩阵r对应的具有传递性的模糊等价矩阵。

其中，分类模块30包括：

第八确定子模块31，用于针对模糊等价矩阵r^k中的元素值，确定分类系数λ；

分类子模块32，用于根据分类系数λ，在模糊等价矩阵中对动力电池进行分类。

其中，模糊等价矩阵r^k中的每一行或者每一列元素表征一动力电池对应的元素，当动力电池的数量为5个，分类子模块32进一步用于：

在且a1﹥a3﹥a2﹥a5﹥a4的状态下；

当λ≥a1时，将小于a1的元素设为0，将大于或者等于a1的元素设为1，确定每一动力电池对应于一分类；

当λ≥a3时，将小于a3的元素设为0，将大于或者等于a3的元素设为1，确定第一行和第三行对应的动力电池为一类，第二行、第四行、第五行对应的动力电池分别为一类；

当λ≥a2时，将小于a2的元素设为0，将大于或者等于a2的元素设为1，确定第一行、第二行和第三行对应的动力电池为一类，第四行、第五行对应的动力电池分别为一类；

当λ≥a5时，将小于a5的元素设为0，将大于或者等于a5的元素设为1，确定第一行、第二行、第三行和第五行对应的动力电池为一类，第四行对应的动力电池为一类；

当λ≥a4时，将小于a4的元素设为0，将大于或者等于a4的元素设为1，确定第一行、第二行、第三行、第四行和第五行对应的动力电池为一类。

本发明实施例四，可以在综合考虑动力电池的各项评价参数的基础上，根据动力电池在新应用领域所重点关注的评价参数进行灵活选择和自由组合，且本发明的分类方法无需对电芯的历史数据进行采集，在不依赖先验理论条件下，能够直接快速地对电芯进行科学分类，工作量相对较少，极大提高了退运电池梯次利用的筛选分类效率，同时无需使用大型仪器设备，分析成本低。

以上所述的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明所述的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。