一种退役电池梯次利用筛选的方法与流程

：
1.本发明涉及电池储能系统，进一步涉及一种退役电池梯次利用筛选的方法。


背景技术：
：
2.国家《节能与新能源汽车产业发展规划(2012
‑
2020)》提出要加强动力电池梯级利用和回收管理，包括：“制定动力电池回收利用管理办法，建立动力电池梯级利用和回收管理体系，明确各相关方的责任、权利和义务。引导动力电池生产企业加强对废旧电池的回收利用，鼓励发展专业化的电池回收利用企业。严格设定动力电池回收利用企业的准入条件，明确动力电池收集、存储、运输、处理、再生利用及最终处置等各环节的技术标准和管理要求。加强监管，督促相关企业提高技术水平，严格落实各项环保规定，严防重金属污染”。863计划重大项目智能电网关键技术研发课题《电动汽车充放储一体化电站系统及工程示范》正式启动实施，其中涉及动力电池梯次利用方面的研究内容主要包括：研究电池梯次利用的筛选原则、成组方法和系统方案，预期目标：提出电池梯次利用及成组的原则和策略。其中，充放储一体化电站即：将电动汽车充放电、更换站与电池储能电站功能融合进行设计和研究，建设“智能充放储一体化电站”。在充放储一体化站内，价格昂贵的电池不仅可为电动汽车提供能量供给，在其处于备用状态时，可接入电网用于储能，解决电网峰谷差，进行系统频率调节，提供旋转应急备用，稳定电压支持缓解输电拥塞等问题。
3.充电电池在储能领域具有很多优势，循环寿命长、能量密度相对较高、自放电率低、绿色环保等。近年来，随着电力的需求增加，电力系统的规模日益扩大，电网的复杂度也越来越大，同时，国家现在大力发展智能电网、可再生能源、分布式能源使得对储能技术的需求也日益增大，再加上政府出台各种储能行业相关积极政策，大力支持储能的发展，提出加快大规模储能等技术等研发应用，电池储能系统也扮演着越来越重要的角色。但由于动力电池的剩余容量很多的情况下将其回收会造成较大的资源浪费。因此，要建立一个精确的退役电池梯次利用的筛选方法就显得十分重要。


技术实现要素：
：
4.本发明是为了解决退役电池梯次利用筛选的方法。具体技术方案如下：
5.一种退役电池梯次利用筛选的方法，包含以下步骤：
6.步骤1：选取电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池工作特征参量进行计算，计算出电池组数据的一些参数分别与退役动力电池的健康度之间的互信息值，选取互信息值最高的两个特征变量作为评判退役电池性能的指标，指标的具体数值作为待分组退役动力电池数据；
7.步骤2：在退役动力电池工作站系统中录入待分组电池的数据，通过现有聚类方法求出类别中心点并给电池分簇；
8.步骤3：利用步骤1中最后挑选出的指标，通过熵值法求出每簇电池的类别中心点；
9.步骤4：通过步骤3中计算出的类别中心点验证步骤2中计算类别中心点的准确性，
若验证出聚类中心计算准确，则完成退役动力电池筛选分组过程；若验证发现聚类中心不准确，则采用欧式距离法，建立待分组电池的数据和步骤3中计算出的每簇电池类别中心点之间的联系，计算出待分组电池数据距离哪一个类别中心点最近，将其归类到最近类别中心点相应的类别中，完成退役动力电池的筛选分组。
10.优选方案，一种退役电池梯次利用筛选的方法包含以下步骤：
11.步骤1：选取电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池工作特征参量进行计算，计算出电池组数据的一些参数分别与退役动力电池的健康度之间的互信息值，选取互信息值最高的两个特征变量作为评判退役电池性能的指标，指标的具体数值作为待分组退役动力电池数据；
12.步骤2:在退役动力电池工作站系统中录入待分组退役动力电池数据，通过现有聚类方法将电池分为两簇；包括如下具体步骤：
13.步骤2.1:将步骤1中最后挑选出的两个指标作为数据导入退役动力电池工作站中；
14.步骤2.2:根据已导入退役动力电池工作站的数据，利用k
‑
means聚类方法将每个电池分为两簇；
15.步骤3：利用m个电池中2个指标的具体数值，每簇电池通过熵值法求出综合得分最高的一个电池，将每簇最高得分的电池的2个指标具体数值作为每簇电池的类别中心点；包括如下具体步骤：
16.步骤3.1：设每簇均有m个电池待评方案，2项评价指标。待评方案为电池性能优劣，根据待评方案和评价指标，初步形成m乘2的指标数据矩阵；
17.步骤3.2：计算出每簇第j项指标下第i个方案占该指标的权重；
18.步骤3.3：计算每簇第j项指标的熵值；
19.步骤3.4：计算每簇第j项指标的差异系数；
20.步骤3.5：求出每簇的权重；
21.步骤3.6：计算出每簇中每个待评方案的综合得分；
22.步骤3.7：将每簇待评方案最高的一个作为每簇电池的类别中心点，最终形成两个类别中心点；
23.步骤4：通过与步骤2和步骤3中计算出的类别中心点验证步骤2中计类别中心点的准确性，若验证出聚类中心计算准确，则完成退役动力电池筛选分组过程；若验证发现聚类中心不准确，则采用欧式距离法，建立待分组电池的数据和步骤3中计算出的每簇电池类别中心点之间的联系，计算出待分组电池数据距离哪一个类别中心点最近，将其归类到最近类别中心点相应的类别中，完成退役动力电池的筛选分组过程。
24.本发明相对于现有技术的优点是：本发明技术方案中，由于传统k
‑
means聚类算法存在着一些缺陷，例如一开始随机定下的聚类中心如果和真实聚类中心相差较大，可能会导致最终选取的类别中心误差较大，从而影响整个后续的分类结果。针对上述存在的问题，基于熵值法计算出退役动力电池关于其性能的综合最高分数来寻找最佳的聚类中心，提高了寻找聚类中心的准确度，同时也为后续筛选退役动力电池的结果提供了有利的保障。
附图说明：
25.图1是本发明提供的退役动力电池互信息值数据图。
26.图2是本发明实施例提供的退役动力待分组电池与类别中心点距离示意图。
27.图3是本发明提供的退役动力电池筛选分组流程图。
具体实施方式：
28.实施例：
29.以下结合附图对本发明作进一步详细说明。
30.一种退役电池梯次利用筛选的方法，包含以下步骤：
31.步骤1：选择筛选分组指标；利用互信息选择特征参数的方法对退役动力电池本身的特征参数进行筛选，将数据采集与监视控制系统scada采集的一些特征参数[r1,r2,r3...]，如：电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池工作特征参量，分别与退役动力电池健康度soh之间的互信息值计算出来；
[0032]
以退役动力电池健康度和退役动力电池工作温度为例，设退役动力电池健康度为x，退役动力电池工作温度为y，首先，如果判断出选用的两个特征参数为离散型随机变量的情形下，需要采用两个离散型随机变量的互信息定义公式；如果判断出选用的两个参数为离散型随机变量的情形下，需要用到两个特征参数为连续型随机变量的定义公式，两个离散型随机变量x和y的互信息根据下列公式来定义：
[0033]
式中p(α，β)表示x和y的联合概率分布函数，p(α)和p(β)分别为x和y的边缘概率分布函数；当两个计算参数为连续型随机变量时，需要将上式中的求和号替换成积分号：
[0034][0035]
然后，利用互信息选择特征参数的方法对退役动力电池的特征参数进行筛选，计算出scada采集的一些特征参数分别与退役动力电池健康度之间的互信息值；互信息值的范围在0到1之间，在本专利中将其划分为三个程度，认为从0到0.3是弱相关，认为从0.3到0.6是中等相关，认为从0.6到1是强相关；由图1可以看出内阻、放电倍率等几个特征的互信息值相对较大，在本专利中设定阈值大小为0.6，将少数几个互信息值高于0.6的特征筛选出来，认为是对标签信息量贡献较高的特征；最终筛选得到特征变量为：剩余寿命m1和剩余容量m2；
[0036]
步骤2：将待分组电池进行聚类；根据步骤1中挑选出与退役动力电池相关度最高的两个特征参数，将这两个特征参数作为退役动力电池的指标，采集m个退役动力电池的指标的具体数值，将这些指标的具体数值作为退役动力电池指标的数据集合导入退役动力电池工作站中，通过k
‑
means聚类方法将待分组电池聚类，最终将电池组分为两簇；包括如下具体步骤：
[0037]
步骤2.1：首先确定好两簇退役动力电池的数据集合e1＝{d1、d2,......d
m
}，e2＝
{p1、p2,......p
m
}；每个样本集中均共存放m个1
×
2的向量，1代表1个退役动力电池，2代表两个指标的具体数值，每个向量都代表着每个电池根据自身的两个指标的具体数值形成的数据点；确定最终聚类的簇值为2，将电池组中所有电池分为两类；确定最大的计算质心迭代次数为n次；
[0038]
步骤2.2：令聚类迭代循环次数i＝1，分别从数据集合e1和e2中随机选择一个样本作为初始的两个质心向量z
j
(i)，j＝1，2；将簇初始划分成t＝1，2；
[0039]
步骤2.3：计算样本集中所有样本和各个质心向量的距离：
[0040][0041]
其中样本集中所有样本和各个质心向量的距离为d(x
i
,z
j
(i))，i＝1，2，...，m；j＝1，2；
[0042]
如果满足d(x
i
,z
j
(i))＝min{d(x
i
,z
j
(i))}，那么x
i
∈ω
t
，t＝1，2；这时更新的簇集合为ω
t
，t＝1，2；
[0043]
步骤2.4：重新计算出新的质心，将初始设置的质心置换掉，
[0044]
其中，j＝1，2；
[0045]
步骤2.5：如果2个质心向量中有任一个距离变化绝对值大于指定的阈值，本实施例中阈值为0.05，则需要重新转到步骤2.3进行一次循环，每循环一次都要更新出质心和簇集合；如果2个质心向量的距离变化绝对值都小于指定阈值或者已经达到设定的聚类迭代循环次数n，则可以输出簇划分，完成最终聚类过程；
[0046]
步骤3：利用步骤2聚类方法中用到2个指标的具体数值，通过运用两次熵值法分别计算出每簇电池中综合得分最高的一个电池，将综合得分最高的两个电池的数据作为每簇电池的类别中心点；设有m个待评方案和2项评价指标，2个评价指标为退役动力电池的剩余寿命和一致性)，设red簇退役动力电池个数为t，blue簇退役动力电池个数为m
‑
t，根据步骤2聚类出的两簇电池，利用每簇中拥有的电池和2个指标具体数值，red簇形成t
×
2矩阵，blue簇形成m
‑
t
×
2矩阵，通过熵值法运算最终都会变成1个综合得分最高的电池和具有2个指标具体数值构成的1
×
2的矩阵，将最终构成矩阵中的两个数据作为这一簇电池的类别中心点；两簇电池数据进行两次熵值法运算，最终得到2个类别中心点；包括如下具体步骤：
[0047]
步骤3.1：根据样本集中的数据，red簇具有的t个电池和2个指标具体数据值，blue簇具有m
‑
t个电池和2个指标具体数值，分别形成t
×
2和m
‑
t
×
2的指标数据矩阵，
[0048][0049]
步骤3.2、从步骤3.1中提取相关参数，计算出第j项指标下第i个方案占该指标的比重，
[0050][0051]
其中，i＝1，2，...m；j＝1，2；
[0052]
步骤3.3：计算出第j项指标的熵值：
[0053]
其中，
[0054]
步骤3.4：计算第j项指标的差异系数：g
j
＝1
‑
e
j
，
[0055]
其中，对于第j项指标，g
j
越大指标就越重要；
[0056]
步骤3.5：求出第j项指标的权重值：其中，j＝1，2；
[0057]
步骤3.6：计算出m个方案中的综合得分并将每簇方案中的综合得分最高分所对应的数据提取出来，其中，i＝1，2，...m；
[0058]
步骤3.7：根据步骤3.6得出的两个方案的综合得分后，选出两个方案的最高分所对应的类别中心点；
[0059]
步骤4：通过与步骤2和步骤3中计算出的类别中心点验证步骤2中计算类别中心点的准确性，若验证出聚类中心计算准确，则完成退役动力电池筛选分组过程；若验证发现聚类中心不准确，则采用欧式距离法，建立待分组电池的数据和步骤3中计算出的每簇电池类别中心点之间的联系，计算出待分组电池数据和两个类别中心点的距离，待分组电池数据距离哪一个类别中心点最近，将其归类到最近类别中心点相应的类别中，完成退役动力电池的筛选分组过程。
[0060]
本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。