一种梯次利用电池快速筛选方法

    公开(公告)号:CN111474490B

    公开(公告)日:2022-06-24

    申请号:CN202010274157.9

    申请日:2020-04-09

    Abstract: 本发明提供了一种梯次利用电池快速筛选方法,方法包括:基于BP神经网络构建电池健康状态预测模型;基于电池健康状态预测模型构建全局信息矩阵;将全局信息矩阵进行区域划分,获得多个子区和各子区对应的分区信息矩阵;采用粒子群优化算法进行寻优,确定各子区对应的最优位置;将各子区对应的最优位置作为各子区对应的初始聚类中心,采用K‑means聚类方法对全局信息矩阵进行聚类,获得各子单元对应的聚类中心;基于各子单元对应的聚类中心输出电池筛选结果。本发明通过构建电池健康状态预测模型,通过粒子群优化算法寻优,进而对K‑means聚类算法进行改进,既能够对退役动力电池梯次利用进行快速筛选,还避免陷入局部最优解的弊端,提高聚类算法的准确性。

    一种退役电池重构方法及系统

    公开(公告)号:CN111584951B

    公开(公告)日:2021-09-21

    申请号:CN202010269522.7

    申请日:2020-04-08

    Abstract: 本发明涉及一种退役电池重构方法及系统。该方法包括:获取参与重构的所有退役电池组成的待重构电池阵列,所有退役电池符合热稳定性要求;待重构电池阵列包括固定结构和自由结构,固定结构为m行n列电池组成的固定电池阵列,自由结构为m行1列电池组成的自由电池阵列;固定电池阵列中位于同一行的电池之间相互并联形成行电池组,相邻的行电池组之间串联;获取参与重构的所有退役电池的运行参数;获取待重构电池阵列的开关矩阵模型;确定待重构电池阵列对应的多个开关矩阵;基于最小均衡差,确定每个开关矩阵对应的电池重构阵列的适应度值;将适应度值最低的电池重构阵列按照对应的开关矩阵进行重构。本发明可以提高退役电池组利用时的热稳定性。

    一种退役电池重构方法及系统

    公开(公告)号:CN111584951A

    公开(公告)日:2020-08-25

    申请号:CN202010269522.7

    申请日:2020-04-08

    Abstract: 本发明涉及一种退役电池重构方法及系统。该方法包括:获取参与重构的所有退役电池组成的待重构电池阵列,所有退役电池符合热稳定性要求;待重构电池阵列包括固定结构和自由结构,固定结构为m行n列电池组成的固定电池阵列,自由结构为m行1列电池组成的自由电池阵列;固定电池阵列中位于同一行的电池之间相互并联形成行电池组,相邻的行电池组之间串联;获取参与重构的所有退役电池的运行参数;获取待重构电池阵列的开关矩阵模型;确定待重构电池阵列对应的多个开关矩阵;基于最小均衡差,确定每个开关矩阵对应的电池重构阵列的适应度值;将适应度值最低的电池重构阵列按照对应的开关矩阵进行重构。本发明可以提高退役电池组利用时的热稳定性。

    一种梯次利用电池快速筛选方法

    公开(公告)号:CN111474490A

    公开(公告)日:2020-07-31

    申请号:CN202010274157.9

    申请日:2020-04-09

    Abstract: 本发明提供了一种梯次利用电池快速筛选方法,方法包括:基于BP神经网络构建电池健康状态预测模型;基于电池健康状态预测模型构建全局信息矩阵;将全局信息矩阵进行区域划分,获得多个子区和各子区对应的分区信息矩阵;采用粒子群优化算法进行寻优,确定各子区对应的最优位置;将各子区对应的最优位置作为各子区对应的初始聚类中心,采用K-means聚类方法对全局信息矩阵进行聚类,获得各子单元对应的聚类中心;基于各子单元对应的聚类中心输出电池筛选结果。本发明通过构建电池健康状态预测模型,通过粒子群优化算法寻优,进而对K-means聚类算法进行改进,既能够对退役动力电池梯次利用进行快速筛选,还避免陷入局部最优解的弊端,提高聚类算法的准确性。

Patent Agency Ranking