一种粒子群优化BIRCH算法的退役动力电池等级划分方法

    公开(公告)号:CN114487835B

    公开(公告)日:2023-01-03

    申请号:CN202210050378.7

    申请日:2022-01-17

    IPC分类号: G01R31/36

    摘要: 一种粒子群优化BIRCH算法的退役动力电池等级划分方法,首先对退役动力电池的外观进行检测,初步筛选出可二次利用的退役动力电池。选取退役动力电池的容量、内阻和开路电压作为等级划分依据,建立聚类特征树CF Tree,利用CF Tree的CF节点的质心,作为初始聚类中心点。计算电池数据与聚类中心点的欧氏距离。根据“距离就近原则”,对退役动力电池进行初次分类。并通过粒子群不断优化聚类中心点的位置,最终将退役电池划分为若干等级。针对不同等级的退役动力电池,制定不同的后续应用方案。本发明将粒子群的优化思想融入聚类过程中,提高了退役动力电池等级划分的准确性,并且划分到同级别退役动力电池拥有较高的一致性。

    基于改进CART算法的退役动力电池等级分类方法

    公开(公告)号:CN114429182A

    公开(公告)日:2022-05-03

    申请号:CN202210049882.5

    申请日:2022-01-17

    IPC分类号: G06K9/62 G06Q10/06 G06Q50/06

    摘要: 基于改进CART决策树算法的退役动力电池等级筛选方法,其目的是将改进CART决策树算法用于退役动力电池等级分类,提高等级分类效率,为退役动力电池梯次利用打下一定基础。其步骤为:首先,在选择属性分割点时,结合Fayyad边界点判定定理确定退役动力电池各特征属性的最优阈值点,并计算最优阈值点处的Gini系数;然后,将退役动力电池每个特征属性的最优阈值点作为决策树的分裂条件,依次进行二分裂,直到所有叶子节点中的退役动力电池属于同一类为止,生成决策树;最后,采用代价复杂度剪枝算法对决策树进行剪枝,防止出现过拟合,提高决策树的泛化性能,得到退役动力电池等级筛选最优决策树。

    一种粒子群优化BIRCH算法的退役动力电池等级划分方法

    公开(公告)号:CN114487835A

    公开(公告)日:2022-05-13

    申请号:CN202210050378.7

    申请日:2022-01-17

    IPC分类号: G01R31/36

    摘要: 一种粒子群优化BIRCH算法的退役动力电池等级划分方法,首先对退役动力电池的外观进行检测,初步筛选出可二次利用的退役动力电池。选取退役动力电池的容量、内阻和开路电压作为等级划分依据,建立聚类特征树CF Tree,利用CF Tree的CF节点的质心,作为初始聚类中心点。计算电池数据与聚类中心点的欧氏距离。根据“距离就近原则”,对退役动力电池进行初次分类。并通过粒子群不断优化聚类中心点的位置,最终将退役电池划分为若干等级。针对不同等级的退役动力电池,制定不同的后续应用方案。本发明将粒子群的优化思想融入聚类过程中,提高了退役动力电池等级划分的准确性,并且划分到同级别退役动力电池拥有较高的一致性。