一种梯次利用电池快速筛选方法
基本信息
| 申请号 | CN202010274157.9 | 申请日 | - |
| 公开（公告）号 | CN111474490B | 公开（公告）日 | 2022-06-24 |
| 申请公布号 | CN111474490B | 申请公布日 | 2022-06-24 |
| 分类号 | G01R31/392;G01R31/367;G06K9/62;G06N3/00;G06N3/08 | 分类 | 测量；测试; |
| 发明人 | 李建林;马福元;陈新琪;王剑波 | 申请（专利权）人 | 北方工业大学 |
| 代理机构 | 北京高沃律师事务所 | 代理人 | 刘凤玲 |
| 地址 | 100144 北京市石景山区晋元庄路5号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 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。 |
