融合充放电曲线特征与改进K-means聚类的退役锂电池分选方法

聂金泉, 高洋洋, 黄燕琴, 李银银

重庆理工大学学报(自然科学版) ›› 2024, Vol. 38 ›› Issue (03) : 354 -362.

PDF
重庆理工大学学报(自然科学版) ›› 2024, Vol. 38 ›› Issue (03) : 354 -362. DOI: CNKI:SUN:CGGL.0.2024-03-039

融合充放电曲线特征与改进K-means聚类的退役锂电池分选方法

    聂金泉, 高洋洋, 黄燕琴, 李银银
作者信息 +

Author information +
文章历史 +
PDF

摘要

为提高退役锂电池分选重组的一致性,提出一种融合电压曲线与能量曲线的数值特征与形态特征,并运用欧氏距离和形态距离进行K-means聚类的分选方法。通过试验获取退役锂电池充放电曲线,融合电压曲线和能量曲线作为分选依据;采用欧式距离度量融合曲线的数值差异;利用分位数方法将融合曲线转化为描述曲线形态变化的特征序列,运用最长公共子序列算法提取特征序列的形态距离用来度量融合曲线的形态差异;以融合曲线的欧式距离和特征序列的形态距离为度量判据,采用改进K-means聚类算法对退役锂电池进行聚类。结果表明:相较于电压曲线或容量曲线分选,采用融合曲线分选,容量、充电电压、放电电压一致性最大提高约23%、93%、16%。相较于欧式距离方法,采用改进K-means算法,容量、充电电压、放电电压一致性最大分别提高了约67%、40%、51%。

关键词

退役动力电池 / 不一致性 / 分选方法 / 改进K-means

Key words

引用本文

引用格式 ▾
融合充放电曲线特征与改进K-means聚类的退役锂电池分选方法[J]. 重庆理工大学学报(自然科学版), 2024, 38(03): 354-362 DOI:CNKI:SUN:CGGL.0.2024-03-039

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

77

访问

0

被引

详细

导航
相关文章

AI思维导图

/