论文部分内容阅读
伴随着电动汽车产能的不断扩大,动力电池作为电动汽车的核心部件被认为是电动汽车市场发展的重要环节,其性能好坏直接关系到电动汽车的续航里程和安全性能。单只动力电池的输出电压和输出能量较小,因此在电动汽车等应用场合,动力电池往往需要多只串并联成组合后形成更高电压和更大容量,像一辆续航距离500公里的特斯拉电动汽车由7000多只18650锂电池组成,而组内单体电池的一致性不仅决定了动力电池组的输出能量及电池组性能,也严重影响了动力电池组的使用寿命。本文首先针对动力电池组不一致性产生的原因,提出了提高电池组一致性的几种方法。在电池成组过程中,电池配组技术是通过对单体电池性能参数的研究,将性能参数相似的单体电池归为一类来确保电池组内的一致性。对比现有的电池配组方法,本文提出了一种有效的电池配组策略,将电池配组问题转化为时间序列聚类问题,并提出了基于特征子形状(u-shapelets)的电池曲线聚类。本文其次介绍了基于特征子形状(u-shapelets)的电池曲线聚类的实现过程。电池曲线特征子形状(u-shapelets)的提取算法实质是一种暴力搜索算法,在无监督情况下搜索电池曲线具有辨识度的局部特征。算法先将电池曲线的所有子序列作为u-shapelets候选子序列,并对u-shapelets候选集中的所有子序列进行质量评估以找出最佳的u-shapelets集合。基于特征子形状(u-shapelets)的电池曲线聚类,在聚类算法上选择神经网络中的自组织特征映射网络(SOM)来进行电池曲线聚类。采用无监督算法的评价指标轮廓系数对聚类结果进行分析。本文最后通过实验对比了多参数配组法和本文提出的配组策略。电池数据来源于浙江南都电源动力股份有限公司和实验室。对电池配组的结果分别进行电池储能性能实验和电池循环性能实验,选择电池的容量和自放电率作为对比参数进行结果分析。结果表明,本文基于特征子形状的动力电池配组技术的结果更优。