《基於時間序列聚類的動力電池配組方法研究》是依託杭州電子科技大學，由何志偉擔任項目負責人的面上項目。
基本介紹
- 中文名：基於時間序列聚類的動力電池配組方法研究
- 項目類別：面上項目
- 項目負責人：何志偉
- 依託單位：杭州電子科技大學
項目摘要,結題摘要,
項目摘要
動力電池配組技術是電動汽車等領域的關鍵技術之一，成功的動力電池配組可以提高提高二次電池質量、降低企業的服務成本、減少環境污染。本項目提出一種基於電池多種充放電特性時間序列聚類的動力電池配組方法：通過對充放電特性時間序列進行非監督學習，抽取出能表征原始時間序列的若干特徵子形狀；進而基於這些特徵子形狀，基於合適的距離度量，採用合適的聚類算法完成動力電池的配組。主要研究內容：（1）時間序列的特徵子形狀非監督學習方法；（2）基於特徵子序列集合的時間序列聚類方法；（3）基於時間序列聚類的動力電池配組技術。通過本項目的研究，有望揭示表征動力電池一致性的關鍵外在特性；提出一種高效高性能的基於特徵子形狀集合的時間序列聚類算法，有效降低時間序列中噪聲對聚類效果的影響；在保證動力電池配組效率的同時，提高動力電池配組成功率。
結題摘要
動力電池配組技術是電動汽車等領域的關鍵技術之一，成功的動力電池配組可以提高電池組質量、降低企業的服務成本、減少環境污染。主要研究內容：（1）時間序列的特徵子形狀非監督學習方法；（2）基於特徵子序列集合的時間序列聚類方法；（3）基於時間序列聚類的動力電池配組技術。項目設計並實現了多路動力電池線上數據採集與監測系統，提出了基於小波降噪和數據標準化的充放電曲線預處理方法，採用歐式距離和動態時間彎曲距離對特徵進行相似性度量，研究了靜態特徵、峰度和偏度等自定義特徵、特徵子形狀等特徵抽取方法，提出了圖割法、特徵分布密度模型法、近鄰傳播法、密度峰快速查找聚類法、自組織神經網路法和自編碼神經網路法等動力電池配組方法，有效提高了動力電池配組效率、降低了電池組內不一致性。相關研究成果對揭示動力電池一致性關鍵特徵、基於時間序列聚類的動力電池配組及發展我國自主智慧財產權的電動汽車等具有重要的理論意義和實用價值。
