申请/专利权人：哈尔滨理工大学

申请日：2023-12-12

公开（公告）日：2024-04-12

公开（公告）号：CN117872147A

主分类号：G01R31/367

分类号：G01R31/367;G01R31/392;G01R31/396

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于SOA‑FCM的退役电池分选方法，涉及退役动力电池分选重组领域。本发明构建SOA‑FCM，以电压、内阻、SOC、SOH、电压变化率ΔU、SOC变化率ΔSOC和SOH变化率ΔSOH为输入参数，对海鸥位置进行更新，通过对优化目标进行循环判断，更新海鸥进行迁徙行为后的新位置；更新最终位置；再次比较当前种群个体之间的适应度，找出全局最优值；达到终止条件时输出SOA算法的全体最优位置和适应度值。本发明提高了电池的SOC和SOH估计的准确性。本发明解决了传统的无监督聚类FCM算法易陷入局部最优的问题，抑制了单体电池组合成为动力电池系统后的寿命衰减速度。

主权项：1.基于SOA-FCM的退役电池分选方法，其特征在于，包括如下步骤：S1、构建SOA-FCM，模型的输入参数包括静态参数和动态参数，所述静态参数包括电压、内阻、SOC和SOH，所述动态参数包括电压变化率ΔU、SOC变化率ΔSOC和SOH变化率ΔSOH；对参数进行初始化，确定FCM的权值和阈值编码；S2、计算每只海鸥的适应度值，个体之间相互比较适应度值，找出当前种群的个体最优和全体最优值；S3、对海鸥位置进行更新，通过对优化目标进行循环判断，更新海鸥进行迁徙行为后的新位置；S4、更新最终位置；S5、再次比较当前种群个体之间的适应度，找出全局最优值；S6、判断算法在执行过程中达到终止条件，若未达到则计算转到步骤S4～S6继续进行位置更新；S7、输出SOA算法的全体最优位置和适应度值。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于SOA-FCM的退役电池分选方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD