科研之友
微信
新浪微博
Facebook
分享链接
摘要
动力电池不一致性是引发其耐久性、可靠性和安全性等问题的重要因素之一.为此,本文基于车企监控平台汇集的车端传感器采集的动力电池内各单体电压历史数据,在K-means聚类算法的基础上,通过优化聚类簇数和初始中心(簇心)选择,从而提出了一种基于动态k值的K-means++聚类的动力电池电压不一致故障识别方法.首先,基于该方法对未出现任何异常告警的105辆(同款车型)行驶至10000 km车的历史运行数据进行分析,并结合箱型图法确定无告警车辆的离群因子(outlier factor, OF)阈值为0.02;其次,基于轮廓系数法提取每个数据片段的最佳聚类簇数以实现迭代过程中簇的动态划分,使聚类效果更佳;然后,以一定概率选取欧式距离最远点作为初始中心使簇轮廓更为清晰且有利于快速识别潜在异常单体;最后,分别基于该方法和固定k值的K-means聚类法对车企监控平台唯一一辆“电池单体一致性差”告警的车辆(与前述105辆同款)进行分析,发现相比车企监控平台告警时间, K-means聚类法最快提前2天,而本文所提出的方法最快可提前6天识别出异常单体,验证了本文所提出的方法能够较早识别动力电池电压不一致故障.本文所取得研究成果对减少或避免纯电动汽车起火和爆炸事故具有重要的意义,有利于推动纯电动汽车产业的发展,达成汽车产业“碳达峰、碳中和”的战略目标.
- 单位
