1.一种退役动力电池重组方法,其特征在于,包括:
获得待重组的多个目标退役动力电芯的目标信息,其中,每个所述目标信息包括多种目标指标参数,所述目标指标参数用于表征对应的所述目标退役动力电芯的一种特性参数,所述特性参数至少用于表征所述目标退役动力电芯的当前存储状态;
在对每个所述目标退役动力电芯所对应的多种所述目标指标参数进行预处理,生成对应的多种标准特征参数之后,利用已训备的一致性分选模型处理每个所述目标退役动力电芯所对应的多种所述标准特征参数,得到分选出的多个退役动力电芯集合所对应的分类标签数据,其中,所述分类标签数据包括用于表征所述退役动力电芯集合在重组过程中应用于梯次场景的优先级的重组适配等级,所述一致性分选模型是基于模糊c-均值聚类算法训练的机器学习模型,并被训练为根据输入的电池特征参数生成与对应退役动力电芯集合所对应的分类标签数据;
基于预先获取的电池需求参数、多个所述退役动力电芯集合以及对应的所述分类标签数据,利用改进的人工蜂群算法进行电池重组配置规划迭代,生成对应的重组配置信息,其中,所述重组配置信息包括重组的动力电池组所对应的所述退役动力电芯对应的所述目标信息;
在确定所述电池需求参数所对应的生产订单需求信息之后,对所述生产订单需求信息和所述重组配置信息,利用预设的启发式算法进行排产规划,并按生成的目标排产规划信息进行动力电池重组,得到多个重组动力电池。
2.根据权利要求1所述的方法,其特征在于,基于预先获取的电池需求参数、多个所述退役动力电芯集合以及对应的所述分类标签数据,利用改进的人工蜂群算法进行电池重组配置规划迭代,生成对应的重组配置信息,包括:根据多个所述退役动力电芯集合所对应的所述分类标签数据,利用所述改进的人工蜂群算法进行电池重组配置,生成第一重组配置信息,其中,所述第一重组配置信息包括为第一动力电池组分选的所述目标退役动力电芯,所述第一动力电池组用于表示当前重组配置出的动力电池组;
从所述第一重组配置信息中,获取每个所述第一动力电池组对应的第一适应度,其中,所述第一适应度是基于为每个所述第一动力电池组分配的所述目标退役动力电芯所对应的所述分类标签数据所构建的适配函数计算的,并用于表征所述第一动力电池组的性能优异程度;
确定所述电池需求参数所对应的需求电池组所对应的目标适应度,并根据所述第一适应度与所述目标适应度的差值,对所述第一重组配置信息进行基于所述改进的人工蜂群算法的局部搜索、邻域优化及全局搜索的迭代,直至所述差值不大于预设阈值,生成所述重组配置信息,其中,在全局搜索阶段,所述改进的人工蜂群算法引入了动态邻域调整和局部最优逃逸机制。
3.根据权利要求2所述的方法,其特征在于,根据多个所述退役动力电芯集合所对应的所述分类标签数据,利用所述改进的人工蜂群算法进行电池重组配置,生成第一重组配置信息,包括:获取多个所述退役动力电芯集合的所有所述退役动力电芯所对应的编码信息和所述分类标签数据,其中,所述编码信息是根据所述退役动力电芯的所述目标信息所述生成的;
对多个每个所述编码信息进行随机分配编码,得到与多个所述第一动力电池组所对应的多个编码体,其中,一个所述编码体对应一个所述第一动力电池组的重组配置结果;
确定每个所述目标退役动力电芯对应的所述分类标签数据所对应的电池容量、放电倍率、存续寿命和电池内阻,并基于所述电池容量、所述放电倍率、所述存续寿命和所述电池内阻构建的所述适配函数,计算每个所述编码体所对应的所述第一适应度,其中,构建所述适配函数时,基于所述电池需求参数,动态更新所述电池容量、所述放电倍率、所述存续寿命和所述电池内阻所对应的权重;
将多个所述编码体和每个所述编码体所对应的所述第一适应度,生成为所述第一重组配置信息。
4.根据权利要求3所述的方法,其特征在于,根据所述第一适应度与所述目标适应度的差值,对所述第一重组配置信息进行基于所述改进的人工蜂群算法的局部搜索、邻域优化及全局搜索的迭代,包括:基于人工蜂群算法,对所述第一重组配置信息中的所有所述编码体进行第一邻域解生成,并对随机选取的第一邻域解所对应的所述目标退役动力电芯进行随机置换,生成多个第二编码体,其中,随机置换的所述目标退役动力电芯为同一个所述退役动力电芯集合中的所述目标退役动力电芯,所述第二编码体用于表征在局部搜索阶段重组的动力电池组的配置结果;
在根据所述第二编码体所对应的适应度,从多个所述第二编码体中选取适应度值大于适应度阈值的所述第二编码体之后,确定出所选取的多个候选编码体中不属于预设的最优编码体池的所述候选编码体,并对确定出的所述候选编码体进行第二邻域解生成,以及将所有所述第二邻域解和多个所述候选编码体中属于最优编码体池的所述候选编码体作为第三编码体,其中,所述最优编码体池所存入的所有编码体是基于记忆力机制所获得的最优编码体,所述第三编码体用于表征在邻域优化阶段重组的动力电池组的配置结果;
对随机选取的所述第三编码体所对应的所述目标退役动力电芯,在设定的全局搜索范围内进行随机全局搜索,生成满足局部最优逃逸机制的候选编码体,并将生成的多个所述候选编码体作为当次迭代所对应的候选重组配置信息,其中,所述全局搜索范围是通过引入随机因素和大范围搜索机制所确定的,所述局部最优逃逸机制用于表征在生成的所述候选编码体为最优解时,停止扩大全局搜索范围;
重复执行生成对应的所述候选重组配置信息的步骤,直至所述候选重组配置信息的适应度与所述目标适应度的差值不大于预设阈值,并将所述差值不大于预设阈值的所述候选重组配置信息作为所述重组配置信息。
5.根据权利要求1所述的方法,其特征在于,所述启发式算法包括基于模拟退火的单亲遗传算法,对所述生产订单需求信息和所述重组配置信息,利用预设的启发式算法进行排产规划,包括:从所述重组配置信息中,获取重组配置的目标动力电池组对应的电池组编号,对多个所述电池组编号进行随机线性编码,得到初始线性编码体集,其中,所述初始线性编码体集中的每个第一线性编码个体用于表征一种对所有所述目标动力电池组进行重组的排产规划信息,所述排产规划信息包括为每个所述目标动力电池组分配的生产线和组装时间;
获取对所述初始线性编码集进行解码得到的与每个所述第一线性编码个体对应的第一排产规划信息,并根据从所述第一排产信息中提取到的每个所述目标动力电池组的所述组装时间,计算每个所述第一线性编码个体所对应的重组适应度,所述重组适应度用于表征对所述目标动力电池组重组的加工时间长短;
判断完成当前迭代所生成的所有当前线性编码个体所对应的所述重组适应度值是否小于预设的重组适应度阈值,其中,所述当前线性编码个体包括所述第一线性编码个体和完成上一次迭代所生成的线性编码个体其中之一;
在判断到所有所述当前线性编码个体的所述重组适应度值不小于所述重组适应度阈值的情况下,基于所有所述当前线性编码个体和所述基于模拟退火的单亲遗传算法,进行模拟退火操作迭代,直至生成的目标线性编码个体的所述重组适应度值小于所述重组适应度阈值,并将对所有所述目标线性编码个体进行解码所得到的排产规划信息作为所述目标排产规划信息,其中,所述模拟退火操作包括选择、变异、基于Metropolis准则接收新解、冷却。
6.根据权利要求1所述的方法,其特征在于,对每个所述目标退役动力电芯所对应的多种所述目标指标参数进行预处理,生成对应的多种标准特征参数,包括:在所获取的每个所述目标退役动力电芯的所述目标信息中,获取与每个所述目标退役动力电芯对应的特性参数,其中,所述特性参数至少包括以下之一:电芯容量、电芯内阻、开路电压、放电深度和荷电状态;
在对所述特性参数进行过滤、降噪、缺失值增删、异常值删减,生成多维度指标参数,其中,所述缺失值增删包括缺失值填补和缺失值剔除,所述缺失值填补包括采用平均值法、中位数法和插值法其中之一进行填补,所述异常值删减采用以下之一方法检测被删减的异常值:均值法、标准差法、箱线图法、离群点检测法;
对所述多维度指标参数进行归一化处理和关键特征提取,得到与所述特性参数对应的所述标准特征参数。
7.根据权利要求1所述的方法,其特征在于,一致性分选模型的训练,包括:
获取预设的训练样本集,其中,所述训练样本集包括多个样本退役动力电芯对应的所述特性参数;
将所述训练样本集中的所述特性参数进行对应的预处理,生成与每个所述样本退役动力电芯对应的所述标准特征参数;
在从所有所述样本退役动力电芯对应的所述标准特征参数中选取初始聚类中心之后,基于所述初始聚类中心和所有所述样本退役动力电芯对应的所述标准特征参数,进行与所述基于模糊c-均值聚类算法对应的隶属度矩阵计算和聚类中心更新的迭代,直至所述隶属度矩阵收敛,生成所述一致性分选模型。
8.根据权利要求1所述的方法,其特征在于,获取电池需求参数,包括:
获取历史电池需求订单数据,其中,所述历史电池需求订单数据包括订单参数和时间参数,所述订单参数包括电池需求订单数量、需求的电池组容量、电池组放电倍率、电池组存续寿命,所述时间参数至少包括订单时间戳;
对所述历史电池需求订单数据对应的所述订单参数和所述时间参数进行数据清洗,生成第一订单数据,其中,所述数据清洗至少包括以下之一:采用均值填充、插值或剔除的方法,对所述订单参数和所述时间参数的缺失值进行处理;采用均值法、标准差法和箱线图法其中之一对所述订单参数和所述时间参数的异常值进行检测,并删减被检测出的异常值;
利用特征工程处理所述第一订单数据,生成订单特征数据,并利用已训备的订单需求预测模型处理所述订单特征数据,预测输出所述电池需求参数,其中,所述订单需求预测模型是基于CART算法训练的分类预测模型,并训练为根据输入的第一特征数据预测输出与该第一特征数据对应的订单需求。
9.一种服务系统,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任一项所述的退役动力电池重组方法的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的退役动力电池重组方法。