基于谱聚类的退役电池一致性评估方法研究

随着新能源汽车报废潮的到来,大量退役动力电池亟待梯次利用。传统方法采用K-means对退役电池进行一致性评估及重组。相比K-means,谱聚类是一种在处理非凸数据、高维数据和噪声方面具有优势的聚类算法。现使用谱聚类和K-means两种聚类对梯次利用的电池一致性评估进行探究和对比,结果表明,谱聚类的聚类准确率达69%,高于K-means聚类,在对小样本电池进行分选时更具优势,证明了基于谱聚类的技术方案的合理性和优越性。