本文针对液态金属电池提出了一种基于电池电压曲线特征提取的电池筛选方法。设计了基于电池放电曲线的筛选指标提取框架，获得了电压曲线斜坡段放电能量、曲线末端拐点电压及其时间三个筛选指标；进而提出一种基于DBSCAN+Mean shift的组合聚类算法对电池样本集展开聚类分析，实现了样本集中差异较大电池的自动检测与剩余电池群的最佳分类。FUDS工况下的成组实验结果表明，聚类结果准确性高，可为电池串、并联配组提供重要支撑。另外与K-Means++算法进行对比分析，证明了所提筛选算法的聚类结果具有更高的可靠性。

发表时间：2023.10.23

文章链接：

基于放电曲线多特征值和组合聚类算法的液态金属电池筛选研究

https://kns.cnki.net/kcms2/article/abstract?v=0rU-DchPtsuemsbeixmGnopkcgjNPCLjc4FRn55jql6t9l18qCGmDduv4z2QednFiOn38e7AJaY4Rr8x0qLQP2HCzWAPFRwIq6FwzJDdEnL4K7Mluo1ZjsW84WDlo6tEA4CrcGINShU=&uniplatform=NZKPT&language=CHS