[发明专利]一种退役电池模组分选方法、装置、电子设备及存储介质

权利要求书

1.一种退役电池模组分选方法，其特征在于，包括如下步骤：

获取若干退役动力电池模组在第一次充放电测试下的剩余容量；

获取若干退役动力电池模组在连续三次脉冲充放电后，最后一次脉冲充放电时的脉冲充放电数据，基于所述最后一次脉冲充放电时的脉冲充放电数据计算出若干退役动力电池模组的第一特征参数；

获取若干退役动力电池模组的各单体电池在最后一次脉冲充放电时的第一特征参数之和与所述若干退役动力电池模组的第一特征参数之间的差值，并将所述差值作为第二特征参数；

获取若干退役动力电池模组的端电压和内阻；

对若干动力电池模组的第一特征参数、第二特征参数、端电压和内阻进行降维处理，得到降维后呈m维的特征矩阵；

构建神经网络模型，以所述m维的特征矩阵为输入，以退役动力电池模组的放电容量为输出，对所述神经网络模型进行训练，以得到容量预测模型，基于所述容量预测模型对退役动力电池模组进行容量预测后，根据预测的容量以及退役动力电池模组的端电压和内阻，对退役动力电池模组进行分选。

2.根据权利要求1所述的退役电池模组分选方法，其特征在于，所述获取若干退役动力电池模组在第一次充放电测试下的剩余容量，包括：

获取若干退役动力电池模组在第一温度下静置后在第一充放电倍率下进行充放电测试后的剩余容量。

3.根据权利要求2所述的退役电池模组分选方法，其特征在于，所述第一特征参数至少包括欧姆内阻、极化内阻以及充放电功率。

4.根据权利要求3所述的退役电池模组分选方法，其特征在于，所述获取若干退役动力电池模组在连续三次脉冲充放电后，最后一次脉冲充放电时的脉冲充放电数据，包括：

获取若干退役动力电池模组在第二温度下静置后在第二充放电倍率下进行三次连续的脉冲充放电测试后，最后一次的脉冲充放电数据。

5.根据权利要求4所述的退役电池模组分选方法，其特征在于，所述第一温度为15℃～35℃，所述第二温度为15℃～35℃，所述第一充放电倍率为0.3C～1C，所述第二充放电倍率为1C～3C。

6.根据权利要求5所述的退役电池模组分选方法，其特征在于，采用主成分分析方法对若干动力电池模组的第一特征参数、第二特征参数、端电压和内阻进行降维处理。

7.根据权利要求6所述的退役电池模组分选方法，其特征在于，所述神经网络模型为支持向量机。

8.一种退役电池模组分选装置，其特征在于，包括：

剩余容量获取模块，用于获取若干退役动力电池模组在第一次充放电测试下的剩余容量；

第一特征参数获取模块，用于获取若干退役动力电池模组在连续三次脉冲充放电后，最后一次脉冲充放电时的脉冲充放电数据，基于所述最后一次脉冲充放电时的脉冲充放电数据计算出若干退役动力电池模组的第一特征参数；

第二特征参数获取模块，用于获取若干退役动力电池模组的各单体电池在最后一次脉冲充放电时的第一特征参数之和与所述若干退役动力电池模组的第一特征参数之间的差值，并将所述差值作为第二特征参数；

第三特征参数获取模块，用于获取若干退役动力电池模组的端电压和内阻；

降维处理模块，用于对若干动力电池模组的第一特征参数、第二特征参数、端电压和内阻进行降维处理，得到降维后呈m维的特征矩阵；

预测模块，用于构建神经网络模型，以所述m维的特征矩阵为输入，以退役动力电池模组的放电容量为输出，对所述神经网络模型进行训练，以得到容量预测模型，基于所述容量预测模型对退役动力电池模组进行容量预测后，根据预测的容量以及退役动力电池模组的端电压和内阻，对退役动力电池模组进行分选。

9.一种电子设备，其特征在于，包括：处理器和存储器；

所述存储器上存储有可被所述处理器执行的计算机可读程序；

所述处理器执行所述计算机可读程序时实现如权利要求1-7任意一项所述的退役电池模组分选方法中的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的退役电池模组分选方法中的步骤。