[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

说明书

本发明公开一种退役动力电池模组分选方法、装置、电子设备及存储介质，方法包括：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、端电压和内阻，并进行降维处理，得到呈m维的特征矩阵；最后构建神经网络模型，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，对电池模组进行分选。本发明解决了目前由于无法准确预估电池模组容量而导致的无法有效实现对退役电池模组的分选的技术问题。

技术领域

本发明涉及电池分选技术领域，具体涉及一种退役电池模组分选方法、装置、电子设备及存储介质。

背景技术

随着电动汽车行业的兴起，电动汽车的销量越来越多，同时也带动锂离子电池的销量急剧上升。对于电动汽车来说，为保证汽车的续航能力，当电池的容量下降到一定程度(例如80％)后，需要将其从汽车上淘汰下来，如果直接淘汰会造成电池剩余价值的浪费，因此，需要对退役的电池模组进行梯次利用，进而避免能源的浪费。

但是由于退役电池模组在经历不同的充放电过程后，其性能差异较大，如果不对其进行分选而直接使用，会影响电池二次使用的容量性能、功率性能以及电池组的剩余寿命，同时退役电池模组更有产生故障的可能性。

目前的分选方法一般都是预估电池模组容量后，根据电池模组容量进行分选，但是目前的电池模组容量预测需要经过完整充放电过程，而且对电池模组容量的预估不够准确，进而无法有效的实现对退役电池模组的分选。

发明内容

本发明的目的在于克服上述技术不足，提供一种退役电池模组分选方法、装置、电子设备及存储介质，解决现有技术中由于无法准确预估电池模组容量而导致的无法有效实现对退役电池模组的分选的技术问题。

为达到上述技术目的，本发明采取了以下技术方案：

第一方面，本发明提供一种退役电池模组分选方法，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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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：