[发明专利]一种电池快速充电方法及装置

权利要求书

1.一种电池快速充电方法，其特征在于，其包括以下步骤：

步骤S1：设定电源脉冲充放电参数，包括脉冲类型和充放电时间；

步骤S2：电源发出正脉冲对电池充电，充电时间为t₁；

步骤S3：在t₁结束后，所述电源发出负脉冲对所述电池放电，放电时间为t₂；

步骤S4：重复所述步骤S2和所述步骤S3，正负脉冲交替工作，并在所述步骤S2或所述步骤S3中，对所述脉冲充放电参数进行优化，完成所述电池充电。

2.根据权利要求1所述的电池快速充电方法，其特征在于，在所述步骤S2或所述步骤S3中，对所述脉冲充放电参数进行优化，所述优化的方法包括实时优化算法，具体包括以下步骤：

第一步：建立第一深度学习参数优化模型，以电池充放电时实时检测的电池阻抗和电池电流信息为输入，以极化效应最小为目标，实现充电脉冲波形参数的自适应调整，完成充放电脉冲波形参数的优化控制；

第二步：建立第二深度学习参数优化模型，以电池充放电时实时检测的电池电压和所述电池电流信息为输入，以提高充电效率为目标，实现充放电电流幅值参数的自适应调整，完成充放电电流幅值参数的优化控制；

第三步：将第一步中所述优化的充放电脉冲波形参数和第二步中所述优化的放电电流幅值参数进行加权优化组合，得到最佳脉冲充放电参数。

3.根据权利要求2所述的电池快速充电方法，其特征在于，第一步所述第一深度学习参数优化模型建立方法在于，搭建第一深度学习框架，且将所述电池阻抗和所述电池电流数据传输到搭建的所述第一深度学习框架中；通过搭建的所述第一深度学习框架对所述电池阻抗和所述电池电流数据进行深度学习训练，得到第一深度学习参数优化模型。

4.根据权利要求2所述的电池快速充电方法，其特征在于，第二步所述第二深度学习参数优化模型建立方法在于，搭建第二深度学习框架，且将所述电池电压和所述电池电流数据传输到搭建的所述第二深度学习框架中；通过搭建的所述第二深度学习框架对所述电池阻抗和所述电池电流数据进行深度学习训练，得到所述第二深度学习参数优化模型。

5.根据权利要求3或4所述的电池快速充电方法，其特征在于，所述第一深度学习参数优化模型或所述第二深度学习参数优化模型包括输入层、第一隐藏层、非线性转换层、第二隐藏层和输出层。

6.根据权利要求1所述的电池快速充电方法，其特征在于，所述优化的方法还包括通过调节反向电流脉冲的电流值、脉冲频率和所述充放电时间，对所述脉冲充放电参数进行优化。

7.根据权利要求1所述的电池快速充电方法，其特征在于，所述优化的方法还包括利用专家库数据，对所述脉冲充放电参数进行优化，所述专家库里保存了通过实验研究得到的多组脉冲充放电优化参数，所述多组脉冲充放电优化参数对应多种充放电方案。

8.根据权利要求1所述的电池快速充电方法，其特征在于，所述优化的方法还包括智能算法，所述智能算法具有自学习功能，能够在充电过程中通过自身的学习对所述脉冲充放电参数实时优化的速度和稳定性进行调节。

9.一种电池快速充电装置，其特征在于，其包括

充电单元，所述充电单元包括双向交流/直流变换器和双向直流/直流变换器，所述双向交流/直流变换器一端与市电连接，另一端与所述双向直流/直流变换器相连接；

控制单元，所述控制单元与所述充电单元相连接，用于调节所述充电单元的充放电参数；

处理单元，所述处理单元与所述控制单元相连接，用于数据处理和智能计算；以及

待测单元，所述待测单元与所述双向直流/直流变换器相连接，且所述待测单元包括电池，所述电池与所述控制单元相连接。

10.根据权利要求9所述的电池快速充电装置，其特征在于，所述处理单元通过通信从所述控制单元中获取数据进行优化，并将优化后的参数结果发送到所述控制单元。