[发明专利]一种退役电池容量分选方法、装置、设备及存储介质

说明书

本发明涉及一种退役电池容量分选方法、装置、设备及存储介质，包括：建立初始退役电池容量分选神经网络模型；获取退役电池的特征参数数据；根据所述退役电池的特征参数数据对所述初始退役电池容量分选神经网络模型进行训练、验证和测试，得到目标退役电池容量分选神经网络模型；将待预测电池的特征参数数据输入至所述目标电池容量分选神经网络模型，对所述待预测电池的放电容量进行预测，并根据所述放电容量预测的结果对待预测电池进行分选。本发明提供的一种退役电池容量分选方法、装置、设备及存储介质，通过选择退役电池的特征参数，并根据特征参数训练神经网络，通过神经网络预测退役电池的容量，实现了对退役电池的筛选。

技术领域

本发明涉及电池分选技术领域，尤其涉及一种退役电池容量分选方法、装置、设备及存储介质。

背景技术

动力电池作为电动汽车的核心部件，在其容量下降到一定程度后为保证电动汽车的续航里程和行驶安全性，对于容量下降不能满足电动汽车行驶要求的动力电池必须进行更换，这些被换下来的动力电池归属于退役电池的范畴。

这些被换下来的动力电池成为退役电池后虽不能满足电动汽车行驶需求，但是其还具有80％左右的剩余能量。要实现退役电池的再利用，首先就需要对退役电池进行分选。

现有技术对退役电池的分选存在分选不准确、分选效率低的问题。

发明内容

有鉴于此，有必要提供一种退役电池容量分选方法、装置、设备及存储介质，用以解决现有技术中退役电池分选不准确、分选效率低的问题。

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，本发明提供了一种退役电池容量分选方法，包括：

建立初始退役电池容量分选神经网络模型；

获取退役电池的特征参数数据；

根据退役电池的特征参数数据对初始退役电池容量分选神经网络模型进行训练、验证和测试，得到目标退役电池容量分选神经网络模型；

将待预测电池的特征参数数据输入至目标电池容量分选神经网络模型，对待预测电池的放电容量进行预测，并根据放电容量预测的结果对待预测电池进行分选。

优选的，获取退役电池的特征参数数据，包括：

对退役电池按照预设放电倍率进行充放电循环至不同的SOC状态；

对不同SOC状态的退役电池进行处理，得到退役电池的特征曲线；

根据退役电池的特征曲线，获取能够表征退役电池内部状态的特征参数数据。

优选的，退役电池的特征曲线为Nyquist曲线，对不同SOC状态的退役电池进行处理，得到退役电池的特征曲线，包括：

根据预设方法，绘制不同SOC状态的退役电池的Nyquist曲线。

优选的，根据退役电池的特征曲线，获取能够表征退役电池内部状态的特征参数数据，包括：

根据退役电池的Nyquist曲线，选择满足预设匹配要求的等效电路模型；

将退役电池的Nyquist曲线与等效电路模型拟合处理，得到不同SOC状态的退役电池的拟合结果，并选择满足预设拟合要求的退役电池的拟合结果；

根据满足预设拟合要求的退役电池的拟合结果，获取能够表征退役电池内部状态的特征参数数据。

优选的，根据退役电池的Nyquist曲线，选择满足预设匹配要求的等效电路模型，包括：

将Nyquist曲线高频部分的感抗用电感L与电阻R串联的复合元件LR_s表示；