一种退役电池容量分选方法、装置、设备及存储介质与流程

技术特征：
1.一种退役电池容量分选方法，其特征在于，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。2.根据权利要求1所述的退役电池容量分选方法，其特征在于，所述获取退役电池的特征参数数据，包括：对所述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；对所述不同soc状态的退役电池进行处理，得到所述退役电池的特征曲线；根据所述退役电池的特征曲线，获取能够表征所述退役电池内部状态的特征参数数据。3.根据权利要求2所述的退役电池容量分选方法，其特征在于，所述退役电池的特征曲线为nyquist曲线，所述对所述不同soc状态的退役电池进行处理，得到所述退役电池的特征曲线，包括：根据预设方法，绘制所述不同soc状态的退役电池的nyquist曲线。4.根据权利要求3所述的退役电池容量分选方法，其特征在于，所述根据所述退役电池的特征曲线，获取能够表征所述退役电池内部状态的特征参数数据，包括：根据所述退役电池的nyquist曲线，选择满足预设匹配要求的等效电路模型；将所述退役电池的nyquist曲线与所述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；根据所述满足预设拟合要求的退役电池的拟合结果，获取能够表征所述退役电池内部状态的特征参数数据。5.根据权利要求4所述的退役电池容量分选方法，其特征在于，所述根据所述退役电池的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；将nyquist曲线中低频部分用电容c与电阻r并联的r
p1
c
p1
和r
p2
c
p2
的二阶复合元件、电容c与电阻r并联的复合元件r
p1
c
p1
与warburg阻抗元件w相结合、r
p1
c
p1
和r
p2
c
p2
的二阶复合元件与warburg阻抗元件w相结合的复合元件表示。6.根据权利要求1所述的退役电池容量分选方法，其特征在于，所述建立初始退役电池容量分选神经网络模型，包括：选择多层前馈神经网络模型或者径向基函数神经网络模型建立所述初始退役电池容量分选神经网络模型。7.根据权利要求1所述的退役电池容量分选方法，其特征在于，所述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，包括：将所述退役电池的特征参数数据分为数据训练集、数据验证集和数据测试集；利用所述退役电池的特征参数数据训练集对所述初始退役电池容量分选神经网络模
型进行训练，得到过渡退役电池容量分选神经网络模型；利用所述退役电池的特征参数数据验证集对所述过渡退役电池容量分选神经网络模型的预测性能进行验证，若验证不通过，则再次对所述过渡退役电池容量分选神经网络模型进行训练；若验证通过，则所述过渡退役电池容量分选神经网络模型为所述目标退役电池容量分选神经网络模型；利用所述退役电池的特征参数数据测试集对所述目标退役电池容量分选神经网络模型的预测性能进行测试，获得训练完备的目标退役电池容量分选神经网络模型。8.一种退役电池容量分选装置，其特征在于，包括：建模模块，用于建立初始退役电池容量分选神经网络模型；获取模块，用于获取退役电池的特征参数数据；优化模块，用于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；预测模块，用于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。9.一种电子设备，其特征在于，包括存储器和处理器，其中，所述存储器，用于存储程序；所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述权利要求1至7中任一项所述退役电池容量分选方法中的步骤。10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时，能够实现上述权利要求1至7中任一项所述退役电池容量分选方法中的步骤。

技术总结
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。实现了对退役电池的筛选。实现了对退役电池的筛选。


技术研发人员：许开华 张宇平 刘虹灵 别传玉 宋华伟 张阳琳 阳婕 李晨威
受保护的技术使用者：格林美股份有限公司
技术研发日：2021.11.04
技术公布日：2022/1/14