[發明專利]退役電池模組容量預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211683899.2
• 申請日: 2022-12-27
• 公開（公告）號: CN116184211A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 張宇平;劉虹靈;別傳玉;宋華偉;黃良取;申欣
• 申請（專利權）人: 武漢動力電池再生技術有限公司;無錫動力電池再生技術有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 張璐

本發明提供了一種退役電池模組容量預測方法、裝置、電子設備及存儲介質，其方法包括：構建初始神經網絡模型，以短時間充放電時間、短時間充放電容量、弗雷歇距離、模組電壓和內阻、以及模組與單體電壓差值和內阻差值作為初始神經網絡模型的輸入值，模組剩余容量作為輸出值，經過迭代訓練，得到訓練完備的神經網絡模型，并基于訓練完備的神經網絡模型對退役動力電池模組容量進行預測。本發明通過IC曲線獲取短時間充放電的電壓區間段，能更好的反映模組的內部結構特性，對模組的容量能有更準確的分選；通過神經網絡較強的學習能力能夠更好地適應多個特征參數與放電容量的數據關系，通過構建最佳模型能夠達到對電池模組容量快速預測的目的。

技術領域

本發明涉及退役電池容量預測技術領域，具體涉及一種退役電池模組容量預測方法、裝置、電子設備及存儲介質。

背景技術

動力電池模組是指為工具提供動力來源的電源，多指為電動汽車、電動列車、電動自行車、高爾夫球車提供動力的蓄電池，其主要區別于用于汽車發動機啟動的啟動電池，多采用閥口密封式鉛酸蓄電池、敞口式管式鉛酸蓄電池以及磷酸鐵鋰蓄電池。

當動力電池模組性能不佳或者年限較長，一般會被拋棄，成為退役電池模組，然而，即便是退役電池模組，其還有一定的剩余電量，在實現電池模組的循環再利用上能夠起到一定作用。

基于此，在啟用退役動力電池模組的循環利用時，還需要對不同的退役動力電池模組的剩余容量進行測量和檢測，然而，目前的容量預測方法一般是采用單一的完整充放電測試，且次數較多，不能準確預測容量且充放電次數較多也影響到退役動力電池模組的性能。

發明內容

有鑒于此，有必要提供一種退役電池模組容量預測方法、裝置、電子設備及存儲介質，用以解決現有技術中需要完整充放電且次數較多的問題，能夠在無需完整充放電的前提下實現對退役電池模組的快速準確預測且不影響退役電池模組性能。

第一方面，本發明提供了一種退役電池模組容量預測方法，包括：

獲取若干退役動力電池模組在第一次充放電測試后的剩余容量；

獲取所述若干退役動力電池模組第二次充放電測試的IC曲線，并選取符合預設條件的電壓區間作為限制電壓區間段；

在所述限制電壓區間段內，獲取所述若干退役動力電池模組在短時間充放電測試下的短時間充放電曲線、短時間充放電時間和短時間充放電容量值；

獲取所述若干退役動力電池模組中兩兩電池模組之間的短時間充放電曲線的弗雷歇距離；

獲取所述若干退役動力電池模組的端電壓和內阻，以及所述若干退役動力電池模組中所有單體電池的端電壓和內阻，并計算各單體電池端電壓和與模組電壓差值以及各單體電壓內阻和與模組內阻差值；

構建初始神經網絡模型，以所述短時間充放電時間、短時間充放電容量、弗雷歇距離、模組電壓和內阻、以及模組與單體電壓差值和內阻差值作為所述初始神經網絡模型的輸入值，模組剩余容量作為輸出值，經過迭代訓練，得到訓練完備的神經網絡模型，并基于所述訓練完備的神經網絡模型對退役動力電池模組容量進行預測。

在可能的一些實施例中，獲取若干退役動力電池模組在第一次充放電測試后的剩余容量，包括：

對若干退役動力電池模組在第一充放電能力倍率下進行第一次充放電測試，得到所述若干退役動力電池模組的剩余容量。

在可能的一些實施例中，獲取所述若干退役動力電池模組第二次充放電測試的IC曲線，并選取符合預設條件的電壓區間作為限制電壓區間段，包括：

在第二充放電能力倍率下對所述若干退役動力電池模組進行充放電曲線測試，獲取所述若干退役動力電池模組的IC曲線；

在電池模組的IC曲線中按照波谷-波峰-波谷對電壓區間進行劃分，對比各電壓區間所占時間段，選取時間段最短的電壓區間作為所述限制電壓區間段。