【技術實現步驟摘要】
本專利技術屬于退役電池分選，具體涉及一種基于隨機充電片段的退役電池二次分選方法、系統、設備及介質。
技術介紹
1、動力蓄電池在長期的車載應用后，當這些電池組達到其使用壽命需退役時，其中的單體電池在最大可用容量、歐姆內阻及極化內阻等方面會出現顯著的差異。這種不一致性不僅削弱了電池組的整體性能，也給退役電池的再利用帶來了挑戰。因此，在將退役電池重新投入使用之前，必須對單體電池或模組進行健康狀態評估，并依據評估結果進行分類與篩選。
2、現有的退役電池篩選技術主要包含以下幾種方式：首先，技術人員可以采用專業的工具，比如直流內阻測試儀和萬用表，來測量同一組電池的各項參數，并根據這些數據將電池分級。不過，這種方法的有效性高度依賴于所有電池具有相似的剩余電量狀態（soc），否則測量結果可能不夠準確。其次，通過充放電循環來全面測試電池的容量，然后基于電池在完全放電或充放電過程中展現出來的容量來進行分類。盡管這種方法能夠提供較為準確的評估，但它耗時且耗能。最后，還可以采用專門設計的充放電工況來評估電池性能，通過模擬計算得出電池的內部參數，從而實現高效分類。這種方法雖然效率高，但實施起來要求較高的電化學和控制領域的專業知識，技術門檻相對較高，需要較高的人員成本。
3、綜上，當前退役電池的篩選技術還存在如下難點和缺點：
4、1.需要大量繁瑣而細致的特征工程工作，需要較高的電化學領域的專業知識，技術門檻高。同時對于不同種類的電池，往往需要特別設計的不同特征，導致方法的適用范圍不夠廣的問題。
5、2.基于充
6、3.傳統的基于xgboost、聚類等的算法效果有限，參考性不足，難以滿足實際投產所需的精度。
技術實現思路
1、本專利技術的目的就在于提供一種基于隨機充電片段的退役電池二次分選方法、系統、設備及介質，以現有技術中退役電池篩選技術繁瑣、耗時耗能、技術門檻高、適用范圍不夠廣、使用效率低、精度不足等問題。
2、本專利技術通過以下技術方案來實現上述目的：
3、第一方面、本專利技術提出了一種基于隨機充電片段的退役電池二次分選方法，所述方法包括：
4、生成單體電池的識別編碼，并構建電池編碼數據庫；
5、基于預設的充放電策略和預設工況對單體電池進行充放電控制；
6、獲取單體電池的時序樣本數據集；其中，所述時序樣本數據根據所述充放電控制場景下的溫度變化時間序列、電壓變化時間序列和容量變化時間序列確定；
7、將所述時序樣本數據集轉換為二維圖像數據并存儲到所述電池編碼數據庫中，在電池編碼數據庫中建立識別編碼、單體電池和二維圖像數據之間的對應關系；
8、結合所述電池編碼數據庫，對基于二維卷積神經網絡構建的預測模型進行訓練，結合隨機梯度下降算法，最小化電池實際最大可用容量和估計值的差異，以優化預測模型參數；
9、將待分選的目標單體電池的二維圖像數據輸入完成訓練的預測模型中，輸出電池最大可用容量估計值，基于最大可用容量估計值進行電池二次分選。
10、進一步的，所述基于預設的充放電策略和預設工況對單體電池進行充放電控制，包括：
11、設定相同時間間隔和時間起點的時間段作為充放電時間區間；
12、基于所述時間區間對單體電池進行恒流充放電控制。
13、進一步的，所述獲取單體電池的時序樣本數據集，包括：
14、獲取溫度變化時間序列，記錄設定充電階段的溫度變化，，其中，表示時刻，從到；
15、獲取電壓變化序列，記錄設定充電階段的電壓變化，，其中，表示時刻，從到；
16、獲取容量變化時間序列，記錄設定充電階段內累計充電容量變化時間序列，，其中，表示時刻，從到；
17、將溫度變化時間序列、電壓變化時間序列和容量變化時間序列歸一化，得到歸一化后的序列、和，得到設定充放電階段的時序樣本數據集s,。
18、進一步的，所述將所述時序樣本數據集轉換為二維圖像數據，包括：
19、采用自適應平均池化操作將任意長度的時序樣本數據集轉化成固定長度為的時序樣本；
20、通過重塑操作將所述固定長度為的時序樣本轉換成設定大小的圖像，形成二維圖像數據，其中表示圖像高度，表示圖像寬度。
21、進一步的，所述結合所述電池編碼數據庫，對基于二維卷積神經網絡構建的預測模型進行訓練，結合隨機梯度下降算法，最小化電池實際最大可用容量和估計值的差異，以優化預測模型參數，包括：
22、基于二維卷積神經網絡構建預測模型，包括構建卷積層、池化層和全連接層；
23、將轉換后的所述二維圖像數據輸入所述預測模型進行訓練，通過所述卷積層和所述池化層逐步提取二維圖像數據中的特征，并通過全連接層輸出電池的最大可用容量的估計值；
24、采用隨機梯度下降算法最小化實際最大可用容量與估計值間的差異，以優化預測模型參數，得到完成訓練的預測模型。
25、第二方面、本專利技術提出了一種基于隨機充電片段的退役電池二次分選系統，所述系統包括掃碼模塊、充放電控制模塊、數據采集模塊、數據處理模塊和分選模塊，其中，
26、所述掃碼模塊用于為每個單體電池生成識別編碼，并傳輸至數據處理模塊中預先構建的電池編碼數據庫中，以存儲電池身份碼；
27、所述充放電控制模塊用于基于預設的充放電策略和預設工況對單體電池進行充放電控制；
28、所述數據采集模塊用于獲取單體電池的時序樣本數據集；其中，所述時序樣本數據根據所述充放電控制場景下的溫度變化時間序列、電壓變化時間序列和容量變化時間序列確定；
29、所述數據處理模塊包括處理器和存儲器；
30、所述處理器用于將所述時序樣本數據集轉換為二維圖像數據，在電池編碼數據庫中建立識別編碼、單體電池和二維圖像數據之間的對應關系；以及用于結合所述電池編碼數據庫，對基于二維卷積神經網絡構建的預測模型進行訓練，結合隨機梯度下降算法，最小化電池實際最大可用容量和估計值的差異，以優化預測模型參數；
31、所述存儲器用于存儲所述電池編碼數據庫，以及用于將所述二維圖像數據并存儲到所述電池編碼數據庫中；
32、所述分選模塊用于將待分選的目標單體電池的二維圖像數據輸入完成訓練的預測模型中，輸出電池最大可用容量估計值，基于最大可用容量估計值進行電池二次分選。
33、進一步的，所述充放電控制模塊包括：
34、參數設定單元，用于設定相同時間間隔和時間起點的時間段作為充放電時間區間；
35、控制單元，用于基于所述時間區間對單體電池進行恒流充放電控制。
36、進一步的，所述數據采集模塊包括：本文檔來自技高網...
【技術保護點】
1.一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述基于預設的充放電策略和預設工況對單體電池進行充放電控制，包括：
3.根據權利要求2所述的一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述獲取單體電池的時序樣本數據集，包括：
4.根據權利要求3所述的一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述將所述時序樣本數據集轉換為二維圖像數據，包括：
5.根據權利要求4所述的一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述結合所述電池編碼數據庫，對基于二維卷積神經網絡構建的預測模型進行訓練，結合隨機梯度下降算法，最小化電池實際最大可用容量和估計值的差異，以優化預測模型參數，包括：
6.一種基于隨機充電片段的退役電池二次分選系統，其特征在于，所述系統包括掃碼模塊、充放電控制模塊、數據采集模塊、數據處理模塊和分選模塊，其中，
7.根據權利要求6所述的一種基于隨機充電片段的退役電池
8.根據權利要求6所述的一種基于隨機充電片段的退役電池二次分選系統，其特征在于，所述數據采集模塊包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其特征在于，當所述計算機可讀存儲介質中的指令由電子設備的處理器單元執行時，使得電子設備能夠執行如權利要求1至5中任一項所述的退役電池二次分選方法。
...【技術特征摘要】
1.一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述基于預設的充放電策略和預設工況對單體電池進行充放電控制，包括：
3.根據權利要求2所述的一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述獲取單體電池的時序樣本數據集，包括：
4.根據權利要求3所述的一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述將所述時序樣本數據集轉換為二維圖像數據，包括：
5.根據權利要求4所述的一種基于隨機充電片段的退役電池二次分選方法，其特征在于，所述結合所述電池編碼數據庫，對基于二維卷積神經網絡構建的預測模型進行訓練，結合隨機梯度下降算法...
【專利技術屬性】
技術研發人員：宋騏，周鵬飛，羅剛，
申請(專利權)人：安徽國麒科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。