CN113569939B - 基于人工智能的电池分组方法、终端及存储介质 - Google Patents

基于人工智能的电池分组方法、终端及存储介质 Download PDF

Info

Publication number
CN113569939B
CN113569939B CN202110835973.7A CN202110835973A CN113569939B CN 113569939 B CN113569939 B CN 113569939B CN 202110835973 A CN202110835973 A CN 202110835973A CN 113569939 B CN113569939 B CN 113569939B
Authority
CN
China
Prior art keywords
batteries
clustering
battery
parallel
battery pack
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110835973.7A
Other languages
English (en)
Other versions
CN113569939A (zh
Inventor
孔祥栋
李立国
戴锋
华剑锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Secco Testing Technology Co ltd
Original Assignee
Sichuan New Energy Vehicle Innovation Center Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan New Energy Vehicle Innovation Center Co Ltd filed Critical Sichuan New Energy Vehicle Innovation Center Co Ltd
Priority to CN202110835973.7A priority Critical patent/CN113569939B/zh
Publication of CN113569939A publication Critical patent/CN113569939A/zh
Application granted granted Critical
Publication of CN113569939B publication Critical patent/CN113569939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/04—Construction or manufacture in general
    • H01M10/0404—Machines for assembling batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明实施例公开了一种基于人工智能的电池分组方法、终端及存储介质，其中该方法包括，对多个待分组的电池进行多项测试，得到多个测试数据，根据所述多个测试数据对所有的所述电池通过聚类算法进行聚类，基于聚类的结果将所述测试数据的差异在预设范围内的所述电池分在一个电池组中。通过上述分组方式，考虑到了电池多种模态下电池的属性数据，使得电池可以更好的组包策略组包，保证了成功率和安全性。

Description

基于人工智能的电池分组方法、终端及存储介质
技术领域
本发明涉及电池制造领域，尤其涉及一种基于人工智能的电池分组方法、终端及存储介质。
背景技术
由于受到电池单体电压、容量、功率等方面的限制，在新能源汽车、电动船舶、电动飞机、储能电站等储能场景下，需要将大量电池单体串并联起来使用，但电池之间有着不一致性，不一致性会导致“木桶效应”、电池模组或电池包容量加速衰减等情况，并容易造成电池过充过放等安全问题。所以在电池成组之前，需要尽可能将性能、状态等一致的电池配在一起，让电池模组或电池包(Pack)在装机或装车之前的一致性处于良好状态，尽量减少电池不一致性对电池包及用电设备(新能源汽车、电动船舶、电动飞机、储能电站)性能、安全的影响。
但是目前没有很好的办法来解决现有技术中的问题。
发明内容
基于上述问题，本发明提供一种基于人工智能的电池分组方法，该方法包括：
对多个待分组的电池进行多项测试，得到多个测试数据；
根据所述多个测试数据对所有的所述电池通过聚类算法进行聚类；
基于聚类的结果将所述测试数据的差异在预设范围内的所述电池分在一个电池组中。
进一步的，所述测试包括：化成测试、高温环境下的自放电率测试、容量测试、常温环境下自放电率测试、内阻测试及开路电压测试；
其中，化成测试在化成中进行，其余测试在化成测试后进行，以获取各自对应的测试数据。
进一步的，所述测试数据包括：化成电压曲线特征值、化成温度曲线特征值、高温下自放电率、容量、常温下自放电率、欧姆内阻、容量测试中电压曲线特征值、容量测试中温度曲线特征值、时间常数及开路电压；
所述化成温度曲线特征值，由所述化成测试中的电压数据在进行特征提取运算后获得；
所述化成温度曲线特征值，由所述化成测试中的温度数据在进行特征提取运算后获得；
所述容量测试中电压曲线特征值，由所述容量测试中的电压数据在进行特征提取运算后获得；
所述容量测试中温度曲线特征值，由所述容量测试中的温度数据在进行特征提取运算后获得。
进一步的，所述特征提取运算方法包括，计算所述测试数据的均值、方差、散度或者峰度。
进一步的，所述聚类算法包括：K均值聚类、谱聚类、凝聚式层次聚类或高斯混合聚类。
进一步的，若分组后的所述电池组中电池的连接方式为串联或并联时，该方法进一步包括：
将根据聚类的结果分在所述电池组的电池，直接以串联或并联的方式进行装配，形成所述电池组。
进一步的，若分组后同一个所述电池组中电池的连接方式为先串联后并联时，该方法进一步包括：
确定分组后同一个所述电池组中电池的测试数据；
将串联模组所需电池的数量设置为聚类的类别数，并通过聚类算法对所述测试数据进行二次聚类；其中，所述串联模组为电池串联形成的组合；所述电池组由多个所述串联模组并联组成；
分别从每个类别中选一个电池进行串联形成所述串联模组；并将形成的多个所述串联模组并联形成所述电池组。
进一步的，若分组后同一个所述电池组中电池的连接方式为先并联后串联时，该方法进一步包括：
确定分组后同一个所述电池组中电池的测试数据；
将并联模组所需电池的数量设置为聚类的类别数，并通过聚类算法对所述测试数据进行二次聚类；其中，所述并联模组为电池并联形成的组合；所述电池组由多个所述并联模组串联组成；
分别从每个类别中选一个电池进行并联形成所述并联模组，并将形成的多个所述并联模组串联形成所述电池组。
进一步的，本申请还提供一种控制终端，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行上述实施例中任一项所述的基于人工智能的电池分组方法。
进一步的，本申请还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行上述实施例中任一项所述的基于人工智能的电池分组方法。
本申请通过在生产中对多个待分组的电池进行多项测试，得到多个测试数据，根据所述多个测试数据对所有的所述电池通过聚类算法进行聚类分析，将电池根据各自的属性分为不同的组，然后再根据接下来需要装配的电池包内部结构的不同，进一步的给出不同策略的配组方案，从而尽可能最大化保证电池包内的电池的一致性，提升电池包性能、容量、寿命和安全性。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1示出了本申请一种基于人工智能的电池分组方法流程示意图；
图2示出了本申请一种基于人工智能的电池分组方法的又一流程示意图；
图3示出了本申请电池组内部的结构示意图；
图4示出了本申请电池组内部的又一结构示意图；
图5示出了电池一阶RC等效电路模型示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性，且下文中的电池组和电池包均为同一种意思。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
实施例1
参照图1示出的流程图。
步骤S100：对多个待分组的电池进行多项测试，得到多个测试数据；
其中，所述测试包括：化成测试、高温环境下的自放电率测试、容量测试、常温环境下自放电率测试、内阻测试及开路电压测试。
其中化成测试需要再电池化成时进行，其余测试在化成测试后进行，以获取各个测试相对应的测试数据。
其中，高温环境下自放电率测试的温度在40至45摄氏度，常温环境下自放电率测试温度范围在20至25摄氏度。
所述测试数据包括：化成电压曲线特征值、化成温度曲线特征值、高温下自放电率、容量、容量测试中电压曲线特征值、容量测试中温度曲线特征值、常温下自放电率、欧姆内阻、时间常数及开路电压。
化成测试是在化成时进行测试，具体的化成是指电池在注入电解液后的首次充电；具体的化成需要记录化成时电池的电压变化和温度变化。对各个电池化成电压数据进行特征提取运算获得数据变化特征值，所述特征值可以是电压时序变化数据的方差。在获得化成电压数据变化特征值后，按照相似方法获得化成温度数据变化特征值。
高温环境下的自放电率测试：在高温环境下静置3小时后测量电池第一开路电压，然后再静置60小时后测量电池第二开路电压，用第二开路电压减去第一开路电压得到压差，再用压差除以测量两次开路电压之间的时间(60小时)得到电池自放电率。
容量测试：将电池在25摄氏度下静置3小时后进行容量测试，即对电池进行满充或满放获得电池的实际容量。同时记录容量测试过程中电池的电压和温度变化。对各个电池容量测试中电压数据进行特征提取运算，获得数据变化特征值，所述特征值可以是电压变化数据的方差。在获得容量测试电压数据变化特征值后，按照相似方法获得容量测试温度数据变化特征值。
常温环境下的自放电率测试：在常温环境下静置3小时后测量电池第三开路电压，然后再静置90小时后测量电池第四开路电压，用第四开路电压减去第三开路电压得到压差，再用压差除以测量两次开路电压之间的时间(90小时)得到电池自放电率。
内阻测试：对电池进行一次脉冲充电或放电测试，建立如图5所示的电池一阶RC等效电路模型，并利用最小二乘或遗传算法等优化算法辨识模型中的欧姆内阻R0和时间常数τ＝RC。其中，所述模型中的开路电池OCV为电池进行常温自放电率测试后的电压，因为经过了长时间静置，认为其电压就是开路电压。
配组前开路电压测试：静置电池3小时后测量电池电压作为第五开路电压。
步骤S200，根据所述多个测试数据对所有的所述电池通过聚类算法进行聚类；
假设待分组电池有一万个，在经过上述步骤的测试和数据收集后，得到了一系列的数据，将这些数据和各个电池关联储存整理形成数据集，然后对该数据集进行聚类分析，比如K均值聚类算法，其中聚类的类别和要分组的电池组内所需电池有关，比如一个电池组需要200个电池组成，因此此处的聚类类别为50，聚类结束后将聚在一起的电池分为一组等待后续的装配操作。
步骤S300，基于聚类的结果将所述测试数据的差异在预设范围内的所述电池分在一个电池组中。
在进行电池组(包)的组装时，这些被分成同一类的电池将会被安放在同一个电池组中，根据将要组装的电池组的结构进行组装。
进一步的，该步骤S300还包括一下步骤，结合图2所示的流程图和图3图4的电池内部结构图来理解。
步骤S301，若所述电池组中电池的连接方式为串联或并联时，将根据聚类的结果分在所述电池组的电池，以串联或并联的方式进行装配，形成所述电池组；
首先，每个电池组内部结构分为单纯的并联、串联、先并联后串联以及先串联后并联。
参考图3和图4，图3中的结构为先并联后串联的电池组，图4为先串联后并联结构的电池组，针对这两种电池组结构，为了保证串联模组或并联模组之间的一致性，需要进行进一步分类组装，而当电池组内部结构是纯粹的串联或者并联状态时，则不需要进一步分类，直接进行该种结构的组装即可，接下来两步将会针对先串后并和先并后串的电池组进行二次聚类分析。
步骤S302，当所述电池组内部为先并联后串联结构时，将并联模组的数量设置为聚类的类别数，并通过聚类算法对所述测试数据进行二次聚类；其中，所述并联模组为电池并联形成的组合；所述电池组由多个所述并联模组串联组成；
分别从每个类别中选一个电池进行并联，以此形成所述电池组。
如果电池组内部为先并联后串联，即图3中的示意的电池组内部结构，则需要对该电池组内的电池进行进一步的聚类分析，在本实施例中，如图3所示，该电池组中需要的电池为15个，该电池内部结构中，为多个电池并联形成并联模组，然后将数个并联模组串联起来形成最后的电池组，因为在先并联后串联的电池组内不会发生并联电池模组内过充或过放的问题，因此需要优先保证电池组内各个并联电池模组间的一致性，也就是说，并联的电池单体之间并不需要很一致，但是每个并联电池模组之间需要尽量一致。
因此根据并联电池组中的电池数量，设立聚类参数，本实施例中每个并联电池组中的电池数量为3个，则需要按照电池各自的参数，将15个电池分为3类，利用上述步骤S100中的参数进行聚类分析，在分类结束后，分别从每个类别中选一个电池出来进行并联，得到一个并联电池模组，最终形成5个并联电池模组，以此得到的每个并联电池模组的属性值是最为相似的，可以保证最终形成的电池组的性能。
步骤S303，当所述电池组内部为先串联后并联结构时，将串联模组所需电池的数量设置为聚类的类别数，并通过聚类算法对所述测试数据进行二次聚类；其中，所述串联模组为电池串联形成的组合；所述电池组由多个所述串联模组并联组成；从每个类别中选一个电池进行串联形成所述串联模组；并将形成的多个所述串联模组并联形成所述电池组。
如果电池组内部为先串联后并联结构时，则如图4所示的电池组内部结构，也要对分到该电池组的电池做进一步的聚类分析，在本实施例中，该电池组中需要的电池为21个，该电池内部结构中存在四个串联模组，每个串联模组的电池有7个，每个串联模组并联最终组成电池组，因为在线串联后并联的电池组中，需要防止并联电池模组之间的自有均衡电流造成个别单体的过充问题，因此此处的聚类参数设置为7，根据上述步骤S100中的参数针对该21个电池进行聚类分析，分成7类电池，每类中选出一个电池来进行串联，得到3个串联模组，最后将该3个串联模组并联得到最终的电池组。
此处实施例中，将该组电池分为7个类别，从每类中挑一个出来串联是为了保证3个串联模组整体性能较为一致，如此才能防止并联电池模组之间的自有均衡电流造成个别单体的过充问题。
本申请的实施例还提供一种控制终端，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行上述实施例中任一项所述的基于人工智能的电池分组方法。
本申请的实施例还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行上述实施例中任一项所述的基于人工智能的电池分组方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法，也可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种基于人工智能的电池分组方法，其特征在于，包括：
对多个待分组的电池进行多项测试，得到多个测试数据；
根据所述多个测试数据对所有的所述电池通过聚类算法进行聚类；
基于聚类的结果将所述测试数据的差异在预设范围内的所述电池分在一个电池组中；
若分组后同一个所述电池组中电池的连接方式为先串联后并联时，确定分组后同一个所述电池组中电池的测试数据；
将串联模组所需电池的数量设置为聚类的类别数，并通过聚类算法对所述测试数据进行二次聚类；其中，所述串联模组为电池串联形成的组合；所述电池组由多个所述串联模组并联组成；
分别从每个类别中选一个电池进行串联形成所述串联模组；并将形成的多个所述串联模组并联形成所述电池组。
2.一种基于人工智能的电池分组方法，其特征在于，包括：
对多个待分组的电池进行多项测试，得到多个测试数据；
根据所述多个测试数据对所有的所述电池通过聚类算法进行聚类；
基于聚类的结果将所述测试数据的差异在预设范围内的所述电池分在一个电池组中；
若分组后同一个所述电池组中电池的连接方式为先并联后串联时，该方法进一步包括：
确定分组后同一个所述电池组中电池的测试数据；
将并联模组所需电池的数量设置为聚类的类别数，并通过聚类算法对所述测试数据进行二次聚类；其中，所述并联模组为电池并联形成的组合；所述电池组由多个所述并联模组串联组成；
分别从每个类别中选一个电池进行并联形成所述并联模组，并将形成的多个所述并联模组串联形成所述电池组。
3.根据权利要求1或2所述的基于人工智能的电池分组方法，其特征在于，所述测试包括：化成测试、高温环境下的自放电率测试、容量测试、常温环境下自放电率测试、内阻测试及开路电压测试；
其中，化成测试在化成中进行，其余测试在化成测试后进行，以获取各自对应的测试数据。
4.如权利要求3所述的基于人工智能的电池分组方法，其特征在于，所述测试数据包括：化成电压曲线特征值、化成温度曲线特征值、高温下自放电率、容量、常温下自放电率、欧姆内阻、容量测试中电压曲线特征值、容量测试中温度曲线特征值、时间常数及开路电压；
所述化成电压曲线特征值，由所述化成测试中的电压数据在进行特征提取运算后获得；
所述化成温度曲线特征值，由所述化成测试中的温度数据在进行特征提取运算后获得；
所述容量测试中电压曲线特征值，由所述容量测试中的电压数据在进行特征提取运算后获得；
所述容量测试中温度曲线特征值，由所述容量测试中的温度数据在进行特征提取运算后获得。
5.如权利要求4所述的基于人工智能的电池分组方法，其特征在于，所述特征提取运算的方法包括，计算所述测试数据的均值、方差、散度或者峰度。
6.如权利要求1或2所述的基于人工智能的电池分组方法，其特征在于，所述聚类算法包括：K均值聚类、谱聚类、凝聚式层次聚类或高斯混合聚类。
7.如权利要求1或2所述的基于人工智能的电池分组方法，其特征在于，若分组后的所述电池组中电池的连接方式为串联或并联时，该方法进一步包括：
将根据聚类的结果分在所述电池组的电池，直接以串联或并联的方式进行装配，形成所述电池组。
8.一种控制终端，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行权利要求1至7中任一项所述的基于人工智能的电池分组方法。
9.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至7中任一项所述的基于人工智能的电池分组方法。
CN202110835973.7A 2021-07-23 2021-07-23 基于人工智能的电池分组方法、终端及存储介质 Active CN113569939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110835973.7A CN113569939B (zh) 2021-07-23 2021-07-23 基于人工智能的电池分组方法、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110835973.7A CN113569939B (zh) 2021-07-23 2021-07-23 基于人工智能的电池分组方法、终端及存储介质

Publications (2)

Publication Number Publication Date
CN113569939A CN113569939A (zh) 2021-10-29
CN113569939B true CN113569939B (zh) 2022-03-04

Family

ID=78166701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110835973.7A Active CN113569939B (zh) 2021-07-23 2021-07-23 基于人工智能的电池分组方法、终端及存储介质

Country Status (1)

Country Link
CN (1) CN113569939B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114142072B (zh) * 2021-11-26 2024-07-09 广东电网有限责任公司广州供电局 一种燃料电池电堆的串并联配组方法
CN115563704B (zh) * 2022-09-23 2023-12-08 四川新能源汽车创新中心有限公司 电池状态预测模型的优化方法、容量预测方法及相关装置
CN115640702B (zh) * 2022-11-16 2023-06-09 武汉市蓝电电子股份有限公司 一种电池配组方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106356554A (zh) * 2016-11-01 2017-01-25 深圳市鹏诚新能源科技有限公司 电池配组方法及装置
CN109031145A (zh) * 2018-08-10 2018-12-18 山东大学 一种考虑不一致性的串并联电池组模型及实现方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190089023A1 (en) * 2017-09-15 2019-03-21 Dyson Technology Limited Energy storage system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106356554A (zh) * 2016-11-01 2017-01-25 深圳市鹏诚新能源科技有限公司 电池配组方法及装置
CN109031145A (zh) * 2018-08-10 2018-12-18 山东大学 一种考虑不一致性的串并联电池组模型及实现方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《A Comprehensive Approach for the Clustering of Similar-Performance Cells for the Design of a Lithium-Ion Battery Module for Electric Vehicles》;WeiLi等;《Engineering》;20190831;第5卷(第4期);全文 *
《动力电池二次利用一致性分选研究》;朱士伟 等;《内燃机与动力装置》;20210228;第38卷(第1期);全文 *
《电池配组算法研究与系统实现》;郦柏金;《中国优秀博硕士论文全文数据库(硕士)工程科技Ⅱ辑》;20140815(第08期);第9-11页，第14-24页 *

Also Published As

Publication number Publication date
CN113569939A (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
CN113569939B (zh) 基于人工智能的电池分组方法、终端及存储介质
CN109031145B (zh) 一种考虑不一致性的串并联电池组模型及实现方法
US10254349B2 (en) Method for predicting state of health of battery based on numerical simulation data
CN109877064B (zh) 一种并联电池自放电快速筛选的方法
CN108160531B (zh) 一种电池自放电分选方法
CN111816938B (zh) 一种退役电池梯次利用方法
Soto et al. Analysis of the main battery characterization techniques and experimental comparison of commercial 18650 Li-ion cells
CN110376530A (zh) 电池内短路检测装置及方法
CN109860739B (zh) 一种非等容电池组的组配方法、系统、存储介质及装置
EP3915827B1 (en) Charging remaining time calculation method and apparatus, and storage medium
CN116660768B (zh) 环流测试方法以及电池测试系统
CN113728242A (zh) 对可充电电池中的析锂进行表征
CN112379285A (zh) 一种电池包自放电筛选方法
CN113552494B (zh) 一种锂离子电池低温阶梯充电方法及其测试方法
CN114970734A (zh) 异常电池确定方法、装置、计算机设备和存储介质
CN111352039B (zh) 确定电池最大放电倍率的方法及计算机设备
Naguib et al. State of charge estimation of lithium-ion batteries: Comparison of GRU, LSTM, and temporal convolutional deep neural networks
KR102179680B1 (ko) 배터리 시스템의 셀 타입 자동 설정 방법
CN117148166A (zh) 电池安全等级预测方法、装置、计算机设备及存储介质
CN112397798A (zh) 一种动力电池管理系统及匹配方法
CN116027213A (zh) 退役电池分组方法、装置、电子设备及可读存储介质
CN116256642A (zh) 一种适用于稀疏数据的磷酸铁锂电池故障诊断方法
CN107589375B (zh) 基于电压二次分选的三元电芯成组性能优化方法及系统
CN114487861A (zh) 一种自放电电池二次选取的方法
CN115902635A (zh) 基于电池ocv数据库的电池不均衡度评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230113

Address after: No. 201, Floor 2, Block D2-C, Science and Technology Innovation Center, No. 7, Shaping Road, Guoxing Avenue, Lingang Economic and Technological Development Zone, Yibin City, Sichuan Province, 644000 (independent declaration notification commitment)

Patentee after: Sichuan SECCO Testing Technology Co.,Ltd.

Address before: 644000 Room 601, 6 / F, block d2-c, science and technology innovation center, No. 7, shaping Road, Guoxing Avenue, Lingang Economic Development Zone, Cuiping District, Yibin City, Sichuan Province

Patentee before: Sichuan new energy automobile Innovation Center Co.,Ltd.

TR01 Transfer of patent right