CN116738932B - 锂电池梯次利用的电芯压差优化方法及装置 - Google Patents
锂电池梯次利用的电芯压差优化方法及装置 Download PDFInfo
- Publication number
- CN116738932B CN116738932B CN202311031515.3A CN202311031515A CN116738932B CN 116738932 B CN116738932 B CN 116738932B CN 202311031515 A CN202311031515 A CN 202311031515A CN 116738932 B CN116738932 B CN 116738932B
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- lithium
- battery
- value
- target
- 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
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 623
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 623
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 93
- 230000014759 maintenance of location Effects 0.000 claims abstract description 66
- 238000012216 screening Methods 0.000 claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims abstract description 34
- 230000020169 heat generation Effects 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及电芯压差优化技术领域，揭露了一种锂电池梯次利用的电芯压差优化方法及装置，包括：从所述锂电池集中依次提取锂电池，获取锂电池的电池容量保持率，基于所述电池容量保持率筛选获取第一锂电池集，利用综合评价关系式计算所提取的第一锂电池的综合评价值，利用综合评价值获取第二锂电池集，基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，利用参考分类数值获取目标锂电池集，根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化。本发明可解决未考虑因电池自身因素而造成对电池梯度利用不安全的问题。
Description
技术领域
本发明涉及电芯压差优化技术领域，尤其涉及一种锂电池梯次利用的电芯压差优化方法、装置、电子设备及计算机可读存储介质。
背景技术
在日常生活中，电池为各行各业提供了动力和能量，电池在实际使用时，会受到电池寿命、电池的实际使用环境等因素的影响，造成所使用的电池无法满足当前工作，且电池依然能够使用。与此对应的是，能够实现对电池的梯度利用尤为重要。
目前对电池梯次利用的方法是通过电池的环保价值、经济价值及资源再利用价值，确认电池仍然有价值后，对电池进行利用。
虽然上述方法能够实现对电池的梯次利用，但是由于未考虑电池本身因素能否满足工作的需求。在基于电池所构建的电池组并基于电池组满足工作需求时，未考虑电池的自身因素。因此，上述方法存在对电池梯度利用不安全的问题。
发明内容
本发明提供一种锂电池梯次利用的电芯压差优化方法、装置及计算机可读存储介质，其主要目的在于解决未考虑因电池自身因素而造成对电池梯度利用不安全的问题。
为实现上述目的，本发明提供的一种锂电池梯次利用的电芯压差优化方法，包括：
接收优化指令，基于所述优化指令确认待优化的锂电池集，从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：
获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集；
从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：
利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，其中，所述综合评价关系式为：
；
其中，为第一锂电池集中第/>个锂电池的综合评价值，/>表示第一锂电池集中第个锂电池的放电能量，/>为第一锂电池集中第/>个锂电池的内阻；
利用所述综合评价值筛选第一锂电池集，得到第二锂电池集；
构建锂电池的生热关系式，所述生热关系式为：
；
其中，表示锂电池在工作时所产生的热量，/>表示锂电池的直流内阻，/>为锂电池的放电电流，/>为锂电池的开路电压，/>为锂电池在工作时的温度；
基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，计算公式如下所示：
；
其中，表示第二锂电池集中第/>个第二锂电池与第/>个第二锂电池的一致性数值，/>为分类矩阵中第/>行第/>列的元素，/>表示分类矩阵中第/>行第/>列的元素；
利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集；
根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化。
可选地，所述获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集，包括：
获取锂电池的剩余电池容量及初始电池容量，基于剩余电池容量及初始电池容量计算锂电池的电池容量保持率，计算公式为：
；
其中，表示锂电池的电池容量保持率，/>表示锂电池的初始电池容量，/>表示锂电池的剩余电池容量；
比较所述电池容量保持率与预设的容量保持率阈值；
若电池容量保持率小于容量保持率阈值，则剔除电池容量保持率对应的锂电池；
若电池容量保持率大于等于容量保持率阈值，则保留所述电池容量保持率对应的锂电池，得到第一锂电池；
汇总所述第一锂电池，得到第一锂电池集。
可选地，所述利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，包括：
获取第一锂电池的放电容量，基于所述放电容量计算放电容量的平均值，计算公式如下所示：；
其中，为第一锂电池集中第一锂电池的放电容量的平均值，/>表示第一锂电池集中共有/>个第一锂电池，/>表示第一锂电池集中第/>个第一锂电池的放电容量；
获取第一锂电池的放电能量及内阻，基于所述放电能量及内阻计算放电能量的平均值及内阻的平均值；
基于所述放电容量的平均值计算放电容量的方差，计算公式如下所示：
；
其中，为放电容量的方差；
基于所述放电能量的平均值及内阻的平均值计算放电能量的方差及内阻的方差；
利用所述放电容量的方差、放电能量的方差及内阻的方差求解综合评价系数，基于所述综合评价系数构建综合评价关系式。
可选地，所述利用所述放电容量的方差、放电能量的方差及内阻的方差求解综合评价系数，计算公式如下所示：
；
其中，的取值为1，2，3，当/>时，/>表示放电容量的综合评价系数，当时，/>表示放电能量的综合评价系数，当/>时，/>表示内阻的综合评价系数，为放电能量的方差，/>为内阻的方差。
可选地，所述利用所述综合评价值筛选第一锂电池集，得到第二锂电池集，包括：
比较综合评级值与预设的评价阈值；
若所述综合评级值大于等于评价阈值，则保留综合评价值对应的第一锂电池；
若所述综合评价值小于评价阈值，则剔除综合评价值对应的第一锂电池；
汇总所保留的第一锂电池，得到第二锂电池集。
可选地，所述分类矩阵为：
；
其中，表示分类矩阵，/>表示第二锂电池集中共有/>个第二锂电池，/>表示基于所述生热关系式对第二锂电池的温度进行了/>次采样，/>为分类矩阵中第/>第/>列的元素。
可选地，所述利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集，包括：
基于第二锂电池集获取目标第二锂电池，利用分类矩阵计算目标第二锂电池与初始第二锂电池的参考分类数值，其中，初始第二锂电池为第二锂电池集中除目标第二锂电池外的第二锂电池；
比较所述参考分类数值与预设的参考分类阈值；
若参考分类数值小于等于参考分类阈值，则保留所述参考分类数值对应的初始第二锂电池；
若参考分类数值大于所述参考分类阈值，则剔除所述参考分类数值对应的初始第二锂电池；
汇总目标第二锂电池与所保留的初始第二锂电池，得到目标锂电池集，其中，目标锂电池集中所包含的锂电池的数量最多。
为了解决上述问题，本发明还提供一种锂电池梯次利用的电芯压差优化装置，所述装置包括：
优化指令接收及第一锂电池集确认模块，用于接收优化指令，基于所述优化指令确认待优化的锂电池集，从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：
获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集；
第二锂电池筛选模块，用于从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：
利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，其中，所述综合评价关系式为：
；
其中，为第一锂电池集中第/>个锂电池的综合评价值，/>表示第一锂电池集中第个锂电池的放电能量，/>为第一锂电池集中第/>个锂电池的内阻；
利用所述综合评价值筛选第一锂电池集，得到第二锂电池集；
目标锂电池获取模块，用于构建锂电池的生热关系式，所述生热关系式为：
；
其中，表示锂电池在工作时所产生的热量，/>表示锂电池的直流内阻，/>为锂电池的放电电流，/>为锂电池的开路电压，/>为锂电池在工作时的温度；
基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，计算公式如下所示：
；
其中，表示第二锂电池集中第/>个第二锂电池与第/>个第二锂电池的一致性数值，/>为分类矩阵中第/>行第/>列的元素，/>表示分类矩阵中第/>行第/>列的元素；
利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集；
电池组构建及其均衡模块，用于根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的锂电池梯次利用的电芯压差优化方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的锂电池梯次利用的电芯压差优化方法。
为解决背景技术所述问题，本发明实施例从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集，可见本发明实施例在就考虑了筛选出具有梯度利用价值的电池，避免了资源的浪费。从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，利用所述综合评价值筛选第一锂电池集，得到第二锂电池集，可见本发明实施例对仍然具有梯度利用价值的电池进行更详细，从筛选的结果中取出了，评分值较高的第二锂电池集，进一步地，单个电池的评分值越高，评分值所对应的电池越安全。构建锂电池的生热关系式，基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集，可见本发明实施例不仅考虑了单个电池的安全性，还考虑了将电池组成电池组时，因电池自身之间的差异导致所组成电池组的安全性。进一步地，所构成电池组能够满足工作需求，增加了电池在使用时的价值，能够更好地实现对电池的梯度利用。因此本发明提出的锂电池梯次利用的电芯压差优化方法、装置、电子设备及计算机可读存储介质，可以解决未考虑因电池自身因素而造成对电池梯度利用不安全的问题。
附图说明
图1为本发明一实施例提供的锂电池梯次利用的电芯压差优化方法的流程示意图；
图2为本发明一实施例提供的锂电池梯次利用的电芯压差优化装置的功能模块图；
图3为本发明一实施例提供的实现所述锂电池梯次利用的电芯压差优化方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种锂电池梯次利用的电芯压差优化方法。所述锂电池梯次利用的电芯压差优化方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述锂电池梯次利用的电芯压差优化方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的锂电池梯次利用的电芯压差优化方法的流程示意图。在本实施例中，所述锂电池梯次利用的电芯压差优化方法包括：
S1、接收优化指令，基于所述优化指令确认待优化的锂电池集，从所述锂电池集中依次提取锂电池。
需解释的是，所述优化指令一般由锂电池梯度分析使用人员发出，用于将可梯度利用的锂电池进行划分，并根据划分结果实现对锂电池的梯度利用。锂电池在梯度利用之前，已经使用了一段时间，因此，锂电池会受到使用环境，使用习惯等因素的影响，造成同一批次锂电池的实际使用偏差，若不将锂电池进行划分，直接利用可梯度使用的锂电池集构成锂电池组并使用，则会造成锂电池使用不安全、利用效率低等。待优化的锂电池集为包含多个无法满足原有工作的锂电池，且多个无法满足原有工作的锂电池中包括具有梯度利用价值的锂电池。
详细地，并对所提取的锂电池均执行如下操作：
获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集。
进一步地，所述获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集，包括：
获取锂电池的剩余电池容量及初始电池容量，基于剩余电池容量及初始电池容量计算锂电池的电池容量保持率，计算公式为：
；
其中，表示锂电池的电池容量保持率，/>表示锂电池的初始电池容量，/>表示锂电池的剩余电池容量；
比较所述电池容量保持率与预设的容量保持率阈值；
若电池容量保持率小于容量保持率阈值，则剔除电池容量保持率对应的锂电池；
若电池容量保持率大于等于容量保持率阈值，则保留所述电池容量保持率对应的锂电池，得到第一锂电池；
汇总所述第一锂电池，得到第一锂电池集。
需要说明的是，初始电池容量为将锂电池充满电时电池的容量，剩余电池容量为电池充满电后，静置一段时间后测得的电池的容量，且一般情况下，静置时间为半个小时，电池容量保持率为剩余电池容量与初始电池容量比值的百分比率，描述电池的可用电池容量在不与任何电路连接并静置一段时间后能够保持可用电池容量的能力。容量保持率阈值为锂电池可以进行梯度利用的最小电池容量保持率的数值。另外的，当锂电池的电池容量保持率小于所述容量保持率阈值时，即使是锂电池在充满电的状态下，也会因电池容量保持率不足，导致锂电池无法正常使用或者锂电池在使用极小的一段时间后便无法使用。因此，可以根据电池容量保持率对锂电池集进行筛选，得到具有梯度利用价值的锂电池。第一锂电池为从确认的待优化的锂电池集中经过第一筛选所得到的锂电池。
示例性的，小王作为锂电池梯度分析使用人员，且小王受到了一批数量为100个的锂电池集，由小王发出优化指令，将所述数量为100个的锂电池集划分为两个电池组，其中，两个电池组中包括第一锂电池。
S2、从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，利用所述综合评价值筛选第一锂电池集，得到第二锂电池集。
需解释的是，第一锂电池为通过电池容量保持率判断的，具有利用价值的锂电池，综合评价值为判断所提取的第一锂电池是否具有利用价值的参考值，基于综合评价值可以将第一锂电池根据内阻，放电容量等进行筛选，从而得到第二锂电池集。
进一步地，所述利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，包括：
获取第一锂电池的放电容量，基于所述放电容量计算放电容量的平均值，计算公式如下所示：；
其中，为第一锂电池集中第一锂电池的放电容量的平均值，/>表示第一锂电池集中共有/>个第一锂电池，/>表示第一锂电池集中第/>个第一锂电池的放电容量；
获取第一锂电池的放电能量及内阻，基于所述放电能量及内阻计算放电能量的平均值及内阻的平均值；
基于所述放电容量的平均值计算放电容量的方差，计算公式如下所示：
；
其中，为放电容量的方差；
基于所述放电能量的平均值及内阻的平均值计算放电能量的方差及内阻的方差；
利用所述放电容量的方差、放电能量的方差及内阻的方差求解综合评价系数，基于所述综合评价系数构建综合评价关系式。
需解释的是，所述获取第一锂电池的放电能量及内阻，基于所述放电能量及内阻计算放电能量的平均值及内阻的平均值与获取第一锂电池的放电容量，基于所述放电容量计算放电容量的平均值的计算方法一样，并能够实现同样的作用效果，在此不再赘述。另外的，所述基于所述放电能量的平均值及内阻的平均值计算放电能量的方差及内阻的方差与所述基于所述放电容量的平均值计算放电容量的方差的计算方法一样，并能实现同样的作用效果，在此不再赘述。放电容量是指一个锂电池在放电过程中能够释放的电荷量，放电能量是指一个锂电池在放电过程中所释放的能量。
进一步地，所述利用所述放电容量的方差、放电能量的方差及内阻的方差求解综合评价系数，计算公式如下所示：
；
其中，的取值为1，2，3，当/>时，/>表示放电容量的综合评价系数，当时，/>表示放电能量的综合评价系数，当/>时，/>表示内阻的综合评价系数，为放电能量的方差，/>为内阻的方差。
详细地，所述综合评价关系式为：
；
其中，为第一锂电池集中第/>个锂电池的综合评价值，/>表示第一锂电池集中第个锂电池的放电能量，/>为第一锂电池集中第/>个锂电池的内阻。
进一地，所述利用所述综合评价值筛选第一锂电池集，得到第二锂电池集，包括：
比较综合评级值与预设的评价阈值；
若所述综合评级值大于等于评价阈值，则保留综合评价值对应的第一锂电池；
若所述综合评价值小于评价阈值，则剔除综合评价值对应的第一锂电池；
汇总所保留的第一锂电池，得到第二锂电池集。
需解释的是，评价阈值为预设的且用于筛选第一锂电池集中第一锂电池的数值。第二锂电池集为筛选第一锂电池集中的第一锂电池后所保留的第一锂电池。
S3、构建锂电池的生热关系式，基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集。
需解释的是，所述生热关系式为：
；
其中，表示锂电池在工作时所产生的热量，/>表示锂电池的直流内阻，/>为锂电池的放电电流，/>为锂电池的开路电压，/>为锂电池在工作时的温度。
可理解的是，锂电池在工作时，会因自身内阻或工作时的功率等因素产生热量，而锂电池在工作时所产生的热量会影响锂电池的内阻或锂电池的电流，从而影响锂电池在使用时的寿命。因此，在对锂电池电芯压差优化时，需要考虑温度对锂电池的影响。直流内阻为工作条件下电池的电压变化与相应的放电电流变化的比值。放电电流是锂电池对负载放出所存储电能时形成的电流。开路电压为锂电池在开路状态下的端电压。
应明白的是，所述分类矩阵为：
；
其中，表示分类矩阵，/>表示第二锂电池集中共有/>个第二锂电池，/>表示基于所述生热关系式对第二锂电池的温度进行了/>次采样，/>为分类矩阵中第/>第/>列的元素。
需解释的是，分类矩阵中每行元素的获取方式包括：
利用所述生热关系式依次拟合第二锂电池集中每个第二锂电池在使用时产生的热量随时间的变化曲线；
基于预设的监控时段及采样频率，从所述热量随时间的变化曲线中获取采样点，每个采样点所对应的热量为分类矩阵中的元素。
示例性的，第二锂电池集中共有三个第二锂电池，拟合所述三个第二锂电池对应的热量随时间的变化曲线，设置的采样频率为5秒一次，预设的监控时段为1分钟，则采样的点数为12个，所构建的分类矩阵为3×12的矩阵。
进一步地，所述基于分类矩阵计算参考分类数值，计算公式如下所示：
；
其中，表示第二锂电池集中第/>个第二锂电池与第/>个第二锂电池的一致性数值，/>为分类矩阵中第/>行第/>列的元素，/>表示分类矩阵中第/>行第/>列的元素。
进一步地，一致性数值是用于描述两个锂电池在动态一致性中两个电池的相似程度，且一致性数值越小，两个锂电池越相似，即基于两个锂电池所构成的电池组越安全。
可理解的是，所述利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集，包括：
基于第二锂电池集获取目标第二锂电池，利用分类矩阵计算目标第二锂电池与初始第二锂电池的参考分类数值，其中，初始第二锂电池为第二锂电池集中除目标第二锂电池外的第二锂电池；
比较所述参考分类数值与预设的参考分类阈值；
若参考分类数值小于等于参考分类阈值，则保留所述参考分类数值对应的初始第二锂电池；
若参考分类数值大于所述参考分类阈值，则剔除所述参考分类数值对应的初始第二锂电池；
汇总目标第二锂电池与所保留的初始第二锂电池，得到目标锂电池集，其中，目标锂电池集中所包含的锂电池的数量最多。
进一步地，所述目标锂电池集中的目标锂电池均能够满足目标锂电池之间的一致性要求，且目标锂电池集中的目标锂电池的数量越多，可基于目标锂电池集所构建的目标锂电池组的方案越多，能够更大程度的实现对目标锂电池中目标锂电池的利用。参考分类阈值为判断第二锂电池是否具有一致性的预设的数值。目标锂电池集包含多个经过筛选的具有静态及动态一致性的锂电池。
示例性的，第二锂电池集中包括10个第二锂电池，基于分类矩阵计算出第一个第二锂电池对应的锂电池集中第二锂电池的数量为3个，其中，所选的第一个第二锂电池为目标第二锂电池。第二个第二锂电池对应的锂电池集中第二锂电池的数量为5个，依次类推。最终目标锂电池集为基于第八个第二锂电池计算的所得到的锂电池集，且目标锂电池集中的锂电池数量为7个。
S4、根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化。
详细地，利用目标锂电池集获取目标锂电池组的方法为：利用现有的电池组合技术，将目标锂电池中的目标锂电池组合成能够满足供电需求的目标锂电池组，且目标锂电池组中的目标锂电池应满足一致性要求。
进一步地，所述锂电池均衡模型为利用大量的锂电池组数据进行仿真所训练的模型。可选地，利用锂电池组训练神经网络模型，基于所述神经网络模型对目标锂电池组执行均衡。所述神经网络模型为现有技术，在此不再赘述。
需解释的是，均衡是指在多个锂电池单体组成的电池组中，对每个单体进行充放电操作，以确保每个电池单体的电荷状态保持一致。另外的，若不进行均衡操作，那些电荷容量较高的电池单体容易过充，而容量较低的电池单体则容易过放电，从而降低整个电池组的性能、寿命和安全性。
为解决背景技术所述问题，本发明实施例从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集，可见本发明实施例在就考虑了筛选出具有梯度利用价值的电池，避免了资源的浪费。从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，利用所述综合评价值筛选第一锂电池集，得到第二锂电池集，可见本发明实施例对仍然具有梯度利用价值的电池进行更详细，从筛选的结果中取出了，评分值较高的第二锂电池集，进一步地，单个电池的评分值越高，评分值所对应的电池越安全。构建锂电池的生热关系式，基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集，可见本发明实施例不仅考虑了单个电池的安全性，还考虑了将电池组成电池组时，因电池自身之间的差异导致所组成电池组的安全性。进一步地，所构成电池组能够满足工作需求，增加了电池在使用时的价值，能够更好地实现对电池的梯度利用。因此本发明提出的锂电池梯次利用的电芯压差优化方法、装置、电子设备及计算机可读存储介质，可以解决未考虑因电池自身因素而造成对电池梯度利用不安全的问题。
如图2所示，是本发明一实施例提供的锂电池梯次利用的电芯压差优化装置的功能模块图。
本发明所述锂电池梯次利用的电芯压差优化装置100可以安装于电子设备中。根据实现的功能，所述锂电池梯次利用的电芯压差优化装置100可以包括优化指令接收及第一锂电池集确认模块101、第二锂电池筛选模块102、目标锂电池获取模块103及电池组构建及其均衡模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
所述优化指令接收及第一锂电池集确认模块101，用于接收优化指令，基于所述优化指令确认待优化的锂电池集，从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：
获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集；
所述第二锂电池筛选模块102，用于从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：
利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，其中，所述综合评价关系式为：
；
其中，为第一锂电池集中第/>个锂电池的综合评价值，/>表示第一锂电池集中第个锂电池的放电能量，/>为第一锂电池集中第/>个锂电池的内阻；
利用所述综合评价值筛选第一锂电池集，得到第二锂电池集；
所述目标锂电池获取模块103，用于构建锂电池的生热关系式，所述生热关系式为：
；
其中，表示锂电池在工作时所产生的热量，/>表示锂电池的直流内阻，/>为锂电池的放电电流，/>为锂电池的开路电压，/>为锂电池在工作时的温度；
基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，计算公式如下所示：
；
其中，表示第二锂电池集中第/>个第二锂电池与第/>个第二锂电池的一致性数值，/>为分类矩阵中第/>行第/>列的元素，/>表示分类矩阵中第/>行第/>列的元素；
利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集；
所述电池组构建及其均衡模块104，用于根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化。
如图3所示，是本发明一实施例提供的实现锂电池梯次利用的电芯压差优化方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如锂电池梯次利用的电芯压差优化程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如锂电池梯次利用的电芯压差优化程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如锂电池梯次利用的电芯压差优化程序等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的锂电池梯次利用的电芯压差优化程序是多个指令的组合，在所述处理器10中运行时，可以实现：
接收优化指令，基于所述优化指令确认待优化的锂电池集，从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：
获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集；
从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：
利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，其中，所述综合评价关系式为：
；
其中，为第一锂电池集中第/>个锂电池的综合评价值，/>表示第一锂电池集中第个锂电池的放电能量，/>为第一锂电池集中第/>个锂电池的内阻；
利用所述综合评价值筛选第一锂电池集，得到第二锂电池集；
构建锂电池的生热关系式，所述生热关系式为：
；
其中，表示锂电池在工作时所产生的热量，/>表示锂电池的直流内阻，/>为锂电池的放电电流，/>为锂电池的开路电压，/>为锂电池在工作时的温度；
基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，计算公式如下所示：
；
其中，表示第二锂电池集中第/>个第二锂电池与第/>个第二锂电池的一致性数值，/>为分类矩阵中第/>行第/>列的元素，/>表示分类矩阵中第/>行第/>列的元素；
利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集；
根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
接收优化指令，基于所述优化指令确认待优化的锂电池集，从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：
获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集；
从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：
利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，其中，所述综合评价关系式为：
；
其中，为第一锂电池集中第/>个锂电池的综合评价值，/>表示第一锂电池集中第个锂电池的放电能量，/>为第一锂电池集中第/>个锂电池的内阻；
利用所述综合评价值筛选第一锂电池集，得到第二锂电池集；
构建锂电池的生热关系式，所述生热关系式为：
；
其中，表示锂电池在工作时所产生的热量，/>表示锂电池的直流内阻，/>为锂电池的放电电流，/>为锂电池的开路电压，/>为锂电池在工作时的温度；
基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，计算公式如下所示：
；
其中，表示第二锂电池集中第/>个第二锂电池与第/>个第二锂电池的一致性数值，/>为分类矩阵中第/>行第/>列的元素，/>表示分类矩阵中第/>行第/>列的元素；
利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集；
根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (4)
1.一种锂电池梯次利用的电芯压差优化方法，其特征在于，所述方法包括：
接收优化指令，基于所述优化指令确认待优化的锂电池集，从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：
获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集；
从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：
利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，其中，所述综合评价关系式为：
；
其中，为第一锂电池集中第/>个锂电池的综合评价值，/>表示第一锂电池集中第/>个锂电池的放电能量，/>为第一锂电池集中第/>个锂电池的内阻；
利用所述综合评价值筛选第一锂电池集，得到第二锂电池集；
构建锂电池的生热关系式，所述生热关系式为：
；
其中，表示锂电池在工作时所产生的热量，/>表示锂电池的直流内阻，/>为锂电池的放电电流，/>为锂电池的开路电压，/>为锂电池在工作时的温度；
基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，计算公式如下所示：
；
其中，表示第二锂电池集中第/>个第二锂电池与第/>个第二锂电池的一致性数值，为分类矩阵中第/>行第/>列的元素，/>表示分类矩阵中第/>行第/>列的元素；
利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集；
根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化；
所述利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，包括：
获取第一锂电池的放电容量，基于所述放电容量计算放电容量的平均值，计算公式如下所示：；
其中，为第一锂电池集中第一锂电池的放电容量的平均值，/>表示第一锂电池集中共有/>个第一锂电池，/>表示第一锂电池集中第/>个第一锂电池的放电容量；
获取第一锂电池的放电能量及内阻，基于所述放电能量及内阻计算放电能量的平均值及内阻的平均值；
基于所述放电容量的平均值计算放电容量的方差，计算公式如下所示：
；
其中，为放电容量的方差；
基于所述放电能量的平均值及内阻的平均值计算放电能量的方差及内阻的方差；
利用所述放电容量的方差、放电能量的方差及内阻的方差求解综合评价系数，基于所述综合评价系数构建综合评价关系式；
所述利用所述放电容量的方差、放电能量的方差及内阻的方差求解综合评价系数，计算公式如下所示：
；
其中，的取值为1，2，3，当/>时，/>表示放电容量的综合评价系数，当/>时，/>表示放电能量的综合评价系数，当/>时，/>表示内阻的综合评价系数，/>为放电能量的方差，/>为内阻的方差；
所述分类矩阵为：
；
其中，表示分类矩阵，/>表示第二锂电池集中共有/>个第二锂电池，/>表示基于所述生热关系式对第二锂电池的温度进行了/>次采样，/>为分类矩阵中第/>第/>列的元素；
所述利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集，包括：
基于第二锂电池集获取目标第二锂电池，利用分类矩阵计算目标第二锂电池与初始第二锂电池的参考分类数值，其中，初始第二锂电池为第二锂电池集中除目标第二锂电池外的第二锂电池；
比较所述参考分类数值与预设的参考分类阈值；
若参考分类数值小于等于参考分类阈值，则保留所述参考分类数值对应的初始第二锂电池；
若参考分类数值大于所述参考分类阈值，则剔除所述参考分类数值对应的初始第二锂电池；
汇总目标第二锂电池与所保留的初始第二锂电池，得到目标锂电池集，其中，目标锂电池集中所包含的锂电池的数量最多。
2.如权利要求1所述的锂电池梯次利用的电芯压差优化方法，其特征在于，所述获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集，包括：
获取锂电池的剩余电池容量及初始电池容量，基于剩余电池容量及初始电池容量计算锂电池的电池容量保持率，计算公式为：
；
其中，表示锂电池的电池容量保持率，/>表示锂电池的初始电池容量，/>表示锂电池的剩余电池容量；
比较所述电池容量保持率与预设的容量保持率阈值；
若电池容量保持率小于容量保持率阈值，则剔除电池容量保持率对应的锂电池；
若电池容量保持率大于等于容量保持率阈值，则保留所述电池容量保持率对应的锂电池，得到第一锂电池；
汇总所述第一锂电池，得到第一锂电池集。
3.如权利要求1所述的锂电池梯次利用的电芯压差优化方法，其特征在于，所述利用所述综合评价值筛选第一锂电池集，得到第二锂电池集，包括：
比较综合评级值与预设的评价阈值；
若所述综合评级值大于等于评价阈值，则保留综合评价值对应的第一锂电池；
若所述综合评价值小于评价阈值，则剔除综合评价值对应的第一锂电池；
汇总所保留的第一锂电池，得到第二锂电池集。
4.一种锂电池梯次利用的电芯压差优化装置，用于实现如权利要求1-3任一项所述的锂电池梯次利用的电芯压差优化方法，其特征在于，所述装置包括：
优化指令接收及第一锂电池集确认模块，用于接收优化指令，基于所述优化指令确认待优化的锂电池集，从所述锂电池集中依次提取锂电池，并对所提取的锂电池均执行如下操作：
获取锂电池的电池容量保持率，基于所述电池容量保持率筛选锂电池集，得到第一锂电池集；
第二锂电池筛选模块，用于从所述第一锂电池集中依次提取第一锂电池，并对所提取的第一锂电池均执行如下操作：
利用预构建的综合评价关系式计算所提取的第一锂电池的综合评价值，其中，所述综合评价关系式为：
；
其中，为第一锂电池集中第/>个锂电池的综合评价值，/>表示第一锂电池集中第/>个锂电池的放电能量，/>为第一锂电池集中第/>个锂电池的内阻；
利用所述综合评价值筛选第一锂电池集，得到第二锂电池集；
目标锂电池获取模块，用于构建锂电池的生热关系式，所述生热关系式为：
；
其中，表示锂电池在工作时所产生的热量，/>表示锂电池的直流内阻，/>为锂电池的放电电流，/>为锂电池的开路电压，/>为锂电池在工作时的温度；
基于第二锂电池集及生热关系式获取分类矩阵，基于分类矩阵计算参考分类数值，计算公式如下所示：
；
其中，表示第二锂电池集中第/>个第二锂电池与第/>个第二锂电池的一致性数值，为分类矩阵中第/>行第/>列的元素，/>表示分类矩阵中第/>行第/>列的元素；
利用参考分类数值筛选所述第二锂电池集，得到目标锂电池集；
电池组构建及其均衡模块，用于根据目标锂电池集获取目标锂电池组，基于预构建的锂电池均衡模型对目标锂电池组执行均衡，实现对目标锂电池组的电芯压差优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311031515.3A CN116738932B (zh) | 2023-08-16 | 2023-08-16 | 锂电池梯次利用的电芯压差优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311031515.3A CN116738932B (zh) | 2023-08-16 | 2023-08-16 | 锂电池梯次利用的电芯压差优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116738932A CN116738932A (zh) | 2023-09-12 |
| CN116738932B true CN116738932B (zh) | 2024-01-05 |
Family
ID=87906507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311031515.3A Active CN116738932B (zh) | 2023-08-16 | 2023-08-16 | 锂电池梯次利用的电芯压差优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116738932B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118400194B (zh) * | 2024-06-27 | 2024-09-27 | 陕西夸克自控科技有限公司 | 极端环境下数据交换方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105983542A (zh) * | 2015-02-13 | 2016-10-05 | 国家电网公司 | 一种退役电动汽车动力电池分类方法 |
| CN110244255A (zh) * | 2019-07-01 | 2019-09-17 | 国网重庆市电力公司电力科学研究院 | 基于层次分析的智能电能表可靠性综合评价方法及装置 |
| CN110752410A (zh) * | 2019-10-30 | 2020-02-04 | 上海理工大学 | 一种快速分选和重组退役锂电池的方法 |
| CN111458648A (zh) * | 2020-04-16 | 2020-07-28 | 天津力神电池股份有限公司 | 锂离子电池健康状态的在线检测方法 |
| CN111639442A (zh) * | 2020-06-09 | 2020-09-08 | 山东交通学院 | 一种动力锂电池剩余使用寿命的影响因素筛选方法及系统 |
| CN113887601A (zh) * | 2021-09-26 | 2022-01-04 | 上海电器科学研究所（集团）有限公司 | 一种基于聚类分选的退役动力电池重组方法 |
| US11422199B1 (en) * | 2021-06-17 | 2022-08-23 | Hong Kong Applied Science and Technology Research Institute Company Limited | State of health evaluation of retired lithium-ion batteries and battery modules |
| CN115330275A (zh) * | 2022-10-13 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 一种退役电池的梯次利用方法及装置 |
| CN115327391A (zh) * | 2022-10-14 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 一种基于梯次利用电池的检测方法及装置 |
| CN115456223A (zh) * | 2022-11-09 | 2022-12-09 | 深圳市闪盾能源科技有限公司 | 基于全生命周期的锂电池梯次回收管理方法及系统 |
| WO2022257211A1 (zh) * | 2021-06-08 | 2022-12-15 | 山东大学 | 一种锂电池剩余使用寿命预测方法及系统 |
| CN115514068A (zh) * | 2022-11-18 | 2022-12-23 | 杭州程单能源科技有限公司 | 一种锂电池梯次利用的电芯压差优化方法 |
-
2023
- 2023-08-16 CN CN202311031515.3A patent/CN116738932B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105983542A (zh) * | 2015-02-13 | 2016-10-05 | 国家电网公司 | 一种退役电动汽车动力电池分类方法 |
| CN110244255A (zh) * | 2019-07-01 | 2019-09-17 | 国网重庆市电力公司电力科学研究院 | 基于层次分析的智能电能表可靠性综合评价方法及装置 |
| CN110752410A (zh) * | 2019-10-30 | 2020-02-04 | 上海理工大学 | 一种快速分选和重组退役锂电池的方法 |
| CN111458648A (zh) * | 2020-04-16 | 2020-07-28 | 天津力神电池股份有限公司 | 锂离子电池健康状态的在线检测方法 |
| CN111639442A (zh) * | 2020-06-09 | 2020-09-08 | 山东交通学院 | 一种动力锂电池剩余使用寿命的影响因素筛选方法及系统 |
| WO2022257211A1 (zh) * | 2021-06-08 | 2022-12-15 | 山东大学 | 一种锂电池剩余使用寿命预测方法及系统 |
| US11422199B1 (en) * | 2021-06-17 | 2022-08-23 | Hong Kong Applied Science and Technology Research Institute Company Limited | State of health evaluation of retired lithium-ion batteries and battery modules |
| CN113887601A (zh) * | 2021-09-26 | 2022-01-04 | 上海电器科学研究所（集团）有限公司 | 一种基于聚类分选的退役动力电池重组方法 |
| CN115330275A (zh) * | 2022-10-13 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 一种退役电池的梯次利用方法及装置 |
| CN115327391A (zh) * | 2022-10-14 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 一种基于梯次利用电池的检测方法及装置 |
| CN115456223A (zh) * | 2022-11-09 | 2022-12-09 | 深圳市闪盾能源科技有限公司 | 基于全生命周期的锂电池梯次回收管理方法及系统 |
| CN115514068A (zh) * | 2022-11-18 | 2022-12-23 | 杭州程单能源科技有限公司 | 一种锂电池梯次利用的电芯压差优化方法 |
Non-Patent Citations (6)
| Title |
|---|
| Comprehensive Assessment of Second-Life Battery Energy Storage System Operation Performance Based on Analytic Hierarchy Process;Yongji Cao et al.;《2019 IEEE 2nd International Conference on Electronics Technology (ICET)》;第451-456页 * |
| Lithium Battery Escape Utilization Cell Differential Optimization;Lisheng Zhang et al.;《iScience》;第25卷(第12期);第1-19页 * |
| Performance assessment and classification of retired lithium ion battery from electric vehicles for energy storage;Qiangqiang Liao et al.;《International Journal of Hydrogen Energy》;第42卷(第30期);第18817-18823页 * |
| 用于储能系统的梯次利用锂电池组均衡策略设计;马泽宇等;《电力系统自动化》;第38卷(第03期);第106-111页+第117页 * |
| 退役锂离子电池筛选分类方法设计与分析;李扬等;《电池》;第50卷(第04期);第403-407页 * |
| 锂离子蓄电池均衡技术评价方法研究;梁梦晨等;《中国资源综合利用》;第38卷(第05期);第38-40页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116738932A (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112541745B (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
| CN115330275B (zh) | 一种退役电池的梯次利用方法及装置 | |
| CN116738932B (zh) | 锂电池梯次利用的电芯压差优化方法及装置 | |
| CN112016905B (zh) | 基于审批流程的信息展示方法、装置、电子设备及介质 | |
| CN111694844B (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
| CN115514068A (zh) | 一种锂电池梯次利用的电芯压差优化方法 | |
| CN115995628A (zh) | 一种退役锂离子电池的回收处理方法及装置 | |
| CN115395621A (zh) | 一种应急储能电池电能管理方法、装置、设备及介质 | |
| CN117590260B (zh) | 船用锂离子动力电池荷电状态估计方法、装置及电子设备 | |
| CN116702516B (zh) | 一种电源预算分配方法及装置 | |
| CN113486238A (zh) | 基于用户画像的信息推送方法、装置、设备及存储介质 | |
| CN115327391B (zh) | 一种基于梯次利用电池的检测方法及装置 | |
| CN113918296B (zh) | 模型训练任务调度执行方法、装置、电子设备及存储介质 | |
| CN113435746B (zh) | 用户工作量的评分方法、装置、电子设备及存储介质 | |
| CN117033953B (zh) | 基于bms实现退役电池的梯次利用分析方法及装置 | |
| CN113987206A (zh) | 异常用户的识别方法、装置、设备及存储介质 | |
| CN116992220B (zh) | 一种低冗余用电数据智能采集方法 | |
| CN116207844B (zh) | 基于电力通信设备的故障预防方法及装置 | |
| CN116613893B (zh) | 发电企业的区域电能智慧管理方法及装置 | |
| CN116626500A (zh) | 退役电池的梯次利用效果分析方法 | |
| CN118630881A (zh) | 一种基于退役电池储能共享的储能容量优化方法及装置 | |
| CN118584348A (zh) | 一种电池组可使用寿命预测方法及相关设备 | |
| CN114723488B (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
| CN115225489B (zh) | 队列业务流量阈值动态控制方法、电子设备及存储介质 | |
| CN113901782B (zh) | 投诉工单智能落单方法、装置、设备及介质 |
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 |