[发明专利]基于大数据分析的电池分选方法及系统

权利要求书

1.一种基于大数据分析的电池分选方法，其特征在于，所述电池分选方法包括：

获取多个单体电池的容量和动态特性曲线数据；

根据预设的容量范围与所述容量将所述多个单体电池划分为多个单体电池组，每个所述单体电池组至少包括一个单体电池；

根据所述每个单体电池组中单体电池的动态特性曲线数据预测并显示所述每个单体电池组中的异常单体电池；

其中，“根据所述每个单体电池组中单体电池的动态特性曲线数据预测并显示所述每个单体电池组中的异常单体电池”的步骤包括：

利用预设的电池分选模型并且根据所述单体电池组中每个单体电池的动态特性曲线数据预测所述单体电池组中动态特性曲线数据差异较大的单体电池；

判断预测结果是否准确：若是，则显示所述动态特性曲线数据差异较大的单体电池；

其中，在“利用预设的电池分选模型并且根据所述单体电池组中每个单体电池的动态特性曲线数据预测所述动态特性曲线数据差异较大的单体电池”的步骤之前，所述方法还包括：

基于多个预设的单体电池组内每个单体电池的动态特性曲线数据以及所述每个单体电池的状态标签构建数据训练集；

根据所述数据训练集对所述电池分选模型进行训练；

其中，所述状态标签是异常单体电池或正常单体电池；

其中，在“判断预测结果是否准确”的步骤之后，所述方法还包括：

若所述预测结果准确，则设定所述动态特性曲线数据差异较大的单体电池的状态标签为异常单体电池并且将所述单体电池的动态特性曲线数据和所述状态标签添加至所述数据训练集；

若所述预测结果错误，则设定所述动态特性曲线数据差异较大的单体电池的状态标签为正常单体电池并且将所述单体电池的动态特性曲线数据和所述状态标签添加至所述数据训练集。

2.根据权利要求1所述的基于大数据分析的电池分选方法，其特征在于，“获取多个单体电池的容量和动态特性曲线数据”的步骤包括：

对所述多个单体电池进行化成处理；

根据处理结果获取所述单体电池的容量和动态特性曲线数据。

3.一种基于大数据分析的电池分选系统，其特征在于，所述电池分选系统包括：

数据获取模块，配置为获取多个单体电池的容量和动态特性曲线数据；

单体电池组获取模块，配置为根据预设的容量范围与所述容量将所述多个单体电池划分为多个单体电池组，每个所述单体电池组至少包括一个单体电池；

电池分选模块，配置为根据所述每个单体电池组中单体电池的动态特性曲线数据预测并显示所述每个单体电池组中的异常单体电池；

所述电池分选模块包括异常电池预测单元和模型评价单元，

所述异常电池预测单元配置为利用预设的电池分选模型并且根据所述单体电池组中每个单体电池的动态特性曲线数据预测所述单体电池组中动态特性曲线数据差异较大的单体电池；

所述模型评价单元配置为判断预测结果是否准确：若是，则显示所述动态特性曲线数据差异较大的单体电池；

其中，所述电池分选模块还包括模型训练单元，所述模型训练单元配置为执行如下操作：

基于多个预设的单体电池组内每个单体电池的动态特性曲线数据以及所述每个单体电池的状态标签构建数据训练集；

根据所述数据训练集对所述电池分选模型进行训练；

其中，所述状态标签是异常单体电池或正常单体电池；

其中，所述模型评价单元进一步配置为执行如下操作：

若所述预测结果准确，则设定所述动态特性曲线数据差异较大的单体电池的状态标签为异常单体电池并且将所述单体电池的动态特性曲线数据和所述状态标签添加至所述数据训练集；

若所述预测结果错误，则设定所述动态特性曲线数据差异较大的单体电池的状态标签为正常单体电池并且将所述单体电池的动态特性曲线数据和所述状态标签添加至所述数据训练集。

4.根据权利要求3所述的基于大数据分析的电池分选系统，其特征在于，所述数据获取模块进一步配置为执行如下操作：

对所述多个单体电池进行化成处理；

根据处理结果获取所述单体电池的容量和动态特性曲线数据。