[发明专利]基于人工智能的电池分组方法、终端及存储介质

说明书

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。

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。