[发明专利]一种基于神经网络的电池组分选方法、装置及电子设备

说明书

本发明涉及一种基于神经网络的电池组分选方法、装置、电子设备及计算机可读存储介质，所述方法包括：获取电池的内部参数，根据所述电池的内部参数生成数据集；构建神经网络模型，利用所述数据集对所述神经网络模型进行训练，得到训练完备的神经网络模型；获取待分选电池，根据所述待分选电池和所述训练完备的神经网络模型得到分选后的电池。本发明提供的基于神经网络的电池组分选方法，简化了电池组分选的过程，提高了电池组分选的精确度。

技术领域

本发明涉及电池组分选技术领域，尤其涉及一种基于神经网络的电池组分选方法、装置、电子设备及计算机可读存储介质。

背景技术

随着新能源产业增长迅速，电池的报废量也逐渐增多，电池的回收和利用问题迫在眉睫，电池的回收和利用大多是将电池通过串联和并联的方式组成电池组来进行工作，保证电池组内的单体电池性能具有一致性尤为重要。

现有的电池组分选方法通常采用特征曲线法等测试手段，还有采用通过对单体电池进行充放电，获得充放电曲线，根据充放电曲线确定分选标准的方法，从而保证性能一致的单体电池能够进行配组，但这种电池组分选方法较为复杂、精确度也不高。

发明内容

有鉴于此，有必要提供一种基于神经网络的电池组分选方法、装置、电子设备及计算机可读存储介质，用以解决现有技术中电池组分选的精确度不高的问题。

为了解决上述问题，本发明提供一种基于神经网络的电池组分选方法，包括：

获取电池的内部参数，根据所述电池的内部参数生成数据集；

构建神经网络模型，利用所述数据集对所述神经网络模型进行训练，得到训练完备的神经网络模型；

获取待分选电池，根据所述待分选电池和所述训练完备的神经网络模型得到分选后的电池。

进一步地，包括：

所述电池的内部参数为电池的电压和内阻。

进一步地，构建神经网络模型，包括：

利用输入层、竞争层及输出层构建自组织竞争神经网络模型。

进一步地，包括：

所述自组织竞争神经网络模型的竞争层个数为N，N≥2，每一个竞争层的神经元个数为m，m≥2。

进一步地，根据所述待分选电池和所述训练完备的神经网络模型得到分选后的电池，包括：

获取所述待分选电池的电池容量，根据所述待分选电池的电池容量对所述待分选电池进行初次分选，得到初次分选后的电池；

利用所述训练完备的神经网络模型对所述初次分选后的电池进行二次分选，得到分选后的电池。

进一步地，根据所述待分选电池的电池容量对所述待分选电池进行初次分选，包括：

根据所述待分选电池的电池容量对所述待分选电池按照设定标准进行初次分选。

进一步地，还包括：

判断所述分选后的电池是否满足设定检验条件，若满足则标记为合格电池，若不满足则标记为不合格电池。

本发明还提供一种基于神经网络的电池组分选装置，包括数据获取模块、模型训练模块及电池配组模块；

所述数据获取模块，用于获取电池的内部参数，根据所述电池的内部参数生成数据集；

所述模型训练模块，用于构建神经网络模型，利用所述数据集对所述神经网络模型进行训练，得到训练完备的神经网络模型；

所述电池配组模块，用于获取待分选电池，根据所述待分选电池和所述训练完备的神经网络模型得到分选后的电池。