获取电芯放电容量的方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种获取电芯放电容量的方法、装置、存储介质及电子设备，该方法包括：获取电芯在化成过程中的目标时间段内的化成参数信息，该目标时间段包括该电芯开始化成至第一次满放之前的时间段；从该化成参数信息中提取化成特征参数信息；根据该化成特征参数信息，通过容量预测模型获取该电芯化成后的放电容量。可以先获取该电芯开始化成至第一次满放之前的时间段的化成参数信息，从该化成参数信息中提取化成特征参数信息后，将该化成特征参数信息输入该容量预测模型后，即可得到该电芯化成后的放电容量，无需等待该电芯进行满放，即可获取该电芯化成后的放电容量，这样，可以节省该电芯化成过程中所需的时间，从而可以降低电芯的生产成本。芯的生产成本。芯的生产成本。

【技术实现步骤摘要】
获取电芯放电容量的方法、装置、存储介质及电子设备


[0001]本公开涉及电池
，具体地，涉及一种获取电芯放电容量的方法、装置、存储介质及电子设备。

技术介绍

[0002]在电芯的生产过程中，需要通过化成对注液后的电芯进行激活，通过充放电使电芯内部发生化学反应形成SEI（Solid Electrolyte Interphase，固体电解质界面）膜，保证后续电芯在充放电循环过程中的安全、可靠和长循环寿命。但是，整个化成段包含多次充电、放电、检测等一系列过程，导致电池的生产成本较高。

技术实现思路

[0003]为了解决上述问题，本公开提供一种获取电芯放电容量的方法、装置、存储介质及电子设备。
[0004]第一方面，本公开提供一种获取电芯放电容量的方法，所述方法包括：获取电芯在化成过程中的目标时间段内的化成参数信息，所述目标时间段包括所述电芯开始化成至第一次满放之前的时间段；从所述化成参数信息中提取化成特征参数信息；根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量，所述容量预测模型通过梯度提升回归树预先训练得到。
[0005]可选地，所述容量预测模型通过以下方式训练得到：获取多个样本电芯在化成过程中的预设时间段内的样本参数信息，所述预设时间段包括所述样本电芯开始化成至第一次满放结束的时间段；从所述样本参数信息中提取样本特征参数信息；通过所述样本特征参数信息对所述梯度提升回归树进行训练，得到所述容量预测模型。
[0006]可选地，所述化成参数信息包括所述电芯的多个化成充电容量、多个化成电压值、多个化成环境温度以及充电时长，所述化成特征参数信息包括化成特征充电容量、化成特征电压值、化成特征环境温度以及所述充电时长；所述从所述化成参数信息中提取化成特征参数信息包括：从多个所述化成充电容量中提取所述化成特征充电容量；从多个所述化成电压值中提取所述化成特征电压值；从多个所述化成环境温度中提取所述化成特征环境温度。
[0007]可选地，所述根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量包括：根据所述化成特征充电容量、所述化成特征电压值、所述化成特征环境温度以及所述充电时长，通过所述容量预测模型，获取所述电芯化成后的放电容量。
[0008]可选地，在所述从所述化成参数信息中提取化成特征参数信息前，所述方法还包括：根据所述化成参数信息和预设参数阈值范围，确定合格化成参数信息；所述从所述化成参数信息中提取化成特征参数信息包括：从所述合格化成参数信息中提取所述化成特征参数信息。
[0009]可选地，所述容量预测模型的表达式为：其中，为所述电芯化成后的放电容量，f
m
(x)表示m个函数f(x)，表示第m棵回归树，为第m棵回归树的参数，M为回归树的数量，A为回归树的叶节点的数量，，L(y, f
m
‑1(x)+c)为损失函数，，y
b
为x
b
在回归树上对应的输出，R
a
为回归树的第a个区域，R
ma
为特征切分点的值，，m的取值范围为（1，M），a的取值范围为（1，A），M和A为非零实数。
[0010]第二方面，本公开提供一种获取电芯放电容量的装置，所述装置包括：参数信息获取模块，用于获取电芯在化成过程中的目标时间段内的化成参数信息，所述目标时间段包括所述电芯开始化成至第一次满放之前的时间段；参数信息提取模块，用于从所述化成参数信息中提取化成特征参数信息；放电容量获取模块，用于根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量，所述容量预测模型通过梯度提升回归树预先训练得到。
[0011]可选地，所述装置还包括：模型训练模块，用于获取多个样本电芯在化成过程中的预设时间段内的样本参数信息，所述预设时间段包括所述样本电芯开始化成至第一次满放结束的时间段；从所述样本参数信息中提取样本特征参数信息；通过所述样本特征参数信息对所述梯度提升回归树进行训练，得到所述容量预测模型。
[0012]可选地，所述化成参数信息包括所述电芯的多个化成充电容量、多个化成电压值、多个化成环境温度以及充电时长，所述化成特征参数信息包括化成特征充电容量、化成特征电压值、化成特征环境温度以及所述充电时长；所述参数信息提取模块，还用于：从多个所述化成充电容量中提取所述化成特征充电容量；从多个所述化成电压值中提取所述化成特征电压值；从多个所述化成环境温度中提取所述化成特征环境温度。
[0013]可选地，所述放电容量获取模块，还用于：根据所述化成特征充电容量、所述化成特征电压值、所述化成特征环境温度以及所述充电时长，通过所述容量预测模型，获取所述电芯化成后的放电容量。
[0014]可选地，所述装置还包括：合格信息确定模块，用于根据所述化成参数信息和预设参数阈值范围，确定合格化成参数信息；
所述参数信息提取模块，还用于：从所述合格化成参数信息中提取所述化成特征参数信息。
[0015]可选地，所述容量预测模型的表达式为：其中，为所述电芯化成后的放电容量，f
m
(x)表示m个函数f(x)，表示第m棵回归树，为第m棵回归树的参数，M为回归树的数量，A为回归树的叶节点的数量，，L(y, f
m
‑1(x)+c)为损失函数，，y
b
为x
b
在回归树上对应的输出，R
a
为回归树的第a个区域，R
ma
为特征切分点的值，，m的取值范围为（1，M），a的取值范围为（1，A），M和A为非零实数。
[0016]第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所述方法的步骤。
[0017]第四方面，本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
[0018]通过上述技术方案，通过获取电芯在化成过程中的目标时间段内的化成参数信息，所述目标时间段包括所述电芯开始化成至第一次满放之前的时间段；从所述化成参数信息中提取化成特征参数信息；根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量，所述容量预测模型通过梯度提升回归树预先训练得到。也就是说，可以先获取该电芯开始化成至第一次满放之前的时间段的化成参数信息，从该化成参数信息中提取化成特征参数信息，将该化成特征参数信息输入该容量预测模型后，即可得到该电芯化成后的放电容量，无需等待该电芯进行满放，即可获取该电芯化成后的放电容量，这样，可以节省该电芯化成过程中所需的时间，从而可以降低电芯的生产成本。
[0019]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0020]附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种获取电芯放电容量的方法，其特征在于，所述方法包括：获取电芯在化成过程中的目标时间段内的化成参数信息，所述目标时间段包括所述电芯开始化成至第一次满放之前的时间段；从所述化成参数信息中提取化成特征参数信息；根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量，所述容量预测模型通过梯度提升回归树预先训练得到。2.根据权利要求1所述的方法，其特征在于，所述容量预测模型通过以下方式训练得到：获取多个样本电芯在化成过程中的预设时间段内的样本参数信息，所述预设时间段包括所述样本电芯开始化成至第一次满放结束的时间段；从所述样本参数信息中提取样本特征参数信息；通过所述样本特征参数信息对所述梯度提升回归树进行训练，得到所述容量预测模型。3.根据权利要求1所述的方法，其特征在于，所述化成参数信息包括所述电芯的多个化成充电容量、多个化成电压值、多个化成环境温度以及充电时长，所述化成特征参数信息包括化成特征充电容量、化成特征电压值、化成特征环境温度以及所述充电时长；所述从所述化成参数信息中提取化成特征参数信息包括：从多个所述化成充电容量中提取所述化成特征充电容量；从多个所述化成电压值中提取所述化成特征电压值；从多个所述化成环境温度中提取所述化成特征环境温度。4.根据权利要求3所述的方法，其特征在于，所述根据所述化成特征参数信息，通过容量预测模型获取所述电芯化成后的放电容量包括：根据所述化成特征充电容量、所述化成特征电压值、所述化成特征环境温度以及所述充电时长，通过所述容量预测模型，获取所述电芯化成后的放电容量。5.根据权利要求1所述的方法，其特征在于，在所述从所述化成参数信息中提取化成特征参数信息前，所述方法还包括：根据所述化成参数信息和预设参数阈值范围，确定合格化成参数信息；所述从所述化成参数信息中提取化成特征参数信息包括：从所述合格化成参数信息中提取所述化成特征参数信息。6.根据权利要求1至5任一项所述的方...

【专利技术属性】
技术研发人员：尤洁娅，
申请(专利权)人：蜂巢能源科技有限公司，
类型：发明
国别省市：