本发明专利技术涉及电池分容技术领域，具体提供一种电容分容方法及其装置，具体可获得预设分容容量预测模型通过获取待检测电池生产过程中产生的生产数据；将待检测电池对应的生产数据输入预设分容容量预测模型中，基于预设分容容量预测模型得到待检测电池的分容容量数据；以及基于分容容量数据进行电池分容。与现有电池分容过程相比，本发明专利技术所提供的电池分容方法及其装置可利用机器学习进行电池分容容量预测，因此，无需对全部待检测电池进行充放电操作，可以减少进行电池分容检测所耗费的时间和电量，大幅降低电池生产成本，提高电池生产速度，同时还可获得待检测电池的分容容量数据准确度高，其误差值可小于千分。其误差值可小于千分。其误差值可小于千分。
【技术实现步骤摘要】
电池分容方法及其装置、电子设备
[0001]本专利技术涉及电池分容
，尤其涉及一种电池分容方法及其装置、电子设备。
技术介绍
[0002]电池分容是指将生产制造出来的电池，通过测定其容量进行标定的过程。在电池生产制造的过程中，由于其稳定性较差，因此，即使同一条生产线生产出来的电池之间也存在差异。而进行分容后的电池可以根据容量标定结果进行分类，选取容量相同的电池构成电池组，提高电池组的一致性，也同时可以根据容量标定结果筛选出不合格的电池，提高出货良品率。目前业内普遍的做法是通过充放电设备对电池进行一次充放电，得到分容的结果，也即可称为充放电分容。但是这种分容的方式需要耗费大量的电费和时间，影响了电池分容的效率。
技术实现思路
[0003]针对上述电池分容耗费大量电费和时间的问题，本专利技术提供一种电池分容方法及其装置、电子设备。
[0004]为了解决上述技术问题，本专利技术提供一种电池分容方法，其包括如下步骤：获得预设分容容量预测模型获取待检测电池生产过程中产生的生产数据；将待检测电池对应的生产数据输入预设分容容量预测模型中，基于预设分容容量预测模型得到待检测电池的分容容量数据；以及基于分容容量数据进行电池分容。
[0005]优选地，待检测电池在生产过程中产生的生产数据包括电池原料数据、电池制备工艺数据和/或电池化成数据中任一种或几种的组合；或所述生产数据包括电解液注入量、卷芯重量、化成截止电压、化成温度、原料克容量、涂布重量和/或化成充放电曲线中任一种或几种的组合。<br/>[0006]优选地，所述预设分容容量预测模型采用以下步骤建立：获取历史电池数据以形成训练样本集，利用训练样本集建立预设分容容量预测模型，其中，历史电池数据包括历史电池生产数据以及历史电池分容容量数据。
[0007]优选地，所述电池分容方法还包括：在预设周期内，将至少一组待检测电池的生产数据及待检测电池的分容容量数据作为训练样本集，对预设分容容量预测模型进行训练更新。
[0008]优选地，所述预设分容容量预测模型包括决策树模型。
[0009]优选地，所述电池分容方法还包括如下步骤：获得预设分容容量预测模型采用充放电分容设备对部分待检测电池进行分容检测，以获得分容检测结果；以及基于分容容量数据进行电池分容。
[0010]本专利技术为了解决上述技术问题，还提供如下技术方案：一种电池分容装置，其包括数据获取模块、预测模块以及分容模块；其中，所述数据获取模块被配置为获取待检测电池生产过程中产生的生产数据；所述预测模块被配置为将待检测电池对应的生产数据输入预
设分容容量预测模型中，基于预设分容容量预测模型得到待检测电池的分容容量数据；以及所述分容模块被配置为基于分容容量数据进行电池分容。
[0011]优选地，所述预测模块进一步包括运算单元以及数据输出单元；其中，所述运算单元被配置为将待检测电池的生产数据输入所述预设分容容量预测模型中；所述数据输出单元被配置为基于预设分容容量预测模型得到待检测电池的分容容量数据。
[0012]优选地，所述电池分容装置进一步包括：模型建立模块，其被配置为获取历史电池数据以形成训练样本集，利用训练样本集建立预设分容容量预测模型；和/或模型更新模块，其被配置为在预设周期内，将至少一组待检测电池的生产数据及待检测电池的分容容量数据作为训练样本集，对预设分容容量预测模型进行训练更新。
[0013]本专利技术为了解决上述技术问题，还提供如下技术方案：一种电子设备，其包括一个或多个处理器和存储装置，
[0014]存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述电池分容方法。
[0015]与现有技术相比，本专利技术所提供的电池分容方法、电池分容装置及电子设备具有如下的有益效果：
[0016]本专利技术所提供的电池分容方法，可以获得预设分容容量预测模型通过获取待检测电池生产过程中产生的生产数据；将待检测电池对应的生产数据输入预设分容容量预测模型中，基于预设分容容量预测模型得到待检测电池的分容容量数据；以及基于分容容量数据进行电池分容。与现有电池分容过程相比，本专利技术所提供的电池分容方法无需对全部待检测电池进行充放电操作，从而可以减少以电池充放电方式进行电池分容检测所耗费的时间和电量，进而大幅降低电池生产成本，提高电池生产速度。进一步地，基于机器学习的预设分容容量预测模型结合待检测电池的生产数据，还可获得待检测电池的分容容量数据准确度高，其误差值可小于千分之一。
[0017]进一步地，在本专利技术中对待检测电池在生产过程中产生的生产数据做了进一步地的限定，其中，生产数据可包括电池原料数据、电池制备工艺数据和/或电池化成数据中任一种或几种的组合，可见，对应的生产数据可涵盖电池在分容之前的全部工艺过程数据，进而可提高电池分容容量预测的精准度。进一步地，在本专利技术中所述生产数据还可以包括电解液注入量、卷芯重量、化成截止电压、化成温度、原料克容量、涂布重量和/或化成充放电曲线中任一种或几种的组合，基于对生产数据的进一步限定，可以将与电池容量关联度较大的数据进行划分，进而可提高电池分容预测的准确度。
[0018]在本专利技术所提供的电池分容方法中，获得预设分容容量预测模型可采用以下步骤：获取历史电池数据以形成训练样本集，利用训练样本集建立预设分容容量预测模型，其中，历史电池数据包括历史电池生产数据以及历史电池分容容量数据。通过上述步骤可以实现预设分容容量预测模型在训练中不断优化，也可使预设分容容量预测模型的预测结果更准确。
[0019]在本专利技术中，所述电池分容方法还包括：在预设周期内，将至少一组待检测电池的生产数据及待检测电池的分容容量数据作为训练样本集，对预设分容容量预测模型进行训练更新。电池生产过程中的生产数据以及分容容量数据等都可以根据机器学习的方法，用以训练获得深度学习的模型，再将实时的数据置入深度学习模型中进行预测，进而可以提
高所述预设分容容量预测模型的准确度。
[0020]在本专利技术中，所述预设分容容量预测模型包括决策树模型，基于对模型的限定，可以更符合待检测电池的生产数据特征，以获得更准确地分容容量预测结果。
[0021]本专利技术所提供一种电池分容方法，其将基于机器学习的电池分容方法与基于电池充放电的电池分容方法相结合，从而可在满足快速检测的同时，也可兼顾采用电池充放电进行分容容量检测，从而提高电池容量检测的准确度。
[0022]本专利技术还提供一种电池分容装置，其包括数据获取模块、预测模块以及分容模块。与现有电池充放电分容设备相比，本专利技术所提供的电池分容装置无需对全部待检测电池进行充放电操作，基于机器学习的预设分容容量预测模型与待检测电池的生产数据即可获得待检测电池的分容容量数据，因此，可以减少以电池充放电方式进行电池分容检测所耗费的时间和电量，进而大幅降低电池生产成本，提高电池生产速度。进一步地，基于机器学习的预设分容容量预测模型结合待检测电池的生产数据，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电池分容方法，其特征在于：其包括如下步骤：获取待检测电池生产过程中产生的生产数据；将待检测电池对应的生产数据输入预设分容容量预测模型中，基于预设分容容量预测模型得到待检测电池的分容容量数据；以及基于分容容量数据进行电池分容。2.如权利要求1中所述电池分容方法，其特征在于：待检测电池在生产过程中产生的生产数据包括电池原料数据、电池制备工艺数据和/或电池化成数据中任一种或几种的组合；或所述生产数据包括电解液注入量、卷芯重量、化成截止电压、化成温度、原料克容量、涂布重量和/或化成充放电曲线中任一种或几种的组合。3.如权利要求1中所述电池分容方法，其特征在于：所述预设分容容量预测模型采用以下步骤建立：获取历史电池数据以形成训练样本集，利用训练样本集建立预设分容容量预测模型，其中，所述历史电池数据包括历史电池生产数据以及历史电池分容容量数据。4.如权利要求3中所述电池分容方法，其特征在于：所述电池分容方法还包括：在预设周期内，将至少一组待检测电池的生产数据及待检测电池的分容容量数据作为训练样本集，对预设分容容量预测模型进行训练更新。5.如权利要求1中所述电池分容方法，其特征在于：所述预设分容容量预测模型包括决策树模型。6.如权利要求1中所述电池分容方法，其特征在于：所述电池分容方法还包括如下步骤：获得预设分容容量预测模型输入预设分容容量预测模型基于预设分容容量预测模型采用充放电分容设备对部分待检测电池进行分...
【专利技术属性】
技术研发人员：向勇，冯雪松，彭晓丽，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。