退役电池梯次利用分选方法及系统、电子设备、存储介质与流程

1.本发明涉及储能电池领域，尤其涉及一种退役电池梯次利用分选方法及系统、电子设备、存储介质。


背景技术：

2.近年来，锂离子动力电池在市场保有量持续上升，随着使用时间的增长，未来将有大量的动力电池退役，而退役电池的二次利用可以有效地缓解生态压力，减少资源浪费并且有效地降低动力电池产业链中的成本，有助于缓解大量动力电池直接退役和回收所带来的能源浪费与社会资源压力。
3.其中，电池的性能和健康状态可以定量描述电池退化程度，以作为退役电池梯次利用的重要分选指标，随着电池循环周期数的增加，其性能逐渐衰退，但是目前退役电池的健康状态评估和电池分选一是分析过程耗时较长，无法快速评估分选，二是分选误差百分比较高，分选后的电池一致性和质量参差不齐，从而导致退役电池梯次利用的产品成本过高，存在潜在的安全质量问题。


技术实现要素：

4.有鉴于此，本发明提供一种退役电池梯次利用分选方法及系统、电子设备、存储介质，其能实现快速的电池健康状态评估和分选，并充分保障分选效率和电池一致性，降低电池分选成本，保证分选电池时的安全质量。
5.为实现上述目的，本发明提供一种退役电池梯次利用分选方法，包括：对充电中的多个待测电池进行测试，得到所述多个待测电池在充电过程中对应的特征参数，所述特征参数包括当前容量增量曲线峰高；根据所述当前容量增量曲线峰高和预设的容量预估模型得到多个所述待测电池对应的当前预估容量，所述容量预估模型基于一个或多个与所述待测电池型号相同的参考电池的历史充电数据生成；根据多个所述当前预估容量对多个所述待测电池进行分选。
6.进一步地，所述容量预估模型基于下列步骤生成：获取多个与所述待测电池型号相同的参考电池的历史充电数据；根据所述历史充电数据获取多个所述参考电池不同循环圈数所对应的参考容量和参考容量增量曲线峰高；根据所述参考容量和所述参考容量增量曲线峰高生成所述容量预估模型。
7.进一步地，所述容量预估模型基于下列步骤生成：获取多个与所述待测电池型号相同的参考电池的历史充电数据；根据所述历史充电数据获取多个所述参考电池不同循环圈数所对应的所对应的充电电压压降、参考容量和参考容量增量曲线峰高；根据所述电压压降、所述参考容量和所述参考容量增量曲线峰高生成所述容量预估模型。
8.进一步地，所述特征参数还包括直流内阻，对应的，所述退役电池梯次利用分选方法还包括：对充电中的待测电池进行测试，获取所述待测电池在充电过程中的直流内阻；根据所述直流内阻和预设的内阻分布曲线筛选多个所述待测电池中的异常电池。
9.进一步地，所述内阻分布曲线通过以下步骤生成：对多个所述参考电池进行直流阻抗测试，获取多个所述参考电池对应的参考内阻；根据多个所述参考内阻获取所述内阻分布曲线。
10.进一步地，所述方法还包括：对所述多个待测电池和/或所述多个参考电池进行一致性检查，筛选出所述多个待测电池和/或所述多个参考电池中的异常电池。
11.进一步地，所述根据多个所述当前预估容量对多个所述待测电池进行分选，包括：基于多个所述当前预估容量生成容量分布曲线；根据所述容量分布曲线和预设的置信区间对多个所述待测电池进行分选。
12.本发明还提供一种退役电池梯次利用分选系统，其包括：特征参数测试模块，其用于对充电中的多个待测电池进行测试，得到所述多个待测电池在充电过程中对应的特征参数，所述特征参数包括当前容量增量曲线峰高；预估容量模块，其用于基于多个与所述待测电池型号相同的参考电池的历史充电数据生成容量预估模型，根据所述当前容量增量曲线峰高和所述容量预估模型得到多个所述待测电池对应的当前预估容量；分选模块，其用于根据多个所述当前预估容量对多个所述待测电池进行分选。
13.本发明还提供一种电子设备，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行前文所述的退役电池梯次利用分选方法中的操作。
14.本发明还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行前文所述的退役电池梯次利用分选方法中的步骤。
15.本发明的技术效果在于，提供一种退役电池梯次利用分选方法，该退役电池梯次利用分选方法基于历史充电数据，建立容量vs容量增量曲线峰高线性模型，实现快速的电池容量计算。并通过直流阻抗测试，充分保障分选效率和电池一致性。因此，本发明提供一种退役电池梯次利用分选方法及系统、电子设备、存储介质，其能实现快速的电池健康状态评估和分选，并充分保障分选效率和电池一致性，降低电池分选成本，保证分选电池时的安全质量。
附图说明
16.下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。
17.图1为本发明实施例所提供的退役电池梯次利用分选方法的流程图；
18.图2为本发明实施例所提供的电池单体循环过程的充电容量增量曲线图；
19.图3为本发明实施例所提供的电池单体低温环境下循环过程的充电容量增量曲线的图2中的2号峰峰高、3号峰峰高与容量的关系图；
20.图4为本发明实施例所提供的电池单体高温环境下循环过程的充电容量增量曲线的2号峰峰高、3号峰峰高与容量的关系图；
21.图5为本发明实施例所提供的电池单体充电压降特征参数图；
22.图6为本发明实施例所提供的电池模组接近满充时的容量增量曲线峰高与容量之间的关系图；
23.图7为本发明实施例所提供的电池单体当前容量值统计直方图；
24.图8为本发明实施例所提供的电池单体直流内阻统计直方图；
25.图9为本发明实施例所提供的退役电池梯次利用分选系统的模块图。
26.附图标记说明：
27.100、第一获取模块；200、构建模块；300、第二获取模块；400、预估模块；500、分选模块。
具体实施方式
28.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.具体的，如图1所示，本发明的一个实施方式提供一种退役电池梯次利用分选方法。该退役电池可以是电池单体、电池模组、电池包和电池系统等。
30.该退役电池梯次利用分选方法主要包括：特征参数测试步骤s1，预估容量步骤s2，以及分选步骤s3。其中：
31.特征参数测试步骤s1：对充电中的多个待测电池进行测试，得到所述多个待测电池在充电过程中对应的特征参数，所述特征参数包括当前容量增量曲线峰高；
32.预估容量步骤s2：根据所述当前容量增量曲线峰高和预设的容量预估模型得到多个所述待测电池对应的当前预估容量，所述容量预估模型基于多个与所述待测电池型号相同的参考电池的历史充电数据生成；
33.分选步骤s3：根据多个所述当前预估容量对多个所述待测电池进行分选。所谓容量增量曲线，属于容量增量分析法(incremental capacity analysis，ica)，是容量对电压求导后获得的曲线。
34.在特征参数测试步骤s1中，主要是对电池进行充放电，并对其进行dcr测试，直流阻抗(dcr)测试目的是电池在组装成模组或pack后，需要测试dcr值，测试的参数值主要评估焊接或连接端的阻抗值，对dcr值应用是评估其放电功率或能量的能力。在测试过程中采集电池的特征参数，该特征参数为具有电池性能代表意义的参数，例如充电电压压降、不同循环圈数所对应的参考容量和参考容量增量曲线峰高等，特征参数可作为分选电池是否符合退役再生利用的基准；在本实施例中，获取多个待测电池在充电过程中的容量增量曲线峰高作为特征参数，以用于后续的电池分选。
35.在预估容量步骤s2中，根据获取到的特征参数即容量增量曲线高峰对多个待测电池进行预估分析，得到对应的当前预估容量，具体为基于预先训练好的容量预估模型，将容量增量曲线作为模型的输入参数，以输出的值为电池的当前预估容量。其中容量预估模型是基于与待测电池相同型号的多个退役电池进行分析所得到的模型，模型的形式是通过大量数据分析获得能够客观反应电池当前状况的特征参数曲线，其目的是基于这些特征参数曲线中的客观规律，准确预测当前分选电池是否符合退役再生利用的要求。
36.其中分选步骤s3中的所述根据多个所述当前预估容量对多个所述待测电池进行分选，包括：基于多个所述当前预估容量生成容量分布曲线；根据所述容量分布曲线和预设的置信区间对多个所述待测电池进行分选。所述预设的置信区间范围内的电池被认为是可
以重复利用的合格退役电池，可以进行梯次利用。通常预设的置信区间范围为同批次待测电池预估容量威布尔分布的95％置信区间范围内。
37.其中基于历史充电数据以当前预估容量作为衡量标准，其利用历史充电数据的正态分布规律形成容量分布曲线。在步骤s2中预先建立好的容量vs容量增量曲线峰高线性模型能够获取到多个待测电池所对应的当前预估容量，再基于多个当前预估容量的正态分布，生成对应的容量分布曲线，确定正态分布的置信区间以依赖容量分布曲线对多个待测电池进行快速分选，具体地说，例如预设置信区间的范围为该容量分布曲线的95％置信区间范围，确定待测电池所对应的当前预估容量是否位于该容量分布曲线内，从而对多个待测电池进行快速分选，充分保障分选效率和电池一致性。
38.进一步地，对多个退役电池的当前容量值进行统计，得到退役电池的当前容量分布曲线。具体地，对95个额定容量为52ah的磷酸铁锂串联电池单体的当前容量值进行统计，统计结果如图7所示。进一步地，可以采到偏度s这一参数表征参数的统计数据分布偏斜方向和程度。其计算公式为其中，图7中所示的退役电池的当前容量的分布呈现为右偏态，偏度为-0.955，大部分电池的容量集中在47-52ah这一区间内，而有少部分电池的容量衰退速度较快，容量衰减到44ah，退役电池的当前容量的统计分布更符合威布尔(weibull)分布特征。weibull分布的概率密度函数可表示为其中，β为形状参数，η为比例参数。
39.具体的，所述容量预估模型基于下列步骤生成：
40.获取多个与所述待测电池型号相同的参考电池的历史充电数据；
41.根据所述历史充电数据获取多个所述参考电池不同循环圈数所对应的参考容量和参考容量增量曲线峰高；
42.根据所述参考容量和所述参考容量增量曲线峰高生成所述容量预估模型。
43.所述参考电池可以是这一批待测电池里的部分电池，也可以是另一批作为训练样本的电池，只要是与该批待测电池相同型号的电池即可保证所获取的历史充电数据能够客观反馈待测电池的容量状况。具体的，可获取参考电池在不同状态下的历史数据，确定所述参考电池的型号与待测退役电池的型号相一致，其中不同状态是指所述参考电池的不同的充放电循环次数，所述历史数据包括历史容量和历史容量增量曲线峰高，分别作为参考容量和参考容量增量曲线峰高。基于所述参考容量和所述参考容量增量曲线峰高的线性回归关系生成所述容量预估模型。所述参考容量增量曲线峰高的线性回归关系实质是大量电池的容量客观变化曲线，基于参考容量增量曲线峰高的线性回归关系可对应找出电池在某一位置的当前预估容量，这一预估容量是由大量客观数据支持的，准确性很高，因此当前预估容量可对应为对应电池的参考容量。
44.进一步地，在生成所述容量预估模型时的特征参数还可以包括充电电压压降，通过新增充电电压压降作为模型的特征参数之一，能够有效地提高容量预估模型的识别准确度。
45.具体的，所述容量预估模型基于下列步骤生成：
46.获取多个与所述待测电池型号相同的参考电池的历史充电数据；
47.根据所述历史充电数据获取多个所述参考电池所对应的充电电压压降、不同循环圈数所对应的参考容量和参考容量增量曲线峰高；
48.根据所述电压压降、所述参考容量和所述参考容量增量曲线峰高生成所述容量预估模型。
49.其中在生成所述容量预估模型时，除了根据所述参考容量和所述参考容量增量曲线峰高的线性回归关系外，还可以根据多个所述参考电池所对应的充电电压压降与所述参考容量和所述参考容量增量曲线峰高的对应关系共同生成所述容量预估模型。电压压降作为额外参量，训练生成容量预估模型，可以提高容量预估模型的识别精确度。
50.为了提升分选效率，并且保证分选退役电池过程的安全，可以根据电池的直流内阻数据直接将异常电池排除，排除后的电池不做容量预估，这样可保证未被排除的电池均是内阻合格的电池，且能加快分选速度。对应的，所述退役电池梯次利用分选方法还包括：对充电中的待测电池进行测试，获取所述待测电池在充电过程中的直流内阻；根据所述直流内阻和预设的内阻分布曲线筛选多个所述待测电池中的异常电池。具体地说，基于获取的直流内阻，进行内阻分布统计，筛选内阻值处于正态分布置信区间95％以内，且内阻不大于1.5ro的电池，进行下一步分选，其中ro为电池出厂时的常规内阻值，而1.5则为基于常规认知所确定的数值倍数。
51.在一些实施例中，内阻分布曲线通过以下步骤生成：对多个所述参考电池进行直流阻抗测试，获取多个所述参考电池对应的参考内阻；根据多个所述参考内阻的正态分布情况获取对应的内阻分布曲线。这里的参考电池可以是这一批待测电池里的部分电池，也可以是另一批作为训练样本的电池，具体地说，对参考电池的参考内阻进行正态分布处理，生成对应的正态分布曲线及内阻分布曲线，通过内阻分布曲线所对应的置信区间对待测电池进行筛选。
52.因此本技术分选操作是基于相同型号的多个待测电池和/或多个参考电池的特征参数(如当前容量增量曲线峰高、直流内阻等)进行的，为了保证多个待测电池和/或多个参考电池具有相同型号或者规格保持一致，该退役电池梯次利用分选方法在特征参数测试步骤之前还包括：一致性检查步骤。一致性检查步骤主要是对电池是否有相同型号或者规格进行检查，排除异常的电池，防止异常电池的数据干扰。具体的，一致性检查步骤包括：对所述多个待测电池和/或所述多个参考电池进行一致性检查，筛选出所述多个待测电池和/或所述多个参考电池中的异常电池；其中一致性检查包括电池外观检查、型号、批次、使用年限、额定容量、额定功率、上限电压值、下限电压值、工作电压等基础检查，以确保退役电池合理分组。
53.进一步地，在对待测退役电池进行充电并获取待测退役电池的当前容量增量曲线峰高之前，可对待测退役电池进行检查，以筛选出异常电池。该检查包括但不限于检查待测退役电池的外观、型号、批次、使用年限、额定容量、额定功率、上限电压值、下限电压值、工作电压等，基于此，一方面可以确保待测退役电池的型号与参考电池的型号相一致；另一方面可检查出待测退役电池是否为异常电池。其中拆解后电池样品外观、性能、安全等基础检查包括电池样品标签完整性检查、电池外壳漏液、划痕、线束和端口完好性等外观检查、电池样品绝缘内阻检查、耐压测试等。
54.从本技术整体技术方案可以看出：本发明实施方式的退役电池梯次利用分选方法
基于历史充电数据，建立容量vs容量增量曲线峰高线性模型，实现快速的电池容量计算。并通过直流阻抗测试以及一致性检查，充分保障分选效率和电池一致性，保证分选电池时的安全质量。
55.前文所述参考电池与该批待测电池相同型号的电池，该参考电池可以是退役电池，当然该参考电池不限于为退役电池，还可以是非退役电池，对此本技术不做规定，始终保持参考电池的型号与待测退役电池的型号相一致即可。例如退役电池的型号为3914895型，那么参考电池的型号也要为3914895型。
56.进一步地，该状态为参考电池充放电循环次数，也即获取参考电池不同的充放电循环次数下的历史数据即可作为待测退役电池的参考数据。例如参考电池的充放电循环次数为100次,那么可以获取该参考电池100次的充放电循环次数中每一次的历史数据。因此在获取该参考电池100次的充放电循环次数中每一次的历史容量和历史容量增量曲线峰高时，该历史容量可以是每次充放电循环中的放电容量；历史容量增量曲线峰高可以是每次充放电循环中的充电段容量增量曲线的峰高。
57.进一步地，该历史数据可以为参考电池使用过程中的数据，还可以是通过实验的方法获取的数据。例如可以通过如下实验的方法获取电池单体在低温条件下的历史容量:首先将电池单体放置于温箱内静置一段时间(例如2小时)，直至电池达到预设温度(如-10℃)；将温箱内温度设置至预定温度，该预定温度例如为-10℃；然后以电池厂家规定的标准充电方式充至满电，其中标准充电方式可以是以0.1c至1c范围内的倍率充至截止电压，再转恒压充电直到电流降为0.05c；接着静置一段时间，如2小时，再以电池厂家规定的标准放电方式如0.1c至0.5c的放电方式，放电至放电截止电压。接着静置一段时间，如2小时。后续重复以上充电、静置和放电的步骤，并获取n圈循环数据，取第n圈放电容量为该第n圈的容量。
58.在本实施方式中，根据所述参考容量和所述参考容量增量曲线峰高的线性回归关系，可构建基于历史容量以及历史容量增量曲线峰高的线性回归模型。具体地，该线性回归模型的公式为y＝β0+xβ1，其中，y为不同充放电循环圈数下测得的放电容量组成的一维矩阵，yi为参考电池第i次充放电循环圈数下的放电容量，n为不小于2的自然数，例如n＝100，对应的y为100次充放电循环圈数下测得的放电容量组成的一维矩阵
59.x为不同充放电循环圈数下充电段，容量增量曲线峰高组成的一维或多维矩阵，x
nm
为参考电池第n次充放电循环圈数的容量增量曲线中的第m个峰高，n为不小于2的自然数，m为大于等于1(小于等于4)的自然数，例如n＝100。m＝3，对应的x为100次充放电循环圈数下充电段，容量增量曲线第1、2、3个峰的峰高组成的100*3矩
阵。进一步地，yi具有对应循环圈数下的x
im
。
60.进一步地，下面以参考电池为电池模组为例构建线性回归模型，具体地，图6为所获取的电池模组的充电过程历史容量增量曲线峰高的数据。根据图6所测量的数据进行分析并构建出该电池模组的线性模型：y＝2.63x+33.42，其中y为不同充放电循环圈数下测得的放电容量组成的一维矩阵，x为不同充放电循环圈数下充电段，容量增量曲线峰高组成的一维矩阵，所得模型均方根误差值为1.09，平均误差0.85％，针对上述误差值进行说明：均方根误差值越小，该模型的预测准确度越高；平均误差小于10％，即说明该模型的精度较高。
61.进一步地，本发明实施方式所述的退役电池梯次利用分选方法还包括：获取参考电池的不同状态下的历史充电电压压降δv，例如图5所示为电池单体充满电10分种内的充电电压压降δv。进一步地，该充电电压压降δv为从充电电流降为0a开始，持续一定时长内的电压降，例如该一定持续时长为5min至1h。
62.其中，其中δvci为参考电池第i次充放电循环圈数下的历史充电电压压降，将充电电压压降作为构建线性回归模型的一个参数，通过增加充电电压压降对线性回归模型进行训练，可以提高线性回归模型的精度。进一步地，下面以参考电池为相同型号的三元锂电池的电池单体为例构建线性回归模型。具体地，图2为电池单体的历史充电容量增量曲线图，其中电池单体历史充充放电循环中的充电过程共计4个特征峰位，该4个特征峰位的峰高分别表示为p1、p2、p3、p4。图3为本发明实施例所提供的电池单体高温环境下循环过程的充电容量增量曲线中的p2、p3与容量的关系图，图4为本发明实施例所提供的电池单体低温环境下循环过程的充电容量增量曲线中的p2、p3与容量的关系图，图5为电池单体充满电10min内的压降。
63.进一步地，依据图3、图4和图5中所示的不同特征参数进行分析并获得该电池单体的线性模型：y＝-48.699
×
δvc-0.016
×
p2+0.626
×
p3+21.852，其中y为不同充放电循环圈数下测得的放电容量组成的一维矩阵，x为不同充放电循环圈数下充电段，容量增量曲线峰高组成的一维或多维矩阵，所得模型的均方根误差值为0.531，平均误差值为0.43％，基于上述方根误差值和平均误差值可以确定，相比于只使用峰高特征参数获取的模型，误差进一步减小，即精度进一步提高。
64.在本实施方式中，通过对待测退役电池进行充电并同时获取待测退役电池的当前容量增量曲线峰高。具体地，例如可以以0.5c-1c的充电倍率或电池制造商规定的充电倍率对待测退役电池进行充电并获取待测退役电池的当前容量增量曲线，且在待测退役电池的当前容量增量曲线上选取当前容量增量曲线峰高。进一步地，待测退役电池充电结束电压可以不达到待测退役电池上限电压，当前容量增量曲线峰高电压须包含在充电起始电压至充电结束电压之间。如果充至满电即电压达到上限电压，可以额外获取
△
vc。在本发明实施例中，
△
vc是可以根据实际需求进行选定的特征参数，在实际需求中可以将其作为模型的输入参数，进一步提高模型精度。
65.在本实施方式中，可以根据线性回归模型和当前容量增量曲线峰高，以得到待测退役电池的当前容量的预估值。其中，根据退役电池的当前容量的分布曲线和待测退役电池的当前容量的预估值，对待测退役电池进行分选，具体包括:当待测退役电池的当前容量的预估值位于当前容量的分布曲线的95％的置信区间外时，待测退役电池为异常电池。也即当前容量分布在威布尔分布95％置信区间的电池分选为同组。例如该参考电池的线性回归模型为：y＝-0.016
×
p1+0.626
×
p2+21.852，可以将待测退役电池的当前容量增量曲线的两个峰高(即p1和p2)代入该线性回归模型：y＝-0.016
×
p1+0.626
×
p2+21.852，即可求出待测退役电池的当前容量的预估值。以此方式可获取多个退役电池的当前容量值，该当前容量值即为退役电池当下的容量。其中当前容量值也可以是多个退役电池的容量值，例如获取95个额定容量为52ah的磷酸铁锂串联电池单体的当前容量值。
66.在一个实施方式中，可通过对待测退役电池进行直流阻抗测试的方式获取待测退役电池的当前直流内阻。具体地，该直流阻抗测试可以是在对待测退役电池进行充电并获取待测退役电池的当前容量增量曲线峰高的过程中进行，同步获取待测退役电池的当前直流内阻。进一步地，充电过程的直流阻抗测试应在30％soc(state of charge，电池荷电状态)至80％soc内进行，且进行直流阻抗测试对应电压不等于容量增量曲线特征峰位电压。
67.进一步地，根据退役电池的当前直流内阻的分布曲线和待测退役电池的当前直流内阻，对待测退役电池进行分选。如此可以挑选出直流内阻异常的待测退役电池，进而充分保障了分选效率和电池一致性，保证分选电池时的安全质量。
68.具体地，在对待测退役电池进行分选之前可以先获取多个退役电池的当前直流内阻，同时参考直流内阻对待测退役电池进行分选。可以获取10个、20个、30个等多个退役电池的当前的直流内阻,例如获取95个额定容量为52ah的磷酸铁锂串联电池单体的当前直流内阻。
69.对多个退役电池的当前直流内阻进行统计，得到退役电池的当前直流内阻的分布曲线。具体地，对95个额定容量为52ah的磷酸铁锂串联电池单体的当前直流内阻进行统计，统计结果如图8所示。进一步地，可以采到偏度s这一参数表征参数的统计数据分布偏斜方向和程度,其计算公式为其中，图8中所示的退役电池的当前直流内阻的分布呈现为左偏态，偏度为1.088，大部分电池的内阻集中在2.9-3.4mω这一范围内，但少部分电池的内阻达到了3.7mω。电池直流内阻统计分布更符合正态分布特征。正态分布与的概率密度函数可表示为其中μ和σ2分别表示为样本的均值和方差。
70.进一步地，根据退役电池的当前直流内阻的分布曲线和待测退役电池的当前直流内阻，对待测退役电池进行分选，具体包括：当待测退役电池的当前直流内阻位于当前直流内阻的分布曲线的95％的置信区间外时，待测退役电池则为异常电池。如此，根据以上统计分析结果，在筛选电池时，应剔除直流内阻在正态分布95％置信区间以外的电池和容量分布在weibull分布95％置信区间意外的电池。
71.如图9所示，本发明的实施方式还提供一种退役电池梯次利用分选系统10，其包括
特征参数测试模块1、预估容量模块2以及分选模块3。特征参数测试模块1用于对充电中的多个待测电池进行测试，得到所述多个待测电池在充电过程中对应的特征参数，所述特征参数包括当前容量增量曲线峰高；预估容量模块2用于基于多个与所述待测电池型号相同的参考电池的历史充电数据生成容量预估模型，根据所述当前容量增量曲线峰高和所述容量预估模型得到多个所述待测电池对应的当前预估容量；分选模块3用于根据多个所述当前预估容量对多个所述待测电池进行分选。本发明实施方式的退役电池梯次利用分选系统基于历史充电数据，建立容量vs容量增量曲线峰高线性模型，实现快速的电池容量计算。并通过结合直流阻抗测试以及一致性检查，充分保障分选效率和电池一致性，保证分选电池时的安全质量。
72.本发明还提供一种电子设备，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行前文所述的退役电池梯次利用分选方法中的操作。
73.本发明还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行前文所述的退役电池梯次利用分选方法中的步骤。
74.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
75.以上对本发明实施例所提供的一种退役电池梯次利用分选方法及系统、电子设备、存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想；本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例的技术方案的范围。