一种换电柜的电池检测回收方法、系统及存储介质与流程

1.本发明涉及电池检测领域，更具体的，涉及一种换电柜的电池检测回收方法、系统及存储介质。


背景技术：

2.随着电动车行业的高速发展，在推动节能减排理念的同时也是服务创新变革与消费的升级，电动车虽然便于出行，但也存在着许多痛点：电池续航不给力、充电不方便、充电不安全等，此时换电柜不仅满足人们的换电需求，更能将电池更好地循环，在快递、外卖等行业得到迅速传播，而在传统的换电柜中仅能为电池提供充电服务，无法判断电池的健康状态，而不良健康状况的电池在使用过程中存在很大的安全隐患，因此通过换电柜对不良健康状况的电池进行检测回收成为社会关注的重要问题之一。
3.为了能够通过换电柜实现电池的检测及回收，需要开发一款系统与之配合进行控制，该系统获取换电柜内电池充电的充电数据判断电池的充电工况、老化情况、电池一致性情况及故障隐患；评估电池的健康状况，根据电池健康状况判断电池是否需要回收；若电池存在安全隐患但电池健康状况达不到回收标准，则模拟电池运行消耗；根据电池运行消耗判断电池是否需要回收；通过自动回收装置对待回收电池进行回收，同时放置新的电池。在该系统实现过程中，如何根据电池的充电数据判断电池的充电工况、老化情况及故障隐患是亟不可待需要解决的问题。


技术实现要素：

4.为了解决上述技术问题，本发明提出了一种换电柜的电池检测回收方法、系统及存储介质。
5.本发明第一方面提供了一种换电柜的电池检测回收方法，包括：获取换电柜内电池充电的充电数据，根据充电数据判断电池的充电工况、老化情况、电芯一致性情况及故障隐患；根据所述充电工况、老化情况、电芯一致性情况及故障隐患评估电池的健康状况，根据电池健康状况的所落区间判断电池是否需要回收；若所述电池健康状况小于预设电池健康状况阈值，则将电池设置回收标签；若所述换电柜内电池存在安全隐患但所述电池健康状况不小于预设电池健康状况阈值，则模拟电池运行消耗；若电池模拟消耗最大功率达不到预设功率标准，则将电池设置回收标签；通过换电柜的自动回收装置对带有回收标签的电池进行回收，同时放置新的电池。
6.本方案中，根据充电数据获取电池的充电工况，具体为：获取换电柜内电池的电池编号信息及充电数据，将所述电池编号信息与对应充电数据进行匹配；
将所述充电数据构建时序数据序列，将所述时序数据序列进行分割为若干数据段，获取若干数据段的单特征值；将所述若干数据段的单特征值进行融合生成所述时序数据序列的融合特征；获取健康电池的充电特征，根据所述融合特征与所述健康电池的充电特征进行对比分析，生成特征偏差率；预设特征偏差率阈值，根据所述特征偏差率与所述特征偏差率阈值的对比结果判断电池的充电工况。
7.本方案中，根据充电数据获取电池的老化情况，具体为：通过所述充电数据获取电池各充电阶段的充电曲线及电池循环次数；根据所述电池各充电阶段的充电曲线获取电池恒压充电时间及电池恒流充电时间，计算恒流充电时间及恒压充电时间的比值；将所述比值与所述电池循环次数进行拟合，剔除异常数据点，得到所述比值与电池循环次数的关系曲线；通过所述关系曲线提取电池的老化特征，根据所述老化特征获取电池的老化情况。
8.本方案中，根据充电数据获取电池的电芯一致性情况，具体为：通过所述充电数据获取电池各电芯的单体电芯的电压信息和温度信息；根据所述电池各电芯的单体电压信息和温度温度，计算电池内各电芯的压差和温差，并根据所述压差和温差生成电池的一致性数据；预设电池一致性评估标准，通过所述一致性评估标准根据所述一致性数据评估电池的一致性情况。
9.本方案中，通过充电数据对电池的故障隐患进行监测，同时对电池的故障隐患类型进行分类，具体为：将充电数据进行数据清洗，构成充电数据集，将所述充电数据集分为训练数据集及验证数据集；基于回归树模型建立故障隐患判断模型，通过所述训练数据集采用迭代方式进行故障隐患判断模型的训练，计算树结构的每个叶节点的数值和损失函数值得到所述故障隐患判断模型的最优结构；将所述训练数据集中的特征进行提取构建特征矩阵，将所述特征矩阵导入所述故障隐患判断模型；根据所述故障隐患判断模型的判断结果进行精确性检验，计算所述判断结果与验证数据集中样本数据的结果偏差率；判断所述结果偏差率是否小于预设结果偏差率阈值，若小于，则证明所述故障隐患判断模型的精度符合预设标准，输出故障隐患判断模型；根据所述故障隐患判断模型检测换电柜内电池的故障隐患，生成故障隐患矩阵，将所述故障隐患矩阵与电池故障标识矩阵进行匹配，根据匹配度对电池的故障隐患类型进行分类。
10.本方案中，所述的根据所述充电工况、老化情况、电芯一致性情况及故障隐患评估电池的健康状况，根据电池健康状况判断电池是否回收，具体为：
获取用于计算电池的充电工况、老化情况、电芯一致性情况及故障隐患指标值的原始数据，分别计算各个评估指标的指标值；根据所述指标值和各个评估指标的得分计算方式计算电池的充电工况、老化情况、电芯一致性情况及故障隐患的指标得分；根据电池的充电工况、老化情况、电芯一致性情况及故障隐患的指标得分匹配预设权重信息获取电池的综合得分，根据预设阈值构建综合得分阈值区间；根据所述综合得分所落在的阈值区间确定电池的健康状况，根据所述健康状况确定电池是否需要回收。
11.本方案中，所述的模拟电池运行消耗，具体为：获取电动车行驶过程中的历史骑行数据，基于神经网络构建电池运行消耗模型；通过多数历史骑行数据对多数电池运行消耗模型进行训练，根据所述历史骑行数据提取与电能消耗相关的变量数据；将与电能消耗相关的变量数据输入电池运行消耗模型，调整所述电池运行消耗模型的参数，保存最优模型参数；根据训练后的电池运行消耗模型生成骑行过程中的电池能耗值变化，并根据电池能耗值变化生成电池模拟消耗最大功率；将电池模拟消耗最大功率与电池标准最大功率进行比较生成功率偏差率，若所述功率偏差率大于预设功率偏差阈值，则将电池设置回收标签。
12.本发明第二方面还提供了一种换电柜的电池检测回收系统，该系统包括：存储器、处理器，所述存储器中包括一种换电柜的电池检测回收方法程序，所述一种换电柜的电池检测回收方法程序被所述处理器执行时实现如下步骤：获取换电柜内电池充电的充电数据，根据充电数据判断电池的充电工况、老化情况、电芯一致性情况及故障隐患；根据所述充电工况、老化情况、电芯一致性情况及故障隐患评估电池的健康状况，根据电池健康状况的所落区间判断电池是否需要回收；若所述电池健康状况小于预设电池健康状况阈值，则将电池设置回收标签；若所述换电柜内电池存在安全隐患但所述电池健康状况不小于预设电池健康状况阈值，则模拟电池运行消耗；若电池模拟消耗最大功率达不到预设功率标准，则将电池设置回收标签；通过换电柜的自动回收装置对带有回收标签的电池进行回收，同时放置新的电池。
13.本方案中，根据充电数据获取电池的充电工况，具体为：获取换电柜内电池的电池编号信息及充电数据，将所述电池编号信息与对应充电数据进行匹配；将所述充电数据构建时序数据序列，将所述时序数据序列进行分割为若干数据段，获取若干数据段的单特征值；将所述若干数据段的单特征值进行融合生成所述时序数据序列的融合特征；获取健康电池的充电特征，根据所述融合特征与所述健康电池的充电特征进行对比分析，生成特征偏差率；
预设特征偏差率阈值，根据所述特征偏差率与所述特征偏差率阈值的对比结果判断电池的充电工况。
14.本方案中，根据充电数据获取电池的老化情况，具体为：通过所述充电数据获取电池各充电阶段的充电曲线及电池循环次数；根据所述电池各充电阶段的充电曲线获取电池恒压充电时间及电池恒流充电时间，计算恒流充电时间及恒压充电时间的比值；将所述比值与所述电池循环次数进行拟合，剔除异常数据点，得到所述比值与电池循环次数的关系曲线；通过所述关系曲线提取电池的老化特征，根据所述老化特征获取电池的老化情况。
15.本方案中，根据充电数据获取电池的电芯一致性情况，具体为：通过所述充电数据获取电池各电芯的单体电芯的电压信息和温度信息；根据所述电池各电芯的单体电压信息和温度温度，计算电池内各电芯的压差和温差，并根据所述压差和温差生成电池的一致性数据；预设电池一致性评估标准，通过所述一致性评估标准根据所述一致性数据评估电池的一致性情况。
16.本方案中，通过充电数据对电池的故障隐患进行监测，同时对电池的故障隐患类型进行分类，具体为：将充电数据进行数据清洗，构成充电数据集，将所述充电数据集分为训练数据集及验证数据集；基于回归树模型建立故障隐患判断模型，通过所述训练数据集采用迭代方式进行故障隐患判断模型的训练，计算树结构的每个叶节点的数值和损失函数值得到所述故障隐患判断模型的最优结构；将所述训练数据集中的特征进行提取构建特征矩阵，将所述特征矩阵导入所述故障隐患判断模型；根据所述故障隐患判断模型的判断结果进行精确性检验，计算所述判断结果与验证数据集中样本数据的结果偏差率；判断所述结果偏差率是否小于预设结果偏差率阈值，若小于，则证明所述故障隐患判断模型的精度符合预设标准，输出故障隐患判断模型；根据所述故障隐患判断模型检测换电柜内电池的故障隐患，生成故障隐患矩阵，将所述故障隐患矩阵与电池故障标识矩阵进行匹配，根据匹配度对电池的故障隐患类型进行分类。
17.本方案中，所述的根据所述充电工况、老化情况、电芯一致性情况及故障隐患评估电池的健康状况，根据电池健康状况判断电池是否回收，具体为：获取用于计算电池的充电工况、老化情况、电芯一致性情况及故障隐患指标值的原始数据，分别计算各个评估指标的指标值；根据所述指标值和各个评估指标的得分计算方式计算电池的充电工况、老化情况、电芯一致性情况及故障隐患的指标得分；根据电池的充电工况、老化情况、电芯一致性情况及故障隐患的指标得分匹配预
设权重信息获取电池的综合得分，根据预设阈值构建综合得分阈值区间；根据所述综合得分所落在的阈值区间确定电池的健康状况，根据所述健康状况确定电池是否需要回收。
18.本方案中，所述的模拟电池运行消耗，具体为：获取电动车行驶过程中的历史骑行数据，基于神经网络构建电池运行消耗模型；通过多数历史骑行数据对多数电池运行消耗模型进行训练，根据所述历史骑行数据提取与电能消耗相关的变量数据；将与电能消耗相关的变量数据输入电池运行消耗模型，调整所述电池运行消耗模型的参数，保存最优模型参数；根据训练后的电池运行消耗模型生成骑行过程中的电池能耗值变化，并根据电池能耗值变化生成电池模拟消耗最大功率；将电池模拟消耗最大功率与电池标准最大功率进行比较生成功率偏差率，若所述功率偏差率大于预设功率偏差阈值，则将电池设置回收标签。
19.本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种换电柜的电池检测回收方法程序，所述一种换电柜的电池检测回收方法程序被处理器执行时，实现如上述任一项所述的一种换电柜的电池检测回收方法的步骤。
20.本发明公开了一种换电柜的电池检测回收方法、系统及存储介质，包括：获取换电柜内电池充电的充电数据判断电池的充电工况、老化情况、电池一致性情况及故障隐患；评估电池的健康状况，根据电池健康状况判断电池是否需要回收；若所述电池健康状况小于预设电池健康状况阈值，则将电池设置回收标签；若电池存在安全隐患但所述电池健康状况不小于预设电池健康状况阈值，则模拟电池运行消耗；若电池模拟消耗最大功率达不到预设功率标准，则将电池设置回收标签；通过自动回收装置对带有回收标签的电池进行回收，同时放置新的电池。本发明通过换电柜对电池的充电数据进行检测，及时对故障电池进行回收，避免电池的安全隐患。
附图说明
21.图1示出了本发明一种换电柜的电池检测回收方法的流程图。
22.图2示出了本发明根据电池健康状况判断电池是否回收的方法流程图。
23.图3示出了本发明一种换电柜的电池检测回收系统的框图。
具体实施方式
24.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
25.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
26.图1示出了本发明一种换电柜的电池检测回收方法的流程图。
27.如图1所示，本发明第一方面提供了一种换电柜的电池检测回收方法，包括：
s102，获取换电柜内电池充电的充电数据，根据充电数据判断电池的充电工况、老化情况、电芯一致性情况及故障隐患；s104，根据所述充电工况、老化情况、电芯一致性情况及故障隐患评估电池的健康状况，根据电池健康状况的所落区间判断电池是否需要回收；s106，若所述电池健康状况小于预设电池健康状况阈值，则将电池设置回收标签；s108，若所述换电柜内电池存在安全隐患但所述电池健康状况不小于预设电池健康状况阈值，则模拟电池运行消耗；s110，若电池模拟消耗最大功率达不到预设功率标准，则将电池设置回收标签；s112，通过换电柜的自动回收装置对带有回收标签的电池进行回收，同时放置新的电池。
28.需要说明的是，根据充电数据获取电池的充电工况，具体为：获取换电柜内电池的电池编号信息及充电数据，将所述电池编号信息与对应充电数据进行匹配；将所述充电数据构建时序数据序列，将所述时序数据序列进行分割为若干数据段，获取若干数据段的单特征值；将所述若干数据段的单特征值进行融合生成所述时序数据序列的融合特征；获取健康电池的充电特征，根据所述融合特征与所述健康电池的充电特征进行对比分析，生成特征偏差率；预设特征偏差率阈值，根据所述特征偏差率与所述特征偏差率阈值的对比结果判断电池的充电工况。
29.需要说明的是，根据充电数据获取电池的老化情况，具体为：通过所述充电数据获取电池各充电阶段的充电曲线及电池循环次数；根据所述电池各充电阶段的充电曲线获取电池恒压充电时间及电池恒流充电时间，计算恒流充电时间及恒压充电时间的比值；将所述比值与所述电池循环次数进行拟合，剔除异常数据点，得到所述比值与电池循环次数的关系曲线；通过所述关系曲线提取电池的老化特征，根据所述老化特征获取电池的老化情况。
30.需要说明的是，基于支持向量机结合老化特征生成电池的老化情况，其中支持向量回归函数为：，其中， 为权重向量，表示特征参数，表示维度信息，表示非线性映射函数，表示偏执。通过训练数据对支持向量机进行训练，当训练误差小于预设误差阈值时，则说明训练完毕，通过恒压充电曲线先计算恒压充电时间，再得到恒流充电时间，以恒压充电时间和恒流充电时间作为特征参数对电池的老化情况进行判断，采用恒压充电时间和恒流充电时间作为联合老化特征，可以显著地提高电池的老化判断精度。
31.需要说明的是，根据充电数据获取电池的电芯一致性情况，具体为：通过所述充电数据获取电池各电芯的单体电芯的电压信息和温度信息；根据所述电池各电芯的单体电压信息和温度温度，计算电池内各电芯的压差和温
差，并根据所述压差和温差生成电池的一致性数据；预设电池一致性评估标准，通过所述一致性评估标准根据所述一致性数据评估电池的一致性情况；所述的预设电池一致性评估标准，根据大数据分析获取多个压差及温差阈值，通过多个压差及温差阈值构成多个阈值区间，并将多个阈值区间分别赋予一致性等级，通过换电柜内电池的一致性数据所落在的阈值区间获取电池的一致性情况。
32.需要说明的是，通过充电数据对电池的故障隐患进行监测，同时对电池的故障隐患类型进行分类，具体为：将充电数据进行数据清洗，构成充电数据集，将所述充电数据集分为训练数据集及验证数据集；基于回归树模型建立故障隐患判断模型，通过所述训练数据集采用迭代方式进行故障隐患判断模型的训练，计算树结构的每个叶节点的数值和损失函数值得到所述故障隐患判断模型的最优结构；将所述训练数据集中的特征进行提取构建特征矩阵，将所述特征矩阵导入所述故障隐患判断模型；根据所述故障隐患判断模型的判断结果进行精确性检验，计算所述判断结果与验证数据集中样本数据的结果偏差率；判断所述结果偏差率是否小于预设结果偏差率阈值，若小于，则证明所述故障隐患判断模型的精度符合预设标准，输出故障隐患判断模型；根据所述故障隐患判断模型检测换电柜内电池的故障隐患，生成故障隐患矩阵，将所述故障隐患矩阵与电池故障标识矩阵进行匹配，根据匹配度对电池的故障隐患类型进行分类。
33.图2示出了本发明根据电池健康状况判断电池是否回收的方法流程图。
34.根据本发明实施例，所述的根据所述充电工况、老化情况、电芯一致性情况及故障隐患评估电池的健康状况，根据电池健康状况判断电池是否回收，具体为：s202，获取用于计算电池的充电工况、老化情况、电芯一致性情况及故障隐患指标值的原始数据，分别计算各个评估指标的指标值；s204，根据所述指标值和各个评估指标的得分计算方式计算电池的充电工况、老化情况、电芯一致性情况及故障隐患的指标得分；s206，根据电池的充电工况、老化情况、电芯一致性情况及故障隐患的指标得分匹配预设权重信息获取电池的综合得分，根据预设阈值构建综合得分阈值区间；s208，根据所述综合得分所落在的阈值区间确定电池的健康状况，根据所述健康状况确定电池是否需要回收。
35.需要说明是的，当换电柜内电池的健康状况小于预设的健康状况阈值时，则通过换电柜的自动回收装置对电池进行回收并放置新电池，所述自动回收装置可以为机械臂或者滑轨结构。对于电池健康状况满足要求，还未达到回收标准的电池，系统将测算得到的电池健康状况信息通过通讯写入到电池中，给电池内的bms电池系统作为控制和保护的参考信息和数据。
36.需要说明的是，所述的模拟电池运行消耗，具体为：
获取电动车行驶过程中的历史骑行数据，基于神经网络构建电池运行消耗模型；通过多数历史骑行数据对多数电池运行消耗模型进行训练，根据所述历史骑行数据提取与电能消耗相关的变量数据；将与电能消耗相关的变量数据输入电池运行消耗模型，调整所述电池运行消耗模型的参数，保存最优模型参数；根据训练后的电池运行消耗模型生成骑行过程中的电池能耗值变化，并根据电池能耗值变化生成电池模拟消耗最大功率；将电池模拟消耗最大功率与电池标准最大功率进行比较生成功率偏差率，若所述功率偏差率大于预设功率偏差阈值，则将电池设置回收标签。
37.其中电池的最大输出功率的计算公式具体为：其中，为电池最大输出功率，电池骑行过程中最大输出电压，表示电动车负载电阻，表示电池内阻。
38.根据本发明实施例，本发明还包括，获取骑行产生的骑行数据，根据所述骑行数据构建拓展数据库，具体为：获取骑行过程中电池工作数据及定位数据，构建拓展数据库，并将所述电池工作数据及定位数据存入所述拓展数据库内；根据拓展数据库内的定位数据生成目标区域内在租电池分布，根据所述在租电池分布生成当前热点区域；根据所述当前热点区域及实时定位数据根据大数据分析预测预设时间后的热点区域信息，并将所述热点区域信息在换电柜上按照预设方式进行显示；若当前换电柜中没有可租电池，则根据所述热点区域信息生成建议租用换电柜信息，将所述建议租用换电柜信息在换电柜上按照预设方式进行显示或反馈到用户的智能手机app中。
39.需要说明的是，构建拓展数据库，将电池在租过程中骑行产生的高拓展数据进行存储，通过大数据分析及深度挖掘，更高效的分配电池信息，满足热点区域的电池租用需求，从当前目标区域内在租电池分布预见预设时间后的热点区域信息，为交通出行管理提供有价值的数据参考；同时通过数据可视化管理实现高效的电池租用的运营管理。
40.根据本发明实施例，本发明还包括通过骑行过程中的电池工作数据进行电池运行消耗模型的误差修正，具体为：根据电池的编号信息，通过电池运行消耗模型进行电池的动能转化模拟，根据模拟结果结合气象特征生成电动车续航里程预测，并将续航里程预测信息进行存储；根据骑行过程中电池的工作数据生成电池实际续航里程信息；将所述的里程预测信息与实际续航里程信息进行比较，生成偏差率，并预设偏差率阈值；判断所述偏差率是否大于预设偏差率阈值；
若大于，则生成误差补偿信息，通过所述误差补偿信息对所述电池运行消耗模型进行模拟精确性修正。
41.需要说明的是，通过骑行过程中电池的工作数据拟合生成电池工作曲线，同时生成电池实际续航里程信息，获取了电池实际续航里程信息之后可以将电池实际续航信息与续航里程预测信息进行比较，得到偏差率。偏差率的是续航里程预测信息与续航里程实际信息做减法运算后求绝对值与续航里程实际信息的除法运算结果。当偏差率大于预设的偏差率阈值时，说明存在了较大的偏差，需要进行电池运行消耗模型的参数调整。
42.图3示出了本发明一种换电柜的电池检测回收系统的框图。
43.本发明第二方面还提供了一种换电柜的电池检测回收系统3，该系统包括：存储器31、处理器32，所述存储器中包括一种换电柜的电池检测回收方法程序，所述一种换电柜的电池检测回收方法程序被所述处理器执行时实现如下步骤：获取换电柜内电池充电的充电数据，根据充电数据判断电池的充电工况、老化情况、电芯一致性情况及故障隐患；根据所述充电工况、老化情况、电芯一致性情况及故障隐患评估电池的健康状况，根据电池健康状况的所落区间判断电池是否需要回收；若所述电池健康状况小于预设电池健康状况阈值，则将电池设置回收标签；若所述换电柜内电池存在安全隐患但所述电池健康状况不小于预设电池健康状况阈值，则模拟电池运行消耗；若电池模拟消耗最大功率达不到预设功率标准，则将电池设置回收标签；通过换电柜的自动回收装置对带有回收标签的电池进行回收，同时放置新的电池。
44.需要说明是的，对于电池健康状况满足要求，还未达到回收标准的电池，系统将测算得到的电池健康状况信息通过通讯写入到电池中，给电池内的bms电池系统作为控制和保护的参考信息和数据。
45.需要说明的是，根据充电数据获取电池的充电工况，具体为：获取换电柜内电池的电池编号信息及充电数据，将所述电池编号信息与对应充电数据进行匹配；将所述充电数据构建时序数据序列，将所述时序数据序列进行分割为若干数据段，获取若干数据段的单特征值；将所述若干数据段的单特征值进行融合生成所述时序数据序列的融合特征；获取健康电池的充电特征，根据所述融合特征与所述健康电池的充电特征进行对比分析，生成特征偏差率；预设特征偏差率阈值，根据所述特征偏差率与所述特征偏差率阈值的对比结果判断电池的充电工况。
46.需要说明的是，根据充电数据获取电池的老化情况，具体为：通过所述充电数据获取电池各充电阶段的充电曲线及电池循环次数；根据所述电池各充电阶段的充电曲线获取电池恒压充电时间及电池恒流充电时间，计算恒流充电时间及恒压充电时间的比值；将所述比值与所述电池循环次数进行拟合，剔除异常数据点，得到所述比值与电
池循环次数的关系曲线；通过所述关系曲线提取电池的老化特征，根据所述老化特征获取电池的老化情况。
47.需要说明的是，基于支持向量机结合老化特征生成电池的老化情况，其中支持向量回归函数为：，其中， 为权重向量，表示特征参数，表示维度信息，表示非线性映射函数，表示偏执。通过训练数据对支持向量机进行训练，当训练误差小于预设误差阈值时，则说明训练完毕，通过恒压充电曲线先计算恒压充电时间，再得到恒流充电时间，以恒压充电时间和恒流充电时间作为特征参数对电池的老化情况进行判断，采用恒压充电时间和恒流充电时间作为联合老化特征，可以显著地提高电池的老化判断精度。
48.需要说明的是，根据充电数据获取电池的电芯一致性情况，具体为：通过所述充电数据获取电池各电芯的单体电芯的电压信息和温度信息；根据所述电池各电芯的单体电压信息和温度温度，计算电池内各电芯的压差和温差，并根据所述压差和温差生成电池的一致性数据；预设电池一致性评估标准，通过所述一致性评估标准根据所述一致性数据评估电池的一致性情况；所述的预设电池一致性评估标准，根据大数据分析获取多个压差及温差阈值，通过多个压差及温差阈值构成多个阈值区间，并将多个阈值区间分别赋予一致性等级，通过换电柜内电池的一致性数据所落在的阈值区间获取电池的一致性情况。
49.需要说明的是，通过充电数据对电池的故障隐患进行监测，同时对电池的故障隐患类型进行分类，具体为：将充电数据进行数据清洗，构成充电数据集，将所述充电数据集分为训练数据集及验证数据集；基于回归树模型建立故障隐患判断模型，通过所述训练数据集采用迭代方式进行故障隐患判断模型的训练，计算树结构的每个叶节点的数值和损失函数值得到所述故障隐患判断模型的最优结构；将所述训练数据集中的特征进行提取构建特征矩阵，将所述特征矩阵导入所述故障隐患判断模型；根据所述故障隐患判断模型的判断结果进行精确性检验，计算所述判断结果与验证数据集中样本数据的结果偏差率；判断所述结果偏差率是否小于预设结果偏差率阈值，若小于，则证明所述故障隐患判断模型的精度符合预设标准，输出故障隐患判断模型；根据所述故障隐患判断模型检测换电柜内电池的故障隐患，生成故障隐患矩阵，将所述故障隐患矩阵与电池故障标识矩阵进行匹配，根据匹配度对电池的故障隐患类型进行分类。
50.根据本发明实施例，所述的根据所述充电工况、老化情况、电芯一致性情况及故障隐患评估电池的健康状况，根据电池健康状况判断电池是否回收，具体为：获取用于计算电池的充电工况、老化情况、电芯一致性情况及故障隐患指标值的
原始数据，分别计算各个评估指标的指标值；根据所述指标值和各个评估指标的得分计算方式计算电池的充电工况、老化情况、电芯一致性情况及故障隐患的指标得分；根据电池的充电工况、老化情况、电芯一致性情况及故障隐患的指标得分匹配预设权重信息获取电池的综合得分，根据预设阈值构建综合得分阈值区间；根据所述综合得分所落在的阈值区间确定电池的健康状况，根据所述健康状况确定电池是否需要回收。
51.需要说明是的，当换电柜内电池的健康状况小于预设的健康状况阈值时，则通过换电柜的自动回收装置对电池进行回收并放置新电池，所述自动回收装置可以为机械臂或者滑轨结构。对于电池健康状况满足要求，还未达到回收标准的电池，系统将测算得到的电池健康状况信息通过通讯写入到电池中，给电池内的bms电池系统作为控制和保护的参考信息和数据。
52.需要说明的是，所述的模拟电池运行消耗，具体为：获取电动车行驶过程中的历史骑行数据，基于神经网络构建电池运行消耗模型；通过多数历史骑行数据对多数电池运行消耗模型进行训练，根据所述历史骑行数据提取与电能消耗相关的变量数据；将与电能消耗相关的变量数据输入电池运行消耗模型，调整所述电池运行消耗模型的参数，保存最优模型参数；根据训练后的电池运行消耗模型生成骑行过程中的电池能耗值变化，并根据电池能耗值变化生成电池模拟消耗最大功率；将电池模拟消耗最大功率与电池标准最大功率进行比较生成功率偏差率，若所述功率偏差率大于预设功率偏差阈值，则将电池设置回收标签；其中电池的最大输出功率的计算公式具体为：其中，为电池最大输出功率，电池骑行过程中最大输出电压，表示电动车负载电阻，表示电池内阻。
53.根据本发明实施例，本发明还包括，获取骑行产生的骑行数据，根据所述骑行数据构建拓展数据库，具体为：获取骑行过程中电池工作数据及定位数据，构建拓展数据库，并将所述电池工作数据及定位数据存入所述拓展数据库内；根据拓展数据库内的定位数据生成目标区域内在租电池分布，根据所述在租电池分布生成当前热点区域；根据所述当前热点区域及实时定位数据根据大数据分析预测预设时间后的热点区域信息，并将所述热点区域信息在换电柜上按照预设方式进行显示；若当前换电柜中没有可租电池，则根据所述热点区域信息生成建议租用换电柜信息，将所述建议租用换电柜信息在换电柜上按照预设方式进行显示或反馈到用户的智能手
机app中。
54.需要说明的是，构建拓展数据库，将电池在租过程中骑行产生的高拓展数据进行存储，通过大数据分析及深度挖掘，更高效的分配电池信息，满足热点区域的电池租用需求，从当前目标区域内在租电池分布预见预设时间后的热点区域信息，为交通出行管理提供有价值的数据参考；同时通过数据可视化管理实现高效的电池租用的运营管理。
55.根据本发明实施例，本发明还包括通过骑行过程中的电池工作数据进行电池运行消耗模型的误差修正，具体为：根据电池的编号信息，通过电池运行消耗模型进行电池的动能转化模拟，根据模拟结果结合气象特征生成电动车续航里程预测，并将续航里程预测信息进行存储；根据骑行过程中电池的工作数据生成电池实际续航里程信息；将所述的里程预测信息与实际续航里程信息进行比较，生成偏差率，并预设偏差率阈值；判断所述偏差率是否大于预设偏差率阈值；若大于，则生成误差补偿信息，通过所述误差补偿信息对所述电池运行消耗模型进行模拟精确性修正。
56.需要说明的是，通过骑行过程中电池的工作数据拟合生成电池工作曲线，同时生成电池实际续航里程信息，获取了电池实际续航里程信息之后可以将电池实际续航信息与续航里程预测信息进行比较，得到偏差率。偏差率的是续航里程预测信息与续航里程实际信息做减法运算后求绝对值与续航里程实际信息的除法运算结果。当偏差率大于预设的偏差率阈值时，说明存在了较大的偏差，需要进行电池运行消耗模型的参数调整。
57.本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种换电柜的电池检测回收方法程序，所述一种换电柜的电池检测回收方法程序被处理器执行时，实现如上述任一项所述的一种换电柜的电池检测回收方法的步骤。
58.本发明公开了一种换电柜的电池检测回收方法、系统及存储介质，包括：获取换电柜内电池充电的充电数据判断电池的充电工况、老化情况、电池一致性情况及故障隐患；评估电池的健康状况，根据电池健康状况判断电池是否需要回收；若所述电池健康状况小于预设电池健康状况阈值，则将电池设置回收标签；若电池存在安全隐患但所述电池健康状况不小于预设电池健康状况阈值，则模拟电池运行消耗；若电池模拟消耗最大功率达不到预设功率标准，则将电池设置回收标签；通过自动回收装置对带有回收标签的电池进行回收，同时放置新的电池。本发明通过换电柜对电池的充电数据进行检测，及时对故障电池进行回收，避免电池的安全隐患。
59.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
60.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单
元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
61.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
62.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
63.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
64.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。