一种可重构电池组控制方法、系统及存储介质与流程

本发明涉及电池技术领域，尤其涉及一种可重构电池组控制方法、系统及存储介质。

背景技术：

伴随着我国经济蓬勃发展，环境污染问题也日益严重。人们生活水平提高，城市的汽车数量持续上升，这与不可再生能源石油日益短缺产生矛盾，所以环境和能源问题已经成为全球关注的焦点。目前全球都在研究绿色交通工具，相继推出纯电动汽车、混合动力汽车以解决以上两个问题。例如雪佛兰和特斯拉电动汽车分别用了数百和数千个电池构成大型电池系统。

发明人发现，传统电池组设计以固定的方式被封装在电池组中，存在几个主要缺陷。由于这些固定的电池拓扑无法适应电池单元的动态行为和制造差异，随着时间的流逝，在电池组反复充电和放电下，电池之间的不一致性的危害被放大，导致能量转换效率低。特别是一个或多个弱电池的充电或放电速度将比其他电池快，而较弱的电池将限制整个电池组的使用寿命，甚至会引起严重的安全问题，例如由于热失控和过热而引起的燃烧和爆炸。固定拓扑还对管理产生了限制：由于缺乏灵活性而无法执行主动管理，这会导致一系列问题，包括过充电和过放电。

技术实现要素：

本发明提供了一种可重构电池组控制方法、系统及存储介质，以解决现有技术中固定式封装电池组使用寿命短且存在安全隐患的问题。

第一方面，提供了一种可重构电池组控制方法，包括：

获取每个电池放电过程中的电流、电压和温度数据；

从获取的每个电池放电过程中的电流、电压和温度数据中提取反应电池老化的特征参量，基于每个电池的反应电池老化的特征参量，分别利用预先训练好的电池健康状态估计模型进行预测，得到每个电池的健康状态分布；

根据每个电池的健康状态分布，建立电池组优化模型并求解，生成电池组重构控制决策，并依据电池组重构控制决策对电池组进行重构。

进一步地，所述反应电池老化的特征参量包括平均电压压降mvf、电压信号波动指数vfi、温度以及电流；

其中，平均电压压降mvf通过如下公式计算得到：

式中，vr为额定电压，vj为放电过程中第j个采样点的电压值，n为采样点总数；

电压信号波动指数vfi通过如下公式计算得到：

式中，yj为放电过程中第j个采样点的电压值，n为采样点总数，μ为所有采样点电压值的平均值，w为采样频率。

进一步地，所述电池健康状态估计模型通过如下方法训练得到：

根据电池的容量将电池的健康状态划分为k个健康状态阶段，其中k为预设值；

获取若干个电池放电过程中的电压、电流及温度数据；

从获取的若干个电池放电过程中的电压、电流及温度数据中提取出反应电池老化的特征参量，以每个电池的反应电池老化的特征参量及该电池所处健康状态阶段作为一个样本构建训练样本集；

基于训练样本集，以反应电池老化的特征参量作为轻度梯度提升树的输入，电池所处健康状态阶段作为轻度梯度提升树的输出，训练得到基于轻度梯度提升树的电池健康状态估计模型；

所述电池健康状态估计模型用于对电池所处健康状态进行预测，其预测结果为电池的健康状态处于各个健康状态阶段的概率，即健康状态分布。

通过将平均电压压降mvf和电压信号波动指数vfi作为特征参量，避免了在离线的条件下获取电池的容量、内阻等特征，并能准确反映电池的健康状态，从而能搭建准确的电池健康状态估计模型并提供准确的健康状态预测结果。

进一步地，所述建立电池组优化模型具体包括：

确定总数为个不相交的串联电池组，其中，n为电池共个数，n为每个串联电池组包含的电池个数；

将n个电池{b1,b2,…,bn}的健康状态分布表示为{h1(z),h2(z),…,hn(z)}，然后按电池的健康状态阶段级别从高到低的顺序排列，其中，第i个电池的健康状态分布hi(z)表示为：

式中，k为健康状态阶段的总数，z^k表示电池处于第k个健康状态阶段，z^k的系数pk为电池处于第k健康状态阶段的概率；

定义指标变量ai,j和两个串联电池组和si和sj之间的冲突关系为：

则串联电池组sj的健康状态分布的计算公式为：

最后建立基于健康状态的电池组优化模型为：

其中，为通用生成函数对应的结构逻辑关系算子；对于给定函数f，计算公式为：

针对于串联电池组sj的健康状态分布的计算公式，计算公式中jn表示第n个电池所处的健康状态阶段，表示第n个电池处于第jn个健康状态阶段的概率，表示第n个电池处于第jn个健康状态阶段；

针对于基于健康状态的电池组优化模型h(z)的公式，计算公式中jn表示第n个串联电池组所处的健康状态阶段，表示第n个串联电池组处于第jn个健康状态阶段的概率，表示第n个串联电池组处于第jn个健康状态阶段；

对基于健康状态的电池组优化模型进行求解得到电池组重构控制决策{s1,s2,…,sm}。其中，求解可采用图论方法求解：

设可行电池串集合为p,对其中每一条可行路径pi(一个串联电池组的串联路径)，映射到图g中对应顶点vi,顶点的权重为串联电池组的健康状态

当且仅当两条路径彼此冲突时(即，conflict(pi,pj)＝1)，才连接g中两个顶点vi和vj；

最后贪婪地将具有最大值的顶点vi添加到解集中，同时删掉与其相连的顶点，直到不再包含任何顶点为止，解集即为m个串联电池组{s1,s2,…,sm}。

在可重构电池组结构有限灵活性下基于电池组健康状态设计合理重构策略，减少电池之间的不一致性，提高电池组的使用寿命。

第二方面，提供了一种可重构电池组控制系统，包括储能系统电路和电池管理子系统；

所述储能系统电路包括若干个电池以及对应每个电池设置的可控开关组，每个所述可控开关组用于控制对应电池与其他电池并联或串联，以及控制对应电池是否接入电池组；

所述电池管理子系统用于获取每个电池放电过程中的电流、电压和温度数据，并从中提取反应电池老化的特征参量，然后基于每个电池的反应电池老化的特征参量，预测得到每个电池的健康状态分布，再根据每个电池的健康状态分布，生成电池组重构控制决策，并依据电池组重构控制决策对电池组进行重构。

进一步地，所述可控开关组包括串联开关、输入开关、输出开关及两个并联开关；

所述两个并联开关分别串联在对应电池的两端，用于控制对应电池与其他电池是否并联；

所述串联开关并联在对应电池的两端，用于控制对应电池与其他电池是否串联；

所述输入开关和输出开关分别与对应电池的负极和正极串接，用于控制对应电池是否接入电池组。

进一步地，所述电池管理子系统包括依次连接的传感信号采集模块、通信模块、状态决策模块及开关驱动模块；

所述传感信号采集模块用于采集每个电池的电压、电流及温度数据；

所述通信模块用于将传感信号采集模块采集的数据传输给所述状态决策模块；

所述状态决策模块用于接收通信模块传输的数据并从中提取反应电池老化的特征参量，然后基于每个电池的反应电池老化的特征参量，预测得到每个电池的健康状态分布，再根据每个电池的健康状态分布，得到电池组重构控制决策，并依据电池组重构控制决策生成开关控制信号发送给开关驱动信号；

所述开关驱动信号用于接收状态决策模块发送的开关控制信号并依此对所述可控开关组中的开关进行通断控制。

进一步地，所述状态决策模块通过预设的电池健康状态估计模型预测得到每个电池的健康状态分布，其中电池健康状态估计模型通过如下方法训练得到：

根据电池的容量将电池的健康状态划分为k个健康状态阶段，其中k为预设值；

获取若干个电池放电过程中的电压、电流及温度数据；

从获取的若干个电池放电过程中的电压、电流及温度数据中提取出反应电池老化的特征参量，以每个电池的反应电池老化的特征参量及该电池所处健康状态阶段作为一个样本构建训练样本集；

基于训练样本集，以反应电池老化的特征参量作为轻度梯度提升树的输入，电池所处健康状态阶段作为轻度梯度提升树的输出，训练得到基于轻度梯度提升树的电池健康状态估计模型；

其中，所述反应电池老化的特征参量包括平均电压压降mvf、电压信号波动指数vfi、温度以及电流；其中，平均电压压降mvf通过如下公式计算得到：

式中，vr为额定电压，vj为放电过程中第j个采样点的电压值，n为采样点总数；

电压信号波动指数vfi通过如下公式计算得到：

式中，yj为放电过程中第j个采样点的电压值，n为采样点总数，μ为所有采样点电压值的平均值，w为采样频率；

所述电池健康状态估计模型用于对电池所处健康状态进行预测，其预测结果为电池的健康状态处于各个健康状态阶段的概率，即健康状态分布。

通过将平均电压压降mvf和电压信号波动指数vfi作为特征参量，避免了在离线的条件下获取电池的容量、内阻等特征，并能准确反映电池的健康状态，从而能搭建准确的电池健康状态估计模型并提供准确的健康状态预测结果。

进一步地，所述状态决策模块根据每个电池的健康状态分布，得到电池组重构控制决策，具体包括：

根据每个电池的健康状态分布，建立电池组优化模型并求解，生成电池组重构控制决策；其中建立电池组优化模型具体包括：

确定总数为个不相交的串联电池组，其中，n为电池共个数，n为每个串联电池组包含的电池个数；

将n个电池{b1,b2,…,bn}的健康状态分布表示为{h1(z),h2(z),…,hn(z)}，然后按电池的健康状态阶段级别从高到低的顺序排列，其中，第i个电池的健康状态分布hi(z)表示为：

式中，k为健康状态阶段的总数，z^k表示电池处于第k个健康状态阶段，z^k的系数pk为电池处于第k健康状态阶段的概率；

定义指标变量ai,j和两个串联电池组和si和sj之间的冲突关系为：

则串联电池组sj的健康状态分布的计算公式为：

最后建立基于健康状态的电池组优化模型为：

其中，为通用生成函数对应的结构逻辑关系算子；对于给定函数f，计算公式为：

针对于串联电池组sj的健康状态分布的计算公式，计算公式中jn表示第n个电池所处的健康状态阶段，表示第n个电池处于第jn个健康状态阶段的概率，表示第n个电池处于第jn个健康状态阶段；

针对于基于健康状态的电池组优化模型h(z)的公式，计算公式中jn表示第n个串联电池组所处的健康状态阶段，表示第n个串联电池组处于第jn个健康状态阶段的概率，表示第n个串联电池组处于第jn个健康状态阶段；

对基于健康状态的电池组优化模型进行求解得到电池组重构控制决策{s1,s2,…,sm}。其中，求解可采用图论方法求解：

设可行电池串集合为p,对其中每一条可行路径pi(一个串联电池组的串联路径)，映射到图g中对应顶点vi,顶点的权重为串联电池组的健康状态

当且仅当两条路径彼此冲突时(即，conflict(pi,pj)＝1)，才连接g中两个顶点vi和vj；

最后贪婪地将具有最大值的顶点vi添加到解集中，同时删掉与其相连的顶点，直到不再包含任何顶点为止，解集即为m个串联电池组{s1,s2,…,sm}。

第三方面，提供了一种计算机可读存储介质，所述存储介质包括存储的程序指令，所述程序指令适于被处理器加载并执行如上所述的可重构电池组控制方法。

有益效果

本发明提出了一种可重构电池组控制方法、系统及存储介质，可每次使用前，首先对每个电池的健康状态进行预测，然后依据每个电池的健康状态动态的调整电池间的连接方式，采取“先串后并”的方式，先将具有相似健康状态的电池串联连接形成串联电池组，将具有相似健康状态的电池串联连接，因为它们在充放电过程中的内阻、温度、端电压都很相似，避免了充放电过程中不一致性的扩散，然后所有的串联电池组之间并联。通过对可重构电池组进行建模并求解来对电池组进行重构，可减少电池之间的不一致性，提高电池利用率，避免过充电和过放电，实现提高电池组的使用寿命，还能确保电池组的安全运行。

附图说明

图1是本发明实施例提供的可重构电池组控制系统的电路示意图；

图2是本发明实施例提供的可重构电池组控制系统的模块示意图；

图3是本发明实施例提供的可重构电池组控制方法的流程图。

具体实施方式

下面结合附图及具体实施方式对本发明进行详细说明。

实施例1

本实施例提供了一种可重构电池组控制系统，如图1所示，包括储能系统电路1和电池管理子系统；

所述储能系统电路包括若干个电池11以及对应每个电池设置的可控开关组，每个所述可控开关组用于控制对应电池与其他电池并联或串联，以及控制对应电池是否接入电池组；

所述电池管理子系统用于获取每个电池放电过程中的电流、电压和温度数据，并从中提取反应电池老化的特征参量，然后基于每个电池的反应电池老化的特征参量，预测得到每个电池的健康状态分布，再根据每个电池的健康状态分布，生成电池组重构控制决策，并依据电池组重构控制决策对电池组进行重构。

具体的，如图1、图2所示，所述可控开关组包括串联开关13、输入开关14、输出开关15及两个并联开关12；

所述两个并联开关12分别串联在对应电池11的两端，用于控制对应电池与其他电池是否并联；

所述串联开关13并联在对应电池11的两端，用于控制对应电池与其他电池是否串联；

所述输入开关14和输出开关15分别与对应电池11的负极和正极串接，用于控制对应电池是否接入电池组。

所述电池管理子系统包括依次连接的传感信号采集模块2、通信模块3、状态决策模块4及开关驱动模块5；

所述传感信号采集模块2用于采集每个电池的电压、电流及温度数据；

所述通信模块3用于将传感信号采集模块2采集的数据传输给所述状态决策模块4；

所述状态决策模块4用于接收通信模块3传输的数据并从中提取反应电池老化的特征参量，然后基于每个电池的反应电池老化的特征参量，预测得到每个电池的健康状态分布，再根据每个电池的健康状态分布，得到电池组重构控制决策，并依据电池组重构控制决策生成开关控制信号发送给开关驱动信号5；

所述开关驱动信号5用于接收状态决策模块4发送的开关控制信号并依此对所述可控开关组中的开关进行通断控制。

具体实施时，如图2所示，所述传感信号采集模块2包括依次连接的用于采集信号的传感器、用于传感器信号放大和滤波的信号调理通道、用于模拟信号转数字信号的a/d转换电路以及用于保存数据的双口ram，每个电池都对应配置有用于采集信号的传感器，具体包括电压传感器、电流传感器和温度传感器。通信模块采用can通信协议，通信模块分别与双口ram和状态决策模块连接。状态决策模块可采用dsp2812单片机，其通过gpio接口连接所述开关驱动模块。开关驱动模块通过向可控开关组输出控制信号来进行通断控制，控制信号为脉宽调制pwm信号；需明确的是，对于控制同一个电池的串联开关和并联开关，每次只有一种开关能导通，若该电池与后面的电池串联，则串联开关闭合，若该电池与后面的电池并联，则两个并联开关闭合。

需说明的是，所述状态决策模块通过预设的电池健康状态估计模型预测得到每个电池的健康状态分布，其中电池健康状态估计模型通过如下方法训练得到：

根据电池的容量将电池的健康状态划分为k个健康状态阶段，其中k为预设值，具体实施时，k可取值为5；

获取若干个电池放电过程中的电压、电流及温度数据；

从获取的若干个电池放电过程中的电压、电流及温度数据中提取出反应电池老化的特征参量，以每个电池的反应电池老化的特征参量及该电池所处健康状态阶段作为一个样本构建训练样本集；

基于训练样本集，以反应电池老化的特征参量作为轻度梯度提升树(lightgradientboostingmachine)的输入，电池所处健康状态阶段作为轻度梯度提升树的输出，训练得到基于轻度梯度提升树的电池健康状态估计模型；

其中，所述反应电池老化的特征参量包括平均电压压降mvf、电压信号波动指数vfi、温度以及电流；其中，平均电压压降mvf通过如下公式计算得到：

式中，vr为额定电压，vj为放电过程中第j个采样点的电压值，n为采样点总数；

电压信号波动指数vfi通过如下公式计算得到：

式中，yj为放电过程中第j个采样点的电压值，n为采样点总数，μ为所有采样点电压值的平均值，w为采样频率；

所述电池健康状态估计模型用于对电池所处健康状态进行预测，其预测结果为电池的健康状态处于各个健康状态阶段的概率，即健康状态分布。

通过将平均电压压降mvf和电压信号波动指数vfi作为特征参量，避免了在离线的条件下获取电池的容量、内阻等特征，并能准确反映电池的健康状态，从而能搭建准确的电池健康状态估计模型并提供准确的健康状态预测结果。

所述状态决策模块根据每个电池的健康状态分布，得到电池组重构控制决策，具体包括：

根据每个电池的健康状态分布，建立电池组优化模型并求解，生成电池组重构控制决策；其中建立电池组优化模型具体包括：

确定总数为个不相交的串联电池组{s1,s2,…,sm}，其中，n为电池共个数，n为每个串联电池组包含的电池个数，n由使用可重构电池组时的负载决定；

将n个电池{b1,b2,…,bn}的健康状态分布表示为{h1(z),h2(z),…,hn(z)}，然后按电池的健康状态阶段级别从高到低的顺序排列；具体的，电池的容量越高则健康状态阶段级别越高，首先依据每个电池对应的概率最大的健康状态阶段按级别从高到低进行初排序，然后对于概率最大的健康状态阶段相同的电池之间，依据每个电池的概率最大的健康状态阶段以及比该健康状态阶段更高的所有健康状态阶段对应的概率之后的大小进行精排序；

其中，第i个电池的健康状态分布hi(z)表示为：

式中，k为健康状态阶段的总数，z^k表示电池处于第k个健康状态阶段，z^k的系数pk为电池处于第k健康状态阶段的概率；

定义指标变量ai,j和两个串联电池组和si和sj之间的冲突关系为：

则串联电池组sj的健康状态分布的计算公式为：

最后建立基于健康状态的电池组优化模型为：

其中，为通用生成函数对应的结构逻辑关系算子；对于给定函数f，计算公式为：

针对于串联电池组sj的健康状态分布的计算公式，计算公式中jn表示第n个电池所处的健康状态阶段，表示第n个电池处于第jn个健康状态阶段的概率，表示第n个电池处于第jn个健康状态阶段；

针对于基于健康状态的电池组优化模型h(z)的公式，计算公式中jn表示第n个串联电池组所处的健康状态阶段，表示第n个串联电池组处于第jn个健康状态阶段的概率，表示第n个串联电池组处于第jn个健康状态阶段；

对基于健康状态的电池组优化模型进行求解得到电池组重构控制决策{s1,s2,…,sm}，状态决策模块并依据电池组重构控制决策转换生成与之对应pwm波开关控制信号，并输出到开关驱动模块。其中，求解可采用图论方法求解：

设可行电池串集合为p,对其中每一条可行路径pi(一个串联电池组的串联路径)，映射到图g中对应顶点vi,顶点的权重为串联电池组的健康状态

当且仅当两条路径彼此冲突时(即，conflict(pi,pj)＝1)，才连接g中两个顶点vi和vj；

最后贪婪地将具有最大值的顶点vi添加到解集中，同时删掉与其相连的顶点，直到不再包含任何顶点为止，解集即为m个串联电池组{s1,s2,…,sm}。

实施例2

如图3所示，本实施例提供了一种可重构电池组控制方法，包括：

获取每个电池放电过程中的电流、电压和温度数据；

从获取的每个电池放电过程中的电流、电压和温度数据中提取反应电池老化的特征参量，基于每个电池的反应电池老化的特征参量，分别利用预先训练好的电池健康状态估计模型进行预测，得到每个电池的健康状态分布；

根据每个电池的健康状态分布，建立电池组优化模型并求解，生成电池组重构控制决策，并依据电池组重构控制决策对电池组进行重构。

其中，所述反应电池老化的特征参量包括平均电压压降mvf、电压信号波动指数vfi、温度以及电流；

其中，平均电压压降mvf通过如下公式计算得到：

式中，vr为额定电压，vj为放电过程中第j个采样点的电压值，n为采样点总数；

电压信号波动指数vfi通过如下公式计算得到：

式中，yj为放电过程中第j个采样点的电压值，n为采样点总数，μ为所有采样点电压值的平均值，w为采样频率。

通过将平均电压压降mvf和电压信号波动指数vfi作为特征参量，避免了在离线的条件下获取电池的容量、内阻等特征，并能准确反映电池的健康状态，从而能搭建准确的电池健康状态估计模型并提供准确的健康状态预测结果。

其中，所述电池健康状态估计模型通过如下方法训练得到：

根据电池的容量将电池的健康状态划分为k个健康状态阶段，其中k为预设值；

获取若干个电池放电过程中的电压、电流及温度数据；

从获取的若干个电池放电过程中的电压、电流及温度数据中提取出反应电池老化的特征参量，以每个电池的反应电池老化的特征参量及该电池所处健康状态阶段作为一个样本构建训练样本集；

基于训练样本集，以反应电池老化的特征参量作为轻度梯度提升树的输入，电池所处健康状态阶段作为轻度梯度提升树的输出，训练得到基于轻度梯度提升树的电池健康状态估计模型；

所述电池健康状态估计模型用于对电池所处健康状态进行预测，其预测结果为电池的健康状态处于各个健康状态阶段的概率，即健康状态分布。

其中，所述建立电池组优化模型具体包括：

确定总数为个不相交的串联电池组{s1,s2,…,sm}，其中，n为电池共个数，n为每个串联电池组包含的电池个数，n由使用可重构电池组时的负载决定；

将n个电池{b1,b2,…,bn}的健康状态分布表示为{h1(z),h2(z),…,hn(z)}，然后按电池的健康状态阶段级别从高到低的顺序排列，其中，第i个电池的健康状态分布hi(z)表示为：

式中，k为健康状态阶段的总数，z^k表示电池处于第k个健康状态阶段，z^k的系数pk为电池处于第k健康状态阶段的概率；

定义指标变量ai,j和两个串联电池组和si和sj之间的冲突关系为：

则串联电池组sj的健康状态分布的计算公式为：

最后建立基于健康状态的电池组优化模型为：

其中，为通用生成函数对应的结构逻辑关系算子；对于给定函数f，计算公式为：

针对于串联电池组sj的健康状态分布的计算公式，计算公式中jn表示第n个电池所处的健康状态阶段，表示第n个电池处于第jn个健康状态阶段的概率，表示第n个电池处于第jn个健康状态阶段；

针对于基于健康状态的电池组优化模型h(z)的公式，计算公式中jn表示第n个串联电池组所处的健康状态阶段，表示第n个串联电池组处于第jn个健康状态阶段的概率，表示第n个串联电池组处于第jn个健康状态阶段；

对基于健康状态的电池组优化模型进行求解得到电池组重构控制决策{s1,s2,…,sm}，并依据电池组重构控制决策转换生成与之对应pwm波开关控制信号，并输出到开关驱动模块。其中，求解可采用图论方法求解：

设可行电池串集合为p,对其中每一条可行路径pi(一个串联电池组的串联路径)，映射到图g中对应顶点vi,顶点的权重为串联电池组的健康状态

当且仅当两条路径彼此冲突时(即，conflict(pi,pj)＝1)，才连接g中两个顶点vi和vj；

最后贪婪地将具有最大值的顶点vi添加到解集中，同时删掉与其相连的顶点，直到不再包含任何顶点为止，解集即为m个串联电池组{s1,s2,…,sm}。

实施例3

本实施例提供了一种计算机可读存储介质，所述存储介质包括存储的程序指令，所述程序指令适于被处理器加载并执行如实施例2所述的可重构电池组控制方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明提出了一种可重构电池组控制方法、系统及存储介质，可每次使用前，首先对每个电池的健康状态进行预测，然后依据每个电池的健康状态动态的调整电池间的连接方式，采取“先串后并”的方式，先将具有相似健康状态的电池串联连接形成串联电池组，将具有相似健康状态的电池串联连接，因为它们在充放电过程中的内阻、温度、端电压都很相似，避免了充放电过程中不一致性的扩散，然后所有的串联电池组之间并联。通过对可重构电池组进行建模并求解来对电池组进行重构，可减少电池之间的不一致性，提高电池利用率，避免过充电和过放电，实现提高电池组的使用寿命，还能确保电池组的安全运行。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。