电池分选技术是指通过某种技术手段将众多电池中性能差异过大的电池筛选出来,以便将余下的性能相似的电池重新组合使用。通过电池的分选及重新配组,能大大延长整个电池组的使用寿命。应用电路基本理论对单体锂离子电池建立RC等效电路模型,并对采集到的单体电池的充电数据进行最小二乘拟合,求得电池的电阻,运用拟合求得的电阻求出电池的健康状态(SOH)。然后将单体电池的充电电压曲线依照曲线相似度进行聚类,其中基于充电电压曲线之间的动态弯曲距离求取各充电电压曲线之间的相似度,求得电池共有多少类型以及各电池分别所属类型。同时,为了提高分类的精确性,进一步降低干扰等因素带来的分类误差,应用Elman神经网络模型进行单体电池的分类。获得充电电压曲线基线,同时求取各锂离子电池充电电压曲线与基线的相似度。并以充电电压曲线相似度和锂离子电池的健康状态为Elman神经网络的输入,以分类类别为Elman的输出,建立Elman神经网络分类模型。将计算后的SOH和曲线相似度、分类类型作为学习样本,进行Elman神经网络的学习和优化。为了改进Elman神经网络的学习速度较慢、易陷入局部极小值等问题,提出了一种基于遗传算法的Elman神经网络模型。最后,以求得的单体电池健康状态和充电电压曲线的聚类结果为依据,进行Elman神经网络的学习优化,通过对各锂离子电池的Elman神经网络分类达到对锂离子电池分选的目的,为锂离子电池组的组合及更换进行指导。仿真结果表明,基于充电电压曲线的曲线聚类方法可以高效的辨别电动汽车锂离子电池的不一致性,基于遗传算法的改进Elman神经网络则在锂离子电池分选中具有更优越的性能,提出的电动汽车锂离子电池分选方法具有十分良好的分选效果。