一种电池异常、电池充电剩余时间的确定方法及装置制造方法及图纸

本申请涉及车辆技术领域，尤其涉及一种电池异常、电池充电剩余时间的确定方法及装置。其中，电池异常的确定方法包括获取包括当前时刻的至少两个相邻时刻的车辆状态数据，并将获取的车辆状态数据输入训练好的电池温度参数预估模型中，可以得到当前时刻的电池预测温度参数，进而，基于电池预测温度参数和电池实际温度参数，可以确定电池是否出现异常。通过采用会对电池温度产生影响的多个相邻时刻的车辆状态数据进行温度参数的预测，可以提高预测温度参数的准确性，进而，可以提高判断电池是否异常的可靠性。

【技术实现步骤摘要】
一种电池异常、电池充电剩余时间的确定方法及装置
本申请涉及车辆
，尤其涉及一种电池异常、电池充电剩余时间的确定方法及装置。
技术介绍
电池是电动车辆的动力来源，是电动车辆的重要部件。电池温度参数是衡量电池是否发生异常的关键参数。目前，电池温度参数的一种预测方法要依赖电池内部热参数，而一般只有电池厂才具有相关参数信息；或者仅通过判断电池温差是否超过设定的阈值进行简单、机械地判断电池温度是否异常，方法简单粗暴，但是无法根据电池的实时工况进行智能温度不一致性诊断；也有借助机器学习算法如支持向量机、随机森林等方法和标准神经网络估算电池电流和电压，但是这些算法选取的数据样本之间相对独立、随机打乱顺序来训练模型，而由于温度与时间强相关，机器学习方法无法有效估算有时间记忆、变化趋势较平缓的电池温度参数。因此，上述衡量电池是否发生异常的方法准确性不高。
技术实现思路
有鉴于此，本申请实施例至少提供一种电池异常、电池充电剩余时间的确定方法及装置，可以提高预测温度参数的准确性，进而，可以提高判断电池是否异常的可靠性。...

【技术保护点】
1.一种电池异常的确定方法，其特征在于，所述确定方法包括：/n获取包括当前时刻的至少两个相邻时刻的车辆状态数据；所述车辆状态数据是对电池温度产生影响的数据；/n将获取的所述至少两个相邻时刻的车辆状态数据输入训练好的电池温度参数预估模型中，得到所述当前时刻的电池预测温度参数；/n基于所述电池预测温度参数和电池实际温度参数，确定电池是否出现异常。/n

【技术特征摘要】
1.一种电池异常的确定方法，其特征在于，所述确定方法包括：
获取包括当前时刻的至少两个相邻时刻的车辆状态数据；所述车辆状态数据是对电池温度产生影响的数据；
将获取的所述至少两个相邻时刻的车辆状态数据输入训练好的电池温度参数预估模型中，得到所述当前时刻的电池预测温度参数；
基于所述电池预测温度参数和电池实际温度参数，确定电池是否出现异常。


2.根据权利要求1所述的确定方法，其特征在于，所述温度参数包括电池温度极差和电池温度；电池实际温度极差为所述电池的最高实际温度和最低实际温度之间的差值，所述最高实际温度是所述电池的所有采样点采集的温度中的最高温度，所述最低实际温度是所述电池的所有采样点采集的温度中的最低温度。


3.根据权利要求1所述的确定方法，其特征在于，所述车辆状态数据包括以下数据中的至少两种：
环境温度、行驶数据、所述电池的实时性能数据。


4.根据权利要求1所述的确定方法，其特征在于，所述电池温度参数预估模型由顺序连接的至少两个循环层组成；所述将获取的所述至少两个相邻时刻的车辆状态数据输入训练好的电池温度参数预估模型中，得到所述当前时刻的电池预测温度参数，包括：
将获取的第一时刻的所述车辆状态数据输入首个所述循环层中，得到第一中间状态数据；所述第一时刻是所述至少两个相邻时刻中的最早时刻；
将所述第一中间状态数据和第二时刻的所述车辆状态数据输入下一个所述循环层中，得到第二中间状态数据；所述第二时刻为所述第一时刻的下一个时刻；
若获取大于两个时刻的车辆状态数据，则将所述第二中间状态数据作为所述第一中间状态数据，并重复执行步骤将所述第一中间状态数据，以及第三时刻的所述车辆状态数据输入下一个所述循环层中，得到所述第二中间状态数据；所述第三时刻为所述第二时刻的下一个时刻；
若只获取两个时刻的车辆状态数据，则输出所述当前时刻的电池预测温度参数。


5.根据权利要求1所述的确定方法，其特征在于，根据以下步骤训练所述电池温度参数预估模型：
获取样本车辆的多个时刻对应的所述车辆状态数据，并将所述样本车辆的车辆状态数据作为样本数据；
为每个样本数据添加样本标签；所述样本标签为每个时刻对应的电池标准温度参数；
根据预设的时间步数、所述样本数据，以及每个样本数据对应的样本标签，对初始温度参数预估模型进行训练，得到所述电池温度参数预估模型。


6.根据权利要求5所述的确定方法，其特征在于，所述根据预设的时间步数、所述样本数据，以及每个样本数据对应的样本标签，对初始温度参数预估模型进行训练，得到所述电池温度参数预估模型，包括：
确定每次模型训练对应的电池标准温度参数和输出参数之间的熵损；
根据所述熵损，调整所述初始温度参数预估模型的模型参数；
若所述熵损大于第一预设阈值，继续对所述初始温度参数预估模型进行训练；
若所述熵损小于或等于所述第一预设阈值，停止对所述初始温度参数预估模型进行训练，得到所述电池温度参数预估模型。


7.根据权利要求1所述的确定方法，其特征在于，所述基于所述电池预测温度参数和电池实际温度参数，确定电池是否出现异常，包括：
判断所述电池预测温度参数和所述电池实际温度参数之间的差值是否大于第二预设阈值；
若是，则确定所述电池出现异常；
若否，则确定所述电池未出现异常。


8.根据权利要求1所述的确定方法，其特征在于，所述基于所述电池预测温度参数和电池实际温度参数，确定电池是否出现异常，包括：
统计历次时刻对应的所述电池预测温度参数和所述电池实际温度参数之间的差值大于第三预设阈值出现的次数；
若出现的次数大于或等于预设次数，则确定所述电池出现异常。


9.根据权利要求1所述的确定方法，其特征在于，在确定电池出现异常之后，所述确定方法还包括：
根据所述电池预测温度参数和所述电池实际温度参数之间的差值，确定异常等级；
根据所述异常等级，确定处理所述电池的处置策略。


10.一种电池充电剩余时间的确定方法，其特征在于，所述确定方法包括：
获取包括当前时刻的至少两个相邻时刻的车辆状态数据；所述车辆状态数据是对电池充电时间产生影响的数据；
将获取的所述至少两个相邻时刻的车辆状态数据输入训练好的电池充电剩余时间预估模型中，得到电池充电剩余时间。


11.根据权利要求10所述的确定方法，其特征在于，所述车辆状态数据包括：
电池温度、所述电池实时性能数据。


12.根据权利要求10所述的确定方法，其特征在于，所述电池充电剩余时间预估模型由顺序连接的至少两个循环层组成；所述将获取的所述至少两个相邻时刻的车辆状态数据输入训练好的电池充电剩余时间预估模型中，得到所述当前时刻的电池充电剩余时间，包括：
将获取的第一时刻的所述车辆状态数据输入首个所述循环层中，得到第一中间状态数据；所述第一时刻是所述至少两个相邻时刻中的最早时刻；
将所述第一中间状态数据和第二时刻的所述车辆状态数据输入下一个所述循环层中，得到第二中间状态数据；所述第二时刻为所述第一时刻的下一个时刻；
若获取大于两个时刻的车辆状态数据，则将所述第二中间状态数据作为所述第一中间状态数据，并重复执行步骤将所述第一中间状态数据，以及第三时刻的所述车辆状态数据输入下一个所述循环层中，得到所述第二中间状态数据；所述第三时刻为所述第二时刻的下一个时刻；
若只获取两个时刻的车辆状态数据，则输出所述当前时刻的电池充电剩余时间。


13.根据权利要求10所述的确定方法，其特征在于，根据以下步骤训练所述电池充电剩余时间预估模型：
获取样本车辆的多个时刻对应的所述车辆状态数据，并将所述样本车辆的车辆状态数据作为样本数据；
为每个样本数据添加样本标签；所述样本标签为每个时刻对应的电池标准充电剩余时间；
根据预设的时间步数、所述样本数据，以及每个样本数据对应的样本标签，对初始电池充电剩余时间预估模型进行训练，得到所述电池充电剩余时间预估模型。


14.根据权利要求13所述的确定方法，其特征在于，所述根据预设的时间步数、所述样本数据，以及每个样本数据对应的样本标签，对初始充电剩余时间预估模型进行训练，得到所述电池充电剩余时间预估模型，包括：
确定每次模型训练对应的电池标准充电剩余时间和输出时间之间的熵损；
根据所述熵损，调整所述初始充电剩余时间预估模型的模型参数；
若所述熵损大于第一预设阈值，继续对所述初始充电剩余时间预估模型进行训练；
若所述熵损小于或等于所述第一预设阈值，停止对所述初始充电剩余时间预估模型进行训练，得到所述电池充电剩余时间预估模型。


15.一种电池异常的确定装置，其特征在于，所述确定装置包括：
第一获取模块，用于获取包括当前时刻的至少两个相邻时刻的车辆状态数据；所述车辆状态数据是对电池温度产生影响的数据；
第一输入模块，用于将获取的所述至少两个相邻时刻的车辆状态数据输入训练好的电池温度参数预估模型中，得到所述当前时刻的电池预...

【专利技术属性】
技术研发人员：杨静，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11