充电平均电流计算方法和装置、计算机可读存储介质及电动车辆制造方法及图纸

本申请公开了一种充电平均电流计算方法和装置、计算机可读存储介质及电动车辆。该方法包括：获取充电初始数据；使用至少一个特征提取子模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征；对所述至少一个充电初始特征进行特征处理，以获得充电特征数据；将所述充电特征数据与所述充电初始数据进行融合处理，以获得充电平均电流。本申请实施例通过利用使用了至少一个特征提取子模型来分别提取充电初始数据的特征，并对提取的特征进行处理，最终基于充电初始数据和处理后的特征来计算充电平均电流，从而提高了充电平均电流的预测结果精度，改进了现有技术中基于公式原理推导的模型计算精度较低的缺陷。于公式原理推导的模型计算精度较低的缺陷。于公式原理推导的模型计算精度较低的缺陷。

【技术实现步骤摘要】
充电平均电流计算方法和装置、计算机可读存储介质及电动车辆


[0001]本申请涉及充电电流计算
，尤其涉及一种充电平均电流计算方法和装置、计算机可读存储介质及电动车辆。

技术介绍

[0002]在电动车辆充电过程中，需要对充电过程中的平均电流进行预测，并基于预测的平均电流进行控制。
[0003]在传统方案中，通常是基于充电原理来推导公式模型，并结合充电时的状态数据来进行充电电流的平均值预测。也就是说，现有技术中是基于参数固定的原理公式模型来计算充电时的电流平均值。但是在实际电动车辆的充电时，充电环境多种多样，并且车辆周边环境也可能随着时间推移而发生变化，这些都会给使得基于原理公式的模型计算产生误差。特别是在慢充的场景下，充电时间往往会长达数小时，在这么长的时间跨度内，例如温度、充电桩的状态、能力等因素都会具有很多的不确定性，从而导致充电过程中的电流变化也变得非常复杂。而传统的基于充电原理建立模型来计算平均电流的方式则由于没有考虑这些复杂的环境因素及其带来的影响，因此计算出来的平均电流值具有较大的误差，无法达到预期的充电平均电流的预测精本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电平均电流计算方法，其特征在于，包括：获取充电初始数据，其中所述充电初始数据是对目标车辆开始进行充电时的充电数据；使用具有不同特征提取特性的至少一个特征提取子模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征；对所述至少一个充电初始特征进行特征处理，以获得充电特征数据；将所述充电特征数据与所述充电初始数据进行融合处理，获得充电平均电流。2.根据权利要求1所述的充电平均电流计算方法，其特征在于，所述使用至少一个特征提取子模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征包括：将所述至少一个特征提取子模型中的多个特征提取子模型串行连接，以形成串联特征提取子模型序列；将所述充电初始数据输入到所述串联特征提取子模型序列中，以获得分别由各特征提取子模型提取的多个充电初始子特征；将所述多个充电初始子特征并行连接获得所述充电初始特征。3.根据权利要求1所述的充电平均电流计算方法，其特征在于，所述对所述至少一个充电初始特征进行特征处理，以获得充电特征数据包括：对所述至少一个充电初始特征进行特征连接处理，以获得连接特征；对所述连接特征进行特征融合处理，以获得所述充电特征数据。4.根据权利要求1所述的充电平均电流计算方法，其特征在于，在所述使用至少一个特征提取子模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征之前，所述方法还包括：对所述充电初始数据进行数据缺失情况、异常值情况以及相关性情况的分析；对所述分析获得的缺失值进行缺失值补偿处理；对所述分析获得的异常值进行异常值剔除处理。5.根据权利要求1所述的充电平均电流计算方法，其特征在于，在所述使用至少一个特征提取子模型对所述充电初始数据进行特征提取处理，以获得至少一个充电初始特征之前，所述方法还包括：对所述充电初始数据进行深度可分离卷积处理；对经过所述深度可分离卷积处理的充电初始数据进行标准化处理；对经过所述标准化处理的充电初始数据进行噪声扰动处理。6.根据权利要求1所述的充电平均电流计算方法，其特征在于，所述将所述充电特征数据与所述充电初始数据进行融合处理，以获得充电平均电流包括：...

【专利技术属性】
技术研发人员：史朋辉，
申请(专利权)人：北京罗克维尔斯科技有限公司，
类型：发明
国别省市：