荷电状态确定方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种荷电状态确定方法、装置、电子设备及存储介质，该方法包括：获取目标电池的传感信息；将所述传感信息输入至训练完成的荷电状态确定模型中，确定所述目标电池的目标荷电状态；其中，所述荷电状态确定模型为门控循环神经网络，所述门控循环神经网络的输入层权重值以及隐藏层权重值基于改进鲸鱼优化算法确定。通过本发明专利技术实施例的技术方案，实现了降低数据需求，提高荷电状态估算的准确度和鲁棒性的效果。和鲁棒性的效果。和鲁棒性的效果。

【技术实现步骤摘要】
荷电状态确定方法、装置、电子设备及存储介质


[0001]本专利技术涉及电动汽车
，尤其涉及一种荷电状态确定方法、装置、电子设备及存储介质。

技术介绍

[0002]锂离子电池荷电状态作为电动汽车电池管理中的重要指标，表征了电池在当前循环中剩余的电量。
[0003]荷电状态可以通过放电实验法、库仑计数法、模型驱动法或数据驱动法确定。其中，放电实验法简单且准确，但是无法在车辆上进行实时在线估算；库伦计数法的前提条件和局限性较大；模型驱动法可以对荷电状态进行实时估算，但是模型搭建难度大，过程复杂；数据驱动法可以不依赖电池的物理或化学模型，但是，由于锂离子电池内部复杂，可测量参数有限，且特性之间相互耦合，仍存在准确度低以及鲁棒性差的问题。

技术实现思路

[0004]本专利技术提供了一种荷电状态确定方法、装置、电子设备及存储介质，以实现降低数据需求，提高荷电状态估算的准确度和鲁棒性的效果。
[0005]根据本专利技术的一方面，提供了一种荷电状态确定方法，该方法包括：获取目标电池的传感信息；将所述传感信息输入至训练完成的荷电状态确定模型中，确定所述目标电池的目标荷电状态；其中，所述荷电状态确定模型为门控循环神经网络，所述门控循环神经网络的输入层权重值以及隐藏层权重值基于改进鲸鱼优化算法确定。
[0006]根据本专利技术的另一方面，提供了一种荷电状态确定装置，该装置包括：信息获取模块，用于获取目标电池的传感信息；荷电状态确定模块，用于将所述传感信息输入至训练完成的荷电状态确定模型中，确定所述目标电池的目标荷电状态；其中，所述荷电状态确定模型为门控循环神经网络，所述门控循环神经网络的输入层权重值以及隐藏层权重值基于改进鲸鱼优化算法确定。
[0007]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的荷电状态确定方法。
[0008]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的荷电状态确定方法。
[0009]本专利技术实施例的技术方案，通过获取目标电池的传感信息，将传感信息输入至训练完成的荷电状态确定模型中，确定目标电池的目标荷电状态，解决了无法实时确定荷电状态以及荷电状态估算准确度低以及鲁棒性差的问题，实现了降低数据需求，实时确定荷电状态以及提高荷电状态估算的准确度和鲁棒性的效果。
[0010]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1为本专利技术实施例一所提供的一种荷电状态确定方法的流程示意图；图2为本专利技术实施例二所提供的一种荷电状态确定方法的流程示意图；图3为本专利技术实施例二所提供的另一种荷电状态确定方法的流程示意图；图4为本专利技术实施例三所提供的一种荷电状态确定装置的结构示意图；图5为本专利技术实施例三所提供的一种荷电状态确定系统的结构示意图；图6为本专利技术实施例四所提供的一种电子设备的结构示意图。
具体实施方式
[0013]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0014]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0015]可以理解的是，本技术方案所涉及的数据（包括但不限于数据本身、数据的获取或使用）应当遵循相应法律法规及相关规定的要求。
[0016]实施例一图1为本专利技术实施例一所提供的一种荷电状态确定方法的流程示意图，本实施例可适用于对目标电池的实时荷电状态进行估算情况，该方法可以由荷电状态确定装置来执行，该荷电状态确定装置可以采用硬件和/或软件的形式实现，该荷电状态确定装置可配置于车载设备中。
[0017]如图1所示，该方法包括：S110、获取目标电池的传感信息。
[0018]其中，目标电池可以是待估算荷电状态的电池。传感信息可以是基于信息采集装置获取的信息，例如可以包括基于电压采集模块获取的电压信息，基于电流采集模块获取的电流信息，基于温度采集模块获取的温度信息等。
[0019]具体的，可以基于车辆中针对目标电池中预先安装的采集模块获取目标电池实时的传感信息。
[0020]S120、将传感信息输入至训练完成的荷电状态确定模型中，确定目标电池的目标荷电状态。
[0021]其中，荷电状态确定模型为门控循环神经网络，门控循环神经网络的输入层权重值以及隐藏层权重值基于改进鲸鱼优化算法确定。目标荷电状态可以是训练完成的荷电状态确定模型的输出结果，用于表示目标电池当前的荷电状态。
[0022]需要说明的是，门控循环神经网络（Gate Recurrent Unit，GRU）在普通的循环神经网络的基础上引入了重置门和更新门，并对隐藏状态进行调整，以更好地捕捉时间序列中时间步距离较大的依赖关系。GRU由长短型记忆（Long Short
‑
Term Memory，LSTM）神经网络改进的模型。将LSTM的遗忘门和输入门整合为一个更新门，同时也对细胞状态进行了融合和其他改进。GRU模型训练泛化误差最低，但是，会出现局部最优的问题，此时可以使用鲸鱼优化算法（Whale Optimization Algorithm，WOA）来避免陷入局部最优问题。WOA是根据鲸鱼围捕猎物的行为而提出的算法。WOA机制为前期需要较高的全局搜索能力来保证求解多样性，后期需要较高的局部搜索能力来提高收敛速度，为平衡两者关系使用改进鲸鱼优化算法，通过引入非线性权重来提升全局搜索能力和局部搜索能力。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种荷电状态确定方法，其特征在于，包括：获取目标电池的传感信息；将所述传感信息输入至训练完成的荷电状态确定模型中，确定所述目标电池的目标荷电状态；其中，所述荷电状态确定模型为门控循环神经网络，所述门控循环神经网络的输入层权重值以及隐藏层权重值基于改进鲸鱼优化算法确定。2.根据权利要求1所述的方法，其特征在于，在所述将所述传感信息输入至训练完成的荷电状态确定模型中，确定所述目标电池的目标荷电状态之前，还包括：确定初始荷电状态确定模型，并确定所述初始荷电状态确定模型中的参数数量；基于所述改进鲸鱼优化算法、所述参数数量以及待寻优权重值，确定目标权重值；其中，所述待寻优权重值包括待寻优输入层权重值以及待寻优隐藏层权重值，所述目标权重值包括目标输入层权重值以及目标隐藏层权重值；根据所述目标权重值以及所述初始荷电状态确定模型，确定待训练荷电状态确定模型；根据荷电状态样本对所述待训练荷电状态确定模型进行训练，将训练通过的模型作为训练完成的荷电状态确定模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述改进鲸鱼优化算法、所述参数数量以及待寻优权重值，确定目标权重值，包括：初始化迭代次数，根据所述参数数量以及所述待寻优权重值，确定初始寻优种群以及与所述初始寻优种群对应的初始种群个体适应度序列，并根据所述初始种群个体适应度序列，确定基准个体、与所述基准个体对应的基准位置以及基准适应度值；其中，所述初始寻优种群包括预设数量的个体，以及与每个个体对应的位置；确定所述改进鲸鱼优化算法的算法参数，并根据所述算法参数，确定位置更新方式以及与所述位置更新方式对应的权重参数；根据所述位置更新方式、所述权重参数、所述算法参数以及所述基准位置，确定阶段寻优种群以及与所述阶段寻优种群对应的阶段种群个体适应度序列，并根据所述阶段种群个体适应度序列，确定阶段个体以及与所述阶段个体对应的阶段适应度值；根据所述阶段适应度值以及所述基准适应度值，更新基准个体、基准适应度值以及所述基准位置；若所述迭代次数小于预设次数，则更新所述迭代次数，返回执行确定所述改进鲸鱼优化算法的算法参数，并根据所述算法参数，确定位置更新方式以及与所述位置更新方式对应的权重参数的操作；否则，根据所述基准位置，确定目标权重值。4.根据权利要求3中所述的方法，其特征在于，所述算法参数包括收敛因子以及随机因子，所述确定所...

【专利技术属性】
技术研发人员：尤超，舒伟，董汉，陈超，
申请(专利权)人：苏州清研精准汽车科技有限公司，
类型：发明
国别省市：