电池组容量预测方法及相关设备技术

本申请提供一种电池组容量预测方法及相关设备，所述方法包括：获取电池组的运行数据、所述运行数据对应的运行温度以及预设的标定温度；根据所述运行温度和所述标定温度对运行数据进行温度校准，得到目标数据；将目标数据输入经过训练的容量预测模型，得到所述电池组的目标容量预测值。本申请在进行容量预测之前，先对运行数据进行温度校准，得到目标数据。然后，再结合目标数据和经过训练的容量预测模型进行容量预测，从而在一定程度上提高了对电池组容量的预测精度。池组容量的预测精度。池组容量的预测精度。

【技术实现步骤摘要】
电池组容量预测方法及相关设备


[0001]本申请涉及电池
，尤其涉及一种电池组容量预测方法及相关设备。

技术介绍

[0002]电池组(Battery Pack)广泛应用于各类设备中，如若能精准预测电池组的容量，对于保证电池组的健康使用、延长电池组的使用寿命有重要意义和价值。目前，电池组容量的预测方法主要是通过模型进行计算，然而，当前的模型通常未考虑环境对电池组容量退化的影响，因此，无法实现精准建模，也必然影响对电池组容量的预测精度。

技术实现思路

[0003]本申请实施例公开了一种电池组容量预测方法及相关设备，解决了电池组容量预测精度低的问题。
[0004]本申请提供一种电池组容量预测方法，所述方法包括：
[0005]获取电池组的运行数据、所述运行数据对应的运行温度以及预设的标定温度；
[0006]根据所述运行温度和所述标定温度对所述运行数据进行温度校准，得到目标数据；
[0007]将所述目标数据输入经过训练的容量预测模型，得到所述电池组的目标容量预测值。
[0008]在一些可选的实施方式中，所述根据所述运行温度和所述标定温度对所述运行数据进行温度校准，得到目标数据，包括：
[0009]获取预设的温度校准模型；
[0010]根据所述温度校准模型、所述标定温度以及所述运行温度，对所述运行数据进行温度校准，得到所述目标数据。
[0011]在一些可选的实施方式中，在所述获取预设的温度校准模型之前，所述方法还包括：
[0012]获取历史容量数据以及与所述历史容量数据对应的历史温度数据；
[0013]根据历史容量数据与所述历史温度数据，确定温度校准模型。
[0014]在一些可选的实施方式中，在所述将所述目标数据输入容量预测模型，得到目标容量预测值之前，所述方法还包括：
[0015]计算所述目标数据中每个数据对应的离群值，滤除大于第一阈值的离群值对应的数据，得到滤波数据；
[0016]对所述滤波数据进行降维计算，得到降维数据；
[0017]相应的，所述将所述目标数据输入经过训练的容量预测模型，得到目标容量预测值，包括：
[0018]将所述降维数据输入所述经过训练的容量预测模型，得到目标容量预测值。
[0019]在一些可选的实施方式中，在所述获取电池组的运行数据之前，所述方法包括：
[0020]利用第一寻优算法对初始的容量预测模型的隐藏层的神经元进行寻优，得到优化后的容量预测模型；
[0021]获取训练数据和所述训练数据对应的样本标签；
[0022]将所述训练数据输入所述优化后的容量预测模型，得到样本容量预测值；
[0023]根据所述样本容量预测值和所述样本标签，计算所述优化后的容量预测模型的损失函数值；
[0024]若所述损失函数值大于第二阈值，则将所述损失函数值作为所述优化后的容量预测模型反向传播的输入，利用第二寻优算法对所述反向传播对应的神经元的权重和偏置进行寻优，更新所述优化后的容量预测模型的权重和偏置，返回执行将所述训练数据输入所述优化后的容量预测模型的步骤；
[0025]若所述损失函数值小于或等于第二阈值，则将当前的优化后的容量预测模型确定为经过训练的容量预测模型。
[0026]在一些可选的实施方式中，所述利用第一寻优算法对初始的容量预测模型的隐藏层的神经元数量进行寻优，包括：
[0027]基于预设的状态概率值，确定所述初始的容量预测模型的隐藏层中各神经元的状态；
[0028]移除所述状态为第一状态的神经元，得到优化后的容量预测模型。
[0029]在一些可选的实施方式中，在所述将当前的优化后的容量预测模型确定为经过训练的容量预测模型之后，所述方法还包括：
[0030]获取测试数据和所述测试数据对应的测试标签；
[0031]将所述测试数据输入所述经过训练的容量预测模型，得到测试容量预测值；
[0032]根据所述测试标签与所述测试容量预测值计算所述经过训练的容量预测模型的误差值和拟合度；
[0033]若所述误差值大于第三阈值或所述拟合度小于第四阈值，返回执行获取训练数据和所述训练数据对应的样本标签的步骤。
[0034]本申请还提供一种电池组容量预测装置，所述装置包括获取模块、温度校准模块以及预测模块：
[0035]所述获取模块，用于获取电池组的运行数据、所述运行数据对应的运行温度以及预设的标定温度；
[0036]所述温度校准模块，用于根据所述运行温度和所述标定温度对所述运行数据进行温度校准，得到目标数据；
[0037]所述预测模块，用于将所述目标数据输入经过训练的容量预测模型，得到所述电池组的目标容量预测值。
[0038]本申请还提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的电池组容量预测方法。
[0039]本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的电池组容量预测方法。
[0040]在本申请提供的电池组容量预测方法中，考虑到温度会对电池组容量产生较大的影响，所以，在进行容量预测之前，可以先根据运行数据对应的运行温度和预先设定的标定
温度对运行数据进行温度校准，通过温度校准的方式降低温度差异所造成的影响，得到目标数据。然后，再结合目标数据和经过训练的容量预测模型进行容量预测，降低温度对目标容量预测值的影响，从而在一定程度上提高了对电池组容量的预测精度。
附图说明
[0041]图1是本申请实施例提供的电池组容量预测方法的应用场景示意图。
[0042]图2是本申请实施例提供的电池组容量预测方法的流程图。
[0043]图3是本申请实施例提供的温度校准模型的曲线图。
[0044]图4是本申请实施例提供的训练容量预测模型的流程图。
[0045]图5是本申请实施例提供的神经网络结构示意图。
[0046]图6是本申请实施例提供的对目标数据进行扩展处理的流程图。
[0047]图7是本申请实施例提供的电池组容量预测装置的结构图。
具体实施方式
[0048]为了便于理解，示例性的给出了部分与本申请实施例相关概念的说明以供参考。
[0049]需要说明的是，本申请中“至少一个”是指一个或者多个，“多个”是指两个或多于两个。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不是用于描述特定的顺序或先后次序。
[0050]本申请实施例提供的电池组容量预测方法可以应用于具备电池组的电子设备中。上述电子设备可以包括手机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池组容量预测方法，其特征在于，所述方法包括：获取电池组的运行数据、所述运行数据对应的运行温度以及预设的标定温度；根据所述运行温度和所述标定温度对所述运行数据进行温度校准，得到目标数据；将所述目标数据输入经过训练的容量预测模型，得到所述电池组的目标容量预测值。2.根据权利要求1所述的电池组容量预测方法，其特征在于，所述根据所述运行温度和所述标定温度对所述运行数据进行温度校准，得到目标数据，包括：获取预设的温度校准模型；根据所述温度校准模型、所述标定温度以及所述运行温度，对所述运行数据进行温度校准，得到所述目标数据。3.根据权利要求2所述的电池组容量预测方法，其特征在于，在所述获取预设的温度校准模型之前，所述方法还包括：获取历史容量数据以及与所述历史容量数据对应的历史温度数据；根据历史容量数据与所述历史温度数据，确定温度校准模型。4.根据权利要求1至3中任一项所述的电池组容量预测方法，其特征在于，在所述将所述目标数据输入容量预测模型，得到所述电池组的目标容量预测值之前，所述方法还包括：计算所述目标数据中每个数据对应的离群值，滤除大于第一阈值的离群值对应的数据，得到滤波数据；对所述滤波数据进行降维计算，得到降维数据；相应的，所述将所述目标数据输入经过训练的容量预测模型，得到所述电池组的目标容量预测值，包括：将所述降维数据输入所述经过训练的容量预测模型，得到所述电池组的目标容量预测值。5.根据权利要求1所述的电池组容量预测方法，其特征在于，在所述获取电池组的运行数据之前，所述方法包括：利用第一寻优算法对初始的容量预测模型的隐藏层的神经元进行寻优，得到优化后的容量预测模型；获取训练数据和所述训练数据对应的样本标签；将所述训练数据输入所述优化后的容量预测模型，得到样本容量预测值；根据所述样本容量预测值和所述样本标签，计算所述优化后的容量预测模型的损失函数值；若所述损失函数值大于第二阈值，则将所述损失函数值作为所述优化后的容量预测模型反向传播的输入，利用...

【专利技术属性】
技术研发人员：幸云辉，陈熙，
申请(专利权)人：深圳市正浩创新科技股份有限公司，
类型：发明
国别省市：