电池内阻预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种电池内阻预测方法、装置、计算机设备和存储介质。所述方法包括：获取目标车辆的目标电池数据；基于所述目标电池数据确定目标车辆工况；基于所述目标车辆工况确定目标预测模型，所述目标预测模型与所述目标车辆工况匹配；将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值。采用本方法能够实现将电池数据输入到对应工况下的预测模型，得到更加贴合实际更加准确的内阻预测结果。果。果。

【技术实现步骤摘要】
电池内阻预测方法、装置、计算机设备和存储介质


[0001]本申请涉及汽车电池管理
，特别是涉及一种电池内阻预测方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着新能源汽车在人们的日常生活扮演越来越重要的角色，电池作为新能源汽车最基础的储能器件，其性能直接影响电动汽车的续航与安全，其中电池内阻作为最能反映电芯工作性能的参数之一，不仅可以用来评估电池性能与电池寿命，也可以用来判断车辆是否具有热失控风险，因此对电池内阻的准确预测是十分重要的。
[0003]现阶段已有的电池内阻预测方法是基于全部电池数据统一训练内阻预测模型，借助模型并对电池内阻进行预测，由于车辆在不同工况下的差异较大，会导致所输出的电池内阻预测结果准确度较低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种电池内阻预测方法、装置、计算机设备和存储介质。
[0005]第一方面，本申请提供了一种电池内阻预测方法，所述方法包括：
[0006]获取目标车辆的目标电池数据；
[0007]基于所述目标电池数据确定目标车辆工况；
[0008]基于所述目标车辆工况确定目标预测模型，所述目标预测模型与所述目标车辆工况匹配；
[0009]将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值。
[0010]在其中一个实施例中，所述目标电池数据包括电池电芯电压、电池电芯电流、电池剩余电量、电池电芯温度中的至少两种。
[0011]在其中一个实施例中，所述获取目标车辆的目标电池数据包括：
[0012]获取目标车辆的初始电池数据；
[0013]对所述初始电池数据进行归一化处理，得到目标电池数据。
[0014]在其中一个实施例中，所述基于所述目标电池数据确定目标车辆工况包括：
[0015]将所述目标电池数据输入预设分类模型，得到目标车辆工况，所述预设分类模型通过深度学习训练得到。
[0016]在其中一个实施例中，所述基于所述目标车辆工况确定目标预测模型包括：
[0017]获取多个所述车辆工况下的参考电池数据以及参考内阻值，建立训练集；
[0018]基于每个工况的所述训练集对初始神经网络模型进行训练，得到每个工况的目标预测模型。
[0019]在其中一个实施例中，所述将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值包括：
[0020]将所述目标电池数据输入所述目标预测模型，得到电池内阻初步预测值；
[0021]基于所述初步预测值和第二预设条件，获取电池内阻的预测值。
[0022]在其中一个实施例中，所述将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值之后包括：
[0023]获取所述目标车辆工况的标准内阻值；
[0024]若所述电池内阻预测值与所述标准内阻值不匹配，则向目标车辆发送内阻偏差警告。
[0025]第二方面，本申请还提供了一种电池内阻预测装置，所述装置包括：
[0026]获取模块，用于获取目标车辆的目标电池数据；
[0027]分类模块，用于基于所述目标电池数据确定车辆工况；
[0028]确定模块，用于基于所述目标车辆工况确定目标预测模型，所述目标预测模型与所述目标车辆工况匹配；
[0029]预测模块，用于将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值。
[0030]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0031]获取目标车辆的目标电池数据；
[0032]基于所述目标电池数据确定目标车辆工况；
[0033]基于所述目标车辆工况确定目标预测模型，所述目标预测模型与所述目标车辆工况匹配；
[0034]将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值。
[0035]第四方面，本申请还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，其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以下步骤：
[0036]获取目标车辆的目标电池数据；
[0037]基于所述目标电池数据确定目标车辆工况；
[0038]基于所述目标车辆工况确定目标预测模型，所述目标预测模型与所述目标车辆工况匹配；
[0039]将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值。
[0040]上述电池内阻预测方法、装置、计算机设备和存储介质，通过获取目标车辆的目标电池数据；基于所述目标电池数据确定目标车辆工况；基于所述目标车辆工况确定目标预测模型，所述目标预测模型与所述目标车辆工况匹配；将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值。上述电池内阻预测方法，基于不同的工况对电池数据进行分类，基于分类的电池数据确定相应的预测模型，对不同工况下的电池内阻针对性进行预测，进而提高电池内阻的预测准确性。
附图说明
[0041]图1为一个实施例中电池内阻预测方法的应用环境图；
[0042]图2为本专利技术一个实施例的电池内阻预测方法的流程示意图；
[0043]图3为本专利技术一个实施例中的多层感知机神经网络示意图；
[0044]图4为本专利技术一个实施例中的电池内阻预测方法的实施流程示意图；
[0045]图5为本专利技术一个实施例中的电池内阻预测装置的结构框图；
[0046]图6为本专利技术一个实施例中的计算机设备的内部结构图。
具体实施方式
[0047]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0048]电池作为新能源汽车最基础的储能器件，其中电池内阻作为最能反映电芯工作性能的参数之一，对电池内阻的准确预测是十分重要的。现阶段已有的电池内阻预测方法是基于全部电池数据统一训练内阻预测模型，显然不同工况下如果设定相同电池内阻预测模型，由于工况情况差异较大，造成内阻预测模型拟合结果差，进而会导致所输出的电池内阻预测结果准确度较低。
[0049]本申请实施例提供的电池内阻预测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。用户在终端102上做出当前行为，终端102将当前行为数据传输给服务器104，服务器104获取目标车辆的目标电池数据；基于所述目标电池数据确定目标车辆工况；基于所述目标车辆工况确定目标预测模型，所述目标预测模型与所述目标车辆工况匹配；将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池内阻预测方法，其特征在于，包括：获取目标车辆的目标电池数据；基于所述目标电池数据确定目标车辆工况；基于所述目标车辆工况确定目标预测模型，所述目标预测模型与所述目标车辆工况匹配；将所述目标电池数据输入所述目标预测模型，得到电池内阻预测值。2.根据权利要求1所述的电池内阻预测方法，其特征在于，所述目标电池数据包括电池电芯电压、电池电芯电流、电池剩余电量、电池电芯温度中的至少两种。3.根据权利要求1所述的电池内阻预测方法，其特征在于，所述获取目标车辆的目标电池数据包括：获取目标车辆的初始电池数据；对所述初始电池数据进行归一化处理，得到目标电池数据。4.根据权利要求1所述的电池内阻预测方法，其特征在于，所述基于所述目标电池数据确定目标车辆工况包括：将所述目标电池数据输入预设分类模型，得到目标车辆工况，所述预设分类模型通过深度学习训练得到。5.根据权利要求1所述的电池内阻预测方法，其特征在于，所述基于所述目标车辆工况确定目标预测模型包括：获取多个所述车辆工况下的参考电池数据以及参考内阻值，建立训练集；基于每个工况的所述训练集对初始神经网络模型进行训练，得到每个工况的目标预测模型。6.根据权利要求1所述的电池内阻预测方法，其特...

【专利技术属性】
技术研发人员：李国梁，高科杰，
申请(专利权)人：浙江零跑科技股份有限公司，
类型：发明
国别省市：