一种电池SOC预测方法、装置、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电池SOC预测方法、装置、设备及存储介质。该方法包括：获取待预测电池在当前时刻之前至少一个时间点的电池关联参数；其中，所述电池关联参数包括各时间点所对应的电压参数和电流参数；将所述电池关联参数输入至预先训练得到的SOC预测模型中，得到与所述待预测电池相对应的剩余电量信息；将所述剩余电量信息反馈至目标终端设备。本发明专利技术实施例的技术方案，通过与电池关联的电流、电压参数训练得到SOC预测模型，实现了对待预测电池剩余电量信息的准确预测，提高了预测效率，同时通过及时反馈剩余电量信息，进而保护了相关电子设备的性能。电子设备的性能。电子设备的性能。

【技术实现步骤摘要】
一种电池SOC预测方法、装置、设备及存储介质


[0001]本专利技术涉及电池电量管理
，尤其涉及一种电池SOC预测方法、装置、设备及存储介质。

技术介绍

[0002]电池是各种电子设备的动力来源，广泛应用于各种电子产品中。由于电池本身不具备电量计量及电量显示功能，对用户来说，及时了解电池电量可以避免因电池缺电导致所使用的产品性能下降的情况。
[0003]现有的方法包括安时积分法、开路电压法、卡尔曼滤波法、粒子滤波法等。
[0004]上述方法存在误差较大，效率较低，粒子权值退化和粒子样本贫化等问题。

技术实现思路

[0005]本专利技术提供了一种电池SOC预测方法，以实现对电池电量信息的准确预测，进而及时保护电池所属的电子设备。
[0006]第一方面，本专利技术实施例提供了一种电池SOC预测方法，该方法包括：
[0007]获取待预测电池在当前时刻之前至少一个时间点的电池关联参数；其中，所述电池关联参数包括各时间点所对应的电压参数和电流参数；
[0008]将所述电池关联参数输入至预先训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池SOC预测方法，其特征在于，包括：获取待预测电池在当前时刻之前至少一个时间点的电池关联参数；其中，所述电池关联参数包括各时间点所对应的电压参数和电流参数；将所述电池关联参数输入至预先训练得到的SOC预测模型中，得到与所述待预测电池相对应的剩余电量信息；将所述剩余电量信息反馈至目标终端设备。2.根据权利要求1所述的方法，其特征在于，还包括：获取至少一个电池在各阶段下所对应的历史电池关联数据；其中，所述历史电池关联数据中包括至少一个历史电压参数和至少一个历史电流参数；将所述至少一个历史电池关联数据输入待训练SOC预测模型中，得到与所述至少一个历史电池关联数据相对应的历史预测数据；基于预先构建与所述至少一个电池相对应的剩余电量等效模型，确定与所述至少一个历史电池关联数据相对应的理论电池数据；基于所述历史预测数据和基于卡尔兹曼滤波算法，确定误差协防量测更新以及状态估计量测更新；基于所述误差协方差量测更新和所述状态估计量测更新对所述历史预测数据进行更新处理，以得到与所述历史预测数据相对应的实际输出预测数据；基于所述实际预测输出数据和相应的理论电池数据，确定损失值；基于所述损失值对所述待训练SOC预测模型中的模型参数进行更新，并将达到预设训练次数阈值时所得到的模型作为所述SOC预测模型。3.根据权利要求2所述的方法，其特征在于，所述基于预先构建与所述至少一个电池相对应的剩余电量等效模型，确定与所述至少一个历史电池关联数据相对应的理论电池数据，包括：对于各所述历史电池关联数据，将当前历史电池关联数据代入所述剩余电量等效模型中，得到所述当前历史电池关联数据相对应的理论电池数据；其中，所述剩余电量等效模型的表达式为：其中，SOC0为初始电量值；η为充放电效率；C
N
为电池额定容量。4.根据权利要求2所述的方法，其特征在于，所述基于所述历史预测数据和基于卡尔兹曼滤波算法，确定误差协防量测更新值以及状态估计量测更新，包括：将所述历史预测数据和前一时刻所对应的历史电池关联数据代入状态估计方程，确定误差协方差矩阵；根据观测噪声和系统噪声，确定状态估计量测更新以及误差协方差矩阵量测更新。5.一种电池SOC预测装置，其特征在于，包括：参数获取模块，用于获取待预测电池在当前时刻之前至少一个时间点的电池关联参数；其中，所述电池关联参数包括各时间点所对应的电压参数和电流参数；剩余电量计算模块，用于将所述电池关联参数输入至预先训练得到的SOC预测模型中，
得到与...

【专利技术属性】
技术研发人员：黄书健，施理成，杨茂强，蔡素雄，刘焕辉，张焕燊，李海发，朱书航，赖咏，杨文利，幸劲昆，陶莹珊，吕志鹏，
申请(专利权)人：广东电网有限责任公司惠州供电局，
类型：发明
国别省市：