电池荷电状态估算方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种电池荷电状态估算方法、装置、电子设备及存储介质，所述方法包括：将获取到的某一时刻的电池数据输入至已训练好的第一模型进行预测，以得到电池荷电状态预测值；利用构建的第二模型对所述电池荷电状态预测值进行误差补偿，以得到电池荷电状态估算值；其中，所述误差补偿的值是根据历史时刻的误差数据和该某一时刻的误差数据计算得到。由于本发明专利技术利用了构建的第二模型对第一模型预测的结果进行了误差补偿，故提高了电池荷电状态估算值的精度。算值的精度。算值的精度。

【技术实现步骤摘要】
电池荷电状态估算方法、装置、电子设备及存储介质


[0001]本专利技术涉及电池荷电
，尤其涉及一种电池荷电状态估算方法、装置、电子设备及存储介质。

技术介绍

[0002]电池荷电状态(stateofcharge，SOC)表征了电池的剩余可用电量，对其准确估算是电池管理系统的核心功能之一，也是实现电池均衡、故障诊断、电池充/放电控制等其他功能的前提，其估算精度直接影响整个电池管理系统的效率。然而，电池荷电状态通常难以直接测量获取，只能基于其它可测参数(电压、电流、温度)间的关系进行估算。由于这种关系存在强烈的非线性特性，而且往往会受到工况、温度、老化程度等诸多因素影响而实时地发生变化，所以电池荷电状态的精准在线估算十分困难。
[0003]现有的电池荷电状态的估算方式在精度和时效性上都存在不足或不能同时保证，随着机器学习的广泛使用，也有类似支持向量机等方法应用于相应的估算，但是其估算的精度还有待提高。

技术实现思路

[0004]本专利技术提供一种电池荷电状态估算方法、装置、电子设备及存储介质，用以解决现有技术中对于电池荷电状态估算精度有待提高的问题。
[0005]第一方面，本专利技术提供一种电池荷电状态估算方法，所述方法包括：
[0006]将获取到的某一时刻的电池数据输入至已训练好的第一模型进行预测，以得到电池荷电状态预测值；
[0007]利用构建的第二模型对所述电池荷电状态预测值进行误差补偿，以得到电池荷电状态估算值；其中，所述误差补偿的值是根据历史时刻的误差数据和该某一时刻的误差数据计算得到。
[0008]在本专利技术一实施例中，所述利用构建的第二模型对所述电池荷电状态预测值进行误差补偿，以得到电池荷电状态估算值的步骤包括：
[0009]构建所述第二模型
[0010]根据所述第二模型对所述电池荷电状态预测值SOC
pt
进行误差补偿，以得到所述电池荷电状态估算值SOC
e
。
[0011]在本专利技术一实施例中，所述构建所述第二模型的步骤包括：
[0012]假设所述某一时刻为t时刻，则获取t时刻的误差数据e
t
，其中e
t
＝SOC
t
‑
SOC
pt
，SOC
t
表示t时刻的电池荷电状态实际值，SOC
pt
表示所述第一模型输出的t时刻的电池荷电状态预测值；
[0013]根据t时刻的误差数据e
t
和历史时刻的误差数据e
t
‑
i
，建立预测误差序列E
j
，其中E
j
＝[e
t
,e
t
‑1,e
t
‑
2,
…
,e
t
‑
i
]，e
t
‑
i
是以t时刻为基准表示前i时刻的历史时刻的误差数据，i表示
大于0的自然数；
[0014]根据所述预测误差序列E
j
和t时刻的预测误差数据E
t
，构建所述第二模型
[0015]其中，t时刻的预测误差数据E
t
＝[e
t
,e
t+1
,e
t+2
,
…
,e
t+n
]，n表示预测误差数据的长度，度，
[0016]其中，第二模型在t时刻时表示为：
[0017][0018]则在t
‑
1时刻时表示为：
[0019]其中，表示t时刻的误差补偿值，表示t+1时刻的误差补偿值，表示t+2时刻的误差补偿值，表示以t时刻为准未来第n时刻的误差补偿值。
[0020]在本专利技术一实施例中，所述根据所述第二模型对所述电池荷电状态预测值SOC
p
进行误差补偿，以得到电池荷电状态估算值SOC
e
的步骤包括：
[0021]得到所述电池荷电状态估算值SOC
e
；
[0022]其中，t时刻的电池荷电状态估算值
[0023]在本专利技术一实施例中，在构建所述第二模型之前，所述方法还包括：
[0024]对输入至所述第一模型的历史时刻的电池数据和与所述电池数据对应的电池荷电状态数据进行预处理。
[0025]其中，所述电池数据包括电压数据、电流数据、电量数据以及温度数据中的一种或多种组合；
[0026]其中，所述预处理的步骤包括利用皮尔逊相似度的距离分析法选择相关度大于预设值的电池数据和利用四分位法对选择后的所述电池数据中的异常电池荷电状态数据进行剔除。
[0027]在本专利技术一实施例中，所述皮尔逊相似度的距离分析法定义如下：
[0028][0029]其中，D
AB
表示相似度，A表示历史时刻的电池数据，B表示与所述电池数据对应的电池荷电状态数据，i，n表示大于0的自然数；
[0030]当D
AB
>0，则表示A和B两个变量相关；
[0031]当D
AB
≤0，则表示A和B两个变量之间不相关；
[0032]当0<D
AB
<第一预设值时，表示弱相关；
[0033]当第一预设值≤D
AB
<第二预设值时，表示中相关；
[0034]当第二预设值≤D
AB
<第三预设值时，表示强相关。
[0035]在本专利技术一实施例中，所述利用四分位法对选择后的所述电池数据中的异常电池荷电状态数据进行剔除的步骤包括：
[0036]将与所述电池数据对应的电池荷电状态数据按照从小到大进行排列，以得到序列Z1，并根据数值将其剩余容量区间等分以得到该区间的子序列Z
(1,j)
；
[0037]根据子序列Z
(1,j)
，按照所述电池荷电状态数据对应的电池数据从小到大进行排列，以得到新的数据序列；
[0038]基于新的数据序列，根据四分位计算其第一个四分位点Q1，第二个四分位点Q2，第三个四分位点Q3，四分位差IQR和上下限的范围[W1,W2]；
[0039]基于所述上下限的范围[W1,W2]，对超出该范围的数据进行剔除以实现从横向上对异常值进行剔除；
[0040]其中，W1表示上限，W2表示下限，四分位差IQR＝Q3‑
Q1，[W1,W2]＝[Q1‑
k*IQR，Q3+k*IQR]，k表示预设系数。
[0041]在本专利技术一实施例中，所述利用四分位法对选择后的所述电池数据中的异常电池荷电状态数据进行剔除的步骤包括：
[0042]将与所述电池数据从小到大进行排列，以得到序列Z2，并根据数值将其剩余容量区间等分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池荷电状态估算方法，其特征在于，所述方法包括：将获取到的某一时刻的电池数据输入至已训练好的第一模型进行预测，以得到电池荷电状态预测值；利用构建的第二模型对所述电池荷电状态预测值进行误差补偿，以得到电池荷电状态估算值；其中，所述误差补偿的值是根据历史时刻的误差数据和该某一时刻的误差数据计算得到。2.根据权利要求1所述的电池荷电状态估算方法，其特征在于，所述利用构建的第二模型对所述电池荷电状态预测值进行误差补偿，以得到电池荷电状态估算值的步骤包括：构建所述第二模型根据所述第二模型对所述电池荷电状态预测值进行误差补偿，以得到所述电池荷电状态估算值SOC
e
。3.根据权利要求2所述的电池荷电状态估算方法，其特征在于，所述构建所述第二模型的步骤包括：假设所述某一时刻为t时刻，则获取t时刻的误差数据e
t
，其中，其中SOC
t
表示t时刻的电池荷电状态实际值，表示所述第一模型输出的t时刻的电池荷电状态预测值；根据t时刻的误差数据e
t
和历史时刻的误差数据e
t
‑
i
，建立预测误差序列E
j
，其中E
j
＝[e
t
，e
t
‑1，e
t
‑2，
…
，e
t
‑
i
]，e
t
‑
i
是以t时刻为基准表示前i时刻的历史时刻的误差数据，i表示大于0的自然数；根据所述预测误差序列E
j
和t时刻的预测误差数据E
t
，构建所述第二模型其中，t时刻的预测误差数据E
t
＝[e
t
，e
t+1
，e
t+2
，...，e
t+n
]，n表示预测误差数据的长度，]，n表示预测误差数据的长度，其中，第二模型在t时刻时表示为：则在t
‑
1时刻时表示为：其中，表示t时刻的误差补偿值，表示t+1时刻的误差补偿值，表示t+2时刻的误差补偿值，表示以t时刻为准未来第n时刻的误差补偿值。4.根据权利要求3所述的电池荷电状态估算方法，其特征在于，所述根据所述第二模型对所述电池荷电状态预测值SOC
p
进行误差补偿，以得到电池荷电状态估算值SOC
e
的步骤包括：得到所述电池荷电状态估算值SOC
e
；其中，t时刻的电池荷电状态估算值5.根据权利要求1所述的电池荷电状态估算方法，其特征在于，在构建所述第二模型之前，所述方法还包括：
对输入至所述第一模型的历史时刻的电池数据和与所述电池数据对应的电池荷电状态数据进行预处理；其中，所述电池数据包括电压数据、电流数据、电量数据以及温度数据中的一种或多种组合；其中，所述预处理的步骤包括利用皮尔逊相似度的距离分析法选择相关度大于预设值的电池数据和利用四分位法对选择后的所述电池数据中的异常电池荷电状态数据进行剔除。6.根据权利要求5所述的电池荷电状态估算方法，其特征在于，所述皮尔逊相似度的距离分析法定义如下：其中，D
AB
表示相似度，A表示历史时刻的电池数据，B表示与所述电池数据对应的电池荷电状态数据，i...

【专利技术属性】
技术研发人员：朱一帆，仇惠惠，张建彪，刘雪涛，
申请(专利权)人：章鱼博士智能技术上海有限公司，
类型：发明
国别省市：