电池能耗管理方法、装置及系统制造方法及图纸

本发明专利技术公开一种电池能耗管理方法、装置及系统，其通过获取电池系统发送的电池包中每节电池的剩余容量，并由每节电池的剩余容量在预先训练的电池状态参数模型中的预测结果，得到每节电池对应的开关的通断状态；根据每节电池对应的开关的通断状态控制每节电池对应的开关的通断。本发明专利技术实施例通过模型训练使得每一节电池尽可能同时消耗完，从而提高电池系统的能源利用率。相应地，本发明专利技术还提供一种电池能耗管理装置及系统。耗管理装置及系统。耗管理装置及系统。

【技术实现步骤摘要】
电池能耗管理方法、装置及系统


[0001]本专利技术涉及动力电池
，尤其涉及一种电池能耗管理方法、装置及系统。

技术介绍

[0002]电池包或蓄电池组在使用过程中，由于容量或可靠性的原因，需要并联运行，既在同一电压的母线上，根据需要并联连接若干电池或蓄电池。但是电池包或蓄电池组在使用的过程中会有能源的损耗，当其中的部分电池电量不够时，需要更换整个电池包或整个蓄电池组，而不是更换单节电池，从而导致电池能源的浪费。

技术实现思路

[0003]本专利技术实施例多个方面提供一种电池能耗管理方、装置及系统，能提高电池系统的能源利用率。
[0004]本专利技术实施例第一方面提供电池能耗管理方法，包括：
[0005]获取电池系统发送的电池包中每节电池的剩余容量，并由每节电池的剩余容量在预先训练的电池状态参数模型中的预测结果，得到每节电池对应的开关的通断状态；
[0006]根据每节电池对应的开关的通断状态控制每节电池对应的开关的通断。
[0007]本专利技术实施例第二方面提供一种电池能耗管理装置，包括：
[0008]获取模块，用于获取电池系统发送的电池包中每节电池的剩余容量，并由每节电池的剩余容量在预先训练的电池状态参数模型中的预测结果，得到每节电池对应的开关的通断状态；
[0009]控制模块，用于根据每节电池对应的开关的通断状态控制每节电池对应的开关的通断。
[0010]本专利技术实施例第三方面提供一种电池能耗管理系统，包括电池能耗管理装置、能耗均衡学习系统和微处理器；
[0011]所述电池能耗管理装置用于接收电池系统发送的电池包中每节电池的剩余容量，并将每节电池的剩余容量发送给所述微处理器；
[0012]所述微处理器用于将每节电池的剩余容量发送给所述能耗均衡学习系统；
[0013]所述能耗均衡学习系统用于接收每节电池的剩余容量，并将每节电池的剩余容量输入到预先训练的电池状态参数模型中，得到每节电池对应的开关的通断状态，并将每节电池对应的开关的通断状态发送给所述微处理器；
[0014]所述微处理器还用于接收并转发每节电池对应的开关的通断状态至所述电池能耗管理装置；
[0015]所述电池能耗管理装置还用于接收并根据每节电池对应的开关的通断状态控制所述电池包中每节电池对应的开关的通断。
[0016]与现有技术相比，本专利技术实施例提供的电池能耗管理方法通过获取电池系统发送的电池包中每节电池的剩余容量，并由每节电池的剩余容量在预先训练的电池状态参数模
型中的预测结果，得到每节电池对应的开关的通断状态；根据每节电池对应的开关的通断状态控制每节电池对应的开关的通断。本专利技术实施例通过模型训练使得每一节电池尽可能同时消耗完，从而提高电池系统的能源利用率。相应地，本专利技术还提供一种电池能耗管理装置及系统。
附图说明
[0017]图1是本专利技术实施例提供的电池能耗管理方法的流程示意图；
[0018]图2是本专利技术实施例提供的DQN的网络结构图；
[0019]图3是本专利技术实施例提供的经验池、经验共享机制之间的关系示意图；
[0020]图4是本专利技术实施例提供的DQN网络的训练过程的流程结构图；
[0021]图5是本专利技术实施例提供的电池能耗管理系统的结构框图。
具体实施方式
[0022]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作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]参见图1，其是本专利技术一实施例提供的电池能耗管理方法的流程示意图。
[0024]本专利技术实施例提供的电池能耗管理方法包括步骤S11～S12：
[0025]S11，获取电池系统发送的电池包中每节电池的剩余容量，并由每节电池的剩余容量在预先训练的电池状态参数模型中的预测结果，得到每节电池对应的开关的通断状态。
[0026]在本专利技术实施例中，电池系统的电池包中每一节电池都设置有开关，通过对电池开关的通断状态的控制，实现对每节电池的剩余容量的控制。
[0027]示例性的，所述电池状态参数模型可以基于机器学习算法或者深度学习算法训练，训练的过程可以在云端完成，并在实施时将每节电池的剩余容量发送给云端，云端接收每节电池的剩余容量后，将每节电池的剩余容量输入预先训练的电池状态参数模型中，得到预测结果，预测结果即为每节电池对应的开关在下一时刻的通断状态。
[0028]S12，根据每节电池对应的开关的通断状态控制每节电池对应的开关的通断。
[0029]基于本专利技术实施例提供的技术方案，其通过获取电池系统发送的电池包中每节电池的剩余容量，并由每节电池的剩余容量在预先训练的电池状态参数模型中的预测结果，得到每节电池对应的开关的通断状态；根据每节电池对应的开关的通断状态控制每节电池对应的开关的通断。本专利技术实施例通过模型训练使得每一节电池尽可能同时消耗完，从而提高电池系统的能源利用率。
[0030]在一种可选的实施方式中，所述电池状态参数模型的训练网络为DQN，且所述电池状态参数模型的训练网络在每轮迭代训练时从所述经验池中筛选出最优状态下各个动作对应的Q值作为最优Q表，并将最优Q表作为下一次迭代训练的预先训练基础知识对网络参数进行更新。
[0031]在本实施例中，采用DQN算法进行学习，DQN在每次训练时根据策略和当前环境来选择一个最优的行动，最大化累积奖励。如图2所示，其示例性给出了DQN算法的网络结构，
在实施时将各节电池的剩余容量作为输入，然后经过卷积神经网络、最大池化层、卷积神经网络后，最后输出电池系统各节电池开关的通断状态。
[0032]其中，DQN在训练时，获取每节电池正常的电流数据，构建数据集：
[0033][0034]其中，分别表示第1节电池、第n节电池在t
m
时刻的电流数据。
[0035]根据每节电池的电流数据，计算每节电池消耗的容量W：
[0036][0037]其中，m是表示对应电池的使用时间，i(t)表示每节电池对应的电流；则，电池的剩余容量等于电池总容量减去电池消耗的容量W。
[0038]在具体实施时，在对电池系统进行能源管理时，需要不断获取电池系统中的电池包每节电池的剩余容量，导致DQN算法会面临学习大量参数的局面，从而导致学习效率低下。此外，在DQN算法训练过程中，所采集的每节电池的剩余容量样本具有较大的关联性，导致神经网络过拟合而无法收敛，降低了神经网络更新效率，影响了算法收敛效果。
[0039]为了解决训练过长的问题，本专利技术实施例通过引入经验共享机制，即在每轮迭代训练时从所述经验池中筛选出最优状态下各个动作对应的Q值作为最优Q表，并将最优Q表作为下一次迭代训练的预先训练基础知识对网络参数进行更新，如图3所示示出了经验池、经验共本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池能耗管理方法，其特征在于，包括：获取电池系统发送的电池包中每节电池的剩余容量，并由每节电池的剩余容量在预先训练的电池状态参数模型中的预测结果，得到每节电池对应的开关的通断状态；根据每节电池对应的开关的通断状态控制每节电池对应的开关的通断。2.如权利要求1所述的电池能耗管理方法，其特征在于，所述电池状态参数模型的训练网络为DQN，且所述电池状态参数模型的训练网络在每轮迭代训练时从所述经验池中筛选出最优状态下各个动作对应的Q值作为最优Q表，并将最优Q表作为下一次迭代训练的预先训练基础知识对网络参数进行更新。3.如权利要求2所述的电池能耗管理方法，其特征在于，所述在每轮迭代训练时从所述经验池中筛选出最优状态下各个动作对应的Q值作为最优Q表，具体包括：所述电池状态参数模型的训练网络在每次迭代训练时，将当前迭代训练对应的当前状态下执行动作获得的奖励作为当前学习世界训练所获得的奖励，并将当前学习世界训练所获得的奖励存入经验池中；获取所述经验池中所有学习世界训练所获得的奖励，并根据如下公式，计算在当前迭代训练轮中统计得到的所有学习世界获得的奖励总和与奖励方差；代训练轮中统计得到的所有学习世界获得的奖励总和与奖励方差；其中，R
ω
(t)表示所有学习世界获得的奖励总和，I表示学习世界的总个数，R
ωi
(t)表示在第i个学习世界训练获得的奖励，V
ω
(t)表示所有学习世界获得的奖励方差；对每一迭代训练轮中统计得到的所有学习世界获得的奖励总和与奖励方差进行对比，选取出奖励总和最大且奖励方差最小的迭代训练轮所对应的学习世界作为最优学习世界，并获取所述最优学习世界对应的状态下各个动作对应的Q值作为最优Q表。4.一种电池能耗管理装置，其特征在于，包括：获取模块，用于获取电池系统发送的电池包中每节电池的剩余容量，并由每节电池的剩余容量在预先训练的电池状态参数模型中的预测结果，得到每节电池对应的开关的通断状态；控制模块，用于根据每节电池对应的开关的通断状态控制每节电池对应的开关的通断。5.如权利要求4所述的电池能耗管理装置，其特征在于，所述电池状态参数模...

【专利技术属性】
技术研发人员：李伟科，郭茹，蔡昊良，石晶，梁辉，赖涛，
申请(专利权)人：中电科普天科技股份有限公司，
类型：发明
国别省市：