电池的状态预测方法及存储介质技术

本发明专利技术公开了一种电池的状态预测方法及存储介质。其中，该方法包括：获取电池在历史时间段内的第一状态数据；基于历史时间段、预测时间段和预测时间段对应的目标预测倍数确定目标预测次数，其中，预测时间段用于表示历史时间段之后的时间段，目标预测次数用于表示对第一状态数据进行预测的次数；基于目标预测次数利用目标神经网络对第一状态数据进行至少一次预测，得到预测状态数据，其中，预测状态数据用于表示电池在预测时间段内的状态数据。本发明专利技术解决了对电池状态难以进行长期预测的技术问题。术问题。术问题。

【技术实现步骤摘要】
电池的状态预测方法及存储介质


[0001]本专利技术涉及燃料电池领域，具体而言，涉及一种电池的状态预测方法及存储介质。

技术介绍

[0002]燃料电池具备温室气体排放少、能源转换效率高等优点，然而车载燃料电池系统启停频繁、工况复杂，会严重影响燃料电池系统的使用寿命。因此，有效的预测燃料电池的剩余使用寿命，对于燃料电池使用寿命的延长，以及促进燃料电池商业化发展具有重要的意义。然而，相关技术中燃料电池寿命预测方法仅能实现对短期燃料电池的老化预测，其预测长度仅为原始数据长度的1.2
‑
1.3倍，对燃料电池长期的老化与状态难以实现长期跟踪。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种电池的状态预测方法及存储介质，以至少解决对电池状态难以进行长期预测的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种电池的状态预测方法，包括：获取电池在历史时间段内的第一状态数据；基于历史时间段、预测时间段和预测时间段对应的目标预测倍数确定目标预测次数，其中，预测时间段用于表示历史时间段之后的时间段，目标预测次数用于表示对第一状态数据进行预测的次数；基于目标预测次数利用目标神经网络对第一状态数据进行至少一次预测，得到预测状态数据，其中，预测状态数据用于表示电池在预测时间段内的状态数据。
[0006]可选的，基于历史时间段、预测时间段和预测时间段对应的目标预测倍数确定目标预测次数，包括：确定预测时间段和历史时间段的差值；确定差值和目标预测倍数的比值为目标预测次数。
[0007]可选的，该方法还包括：获取多个初始预测倍数、电池在第一时间段内的第一样本状态数据以及电池在多个第二时间段内的第一验证样本状态数据，其中，多个第二时间段与多个初始预测倍数一一对应，多个第二时间段用于表示第一时间段之后的多个时间段；基于多个初始预测倍数利用目标神经网络对第一样本状态数据进行预测，得到电池在多个第二时间段内的第一预测样本状态数据；基于多个第二时间段内的第一验证样本状态数据和多个第二时间段内的第一预测样本状态数据，确定多个初始预测倍数对应的多个第一误差；从多个第一误差中确定目标误差对应的初始预测倍数为目标预测倍数，其中，目标误差为多个第一误差中误差最小的第一误差。
[0008]可选的，基于多个第二时间段内的第一验证样本状态数据和多个第二时间段内的第一预测样本状态数据，确定多个初始预测倍数对应的多个第一误差，包括：基于多个第二时间段内的第一验证样本状态数据确定多个第二时间段内的第一样本衰减率；基于多个第二时间段内的第一预测样本状态数据确定多个第二时间段内的第一预测衰减率；基于多个第二时间段内的第一样本衰减率和多个第二时间段内的第一预测衰减以及多个第二时间
段确定多个初始预测倍数对应的多个第一误差。
[0009]可选的，从多个第一误差中确定目标误差对应的初始预测倍数为目标预测倍数，包括：从多个第一误差中确定目标误差对应的初始预测倍数为第一预测倍数；获取电池在第三时间段内的第二样本状态数据和电池在第四时间段内的第二验证样本状态数据，其中，第四时间段用于表示第三时间段之后的时间段；基于第三时间段、第四时间段和第一预测倍数确定样本预测次数，其中，样本预测次数用于表示对第二样本状态数据进行预测的次数；基于样本预测次数利用目标神经网络对第一状态数据进行至少一次预测，得到第二预测样本状态数据；基于第二预测样本状态数据和第二验证样本状态数据对第一预测倍数进行调整，得到目标预测倍数。
[0010]可选的，基于第二预测样本状态数据和第二验证样本状态数据对第一预测倍数进行调整，得到目标预测倍数，包括：确定第二预测样本状态数据对应的第二样本衰减率；确定第二验证样本状态数据对应的第二预测衰减率；基于第二样本衰减和第二预测衰减率对第一预测倍数进行调整，得到目标预测倍数。
[0011]可选的，基于第二样本衰减和第二预测衰减率对第一预测倍数进行调整，得到目标预测倍数，包括：基于第二样本衰减率和第二预测衰减率确定第二误差；基于第一预设值和第二误差的差值确定目标误差；基于目标误差和预设误差对第一预测倍数进行调整，得到目标预测倍数。
[0012]可选的，基于目标误差和预设误差对第一预测倍数进行调整，得到目标预测倍数，包括：响应于目标误差大于或等于预设误差，对第一预测倍数进行调整，得到目标预测倍数；响应于目标误差小于预设误差，确定第一预测倍数为目标预测倍数。
[0013]可选的，该方法还包括：根据预测状态数据确定电池在预测时间段内的预测参数，其中，预测参数包括：预测电流值、空气压力和冷却水入口温度以及预测电压值；利用预设函数对预测电流值和空气压力以及冷却水入口温度进行处理，得到目标电压值；确定目标电压值和预测电压值的比值，得到电压比值；基于第二预测值和电压比值的差值确定电池在预测时间段内的目标衰减率，其中，目标衰减率用于表示电池的剩余使用寿命。
[0014]根据本专利技术实施例的另一方面，还提供了一种电池的状态预测装置，包括：获取模块，用于获取电池在历史时间段内的第一状态数据；确定模块，用于基于历史时间段、预测时间段和预测时间段对应的目标预测倍数确定目标预测次数，其中，预测时间段用于表示历史时间段之后的时间段，目标预测次数用于表示对第一状态数据进行预测的次数；预测模块，用于基于目标预测次数利用目标神经网络对第一状态数据进行至少一次预测，得到预测状态数据，其中，预测状态数据用于表示电池在预测时间段内的状态数据。
[0015]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，在程序运行时控制所在设备的处理器中执行上述任意一项的电池的状态预测方法。
[0016]在本专利技术实施例中，通过获取电池在历史时间段内的第一状态数据；基于历史时间段、预测时间段和预测时间段对应的目标预测倍数确定目标预测次数，其中，预测时间段用于表示历史时间段之后的时间段，目标预测次数用于表示对第一状态数据进行预测的次数；基于目标预测次数利用目标神经网络对第一状态数据进行至少一次预测，得到预测状态数据，其中，预测状态数据用于表示电池在预测时间段内的状态数据。容易注意到的是，
可以基于历史时间段、预测时间段和预测时间段对应的目标预测倍数确定目标预测次数，在确定出目标预测次数后，基于目标预测次数利用目标神经网络对第一状态数据进行至少一次预测，得到预测状态数据，从而实现了通过迭代预测方法对燃料电池状态以及寿命的长期预测，进而解决了对电池状态难以进行长期预测的技术问题。
附图说明
[0017]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是根据本专利技术实施例的一种电池的状态预测方法的流程图；
[0019]图2是根据本专利技术实施例的一种目标预测倍数确定流程图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池的状态预测方法，其特征在于，包括：获取电池在历史时间段内的第一状态数据；基于所述历史时间段、预测时间段和所述预测时间段对应的目标预测倍数确定目标预测次数，其中，所述预测时间段用于表示所述历史时间段之后的时间段，所述目标预测次数用于表示对所述第一状态数据进行预测的次数；基于所述目标预测次数利用目标神经网络对第一状态数据进行至少一次预测，得到预测状态数据，其中，所述预测状态数据用于表示所述电池在所述预测时间段内的状态数据。2.根据权利要求1所述的电池的状态预测方法，其特征在于，基于所述历史时间段、预测时间段和所述预测时间段对应的目标预测倍数确定目标预测次数，包括：确定所述预测时间段和所述历史时间段的差值；确定所述差值和所述目标预测倍数的比值为所述目标预测次数。3.根据权利要求1所述的电池的状态预测方法，其特征在于，所述方法还包括：获取多个初始预测倍数、所述电池在第一时间段内的第一样本状态数据以及所述电池在多个第二时间段内的第一验证样本状态数据，其中，所述多个第二时间段与所述多个初始预测倍数一一对应，所述多个第二时间段用于表示所述第一时间段之后的多个时间段；基于所述多个初始预测倍数利用所述目标神经网络对所述第一样本状态数据进行预测，得到所述电池在所述多个第二时间段内的第一预测样本状态数据；基于所述多个第二时间段内的第一验证样本状态数据和所述多个第二时间段内的第一预测样本状态数据，确定所述多个初始预测倍数对应的多个第一误差；从所述多个第一误差中确定目标误差对应的初始预测倍数为所述目标预测倍数，其中，所述目标误差为所述多个第一误差中误差最小的第一误差。4.根据权利要求3所述的电池的状态预测方法，其特征在于，基于所述多个第二时间段内的第一验证样本状态数据和所述多个第二时间段内的第一预测样本状态数据，确定所述多个初始预测倍数对应的多个第一误差，包括：基于所述多个第二时间段内的第一验证样本状态数据确定所述多个第二时间段内的第一样本衰减率；基于所述多个第二时间段内的第一预测样本状态数据确定所述多个第二时间段内的第一预测衰减率；基于所述多个第二时间段内的第一样本衰减率和所述多个第二时间段内的第一预测衰减以及所述多个第二时间段确定所述多个初始预测倍数对应的所述多个第一误差。5.根据权利要求3所述的电池的状态预测方法，其特征在于，从所述多个第一误差中确定目标误差对应的初始预测倍数为所述目标预测倍数，包括：从所述多个第一误差中确定所述目标误差对应的初始预测倍数为第一预测倍数；获取所述电池在第三时间段内的第二样本状态数据和所述电...

【专利技术属性】
技术研发人员：王恺，王德平，赵慧超，韩令海，赵洪辉，王宇鹏，都京，魏凯，盛夏，刘华洋，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：