电池健康状态预测模型训练方法、装置和计算机设备制造方法及图纸

本申请涉及一种电池健康状态预测模型训练方法、装置和计算机设备。所述方法包括：获取理论预测模型以及电池的参考运行数据，将所述参考运行数据输入所述理论预测模型中，得到第一健康状态预测结果，基于所述参考运行数据确定微分电压分析曲线，基于所述微分电压分析曲线确定所述第二健康状态预测结果，基于所述第一健康状态预测结果以及第二健康状态预测结果确定训练数据，采用所述训练数据对初始预测模型进行训练，得到目标电池健康状态预测模型。采用本方法能够在预测电池健康状态时，保证了训练数据以及预测模型的准确性，使得预测结果更准确，精度更高，从而能有效监控电池健康状态，为管理及维护电池提供可靠的数据支持。持。持。

【技术实现步骤摘要】
电池健康状态预测模型训练方法、装置和计算机设备


[0001]本申请涉及电池
，特别是涉及一种电池健康状态预测模型训练方法、装置和计算机设备。

技术介绍

[0002]随着电池技术的发展，电池的应用场景日益广泛，电池的健康状态也备受众人关注。电池管理系统(BMS)应运而生，它可以配合监控储能电池状态，智能化管理及维护各个电池单元，延长电池的使用寿命，监控电池的状态，储能电池健康状态(SOH)是储能电池的容量、健康度及性能状态等健康状况的指示，在电池管理系统中起关键作用。
[0003]相关技术中有关SOH的预测，通常是构建电池老化经验模型或采用AI算法，基于实验室现有的电池老化数据预测SOH，但是这种预测方法的数据来源更新不及时，很难与实际的电池情况等效，且经验模型比较固定，不灵活，使得SOH的预测结果精度较差，准确度较低，很难运用于实际预测中。
[0004]因此，相关技术中亟需一种能够提高电池健康状态(SOH)预测准确度和精确度的方式。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池健康状态预测模型训练方法，其特征在于，所述方法包括：获取理论预测模型以及电池的参考运行数据；将所述参考运行数据输入所述理论预测模型中，得到第一健康状态预测结果；基于所述参考运行数据确定微分电压分析曲线，基于所述微分电压分析曲线确定第二健康状态预测结果；基于所述第一健康状态预测结果以及第二健康状态预测结果确定训练数据；采用所述训练数据对初始预测模型进行训练，得到目标电池健康状态预测模型。2.根据权利要求1所述的方法，其特征在于，所述获取理论预测模型包括：采用寻优算法确定初始参数；基于所述初始参数获取理论预测模型。3.根据权利要求1所述的方法，其特征在于，所述基于所述参考运行数据确定微分电压分析曲线，基于所述微分电压分析曲线确定第二健康状态预测结果之前包括：基于所述第一健康状态预测结果确定所述参考运行数据中电池健康状态满足预设要求的电池数据。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一健康状态预测结果确定所述参考运行数据中电池健康状态满足预设要求的电池数据之后还包括：确定所述电池数据中充电电流小于预设阈值的电池数据。5.根据权利要求1所述的方法，其特征在于，所述基于所述参考运行数据确定微分电压分析曲线，基于所述微分电压分析曲线确定得到第二健康状态预测结果包括：基于所述微分电压分析曲线确定特征峰，确定所述特征峰对应的电量值与满充电结束时的电量值之间的电量差值；基于所述电量差值与预设映射关系确定第二健康状态预测结果。6.根据权利要求1所述的方法，其特征在于，所述基于所述第一健康状态预测结果以及第...

【专利技术属性】
技术研发人员：程海峰，高科杰，杜仑，李志飞，
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：