一种电动汽车剩余放电量估计方法、系统、设备及介质技术方案

本发明专利技术公开一种电动汽车剩余放电量估计方法、系统、设备及介质，涉及剩余放电量估计技术领域，该方法包括获取当前阶段电动汽车特征参数；所述电动汽车特征参数包括动力电池电流、动力电池电压、环境温度、电动汽车驱动力和电动汽车速度；将当前阶段电动汽车特征参数输入至电动汽车剩余放电量估计模型中，得到当前阶段动力电池剩余放电量；其中，所述电动汽车剩余放电量估计模型是根据深度学习算法确定的。本发明专利技术能够高精度的预测不同温度、不同驾驶循环下的动力电池剩余放电量。驶循环下的动力电池剩余放电量。驶循环下的动力电池剩余放电量。

【技术实现步骤摘要】
一种电动汽车剩余放电量估计方法、系统、设备及介质


[0001]本专利技术涉及剩余放电量估计
，特别是涉及一种基于深度学习的电动汽车剩余放电量估计方法、系统、电子设备及存储介质。

技术介绍

[0002]基于动力电池系统的自身性能、能量密度、成本及重量的影响，相较于传统燃油车，纯电动汽车的续航能力较差，故对电池管理系统(Battery ManagementSystem，BMS)提出了更高的要求。
[0003]剩余放电量(RemainingDischargeEnergy，RDE)的估计是BMS的关键技术，准确估计RDE可以有效的估计电动汽车的续航里程。目前，RDE估计方法主要有直接计算法、基于电池模型的滤波法、基于预测的方法、基于神经网络的方法，直接计算法简单，但RDE测量的过程是累积的过程，容易造成误差累积；基于电池模型的滤波法和基于预测的方法，均存在参数辨识复杂，预测过程繁琐等缺点。

技术实现思路

[0004]鉴于此，本专利技术的目的是提供一种电动汽车剩余放电量估计方法、系统、设备及介质。
>[0005]为实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车剩余放电量估计方法，其特征在于，包括：获取当前阶段电动汽车特征参数；所述电动汽车特征参数包括动力电池电流、动力电池电压、环境温度、电动汽车驱动力和电动汽车速度；将当前阶段电动汽车特征参数输入至电动汽车剩余放电量估计模型中，得到当前阶段动力电池剩余放电量；其中，所述电动汽车剩余放电量估计模型是根据深度学习算法确定的。2.根据权利要求1所述的一种电动汽车剩余放电量估计方法，其特征在于，所述将当前阶段电动汽车特征参数输入至电动汽车剩余放电量估计模型中，得到当前阶段动力电池剩余放电量，具体包括：将当前阶段电动汽车特征参数进行预处理操作；所述预处理操作包括清洗、排序、线性插值以及归一化处理；将预处理操作后的当前阶段电动汽车特征参数输入至电动汽车剩余放电量估计模型中，得到当前阶段动力电池剩余放电量。3.根据权利要求1所述的一种电动汽车剩余放电量估计方法，其特征在于，所述电动汽车剩余放电量估计模型的确定过程为：构建样本数据集；所述样本数据集包括多个样本数据；所述样本数据包括输入数据和标签数据；所述输入数据为动力电池电流、动力电池电压、环境温度、电动汽车驱动力和电动汽车速度；所述标签数据为动力电池剩余放电量；构建卷积神经网络模型；将所述样本数据输入到所述卷积神经网络模型中，并采用反向传播算法调整所述卷积神经网络模型的参数，得到训练好的卷积神经网络模型；根据训练好的卷积神经网络模型，构建电动汽车剩余放电量估计模型。4.根据权利要求3所述的一种电动汽车剩余放电量估计方法，其特征在于，所述构建样本数据集，具体包括：采用硬件设备对电动汽车一次充放电过程中的动力电池电...

【专利技术属性】
技术研发人员：于程程，牟健慧，李俊杰，汤易，王天，杨庆新，
申请(专利权)人：烟台大学，
类型：发明
国别省市：