石墨烯电池的蓄电测试方法、系统、电子设备与存储介质技术方案

本发明专利技术公开了一种石墨烯电池的蓄电测试方法、系统、电子设备与存储介质，涉及电池蓄电测试技术领域。方法包括：获取石墨烯电池工作时的电池数据，将电池数据进行预处理得到模型输入数据；将模型输入数据输入预设SOH预测模型，得到石墨烯电池的当前SOH；根据当前SOH在神经网络模型库中调用目标SOC预测模型；将模型输入数据输入目标SOC预测模型，得到石墨烯电池的当前SOC，并输出显示当前SOH和当前SOC。通过预设SOH预测模型得到石墨烯电池的当前SOH，根据当前SOH的状态确定预测SOC的目标SOC预测模型，提高了预测电池SOC的精度和可靠性。提高了预测电池SOC的精度和可靠性。提高了预测电池SOC的精度和可靠性。

【技术实现步骤摘要】
石墨烯电池的蓄电测试方法、系统、电子设备与存储介质


[0001]本专利技术涉及电池蓄电测试
，具体涉及一种石墨烯电池的蓄电测试方法、系统、电子设备与存储介质。

技术介绍

[0002]当前常用的石墨烯电池大多为锂离子电池加入石墨烯材料制成的。电池进行持续监控，它们的性能可能会降低，寿命会缩短，或者可能会导致严重损坏或爆炸。为了防止此类事故的发生，需要对电池蓄电状态进行监测。
[0003]中国专利公开第CN107505575A号，公开一种退役动力电池的快速评估方法，利用电池在稳定电流充电过程中的数据，采用容量、内阻、功率、自放电率等数据融合的方法估计电池的健康状态，过程较为复杂，需要较长静置时间，且无法对电站中运行电池进行实时有效评估，不适合工程实际应用。
[0004]现有技术中，通常是通过电池SOC(充电状态)确定电池SOH(健康状态)，在预测电池SOC时并不考虑电池当前的SOH，导致预测电池SOC的精度和可靠性较低。

技术实现思路

[0005]本专利技术的目的就在于解决上述
技术介绍
的问题，而提出一种石墨烯电池的蓄电测试方法、系统、电子设备与存储介质。
[0006]本专利技术的目的可以通过以下技术方案实现：
[0007]本专利技术实施例第一方面，提供了一种石墨烯电池的蓄电测试方法，所述方法包括：
[0008]获取石墨烯电池工作时的电池数据，将所述电池数据进行预处理得到模型输入数据；
[0009]将所述模型输入数据输入预设SOH预测模型，得到石墨烯电池的当前SOH；
[0010]根据所述当前SOH在神经网络模型库中调用目标SOC预测模型；所述神经网络模型库包括正常SOC预测模型、缺陷SOC预测模型和故障SOC预测模型，所述目标SOC预测模型为其中任意一种预测模型；
[0011]将所述模型输入数据输入所述目标SOC预测模型，得到石墨烯电池的当前SOC，并输出显示所述当前SOH和所述当前SOC。
[0012]可选的，所述电池数据包括石墨烯电池的电压、电流、温度和内阻中的至少一种；
[0013]将所述电池数据进行预处理得到模型输入数据包括：
[0014]将所述电池数据按照放电周期进行分组得到第一输入数据；
[0015]将所述电池数据按照数据类型进行分组得到第二输入数据。
[0016]可选的，所述预设SOH预测模型采用3600
‑
256
‑
256
‑
3的MNN结构，使用Adam作为学习方法，每个隐藏层使用ReLU作为激活函数，输出层使用softmax；所述预设SOH预测模型的输入为所述第一输入数据。
[0017]可选的，所述目标SOC预测模型采用N加1
‑
150
‑
100
‑
1的MNN结构，该网络使用Adam
作为学习方法，每个隐藏层使用ReLU作为激活函数，或者，所述目标SOC预测模型采用N加1
‑
100
‑
50
‑
1的LSTM结构，该网络使用Adam作为学习方法，每个隐藏层使用s i gmo i d函数作为激活函数；所述目标SOC预测模型的输入为所述第二输入数据；其中N为所述电池数据的数据类型的种类数。
[0018]本专利技术实施例第二方面，还提供了一种石墨烯电池的蓄电测试系统，其特征在于，所述系统包括输入模块、第一预测模块、匹配模块和第二预测模块：
[0019]所述输入模块，用于获取石墨烯电池工作时的电池数据，将所述电池数据进行预处理得到模型输入数据；
[0020]所述第一预测模块，用于将所述模型输入数据输入预设SOH预测模型，得到石墨烯电池的当前SOH；
[0021]所述匹配模块，用于根据所述当前SOH在神经网络模型库中调用目标SOC预测模型；所述神经网络模型库包括正常SOC预测模型、缺陷SOC预测模型和故障SOC预测模型，所述目标SOC预测模型为其中任意一种预测模型；
[0022]所述第二预测模块，用于将所述模型输入数据输入所述目标SOC预测模型，得到石墨烯电池的当前SOC，并输出显示所述当前SOH和所述当前SOC。
[0023]可选的，所述电池数据包括石墨烯电池的电压、电流、温度和内阻中的至少一种；所述输入模块包括获取模块、第一分组模块和第二分组模块；
[0024]所述获取模块，用于获取石墨烯电池工作时的电池数据；
[0025]所述第一分组模块，用于将所述电池数据按照放电周期进行分组得到第一输入数据；
[0026]所述第二分组模块，用于将所述电池数据按照数据类型进行分组得到第二输入数据。
[0027]可选的，所述预设SOH预测模型采用3600
‑
256
‑
256
‑
3的MNN结构，使用Adam作为学习方法，每个隐藏层使用ReLU作为激活函数，输出层使用softmax；所述预设SOH预测模型的输入为所述第一输入数据。
[0028]可选的，所述目标SOC预测模型采用N加1
‑
150
‑
100
‑
1的MNN结构，该网络使用Adam作为学习方法，每个隐藏层使用ReLU作为激活函数，或者，所述目标SOC预测模型采用N加1
‑
100
‑
50
‑
1的LSTM结构，该网络使用Adam作为学习方法，每个隐藏层使用s i gmo i d函数作为激活函数；所述目标SOC预测模型的输入为所述第二输入数据；其中N为所述电池数据的数据类型的种类数。
[0029]本专利技术实施例第三方面，还提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0030]存储器，用于存放计算机程序；
[0031]处理器，用于执行存储器上所存放的程序时，实现上述任一所述的方法步骤。
[0032]本专利技术实施例第四方面，还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的方法步骤。
[0033]本专利技术的有益效果：
[0034]本专利技术实施例提供了一种石墨烯电池的蓄电测试方法，方法包括：获取石墨烯电池工作时的电池数据，将电池数据进行预处理得到模型输入数据；将模型输入数据输入预设SOH预测模型，得到石墨烯电池的当前SOH；根据当前SOH在神经网络模型库中调用目标SOC预测模型；神经网络模型库包括正常SOC预测模型、缺陷SOC预测模型和故障SOC预测模型，目标SOC预测模型为其中任意一种预测模型；将模型输入数据输入目标SOC预测模型，得到石墨烯电池的当前SOC，并输出显示当前SOH和所述当前SOC。通过预设SOH预测模型得到石墨烯电池的当前SOH，根据当前SOH的状态确定预测SOC的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种石墨烯电池的蓄电测试方法，其特征在于，所述方法包括：获取石墨烯电池工作时的电池数据，将所述电池数据进行预处理得到模型输入数据；将所述模型输入数据输入预设SOH预测模型，得到石墨烯电池的当前SOH；根据所述当前SOH在神经网络模型库中调用目标SOC预测模型；所述神经网络模型库包括正常SOC预测模型、缺陷SOC预测模型和故障SOC预测模型，所述目标SOC预测模型为其中任意一种预测模型；将所述模型输入数据输入所述目标SOC预测模型，得到石墨烯电池的当前SOC，并输出显示所述当前SOH和所述当前SOC。2.根据权利要求1所述的一种石墨烯电池的蓄电测试方法，其特征在于，所述电池数据包括石墨烯电池的电压、电流、温度和内阻中的至少一种；将所述电池数据进行预处理得到模型输入数据包括：将所述电池数据按照放电周期进行分组得到第一输入数据；将所述电池数据按照数据类型进行分组得到第二输入数据。3.根据权利要求2所述的一种石墨烯电池的蓄电测试方法，其特征在于，所述预设SOH预测模型采用3600
‑
256
‑
256
‑
3的MNN结构，使用Adam作为学习方法，每个隐藏层使用ReLU作为激活函数，输出层使用softmax；所述预设SOH预测模型的输入为所述第一输入数据。4.根据权利要求2所述的一种物联网数据集成分析方法，其特征在于，所述目标SOC预测模型采用N加1
‑
150
‑
100
‑
1的MNN结构，该网络使用Adam作为学习方法，每个隐藏层使用ReLU作为激活函数，或者，所述目标SOC预测模型采用N加1
‑
100
‑
50
‑
1的LSTM结构，该网络使用Adam作为学习方法，每个隐藏层使用sigmoid函数作为激活函数；所述目标SOC预测模型的输入为所述第二输入数据；其中N为所述电池数据的数据类型的种类数。5.一种石墨烯电池的蓄电测试系统，其特征在于，所述系统包括输入模块、第一预测模块、匹配模块和第二预测模块：所述输入模块，用于获取石墨烯电池工作时的电池数据，将所述电池数据进行预处理得到模型输入数据；所述第一预测模块，用于将所述模型输入数据输入预设SOH预测模型，得到石墨烯电池的当前SOH；所述匹配模块，用于根据所述当前SOH在神经网络模型库中调用...

【专利技术属性】
技术研发人员：黄德金，张巡蒙，黄镔，高建国，
申请(专利权)人：华宇新能源科技有限公司，
类型：发明
国别省市：