固态电池的控制管理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及电池充电技术领域，公开了一种固态电池的控制管理方法、装置、设备及存储介质。所述固态电池的控制管理方法包括：在目标固态电池的充电状态下，通过预置的温度控制传感器对目标固态电池进行温度数据采集，得到对应的温度数据；并通过电量检测芯片对所述目标固态电池进行电池剩余电量的实时检测，得到电量检测数据；根据所述温度数据和所述电量检测数据对所述目标固态电池进行电池工作状态分析，得到目标固态电池的充电状态参数信息。得到目标固态电池的充电状态参数信息。得到目标固态电池的充电状态参数信息。

【技术实现步骤摘要】
固态电池的控制管理方法、装置、设备及存储介质


[0001]本专利技术涉及电池充电
，尤其涉及一种固态电池的控制管理方法、装置、设备及存储介质。

技术介绍

[0002]锂电池是目前新能源汽车、电子产品中常用的储存电能的产品，电池的安全关乎到其负载的安全。目前电池使用过程中，电池管理系统通常注重的是在充电时电池的状态参数，例如充电电压、充电电流、充电温度等，通过充电时电池的充电电压、充电电流、充电温度等检测电池是否充电异常。但是目前的方法无法智能监测与分析电池充电状态下的数据，并且无法有效评估电池性能健康状况，以及制定合适的控制策略。

技术实现思路

[0003]本专利技术提供了一种固态电池的控制管理方法、装置、设备及存储介质，用于解决上述提到的技术问题。
[0004]本专利技术第一方面提供了一种固态电池的控制管理方法，所述固态电池的控制管理方法包括：在目标固态电池的充电状态下，通过预置的温度控制传感器对目标固态电池进行温度数据采集，得到对应的温度数据；并通过电量检测芯片对所述目标固态电池进行电池剩余电量的实时检测，得到电量检测数据；根据所述温度数据和所述电量检测数据对所述目标固态电池进行电池工作状态分析，得到目标固态电池的充电状态参数信息；获取所述目标固态电池的性能特征数据，根据所述性能特征数据在数据库中确定出对应的电池寿命预测模型；其中，所述电池寿命预测模型为训练完成的深度学习模型；将所述充电状态参数信息输入至所述电池寿命预测模型中预测得到所述目标固态电池充电状态下的电池寿命数据，根据所述目标固态电池的电池寿命数据检测所述目标固态电池的性能健康状况；基于所述目标固态电池的性能健康状况，对所述目标固态电池进行控制策略分析，生成目标控制策略。
[0005]可选的，在本专利技术第一方面的第一种实现方式中，所述通过电量检测芯片对所述目标固态电池进行电池剩余电量的实时检测，得到电量检测数据，具体包括：步骤1：对所述电量检测芯片进行固态电池剩余电量阈值设置，得到固态电池剩余电量阈值；步骤2：通过所述电量检测芯片检测所述目标固态电池的电池剩余电量，并与所述固态电池剩余电量阈值进行比较；步骤3：当目标固态电池剩余电量大于所述固态电池剩余电量阈值时返回步骤2，
当目标固态电池的剩余电量小于所述固态电池剩余电量阈值时执行步骤4；步骤4：通过所述温度控制传感器对工作状态下的固态电池内的温度值进行检测；步骤5：判断所述目标固态电池内的温度值是否偏离预设温度范围；步骤6：当所述目标固态电池内的温度值偏离所述预设温度范围时，控制循环动力装置的循环速度和/或换热器，调整所述目标固态电池内的温度值。
[0006]可选的，在本专利技术第一方面的第二种实现方式中，所述获取所述目标固态电池的性能特征数据，根据所述性能特征数据在数据库中确定出对应的电池寿命预测模型，包括：获取所述目标固态电池的性能特征数据，对所述性能特征数据进行解析，得到第一性能特征信息以及第二性能特征信息；所述第一性能特征信息包括所述目标固态电池的生产商信息以及电池型号信息，所述第二性能特征信息包括电池类型信息以及电池生产工艺信息；将所述第一性能特征信息以及第二性能特征信息分别进行向量化得到第一性能特征向量以及第二性能特征向量；将所述第一性能特征向量以及第二性能特征向量输入至预设的BP神经网络分类模型中进行分类，得到分类结果所对应的所述电池寿命预测模型；其中，所述BP神经网络分类模型为BP神经网络模型经过预先训练得到。
[0007]可选的，在本专利技术第一方面的第三种实现方式中，所述将所述充电状态参数信息输入至所述电池寿命预测模型中预测得到所述目标固态电池充电状态下的电池寿命数据，根据所述目标固态电池的电池寿命数据检测所述目标固态电池的性能健康状况，包括：基于深度学习算法建立电池寿命预测模型，并将所述充电状态参数信息输入至电池寿命预测模型；通过输入的所述充电状态参数信息，电池寿命预测模型输出目标固态电池充电状态下的电池寿命数据，根据所述电池寿命数据预测目标固态电池在充电状态下的预期寿命；根据所述预期寿命，检测目标固态电池的性能健康状况；其中，所述性能健康状况至少包括目标固态电池的第一性能健康状况和第二性能健康状况。
[0008]可选的，在本专利技术第一方面的第四种实现方式中，所述基于所述目标固态电池的性能健康状态，对所述目标固态电池进行控制策略分析，生成目标控制策略，包括：基于所述目标固态电池的性能健康状况，通过机器学习算法对所述目标固态电池进行分析与评估，得到评估结果；根据所述评估结果，生成目标控制策略；其中，所述目标控制策略至少包括充电速度控制策略、电压和电流控制策略、电池温度控制策略；根据所述目标控制策略自动调整充电策略以及对充电异常事件进行预警。
[0009]可选的，在本专利技术第一方面的第五种实现方式中，还包括：调用预设的故障预测模型，将目标固态电池的电池寿命数据与性能健康状况数据输入至所述故障预测模型，得到故障自测信息，并将所述故障自测信息转换为初始故障矩阵；基于预设的矩阵转换规则对所述初始故障矩阵进行矩阵转换，得到目标故障矩阵，再将所述目标故障矩阵输入至预设的故障处理模型中进行故障处理策略分析，得到故
障处理策略分析结果，并根据所述故障处理策略分析结果生成故障处理方案。
[0010]本专利技术第二方面提供了一种固态电池的控制管理装置，所述固态电池的控制管理装置包括：采集模块，用于在目标固态电池的充电状态下，通过预置的温度控制传感器对目标固态电池进行温度数据采集，得到对应的温度数据；并通过电量检测芯片对所述目标固态电池进行电池剩余电量的实时检测，得到电量检测数据；处理模块，用于根据所述温度数据和所述电量检测数据对所述目标固态电池进行电池工作状态分析，得到目标固态电池的充电状态参数信息；训练模块，用于获取所述目标固态电池的性能特征数据，根据所述性能特征数据在数据库中确定出对应的电池寿命预测模型；其中，所述电池寿命预测模型为训练完成的深度学习模型；检测模块，用于将所述充电状态参数信息输入至所述电池寿命预测模型中预测得到所述目标固态电池充电状态下的电池寿命数据，根据所述目标固态电池的电池寿命数据检测所述目标固态电池的性能健康状况；控制策略分析模块，用于基于所述目标固态电池的性能健康状况，对所述目标固态电池进行控制策略分析，生成目标控制策略。
[0011]本专利技术第三方面提供了一种固态电池的控制管理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述固态电池的控制管理设备执行上述的固态电池的控制管理方法。
[0012]本专利技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的固态电池的控制管理方法。
[0013]本专利技术提供的技术方案中，有益效果：本专利技术提供的一种固态电池的控制管理方法、装置、设备及存储介质，通过在目标固态电池的充电状态下，通过预置的温度控制传感器对目标固态电池进行温度数据采集，得到对应的温度数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种固态电池的控制管理方法，其特征在于，包括：在目标固态电池的充电状态下，通过预置的温度控制传感器对目标固态电池进行温度数据采集，得到对应的温度数据；并通过电量检测芯片对所述目标固态电池进行电池剩余电量的实时检测，得到电量检测数据；根据所述温度数据和所述电量检测数据对所述目标固态电池进行电池工作状态分析，得到目标固态电池的充电状态参数信息；获取所述目标固态电池的性能特征数据，根据所述性能特征数据在数据库中确定出对应的电池寿命预测模型；其中，所述电池寿命预测模型为训练完成的深度学习模型；将所述充电状态参数信息输入至所述电池寿命预测模型中预测得到所述目标固态电池充电状态下的电池寿命数据，根据所述目标固态电池的电池寿命数据检测所述目标固态电池的性能健康状况；基于所述目标固态电池的性能健康状况，对所述目标固态电池进行控制策略分析，生成目标控制策略。2.根据权利要求1所述的方法，其特征在于，所述通过电量检测芯片对所述目标固态电池进行电池剩余电量的实时检测，得到电量检测数据，具体包括：步骤1：对所述电量检测芯片进行固态电池剩余电量阈值设置，得到固态电池剩余电量阈值；步骤2：通过所述电量检测芯片检测所述目标固态电池的电池剩余电量，并与所述固态电池剩余电量阈值进行比较；步骤3：当目标固态电池剩余电量大于所述固态电池剩余电量阈值时返回步骤2，当目标固态电池的剩余电量小于所述固态电池剩余电量阈值时执行步骤4；步骤4：通过所述温度控制传感器对工作状态下的固态电池内的温度值进行检测；步骤5：判断所述目标固态电池内的温度值是否偏离预设温度范围；步骤6：当所述目标固态电池内的温度值偏离所述预设温度范围时，控制循环动力装置的循环速度和/或换热器，调整所述目标固态电池内的温度值。3.根据权利要求1所述的方法，其特征在于，所述获取所述目标固态电池的性能特征数据，根据所述性能特征数据在数据库中确定出对应的电池寿命预测模型，包括：获取所述目标固态电池的性能特征数据，对所述性能特征数据进行解析，得到第一性能特征信息以及第二性能特征信息；所述第一性能特征信息包括所述目标固态电池的生产商信息以及电池型号信息，所述第二性能特征信息包括电池类型信息以及电池生产工艺信息；将所述第一性能特征信息以及第二性能特征信息分别进行向量化得到第一性能特征向量以及第二性能特征向量；将所述第一性能特征向量以及第二性能特征向量输入至预设的BP神经网络分类模型中进行分类，得到分类结果所对应的所述电池寿命预测模型；其中，所述BP神经网络分类模型为BP神经网络模型经过预先训练得到。4.根据权利要求1所述的方法，其特征在于，所述将所述充电状态参数信息输入至所述电池寿命预测模型中预测得到所述目标固态电池充电状态下的电池寿命数据，根据所述目标固态电池的电池寿命数据检测所述目标固态电池的性能健康状况，包括：
基于深度学习算法建立电池寿命预测模型，并将所述充电状态参数信息输入至电池寿命预测模型...

【专利技术属性】
技术研发人员：刘贤喜，
申请(专利权)人：深圳市南霸科技有限公司，
类型：发明
国别省市：