【技术实现步骤摘要】
一种蓄电池状态监测系统
[0001]本专利技术涉及测量电变量
,具体涉及一种蓄电池状态监测系统。
技术介绍
[0002]蓄电池的监测对于蓄电池的安全至关重要。目前,在对蓄电池状态进行监测时,通常采用的方式为:将蓄电池充电过程中的电压输入到电池状态网络,通过电池状态网络输出蓄电池的状态。其中,电池状态网络往往是利用多个已知是否故障的蓄电池的充电过程中的电压,训练得到的网络。
[0003]然而,当采用上述方式时,经常会存在如下技术问题:
[0004]引起蓄电池电压变化的原因往往不仅仅是蓄电池故障,往往还存在一些非故障因素(如,测量蓄电池电压的传感器的精度不高),因此如果训练电池状态网络仅仅考虑蓄电池充电过程中的电压,并不考虑可能引起电压变化的非故障因素,往往导致通过训练完成的电池状态网络检测的蓄电池的状态不准确,从而导致蓄电池的状态监测的准确度低下。
技术实现思路
[0005]本专利技术的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本专利技术的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
[0006]本专利技术的一些实施例提出了一种蓄电池状态监测系统,来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0007]本专利技术的一些实施例提供了一种蓄电池状态监测的系统,该系统包括数据获取模块和数据处理模块,上述数据获取模块用于获取数据,并将获取的数据发送给上述数据处理模块 ...
【技术保护点】
【技术特征摘要】
1.一种蓄电池状态监测系统,其特征在于,包括数据获取模块和数据处理模块,所述数据获取模块用于获取数据,并将获取的数据发送给所述数据处理模块,所述数据包括:待检测蓄电池在第一预设时间段内的电压序列、电流序列和第二预设时间段内的检测电压序列,所述数据处理模块用于接收数据获取模块发送的数据,并实现如下步骤:将所述电压序列和所述电流序列输入到训练完成的高斯过程回归模型,通过所述高斯过程回归模型,输出所述待检测蓄电池在预测时间段内的正常预测电压序列、测量线性预测误差序列、电压故障预测值序列、电压预测不确定性序列、线性误差预测不确定性序列和故障预测不确定性序列;根据所述正常预测电压序列、所述测量线性预测误差序列和所述电压故障预测值序列,确定所述待检测蓄电池在所述预测时间段内的预测电压序列;根据所述检测电压序列与所述预测电压序列,确定所述待检测蓄电池在所述预测时间段内的电压差值序列;对所述电压差值序列、所述正常预测电压序列、所述测量线性预测误差序列、所述电压故障预测值序列、所述电压预测不确定性序列、所述线性误差预测不确定性序列和所述故障预测不确定性序列进行联合操作,得到联合序列;将所述联合序列输入到训练完成的蓄电池状态监测网络,通过所述蓄电池状态监测网络,输出所述待检测蓄电池对应的蓄电池状态,以实现对所述待检测蓄电池状态的检测。2.根据权利要求1所述的系统,其特征在于,在所述将所述电压序列和所述电流序列输入到训练完成的高斯过程回归模型之前,所述数据处理模块实现的步骤还包括:获取标准时间段内的标准电压序列和标准电流序列;当所述第一预设时间段对应的时长不等于所述标准时间段对应的时长时,分别对所述标准电压序列和所述电压序列,所述标准电流序列和所述电流序列进行数据对齐,得到所述电压序列对应的对齐电压序列和所述电流序列对应的对齐电流序列;将所述对齐电压序列和所述对齐电流序列,分别确定为所述电压序列和所述电流序列。3.根据权利要求1所述的系统,其特征在于,所述根据所述检测电压序列与所述预测电压序列,确定所述待检测蓄电池在所述预测时间段内的电压差值序列,包括:当所述第二预设时间段对应的时长不等于所述预测时间段对应的时长时,获取所述预测时间段内的参考电压序列;对所述检测电压序列和所述参考电压序列进行数据对齐,得到所述检测电压序列对应的齐整电压序列;将所述齐整电压序列中的每个齐整电压与所述齐整电压对应的所述预测电压序列中的预测电压的差值,确定为电压差值,得到所述电压差值序列。4.根据权利要求2所述的系统,其特征在于,所述高斯过程回归模型的训练过程,包括:构建高斯过程回归模型;获取样本蓄电池的样本集,其中,所述样本集中的样本包括:样本蓄电池在第三预设时间段内的测量电压序列和测量电流序列,所述样本集中的样本对应的标签包括:样本蓄电池在第四预设时间段内的正常电压序列、测量线性误差序列和电压故障值序列;利用所述样本集和所述样本集中的各个样本对应的标签,对高斯过程回归模型进行训
练,得到训练完成的高斯过程回归模型。5.根据权利要求4所述的系统,其特征在于,所述蓄电池状态监测网络的训练过程,包括:构建蓄电池状态监测网络;将所述样本集输入到训练完成的高斯过程回归模型,通过训练完成的高斯过程回归模型,输出所述样本集对应的预测信息集,其中,所述预测信...
【专利技术属性】
技术研发人员:罗家仁,
申请(专利权)人:浙江长兴震革科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。