【技术实现步骤摘要】
本申请涉及电池检测，具体涉及一种虚拟电池组老化参数生成方法及装置。
技术介绍
1、近年来，动力电池作为新的清洁能源得到了广泛的关注，其中，电化学储能电站的装机量就在逐年上升。电池单体的电压和容量有限，为了提升储能系统的能量等级，通常需要将单体电池进行串联或并联组合为电池组后进行使用，然而电池单体之间由于制造及使用的原因会存在不一致性，而在电池的使用过程中会不断受到电流倍率、温度、dod等老化因素的影响，从而导致容量衰退以及内阻增加，电池组内各单体之间不一致性变得更加明显。电池组内不一致性参数对电池组健康状态评估具有重要意义，但电池内部机理复杂，参数相互耦合，通过测试获取全部电池参数信息需要专业测试设备进行长时间测试，实际电池组的应用场景中无法提供完善的测试条件。
技术实现思路
1、针对现有技术中的问题，本申请实施例提供一种虚拟电池组老化参数生成方法及装置，能够至少部分地解决现有技术中存在的问题。
2、一方面，本申请提出一种虚拟电池组老化参数生成方法，包括：
3、获取待虚拟的实际电池组一老化阶段的第一性能参数；
4、将所述第一性能参数输入预先训练好的电池组老化参数生成模型，得到所述电池组老化参数生成模型虚拟的所述实际电池组在该老化阶段的老化参数。
5、在一些实施例中，所述电池组老化参数生成模型的训练过程如下：
6、获取实际电池组在不同老化阶段的老化参数，所述老化参数包括第一性能参数；
7、以所述实际电池组在每一老
8、在一些实施例中，所述方法还包括：
9、按照预设条件对实际电池组进行循坏老化试验，直至所述实际电池组达到寿命终止条件；
10、在对实际电池组进行循坏老化试验的过程中，获取所述实际电池组在不同老化阶段的老化参数。
11、在一些实施例中，所述实际电池组包括n个电池单体，n为正整数；所述实际电池组的老化参数包括每一电池单体的容量、内阻、自放电率、电池热容和/或电池导热系数；所述实际电池组的第一性能参数包括每一电池单体的容量。
12、在一些实施例中，所述以所述实际电池组在每一老化阶段的第一性能参数作为输入，以所述实际电池组在该老化阶段的老化参数作为输出，对预设的深度学习模型进行训练，得到电池组老化参数生成模型包括：
13、对于所述实际电池组的每一老化参数，利用高斯分布函数对该老化参数在每一老化阶段的值进行拟合，得到该老化参数在每一老化阶段的统计特征；
14、根据每一老化参数在每一老化阶段的统计特征，得到所述实际电池组在每一老化阶段的老化参数的统计特征矩阵；
15、以所述实际电池组在每一老化阶段的第一性能参数作为输入，以所述实际电池组在该老化阶段的老化参数的统计特征矩阵作为输出，对预设的深度学习模型进行训练，得到电池组老化参数生成模型。
16、在一些实施例中，所述统计特征包括数据分布的均值和/或数据分布的方差。
17、在一些实施例中，所述以所述实际电池组在每一老化阶段的第一性能参数作为输入，以所述实际电池组在该老化阶段的老化参数的统计特征矩阵作为输出，对预设的深度学习模型进行训练，得到电池组老化参数生成模型包括：
18、在所述实际电池组在每一老化阶段的第一性能参数上叠加随机噪声，生成所述实际电池组在该老化阶段对应的输入数据；
19、以所述实际电池组在每一老化阶段对应的输入数据作为输入，以所述实际电池组在该老化阶段的老化参数的统计特征矩阵作为输出，对预设的深度学习模型进行训练，得到电池组老化参数生成模型。
20、另一方面，本申请提出一种虚拟电池组老化参数生成装置，包括：
21、获取模块，用于获取待虚拟的实际电池组一老化阶段的第一性能参数；
22、生成模块，用于将所述第一性能参数输入预先训练好的电池组老化参数生成模型，得到所述电池组老化参数生成模型虚拟的所述实际电池组在该老化阶段的老化参数。
23、本申请实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例所述的虚拟电池组老化参数生成方法的步骤。
24、本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述的虚拟电池组老化参数生成方法的步骤。
25、本申请实施例提供的虚拟电池组老化参数生成方法及装置，通过获取待虚拟的实际电池组一老化阶段的第一性能参数；将所述第一性能参数输入预先训练好的电池组老化参数生成模型，得到所述电池组老化参数生成模型虚拟的所述实际电池组在该老化阶段的老化参数。这样，仅需获取真实电池组在任一老化阶段的第一性能参数，既可通过模型生成该真实电池组在该老化阶段的老化参数，解决了目前获取全部电池参数信息困难的技术问题。
本文档来自技高网...【技术保护点】
1.一种虚拟电池组老化参数生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述电池组老化参数生成模型的训练过程如下：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述实际电池组包括N个电池单体，N为正整数；所述实际电池组的老化参数包括每一电池单体的容量、内阻、自放电率、电池热容和/或电池导热系数；所述实际电池组的第一性能参数包括每一电池单体的容量。
5.根据权利要求2所述的方法，其特征在于，所述以所述实际电池组在每一老化阶段的第一性能参数作为输入，以所述实际电池组在该老化阶段的老化参数作为输出，对预设的深度学习模型进行训练，得到电池组老化参数生成模型包括：
6.根据权利要求5所述的方法，其特征在于，所述统计特征包括数据分布的均值和/或数据分布的方差。
7.根据权利要求5所述的方法，其特征在于，所述以所述实际电池组在每一老化阶段的第一性能参数作为输入，以所述实际电池组在该老化阶段的老化参数的统计特征矩阵作为输出，对预设的深度学习模
8.一种虚拟电池组老化参数生成装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种虚拟电池组老化参数生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述电池组老化参数生成模型的训练过程如下：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述实际电池组包括n个电池单体，n为正整数；所述实际电池组的老化参数包括每一电池单体的容量、内阻、自放电率、电池热容和/或电池导热系数；所述实际电池组的第一性能参数包括每一电池单体的容量。
5.根据权利要求2所述的方法，其特征在于，所述以所述实际电池组在每一老化阶段的第一性能参数作为输入，以所述实际电池组在该老化阶段的老化参数作为输出，对预设的深度学习模型进行训练，得到电池组老化参数生成模型包括：
6.根据权...
【专利技术属性】
技术研发人员：陈嘉楠，宋育洋，刘东辉，赵博，马明阳，陈宇昊，陈义衡，刘睿超，马国栋，蔡运恒，安星锟，董鑫媛，李醒华，刘伟志，杨万坤，张波，杨伟君，曹宏发，赵红卫，
申请(专利权)人：中国铁道科学研究院集团有限公司，
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。