System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电池管理,具体而言,涉及一种电池电量和健康度的联合估计方法、装置、设备和介质。
技术介绍
1、带有电池储能系统的设备通常配备电池管理系统,以监控、控制和保护电池的运行。荷电状态(stateofcharge,soc)估计和电池健康状态(stateofhealth,soh)估计作为电池管理系统的关键功能,能够提供对电池状态的实时监测和评估。这些估计结果可以用于电池的充放电控制、性能优化、剩余寿命预测和安全管理等方面,从而保证电池的高效、安全和可靠运行。
2、随着电池老化,即soh下降,电池在同一soc下将会表现出不同的外特性。传统的soc与soh联合估计方法以解耦方式进行soc与soh联合估计,即分别进行独立的设计。这种联合估计方案将soh估计误差引入soc估计过程,造成soc估计精度下降的问题。
3、有鉴于此,申请人在研究了现有的技术后特提出本申请。
技术实现思路
1、本专利技术提供了一种电池电量和健康度的联合估计方法、装置、设备和介质,以改善上述技术问题中的至少一个。
2、第一方面,本专利技术实施例提供了一种电池电量和健康度的联合估计方法,其包含步骤s1至步骤s5。
3、s1、获取电池的运行数据。其中,运行数据包括电池的电流、电压和温度。
4、s2、对运行数据进行预处理,获取预处理数据。其中,预处理包括归一化处理和去除异常值处理。
5、s3、根据预处理数据,进行滑动窗口划分处理,获取电量值评估数据
6、s4、根据预处理数据,进行长度对齐处理,获取健康度评估数据。
7、s5、将电量值评估数据和健康度评估数据输入预先构建的基于多任务学习的储能电池电量与健康度联合估计模型,获取电池的电量和健康度。其中,基于多任务学习的储能电池电量与健康度联合估计模型包含:soc编码器、soh编码器和mmoe多任务学习模型。soc编码器用以对电量值评估数据进行特征编码,获取soc编码。soh编码器用以对健康度评估数据进行特征编码,获取soh编码。mmoe多任务学习模型包含soc估计门网络、soh估计门网络、预设数量个专家网络、soc估计器和soh估计器。soc估计门和soh估计门用以计算各个专家网络输出所占的权重。专家网络用以从soc编码和soh编码中挖掘特征。soc估计器和soh估计器分别用以将挖掘的特征映射为电量值和健康度值。
8、第二方面,本专利技术实施例提供了一种电池电量和健康度的联合估计装置,其包含:
9、运行数据获取模块,用于获取电池的运行数据。其中,运行数据包括电池的电流、电压和温度。
10、预处理模块,用于对运行数据进行预处理,获取预处理数据。其中,预处理包括归一化处理和去除异常值处理。
11、划分模块,用于根据预处理数据,进行滑动窗口划分处理,获取电量值评估数据。
12、对齐模块,用于根据预处理数据,进行长度对齐处理,获取健康度评估数据。
13、评估模块,用于将电量值评估数据和健康度评估数据输入预先构建的基于多任务学习的储能电池电量与健康度联合估计模型,获取电池的电量和健康度。其中,基于多任务学习的储能电池电量与健康度联合估计模型包含:soc编码器、soh编码器和mmoe多任务学习模型。soc编码器用以对电量值评估数据进行特征编码,获取soc编码。soh编码器用以对健康度评估数据进行特征编码,获取soh编码。mmoe多任务学习模型包含soc估计门网络、soh估计门网络、预设数量个专家网络、soc估计器和soh估计器。soc估计门和soh估计门用以计算各个专家网络输出所占的权重。专家网络用以从soc编码和soh编码中挖掘特征。soc估计器和soh估计器分别用以将挖掘的特征映射为电量值和健康度值。
14、第三方面,本专利技术实施例提供了一种电池电量和健康度的联合估计设备,其包括处理器、存储器,以及存储在存储器内的计算机程序。计算机程序能够被处理器执行,以实现如第一方面任意一段的电池电量和健康度的联合估计方法。
15、第四方面,本专利技术实施例提供了一种计算机可读存储介质。计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行如第一方面任意一段的电池电量和健康度的联合估计方法。
16、通过采用上述技术方案,本专利技术可以取得以下技术效果:
17、本专利技术实施例的电池电量和健康度的联合估计方法对电池电量和健康度进行联合估值,能够在电池全生命周期中都具有良好的估计精度,准确的计算电池电量和健康度。
本文档来自技高网...【技术保护点】
1.一种电池电量和健康度的联合估计方法,其特征在于,包含:
2.根据权利要求1所述的电池电量和健康度的联合估计方法,其特征在于,SOC编码器包括依次连接的GRU网络层,以及预设数量个由ReLu函数激活的FC全连接层:
3.根据权利要求1所述的电池电量和健康度的联合估计方法,其特征在于,SOH编码器包括依次连接的第一个GRU网络层、预设数量个Transformer编码器、第二个GRU网络层,以及预设数量个由ReLu函数激活的FC全连接层;
4.根据权利要求1所述的电池电量和健康度的联合估计方法,其特征在于,所述SOC估计门网络和所述SOH估计门网络均由依次连接的FC全连接层、ReLU激活层、FC全连接层和SoftMax激活层组成;
5.根据权利要求1至4任意一项所述的电池电量和健康度的联合估计方法,其特征在于,对所述运行数据进行预处理,获取预处理数据;其中,所述预处理包括归一化处理和去除异常值处理,具体包括:
6.根据权利要求1至4任意一项所述的电池电量和健康度的联合估计方法,其特征在于,根据所述预处理数据,进行滑动窗口划
7.根据权利要求1至4任意一项所述的电池电量和健康度的联合估计方法,其特征在于,根据所述预处理数据,进行长度对齐处理,获取健康度评估数据,具体包括:
8.一种电池电量和健康度的联合估计装置,其特征在于,包含:
9.一种电池电量和健康度的联合估计设备,其特征在于,包括处理器、存储器,以及存储在所述存储器内的计算机程序;所述计算机程序能够被所述处理器执行,以实现如权利要求1至7任意一项所述的电池电量和健康度的联合估计方法。
10.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7任意一项所述的电池电量和健康度的联合估计方法。
...【技术特征摘要】
1.一种电池电量和健康度的联合估计方法,其特征在于,包含:
2.根据权利要求1所述的电池电量和健康度的联合估计方法,其特征在于,soc编码器包括依次连接的gru网络层,以及预设数量个由relu函数激活的fc全连接层:
3.根据权利要求1所述的电池电量和健康度的联合估计方法,其特征在于,soh编码器包括依次连接的第一个gru网络层、预设数量个transformer编码器、第二个gru网络层,以及预设数量个由relu函数激活的fc全连接层;
4.根据权利要求1所述的电池电量和健康度的联合估计方法,其特征在于,所述soc估计门网络和所述soh估计门网络均由依次连接的fc全连接层、relu激活层、fc全连接层和softmax激活层组成;
5.根据权利要求1至4任意一项所述的电池电量和健康度的联合估计方法,其特征在于,对所述运行数据进行预处理,获取预处理数据;其中,所述预处理包括归一化处理和去除异常值处理,具体...
【专利技术属性】
技术研发人员:何霆,张宣梁,朱文龙,熊艺锋,王成,王华珍,
申请(专利权)人:华侨大学,
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。