【技术实现步骤摘要】
本专利技术涉及新能源，尤其涉及一种基于gpu(图形处理器)的电池参数的识别方法、系统、设备和介质。
技术介绍
1、随着电动汽车和可再生能源的快速发展，电池技术成为新能源产业的核心技术之一。电池参数识别算法是电池管理系统的关键组成部分，用于确定电池状态(如电池容量、内阻等)并预测电池寿命。传统的电池参数识别算法通常采用串行计算，存在计算量大、计算时间长、精度低等问题，难以满足实时性和精度要求。
技术实现思路
1、本专利技术要解决的技术问题是为了克服现有技术中传统的电池参数识别算法通常采用串行计算，存在计算量大、计算时间长、精度低等问题，难以满足实时性和精度要求的缺陷，提供一种基于gpu的电池参数的识别方法、系统、设备和介质。
2、本专利技术是通过下述技术方案来解决上述技术问题：
3、本专利技术提供一种基于gpu的电池参数的识别方法，所述识别方法包括：
4、在gpu中建立预设的实验次数对应的粒子群，并为所述粒子群分配线程；其中，每一所述实验次数对应的粒子群的数量相同且为多个，每一所述粒子群包括一组粒子，每个所述粒子表征一个参数组合，每个所述参数组合包括若干电池参数；
5、根据所述粒子群算法并行迭代更新全部实验次数对应的全部粒子得到每一所述实验次数对应的单次实验的全局最优解；
6、基于全部的所述单次实验的全局最优解得到每个所述电池参数的全局最优解。
7、较佳地，所述在gpu中建立预设的实验次数对应的粒子群，包括：p>
8、确定需要识别的电池参数，并对所述电池参数的取值范围进行设定；
9、根据所述电池参数和需求确定目标函数；其中，所述目标函数用于评估每个所述参数组合的优劣；
10、在cpu(中央处理器)中初始化所述实验次数，每次实验初始化对应的所述粒子群得到随机生成的一组所述粒子；
11、将所述cpu中的全部实验次数对应的全部粒子转移到所述gpu中。
12、较佳地，所述根据所述粒子群算法并行迭代更新全部实验次数对应的全部粒子得到每一所述实验次数对应的单次实验的全局最优解，包括：
13、根据所述粒子群算法并行迭代更新全部实验次数对应的每一所述粒子的速度和位置，在迭代结束时得到单次迭代结果，所述单次迭代结果包括单个粒子的第一最佳速度和第一最佳位置；
14、对每一所述实验次数，根据所述第一最佳速度和所述第一最佳位置得到单次实验在整个粒子群体中的第二最佳位置和第二适应度值以作为所述单次实验的全局最优解。
15、较佳地，所述基于全部的所述单次实验的全局最优解得到每个所述电池参数的全局最优解，包括：
16、基于全部的所述单次实验的全局最优解进行统计分布，得到统计分布期望以作为每个所述电池参数的全局最优解。
17、本专利技术还提供一种基于gpu的电池参数的识别系统，所述识别系统包括：
18、线程分配模块，用于在gpu中建立预设的实验次数对应的粒子群，并为所述粒子群分配线程；其中，每一所述实验次数对应的粒子群的数量相同且为多个，每一所述粒子群包括一组粒子，每个所述粒子表征一个参数组合，每个所述参数组合包括若干电池参数；
19、单次实验求解模块，用于根据所述粒子群算法并行迭代更新全部实验次数对应的全部粒子得到每一所述实验次数对应的单次实验的全局最优解；
20、全局实验求解模块，用于基于全部的所述单次实验的全局最优解得到每个所述电池参数的全局最优解。
21、较佳地，所述线程分配模块还用于确定需要识别的电池参数，并对所述电池参数的取值范围进行设定；
22、所述线程分配模块还用于根据所述电池参数和需求确定目标函数；其中，所述目标函数用于评估每个所述参数组合的优劣；
23、所述线程分配模块还用于在cpu中初始化所述实验次数，每次实验初始化对应的所述粒子群得到随机生成的一组所述粒子；
24、所述线程分配模块还用于将所述cpu中的全部实验次数对应的全部粒子转移到所述gpu中。
25、较佳地，所述单次实验求解模块还用于根据所述粒子群算法并行迭代更新全部实验次数对应的每一所述粒子的速度和位置，在迭代结束时得到单次迭代结果，所述单次迭代结果包括单个粒子的第一最佳速度和第一最佳位置；
26、所述单次实验求解模块还用于对每一所述实验次数，根据所述第一最佳速度和所述第一最佳位置得到单次实验在整个粒子群体中的第二最佳位置和第二适应度值以作为所述单次实验的全局最优解。
27、较佳地，所述全局实验求解模块还用于基于全部的所述单次实验的全局最优解进行统计分布，得到统计分布期望以作为每个所述电池参数的全局最优解。
28、本专利技术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，所述处理器执行计算机程序时实现前述的基于gpu的电池参数的识别方法。
29、本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述的基于gpu的电池参数的识别方法。
30、本专利技术的积极进步效果在于：通过cpu快速建立多批次(实验次数)的粒子群，将建好的粒子群转移到gpu中，利用gpu的高效的并行计算能力快速地并行迭代更新全部实验次数对应的全部粒子得到单次实验的全局最优解，进而得到每个电池参数的全局最优解，能够大幅度提高粒子群算法的计算速度和效率，实现更快的迭代收敛，能够支持多种粒子群算法通过各类电池参数识别模型进行各类电池参数识别。
本文档来自技高网...【技术保护点】
1.一种基于GPU的电池参数的识别方法，其特征在于，所述识别方法包括：
2.如权利要求1所述的基于GPU的电池参数的识别方法，其特征在于，所述在GPU中建立预设的实验次数对应的粒子群，包括：
3.如权利要求1所述的基于GPU的电池参数的识别方法，其特征在于，所述根据所述粒子群算法并行迭代更新全部实验次数对应的全部粒子得到每一所述实验次数对应的单次实验的全局最优解，包括：
4.如权利要求1所述的基于GPU的电池参数的识别方法，其特征在于，所述基于全部的所述单次实验的全局最优解得到每个所述电池参数的全局最优解，包括：
5.一种基于GPU的电池参数的识别系统，其特征在于，所述识别系统包括：
6.如权利要求5所述的基于GPU的电池参数的识别系统，其特征在于，所述线程分配模块还用于确定需要识别的电池参数，并对所述电池参数的取值范围进行设定；
7.如权利要求5所述的基于GPU的电池参数的识别系统，其特征在于，所述单次实验求解模块还用于根据所述粒子群算法并行迭代更新全部实验次数对应的每一所述粒子的速度和位置，在迭代结束时得
8.如权利要求5所述的基于GPU的电池参数的识别系统，其特征在于，所述全局实验求解模块还用于基于全部的所述单次实验的全局最优解进行统计分布，得到统计分布期望以作为每个所述电池参数的全局最优解。
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，所述处理器执行计算机程序时实现权利要求1至4中任一项所述的基于GPU的电池参数的识别方法。
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4中任一项所述的基于GPU的电池参数的识别方法。
...【技术特征摘要】
1.一种基于gpu的电池参数的识别方法，其特征在于，所述识别方法包括：
2.如权利要求1所述的基于gpu的电池参数的识别方法，其特征在于，所述在gpu中建立预设的实验次数对应的粒子群，包括：
3.如权利要求1所述的基于gpu的电池参数的识别方法，其特征在于，所述根据所述粒子群算法并行迭代更新全部实验次数对应的全部粒子得到每一所述实验次数对应的单次实验的全局最优解，包括：
4.如权利要求1所述的基于gpu的电池参数的识别方法，其特征在于，所述基于全部的所述单次实验的全局最优解得到每个所述电池参数的全局最优解，包括：
5.一种基于gpu的电池参数的识别系统，其特征在于，所述识别系统包括：
6.如权利要求5所述的基于gpu的电池参数的识别系统，其特征在于，所述线程分配模块还用于确定需要识别的电池参数，并对所述电池参数的取值范围进行设定；
7.如权...
【专利技术属性】
技术研发人员：丁鹏，魏琼，严晓，赵恩海，王东征，张燕雯，吴炜坤，汤丰玮，任浩雯，冯媛，王得成，
申请(专利权)人：上海玫克生储能科技有限公司，
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。