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】
本说明书涉及计算机,尤其涉及一种电池温度的控制方法、装置、设备及可读存储介质。
技术介绍
1、车辆在行驶过程中需要大量的能量供应,传统燃烧化石燃料的方式虽然常用,但也伴随着环境污染和能源可持续性等问题。因此,目前通常采用电池为车辆供能,实现节能减排。但是,电池的性能受温度影响较大,温度过高或过低都可能导致电池的效率下降甚至电池损坏。因此,准确预测下一时刻电池的工作温度,能够更好地控制电池温度,以优化电池的性能。
2、现有技术中,通常将电池的温度预测建模为非线性模型,之后,以当前时刻的电池温度为工作点,采用泰勒展开等近似化的方法将非线性模型转换为线性模型,求解线性模型得到下一时刻的电池温度,从而基于下一时刻的电池温度对电池进行温度控制。
3、但是,如果当前时刻与下一时刻之间的时间间隔较长,那么,采用上述方案得到的下一时刻的电池温度准确性较低,进而无法准确控制电池的温度,从而降低了电池的性能。
技术实现思路
1、本说明书提供一种电池温度的控制方法、装置、设备及可读存储介质,以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案:
3、本说明书提供了一种电池温度的控制方法,包括:
4、接收车辆发送的当前时刻的电池属性;
5、将所述当前时刻的电池属性输入到预先训练的电池温度预测模型,通过所述电池温度预测模型的特征图提取单元,得到特征图;
6、根据所述当前时刻的电池属性和所述特征图,通过所述电池温
7、根据所述注意力权重矩阵和所述当前时刻的电池属性,确定下一时刻的电池温度;
8、将所述下一时刻的电池温度发送给所述车辆,以便所述车辆根据所述下一时刻的电池温度对电池进行温度控制。
9、可选地,所述电池属性包括电池温度、电池电压、电池电流和电池所属车辆的车速;
10、所述特征图提取单元包括数据对称扩张循环卷积层、注意力机制层、特征对称扩张循环卷积层和特征映射连接层;
11、所述通过所述电池温度预测模型的特征图提取单元,得到特征图,具体包括:
12、将当前时刻的电池温度、当前时刻的电池电压、当前时刻的电池电流和当前时刻的车速分别输入所述数据对称扩张循环卷积层,得到温度特征、电压特征、电流特征以及车速特征;
13、将所述温度特征、所述电压特征、所述电流特征以及所述车速特征作为输入特征,输入到所述注意力机制层,得到注意力权重;
14、根据所述注意力权重、所述温度特征、所述电压特征、所述电流特征和所述车速特征,通过所述特征对称扩张循环卷积层,得到温度特征图、电压特征图、电流特征图和车速特征图;
15、将所述温度特征图、所述电压特征图、所述电流特征图和所述车速特征图通过所述特征映射连接层进行融合,得到特征图。
16、可选地,所述注意力机制层为稀疏注意力机制层;
17、所述将所述温度特征、所述电压特征、所述电流特征以及所述车速特征作为输入特征,输入到所述注意力机制层,得到注意力权重,具体包括:
18、将所述温度特征、所述电压特征、所述电流特征以及所述车速特征作为输入特征,输入到所述稀疏注意力机制层,得到查询向量矩阵、键向量矩阵和值向量矩阵;
19、将所述查询向量矩阵与所述键向量矩阵进行点积处理得到点积结果,并根据所述点积结果确定所述查询向量矩阵包含的每一元素的稀疏性指标;
20、将所述查询向量矩阵包含的各元素中,稀疏性指标小于预设指标的元素的对应的取值设置为预设值,得到稀疏处理后的查询向量矩阵;
21、根据所述稀疏处理后的查询向量矩阵、所述键向量矩阵和所述值向量矩阵,得到注意力权重。
22、可选地,预先训练电池温度预测模型,具体包括:
23、获取各历史时刻的电池属性;其中,所述电池属性包括电池温度、电池电压、电池电流和电池所属车辆的车速;
24、将所述各历史时刻的电池属性输入到待训练的电池温度预测模型,通过所述待训练的电池温度预测模型的特征图提取单元,得到参考特征图;
25、将所述各历史时刻的电池属性中指定数量的历史时刻的电池属性作为训练样本,并根据电池属性序列中除训练样本外的电池属性中的电池温度,确定训练样本的标注;
26、根据所述训练样本和所述参考特征图,通过所述待训练的电池温度预测模型的交叉自注意力单元,得到参考注意力权重矩阵;
27、根据所述参考注意力权重矩阵和所述训练样本,确定下一历史时刻的预测电池温度;
28、根据所述下一历史时刻的预测电池温度和所述训练样本的标注之间的差异,训练所述待训练的电池温度预测模型。
29、可选地,所述将所述各历史时刻的电池属性输入到待训练的电池温度预测模型,通过所述待训练的电池温度预测模型的特征图提取单元,得到参考特征图之前,所述方法还包括:
30、针对每个历史时刻的电池属性,根据与该历史时刻的电池属性相对应的历史时刻,确定该历史时刻的电池属性对应的全局时间戳;
31、根据各电池属性分别对应的各历史时刻,以及与该历史时刻的电池属性相对应的历史时刻,确定该历史时刻的电池对应的局部时间戳;
32、根据所述全局时间戳和所述局部时间戳,对该历史时刻的电池属性进行时间位置编码,得到时间位置编码后的该历史时刻的电池属性;
33、所述将所述各历史时刻的电池属性输入到待训练的电池温度预测模型,通过所述待训练的电池温度预测模型的特征图提取单元,得到参考特征图,具体包括:
34、将时间位置编码后的各历史时刻的电池属性输入到待训练的电池温度预测模型,通过所述待训练的电池温度预测模型的特征图提取单元,得到参考特征图。
35、可选地,所述待训练的电池温度预测模型还包括特征提取单元;
36、根据所述训练样本和所述参考特征图,通过所述待训练的电池温度预测模型的交叉自注意力单元,得到参考注意力权重矩阵,具体包括:
37、将所述训练样本输入所述特征提取单元,得到所述训练样本的特征;
38、将所述训练样本的特征和所述参考特征图作为输入,输入到所述待训练的电池温度预测模型的交叉自注意力单元,得到参考注意力权重矩阵。
39、可选地,所述将所述各历史时刻的电池属性中指定数量的历史时刻的电池属性作为训练样本,具体包括:
40、将所述各历史时刻的电池属性按历史时刻的先后顺序进行排列,得到电池属性序列;
41、确定指定数量;
42、根据所述指定数量和所述电池属性序列包含的电池属性的数量,确定掩码范围;
43、将所述电池属性序列中,落入所述掩码范围的电池属性进行掩码处理,得到掩码后的电池属性序列作为训练样本。
44、本说明书提供了一种电池温度的控制装置,包本文档来自技高网...
【技术保护点】
1.一种电池温度的控制方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述电池属性包括电池温度、电池电压、电池电流和电池所属车辆的车速;
3.如权利要求2所述的方法,其特征在于,所述注意力机制层为稀疏注意力机制层;
4.如权利要求1所述的方法,其特征在于,预先训练电池温度预测模型,具体包括:
5.如权利要求4所述的方法,其特征在于,所述将所述各历史时刻的电池属性输入到待训练的电池温度预测模型,通过所述待训练的电池温度预测模型的特征图提取单元,得到参考特征图之前,所述方法还包括:
6.如权利要求4所述的方法,其特征在于,所述待训练的电池温度预测模型还包括特征提取单元;
7.如权利要求4所述的方法,其特征在于,所述将所述各历史时刻的电池属性中指定数量的历史时刻的电池属性作为训练样本,具体包括:
8.一种电池温度的控制装置,其特征在于,包括:
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的
10.一种电子设备,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程序时实现上述权利要求1~7任一项所述的方法。
...【技术特征摘要】
1.一种电池温度的控制方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述电池属性包括电池温度、电池电压、电池电流和电池所属车辆的车速;
3.如权利要求2所述的方法,其特征在于,所述注意力机制层为稀疏注意力机制层;
4.如权利要求1所述的方法,其特征在于,预先训练电池温度预测模型,具体包括:
5.如权利要求4所述的方法,其特征在于,所述将所述各历史时刻的电池属性输入到待训练的电池温度预测模型,通过所述待训练的电池温度预测模型的特征图提取单元,得到参考特征图之前,所述方法还包括:
6.如权利要求4所述的方法...
【专利技术属性】
技术研发人员:国举强,翟晓红,孟建华,
申请(专利权)人:浙江吉利控股集团有限公司,
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。