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】
本专利技术涉及新能源车辆电池,具体涉及一种新能源车辆电池热失效的预测方法、系统、设备及介质。
技术介绍
1、在过去的几十年里,随着全球对能源需求不断增加,新能源电池的发展逐渐成为了一个关键的领域。然而,随着电池使用量的增长,电池热失效的问题也变得越来越突出。这种失效不仅会导致电池性能下降,而且可能会引发安全问题,甚至对人类生命和财产造成威胁。因此,对新能源电池热失效进行预测研究具有重要的现实意义。
2、然而,当前新能源电池热失效普遍采用机理分析的方式,这种方法不能实时在线预测电池温度,就无法在汽车行驶过程中给驾驶人员提前预警,无法提前发现新能源汽车故障,从而不能保障乘坐人员生命安全。
技术实现思路
1、鉴于现有技术中的上述缺陷或不足,本专利技术旨在提供一种新能源车辆电池热失效的预测方法、系统、设备及介质。
2、第一方面,本专利技术提出一种新能源车辆电池热失效的预测方法,该预测方法基于多元时变孪生transformer模型完成,该预测方法包括以下步骤:
3、获取原始多元信号,所述原始多元信号包括若干种类型信号,所述类型信号包括电池温度信号、电流信号和电压信号;
4、对所述原始多元信号进行下采样,得到第一采样信号;对所述原始多元信号进行分段采样,得到第二采样信号;所述第一采样信号用于表征所述原始多元信号的全局信息,所述第二采样信号用于表征所述原始多元信号的局部信息;
5、基于时间注意力和变量注意力,从所述第一采样信号提取得到时
6、通过正则化和求和操作,对所述时序特征向量对应的特征和所述变量特征向量对应的特征进行融合,得到隐藏特征向量,基于所述隐藏特征向量,得到温度预测序列,所述温度预测序列为电池温度随时间变化的序列,基于所述温度预测序列进行电池热失效预测。
7、根据本专利技术提供的技术方案,所述对所述原始多元信号进行下采样,得到第一采样信号,包括以下步骤:
8、将所述原始多元信号转换为第一多通道序列,所述第一多通道序列为具有相同长度的电池温度信号、电流信号、电压信号;
9、对所述第一多通道序列进行通道压缩,得到压缩后第一序列;
10、在所述第一序列内截取若干个不同时间段的部分,得到若干个第一采样子信号,所有所述第一采样子信号组成所述第一采样信号。
11、根据本专利技术提供的技术方案,所述对所述原始多元信号进行分段采样,得到第二采样信号,包括以下步骤:
12、将所述原始多元信号转换为第二多通道序列,所述第二多通道序列为具有相同长度的电池温度信号、电流信号、电压信号;
13、对所述第二多通道序列进行通道压缩,得到压缩后第二序列;
14、在所述第二序列内截取若干个不同长度的短序列,所有所述短序列组成所述第二采样信号。
15、根据本专利技术提供的技术方案,从所述第一采样信号提取得到时序特征向量,包括以下步骤:
16、基于所述时间注意力,得到第一时序特征向量;基于所述变量注意力,得到第一变量特征向量;
17、对所述第一时序特征向量和所述第一变量特征向量进行求和操作,得到第一总和特征向量;
18、将所述第一总和特征向量进行正则化处理,并将正则化处理后的所述第一总和特征向量进行降维处理,得到时序特征向量。
19、根据本专利技术提供的技术方案,所述时间注意力由多头注意力、残差结构和正则化层组成;
20、所述基于所述时间注意力,得到第一时序特征向量,包括以下步骤:
21、由所述多头注意力对所述第一采样信号进行挖掘,得到第一特征向量;由所述残差结构对所述第一采样信号进行挖掘,得到第二特征向量;由所述正则化层对所述第一采样信号进行挖掘,得到第三特征向量;
22、对第二特征向量进行转置处理,得到转置后第二特征向量;求取转置后第二特征向量与所述第一特征向量的积的归一化指数函数,并将该归一化指数函数的结果与第三特征向量的积作为第四特征向量;
23、通过残差结构和正则化层,基于所述第四特征向量,得到所述第一时序特征向量。
24、根据本专利技术提供的技术方案,所述对所述第一多通道序列进行通道压缩,得到压缩后第一序列,包括以下步骤:
25、通过一维卷积,减少所述第一多通道序列的通道数量,得到压缩后第一序列。
26、根据本专利技术提供的技术方案,所述对第二特征向量进行转置处理,包括以下步骤:
27、获取所述第二特征向量中的最后两维序列,并对最后两维序列进行转置。
28、本专利技术第二方面提供一种新能源车辆电池热失效的预测系统,包括:
29、获取模块,所述获取模块配置用于获取原始多元信号,所述原始多元信号包括若干种类型信号,所述类型信号包括电池温度信号、电流信号和电压信号;
30、采样模块,所述采样模块配置用于对所述原始多元信号进行下采样,得到第一采样信号;对所述原始多元信号进行分段采样,得到第二采样信号;所述第一采样信号用于表征所述原始多元信号的全局信息,所述第二采样信号用于表征所述原始多元信号的局部信息;
31、提取模块,所述提取模块配置用于基于时间注意力和变量注意力,从所述第一采样信号提取得到时序特征向量;所述时序特征向量表征各所述类型信号随时间变化的特征;基于时间注意力和变量注意力,从所述第二采样信号中提取得到变量特征向量;所述变量特征向量表征各所述类型信号之间交互的特征;
32、融合模块,所述融合模块配置用于通过正则化和求和操作,对所述时序特征向量对应的特征和所述变量特征向量对应的特征进行融合,得到隐藏特征向量,基于所述隐藏特征向量,得到温度预测序列,所述温度预测序列为电池温度随时间变化的序列,基于所述温度预测序列进行电池热失效预测。
33、本专利技术第三方面提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的新能源车辆电池热失效的预测方法的步骤。
34、本专利技术第四方面提供一种计算机可读存储介质,所述计算机可读存储介质有计算机程序,所述计算机程序被处理器执行时实现如上所述的新能源车辆电池热失效的预测方法的步骤。
35、与现有技术相比,有益效果在于:本专利技术基于多元时变孪生transformer模型,对原始多元信号进行孪生采样,分别得到能表征原始多元信号全局信息的第一采样信号、以及能表征原始多元信号局部信息的第二采样信号,再同时提取第一采样信号中的时序特征向量、以及第二采样信号中的变量特征向量,最后将时序特征向量和变量特征向量进行融合,得到隐藏特征向量,通过隐藏特征向量得到温度预测序列,即可实现对新能源电池热本文档来自技高网...
【技术保护点】
1.一种新能源车辆电池热失效的预测方法,其特征在于,该预测方法基于多元时变孪生Transformer模型完成,该预测方法包括以下步骤:
2.根据权利要求1所述的新能源车辆电池热失效的预测方法,其特征在于,所述对所述原始多元信号进行下采样,得到第一采样信号,包括以下步骤:
3.根据权利要求1所述的新能源车辆电池热失效的预测方法,其特征在于,所述对所述原始多元信号进行分段采样,得到第二采样信号,包括以下步骤:
4.根据权利要求1所述的新能源车辆电池热失效的预测方法,其特征在于,从所述第一采样信号提取得到时序特征向量,包括以下步骤:
5.根据权利要求4所述的新能源车辆电池热失效的预测方法,其特征在于,所述时间注意力由多头注意力、残差结构和正则化层组成;
6.根据权利要求2所述的新能源车辆电池热失效的预测方法,其特征在于,所述对所述第一多通道序列进行通道压缩,得到压缩后第一序列,包括以下步骤:
7.根据权利要求5所述的新能源车辆电池热失效的预测方法,其特征在于,所述对第二特征向量进行转置处理,包括以下步骤:
< ...【技术特征摘要】
1.一种新能源车辆电池热失效的预测方法,其特征在于,该预测方法基于多元时变孪生transformer模型完成,该预测方法包括以下步骤:
2.根据权利要求1所述的新能源车辆电池热失效的预测方法,其特征在于,所述对所述原始多元信号进行下采样,得到第一采样信号,包括以下步骤:
3.根据权利要求1所述的新能源车辆电池热失效的预测方法,其特征在于,所述对所述原始多元信号进行分段采样,得到第二采样信号,包括以下步骤:
4.根据权利要求1所述的新能源车辆电池热失效的预测方法,其特征在于,从所述第一采样信号提取得到时序特征向量,包括以下步骤:
5.根据权利要求4所述的新能源车辆电池热失效的预测方法,其特征在于,所述时间注意力由多头注意力、残差结构和正则化层组成;
6.根据权利要求2所...
【专利技术属性】
技术研发人员:李秋,张正萍,叶松林,李志强,唐小丽,陈仕强,
申请(专利权)人:成都赛力斯科技有限公司,
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。