电池SOC预测方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请提出了一种电池SOC预测方法，包括：获取待测电池的当前状态数据，状态数据包括时间、端电压、端放电电流、至少一测点的温度和辅助通道的温差；将当前状态数据输入训练后的基于卷积神经网络和Transformer构建的电池SOC预测模型，获得电池SOC预测模型输出的预测结果；电池SOC预测模型是基于包括有SOC标签值的多个训练样本和无SOC标签值的多个训练样本的训练数据集进行训练获得的；根据预测结果确定待测电池的预测SOC值。如此，通过利用少量标注数据与大量未标注数据相结合训练电池SOC预测模型，能够在标注数据有限的情况下实现模型可准确预测电池的SOC，且预测效率高。

【技术实现步骤摘要】

本申请涉及电池，具体涉及一种电池soc预测方法、装置、电子设备及计算机可读存储介质。

技术介绍

1、电池如蓄电池作为核心储能设备，在交通、通信、电力和工业等领域具有广泛应用，其荷电状态(state of charge,soc)的准确估算对电池的安全性、寿命和稳定运行至关重要，因此，建立精确的电池的soc预测模型一直是国内外研究热点。

2、然而，现有的建立soc预测模型的方法通常需要依赖大量标注数据(即有有soc标签值的样本数据)，且预测效率较低。

3、前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

技术实现思路

1、针对上述技术问题，本申请提供一种电池soc预测方法、装置、电子设备及计算机可读存储介质，能够在标注数据有限的情况下实现模型可准确预测电池的soc，且预测效率高。

2、本申请提供一种电池soc预测方法，包括：

3、步骤s1、获取待测电池的当前状态数据，状态数据包括时间、端电压、端放电电流、至少一测点的温度和辅助通道的温差；

4、步本文档来自技高网...

【技术保护点】

1.一种电池SOC预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，步骤S1之前，所述方法包括：

3.如权利要求2所述的方法，其特征在于，步骤S20，包括：

4.如权利要求3所述的方法，其特征在于，根据预设的不同SOC值区间与类别标签之间的对应关系，确定有SOC标签值的多个训练样本中各训练样本分别对应的类别标签，包括：

5.如权利要求4所述的方法，其特征在于，步骤S30，包括：

6.如权利要求4所述的方法，其特征在于，预测结果包括待测电池在各类别标签上的类别概率分布；步骤S3，包括：

7....

【技术特征摘要】

1.一种电池soc预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，步骤s1之前，所述方法包括：

3.如权利要求2所述的方法，其特征在于，步骤s20，包括：

4.如权利要求3所述的方法，其特征在于，根据预设的不同soc值区间与类别标签之间的对应关系，确定有soc标签值的多个训练样本中各训练样本分别对应的类别标签，包括：

5.如权利要求4所述的方法，其特征在于，步骤s30，包括：

6.如权利要求4所述的方法，其特征在于，预测结果包括待测电池在各类别标...

【专利技术属性】
技术研发人员：张桂南，黄金，于天剑，徐海铭，胡家维，徐路毅，
申请(专利权)人：中国铁道科学研究院集团有限公司机车车辆研究所，
类型：发明
国别省市：