本申请涉及电池管理,尤其涉及一种电池容量估算方法、装置、电子设备及存储介质。
背景技术:
1、为解决离网系统应急供电、新能源汽车救援及双电源备用、调峰调谷,需求响应等辅助交易等多模式需求,移动充电车应运而生。锂离子(li-ion)可充电电池在移动充电车中用作主要储能元件,多个锂离子电池组组成储能模块。
2、移动充电车用于离网系统应急供电等场景,对于有损耗的电池组,需要准确评估电池的荷电容量才能有效安排应急供电的移动充电车数量和型号,因此对单个电池的健康状态评估提出了严格的要求。然而,传统电池健康状态评估方法存在电池健康状态检测不准确、不及时,无法满足实际应用需求等问题。
技术实现思路
1、有鉴于此,本申请的目的在于提出一种电池容量估算方法、装置、电子设备及存储介质。
2、基于上述目的,本申请提供了一种电池容量估算方法,包括:
3、获取电池状态参数;其中,所述电池状态参数包括电池部分充电周期的电压、电流和充电容量;
4、将所述电池状态参数进行离散化操作,以得到电池状态参数离散值;
5、将所述电池状态参数离散值输入预先训练的电池容量预测模型,以进行电池容量的估算;
6、其中,所述电池容量预测模型,提取所述电池状态参数离散值的特征,并根据所述特征,估算电池容量。
7、可选地,所述方法还包括通过以下方法训练得到所述电池容量预测模型:
8、获取电池状态参数训练集;其中,所述电池状态参数训练集包括电池状态参数测量数据的离散值和电池的放电容量;
9、将所述电池状态参数测量数据的离散值作为模型的输入,所述放电容量作为模型的输出,训练深度卷积神经网络,并将训练好的深度卷积神经网络作为所述电池容量预测模型。
10、可选地,所述方法还包括通过以下方法得到所述电池状态参数测量数据的离散值:
11、获取电池状态参数测量数据;其中,所述电池状态参数测量数据包括电池部分充电周期的电压测量数据、电流测量数据和充电容量测量数据;
12、根据所述电池状态参数测量数据,得到电池状态参数曲线;
13、将所述电池状态参数曲线离散化为若干段;其中,每段电池状态参数曲线包含若干电池状态参数测量数据;
14、将每段电池状态参数曲线内的若干电池状态参数测量数据取平均值,以得到所述电池状态参数测量数据的离散值。
15、可选地,所述将所述电池状态参数测量数据的离散值作为模型的输入,包括:
16、根据所述电池状态参数测量数据的离散值,得到所述模型的输入矩阵,并将所述输入矩阵作为模型的输入;
17、其中,所述输入矩阵表示为:
18、
19、其中,和分别表示在部分充电周期的第i段的电池状态参数测量数据的离散值。
20、可选地,所述训练深度卷积神经网络,并将训练好的深度卷积神经网络作为所述电池容量预测模型,包括:
21、基于预先设置的成本函数泛化模型的误差;其中,所述成本函数定义为:
22、
23、其中,jr(θ)表示成本函数,j(θ)为线性回归中的成本函数,λω(ω)表示正则化项,λ表示衡量范数惩罚项相对贡献的l2正则化因子,ω(ω),hθ(x)表示假设函数,m表示每次迭代使用的样本数,x(i)表示第i个输入样本矩阵,y(i)表示对应的目标值,ω表示权重矩阵,ωt表示权重矩阵的转置。
24、可选地,所述假设函数hθ(x)表示为:
25、hθ(x)=b0x0+ω1x1+…+ωnxn
26、其中,ωn表示第n个未知参数,xn表示ωn对应的输入变量,b0为偏差,x0=1。
27、可选地,参数θ根据以下公式迭代更新:
28、
29、
30、其中,表示对q个样本的最小样本集进行采样的精确梯度的估计量,表示第j次迭代中的最小样本集的第i个输入矩阵,表示对应的目标值,α表示步长,γ表示动量,θj表示第j次迭代中的参数估计。
31、基于上述目的,本申请还提供了一种电池容量估算装置,包括:
32、获取模块,被配置为获取电池状态参数;其中,所述电池状态参数包括电池部分充电周期的电压、电流和充电容量;
33、数据处理模块,被配置为将所述电池状态参数进行离散化操作,以得到电池状态参数离散值;
34、估算模块,被配置为将所述电池状态参数离散值输入预先训练的电池容量预测模型,以进行电池容量的估算;
35、其中,所述电池容量预测模型,提取所述电池状态参数离散值的特征,并根据所述特征,估算电池容量。
36、基于上述目的,本申请还提供了一种电子设备,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,所述处理器执行所述程序时实现如上任一实施例所述的方法。
37、基于上述目的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行如上任一实施例所述的方法。
38、从上面所述可以看出,本申请提供的一种电池容量估算方法、装置、电子设备及存储介质,通过提取电池状态参数的特征来估算电池的容量,避免了严重依赖人工的手动特征提取,及时、准确地对电池健康状态进行估算。
1.一种电池容量估算方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述方法还包括通过以下方法训练得到所述电池容量预测模型:
3.根据权利要求2所述的方法,其特征在于,所述方法还包括通过以下方法得到所述电池状态参数测量数据的离散值:
4.根据权利要求2所述的方法,其特征在于,所述将所述电池状态参数测量数据的离散值作为模型的输入,包括:
5.根据权利要求2所述的方法,其特征在于,所述训练深度卷积神经网络,并将训练好的深度卷积神经网络作为所述电池容量预测模型,包括:
6.根据权利要求5所述的方法,其特征在于,所述假设函数hθ(x)表示为:
7.根据权利要求5所述的方法,其特征在于,参数θ根据以下公式迭代更新:
8.一种电池容量估算装置,其特征在于,包括:
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,所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
10.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,其特征在于,所述计算机指令用于使计算机执行如权利要求1至7任意一项所述的方法。