一种电池的电量预测方法、装置、电子设备及存储介质与流程

本发明涉及电池管理，尤其涉及一种电池的电量预测方法、装置、电子设备及存储介质。

背景技术：

1、电池是电动汽车的关键组件，因其高能量密度、开路电压、输出功率以及无记忆效应等优势，广泛应用于电子、军工、航空等领域。在电池的发展初期，其主要应用在一些基础设备中，对电池荷电状态soc(soc也叫做电池剩余电量)的估计要求较低，但是随着应用环境以及用户需求的不断变化，对电池的soc估计准确性也在不断提升。现有soc估计算法存在缺陷，电量估计的准确性较低。

技术实现思路

1、本发明提供了一种电池的电量预测方法、装置、电子设备以及存储介质，以解决电池的电量估计过程中估计准确度低的问题。

2、根据本发明的一方面，提供了一种电池的电量预测方法，包括：

3、获取待估计电池的初始电量和预测时间；

4、基于所述初始电量和预测时间，通过卡尔曼滤波算法从宏观尺度和微观尺度进行电量预测，确定第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差；

5、将所述第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差输入到预确定的目标神经网络模型中，得到第二预测电量；

6、基于所述第一预测电量和第二预测电量确定所述待估计电池的电量。

7、根据本发明的另一方面，提供了一种电池的电量预测装置，包括：

8、数据获取模块，用于获取待估计电池的初始电量和预测时间；

9、第一预测模块，用于基于所述初始电量和预测时间，通过卡尔曼滤波算法从宏观尺度和微观尺度进行电量预测，确定第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差；

10、第二预测模块，用于将所述第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差输入到预确定的目标神经网络模型中，得到第二预测电量；

11、电量确定模块，用于基于所述第一预测电量和第二预测电量确定所述待估计电池的电量。

12、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的电池的电量预测方法。

16、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电池的电量预测方法。

17、本发明实施例的技术方案，通过获取待估计电池的初始电量和预测时间；基于所述初始电量和预测时间，通过卡尔曼滤波算法从宏观尺度和微观尺度进行电量预测，确定第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差；将所述第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差输入到预确定的目标神经网络模型中，得到第二预测电量；基于所述第一预测电量和第二预测电量确定所述待估计电池的电量，解决了电池电量预测结果不准确的问题，通过卡尔曼滤波算法对待估计电池的初始电量和预测时间进行处理，实现电量预测，得到第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差，进一步通过目标神经网络模型对第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差进行预测，得到第二预测电量，通过联合卡尔曼滤波算法和目标神经网络模型进行预测，避免了使用单一算法进行预测结果准确性较低的问题；通过第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差预测电量，实现了从不同维度的数据对电量进行预测，结果更加准确；综合第一预测电量和第二预测电量确定待估计电池的电量，综合考虑了多角度的预测结果，提高电量预测准确性。

18、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种电池的电量预测方法，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，所述基于所述初始电量和预测时间，通过卡尔曼滤波算法从宏观尺度和微观尺度进行电量预测，确定第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差，包括：

3.根据权利要求2所述的方法，其特征在于，所述模型参数，包括：极化电阻、扩散电阻、极化电容、扩散电容、电池的开路电压、负载电流、电池的欧姆内阻、电池容量、库伦效率。

4.根据权利要求1所述的方法，其特征在于，所述基于所述第一预测电量和第二预测电量确定所述待估计电池的电量，包括：

5.根据权利要求1所述的方法，其特征在于，所述目标神经网络模型为多层前馈神经网络。

6.根据权利要求1-5任一项所述的方法，其特征在于，还包括：

7.一种电池的电量预测装置，其特征在于，包括：

8.根据权利要求7所述的装置，其特征在于，所述第一预测模块，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的电池的电量预测方法。

技术总结
本发明公开了一种电池的电量预测方法、装置、电子设备及存储介质；该方法包括：获取待估计电池的初始电量和预测时间；基于初始电量和预测时间，通过卡尔曼滤波算法从宏观尺度和微观尺度进行电量预测，确定第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差；将第一预测电量、电池的端电压真实值、卡尔曼滤波增益和滤波估计端电压误差输入到预确定的目标神经网络模型中，得到第二预测电量；基于第一预测电量和第二预测电量确定待估计电池的电量，解决了电池电量预测结果不准确的问题，实现了从不同维度的数据对电量进行预测，结果更加准确。

技术研发人员：黄小荣,张庆波,黄杰明,魏炯辉,李元佳,刘贯科,钟荣富,芦大伟,戴喜良,林炜,吴树平,赖日晶,罗俊杰,黄永平,黎才添
受保护的技术使用者：广东电网有限责任公司
技术研发日：
技术公布日：2024/2/8