本公开提出一种自放电监控模型的训练方法、装置、电子设备及存储介质，涉及电池管理技术领域。该方法包括：获取多个训练样本，其中，每个所述训练样本包括标注自放电等级及多个荷电状态离群特征参考值；将多个所述荷电状态离群特征参考值输入初始模型，以获取所述初始模型输出的预测自放电等级；根据所述预测自放电等级与所述标注自放电等级间的差异，对所述初始模型进行修正，以生成自放电监控模型。本公开通过训练生成能够对电池的自放电程度进行分级的自放电监控模型，不仅保证了对电池自放电情况的准确识别，而且实现了基于电池自放电的严重程度确定电池自放电的等级。电的严重程度确定电池自放电的等级。电的严重程度确定电池自放电的等级。
【技术实现步骤摘要】
自放电监控模型的训练方法、装置、电子设备及存储介质
[0001]本公开涉及电池管理
，尤其涉及一种自放电监控模型的训练方法、装置、电子设备及存储介质。
技术介绍
[0002]电动汽车采用电池作为动力源，电池在使用过程中，当内部存在短路点时，正负极搭接产生短路电流，会导致电池的自放电问题。目前，对于电池自放电的监控方法，仅能确定电池自放电是否异常。然而，电池不同程度的自放电问题，可能会带来不同的后果，比如导致汽车续航里程下降，动力性能不足，甚至带来严重的安全隐患。因此，研究如何快速、准确识别电池自放电的严重程度，具有重要意义。
技术实现思路
[0003]本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
[0004]本公开第一方面实施例提出了一种自放电监控模型的训练方法，包括：
[0005]获取多个训练样本，其中，每个所述训练样本包括标注自放电等级及多个荷电状态离群特征参考值，所述标注自放电等级是从自放电等级中确定的；
[0006]将多个所述荷电状态离群特征参考值输入初始模型，以获取所述初始模型输出的预测自放电等级，所述预测自放电等级是所述初始模型对多个所述荷电状态离群特征参考值解析后从所述自放电等级中确定的；
[0007]根据所述预测自放电等级与所述标注自放电等级间的差异，对所述初始模型进行修正，以生成自放电监控模型。
[0008]本公开第二方面实施例提出了一种电池自放电的监控方法，包括：
[0009]获取每个电池单体的电压监测数据及电流监测数据；
[0010]根据所述电压监测数据及所述电流监测数据，确定每个所述电池单体在多个参考时段的荷电状态；
[0011]根据每个所述电池单体在每个所述参考时段的所述荷电状态，确定每个所述电池单体在每个所述参考时段的荷电状态离群特征；
[0012]将每个所述电池单体的所有所述荷电状态离群特征输入自放电监控模型中，以确定每个所述电池单体的自放电等级。
[0013]本公开第三方面实施例提出了一种自放电监控模型的训练装置，包括：
[0014]第一获取模块，用于获取多个训练样本，其中，每个所述训练样本包括标注自放电等级及多个荷电状态离群特征参考值，所述标注自放电等级是从自放电等级中确定的；
[0015]第二获取模块，用于将多个所述荷电状态离群特征参考值输入初始模型，以获取所述初始模型输出的预测自放电等级等级，所述预测自放电等级是所述初始模型对多个所述荷电状态离群特征参考值解析后从所述自放电等级中确定的；
[0016]生成模块，用于根据所述预测自放电等级与所述标注自放电等级间的差异，对所
述初始模型进行修正，以生成所述自放电监控模型。
[0017]本公开第四方面实施例提出了一种电池自放电的监控装置，包括：
[0018]第一获取模块，用于获取每个电池单体的电压监测数据及电流监测数据；
[0019]第一确定模块，用于根据所述电压监测数据及所述电流监测数据，确定每个所述电池单体在多个参考时段的荷电状态；
[0020]第二确定模块，用于根据每个所述电池单体在每个所述参考时段的所述荷电状态，确定每个所述电池单体在每个所述参考时段的荷电状态离群特征；
[0021]第三确定模块，用于将每个所述电池单体的所有所述荷电状态离群特征输入自放电监控模型中，以确定每个所述电池单体的自放电等级。
[0022]本公开第五方面实施例提出了一种电子设备，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指令，所述处理器执行所述指令时，实现如本公开第一方面实施例或第二方面实施例提出的方法。
[0023]本公开第六方面实施例提出了一种车辆，包括如本公开第五方面实施例提出的电子设备。
[0024]本公开第七方面实施例提出了一种非临时性计算机可读存储介质，存储有计算机指令，所述计算机指令被处理器执行时实现如本公开第一方面实施例或第二方面实施例提出的方法。
[0025]本公开第八方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本公开第一方面实施例或第二方面实施例提出的方法。
[0026]本公开提供的自放电监控模型的训练方法、装置、计算机设备及存储介质，存在如下有益效果：
[0027]首先获取多个训练样本，其中，每个训练样本包括标注自放电等级及多个荷电状态离群特征参考值；然后将多个荷电状态离群特征参考值输入初始模型，以获取初始模型输出的预测自放电等级；最后根据预测自放电等级与标注自放电等级间的差异，对初始模型进行修正，以生成自放电监控模型。本公开基于电池训练样本的荷电状态离群特征，训练生成能够对电池的自放电程度进行分级的自放电监控模型，实现了通过自放电监控模型对电池的自放电情况进行准确识别，同时能够根据电池自放电的严重程度确定电池的自放电等级，为基于电池自放电的等级采取不同的应对措施提供了支撑和依据。
[0028]本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0029]本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0030]图1为本公开一实施例所提供的自放电监控模型的训练方法的流程示意图；
[0031]图2为本公开另一实施例所提供的自放电监控模型的训练方法的流程示意图；
[0032]图3为本公开一实施例所提供的不同自放电等级对应的训练样本的变化曲线；
[0033]图4为本公开一实施例所提供的电池自放电的监控方法的流程示意图；
[0034]图5为本公开另一实施例所提供的电池自放电的监控方法的流程示意图；
[0035]图6为本公开一实施例所提供的电池SOC_OCV经验曲线的示意图；
[0036]图7为本公开一实施例所提供的自放电监控模型的训练装置的结构示意图；
[0037]图8为本公开一实施例所提供的电池自放电的监控装置的结构示意图；
[0038]图9示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
[0039]下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
[0040]下面参考附图描述本公开实施例的自放电监控模型的训练方法、装置、电子设备和存储介质。
[0041]图1为本公开实施例所提供的自放电监控模型的训练方法的流程示意图。
[0042]本公开实施例以该自放电监控模型的训练方法被配置于自放电监控模型的训练装置中来举例说明，该自放电监控模型的训练装置可以应用于任一车载设备、云端设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备中，以使该设备可以执行自本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自放电监控模型的训练方法，其特征在于，包括：获取多个训练样本，其中，每个所述训练样本包括标注自放电等级及多个荷电状态离群特征参考值，所述标注自放电等级是从自放电等级中确定的；将多个所述荷电状态离群特征参考值输入初始模型，以获取所述初始模型输出的预测自放电等级，所述预测自放电等级是所述初始模型对多个所述荷电状态离群特征参考值解析后从所述自放电等级中确定的；根据所述预测自放电等级与所述标注自放电等级间的差异，对所述初始模型进行修正，以生成自放电监控模型。2.如权利要求1所述的方法，其特征在于，所述获取多个训练样本，包括：确定每个所述自放电等级对应的第一数值范围及第二数值范围，其中，所述第一数值范围为荷电状态离群特征在设定周期内的数值范围，所述第二数值范围为所述荷电状态离群特征在所述设定周期内的变化率的数值范围；根据所述第一数值范围及所述第二数值范围，生成每个所述自放电等级对应的多个初始样本曲线；其中，所述初始样本曲线为所述荷电状态离群特征在所述设定周期内的变化曲线；根据所述初始样本曲线，确定所述设定周期内多个参考时段的荷电状态离群特征初始值；为每个所述荷电状态离群特征初始值分别生成一个对应的随机数；将每个所述荷电状态离群特征初始值分别与对应的随机数相加，以获取每个所述参考时段对应的所述荷电状态离群特征参考值；获取多个所述荷电状态离群特征参考值对应的所述标注自放电等级，以生成所述训练样本。3.如权利要求2所述的方法，其特征在于，在所述获取多个所述荷电状态离群特征参考值对应的所述标注自放电等级之前，还包括：获取多个自放电正常的电池单体在所述设定周期的多个所述参考时段的荷电状态离群特征真实值；将每个所述荷电状态离群特征参考值分别与对应时段的所述荷电状态离群特征真实值相加，以更新所述荷电状态离群特征参考值。4.一种电池自放电的监控方法，其特征在于，包括：获取每个电池单体的电压监测数据及电流监测数据；根据所述电压监测数据及所述电流监测数据，确定每个所述电池单体在多个参考时段的荷电状态；根据每个所述电池单体在每个所述参考时段的所述荷电状态，确定每个所述电池单体在每个所述参考时段的荷电状态离群特征；将每个所述电池单体的所有所述荷电状态离群特征输入自放电监控模型中，以确定每个所述电池单体的自放电等级。5.如权利要求4所述的方法，其特征在于，所述根据所述电压监测数据及所述电流监测数据，确定每个所述电池单体在多个参考时段的荷电状态，包括：确定在每个所述参考时段内所述电流监测数据位于...
【专利技术属性】
技术研发人员：郑文婕，孙志文，王巍，
申请(专利权)人：北京车和家汽车科技有限公司，
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。