一种电池容量的预测方法、相关装置、设备以及存储介质制造方法及图纸

本申请公开了一种基于人工智能技术实现的电池容量预测方法。应用场景至少包括各类终端，如：手机、电脑、车载终端等。本申请包括：获取针对待测电池的K个目标信号特征类型，K目标信号特征类型来源于电压信号集合、电流信号集合以及温度信号集合中至少一个；根据K个目标信号特征类型，获取待测电池所对应的K个信号统计值序列；基于K个信号统计值序列，通过容量预测模型获取待测电池的电池容量，其中，容量预测模型为从多个候选预测模型中筛选得到的。本申请还提供了相关装置、设备及存储介质。本申请在利用模型预测电池容量时，综合考虑了影响电池容量的多方面因素，有利于提升电池容量的预测精度，且能够对电池容量进行连续且实时的预测。的预测。的预测。

【技术实现步骤摘要】
一种电池容量的预测方法、相关装置、设备以及存储介质


[0001]本申请涉及人工智能
以及电池管理
，尤其涉及一种电池容量的预测方法、相关装置、设备以及存储介质。

技术介绍

[0002]能源是社会经济发展和提高人民生活水平的重要物质基础，对于能源的需求也在日趋增长。随着能源产业的蓬勃发展，电池(例如，锂离子电池、燃料电池等)在新能源车和储能场景中得以广泛应用，因此，电池容量预测变得越来越重要。
[0003]目前，主要采用基于物理电化学方法预测电池容量。具体过程为，通过数学方法建立电池物理模型或经验模型来描述电池的老化行为，该模型通常由一系列代数和微分方程构成。可见，通过建立耦合电池反应机理模型，可进行电池剩余容量的预测。
[0004]然而，专利技术人发现现有方案中至少存在如下问题，基于物理电化学模型的预测方法对数据需求较少，适合于实验室环境数据精准模拟。但难以描述电池衰退速率过快，电池容量回升，电池容量跳水等异常变化的情况，从而导致电池容量的预测精度较低。

技术实现思路

[0005]本申请实施例提供了一种电池容量的预测方法、相关装置、设备以及存储介质。本申请在利用模型预测电池容量时，综合考虑了影响电池容量的多方面因素，一方面有利于提升电池容量的预测精度，另一方面，能够对电池容量进行连续且实时的预测。
[0006]有鉴于此，本申请一方面提供一种电池容量的预测方法，包括：
[0007]获取针对待测电池的K个目标信号特征类型，其中，K目标信号特征类型来源于电压信号集合、电流信号集合以及温度信号集合中的至少一个，K为大于或等于1的整数；
[0008]根据K个目标信号特征类型，获取待测电池所对应的K个信号统计值序列，其中，每个信号统计值序列包括T个充放电周期的信号特征，K个信号统计值序列中的信号统计值序列与K个目标信号特征类型中的目标信号特征类型具有一一对应的关系，T为大于1的整数；
[0009]基于K个信号统计值序列，通过容量预测模型获取待测电池的电池容量，其中，容量预测模型为从多个候选预测模型中筛选得到的。
[0010]本申请另一方面提供一种电池容量预测装置，包括：
[0011]获取模块，用于获取针对待测电池的K个目标信号特征类型，其中，K目标信号特征类型来源于电压信号集合、电流信号集合以及温度信号集合中的至少一个，K为大于或等于1的整数；
[0012]获取模块，还用于根据K个目标信号特征类型，获取待测电池所对应的K个信号统计值序列，其中，每个信号统计值序列包括T个充放电周期的信号特征，K个信号统计值序列中的信号统计值序列与K个目标信号特征类型中的目标信号特征类型具有一一对应的关系，T为大于1的整数；
[0013]预测模块，用于基于K个信号统计值序列，通过容量预测模型获取待测电池的电池
容量，其中，容量预测模型为从多个候选预测模型中筛选得到的。
[0014]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，电池容量预测装置还包括确定模块；
[0015]获取模块，还用于获取针对待测电池的K个目标信号特征类型之前，获取样本电池的至少一个电压统计值序列，其中，每个电压统计值序列包括Q个充放电周期的电压统计值，每个电压统计值序列对应于电压信号集合中的一个电压信号类型，Q为大于1的整数；
[0016]获取模块，还用于获取样本电池的至少一个电流统计值序列，其中，每个电流统计值序列包括Q个充放电周期的电流统计值，每个电流统计值序列对应于电流信号集合中的一个电流信号类型；
[0017]获取模块，还用于获取样本电池的至少一个温度统计值序列，其中，每个温度统计值序列包括Q个充放电周期的温度统计值，每个温度统计值序列对应于温度信号集合中的一个温度信号类型；
[0018]获取模块，还用于获取样本电池的电池容量序列，其中，电池容量序列包括Q个充放电周期的电池容量；
[0019]确定模块，用于根据至少一个电压统计值序列、至少一个电流统计值序列、至少一个温度统计值序列以及电池容量序列，确定针对样本电池的K个信号特征类型。
[0020]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0021]电压信号集合包括电压均值类型、电压标准差类型、电压方差类型、电压形状因子类型、电压偏度类型、电压峰度类型、电压脉冲值类型、电压脉冲因子类型、电压波峰因子类型以及电压间隙因子类型中的至少一项；
[0022]获取模块，具体用于若电压信号集合包括电压均值类型，则生成样本电池的电压均值序列，其中，电压均值序列包括Q个充放电周期的电压均值；
[0023]若电压信号集合包括电压标准差类型，则生成样本电池的电压标准差序列，其中，电压标准差序列包括Q个充放电周期的电压标准差；
[0024]若电压信号集合包括电压方差类型，则生成样本电池的电压方差序列，其中，电压方差序列包括Q个充放电周期的电压方差；
[0025]若电压信号集合包括电压形状因子类型，则生成样本电池的电压形状因子序列，其中，电压形状因子序列包括Q个充放电周期的电压形状因子；
[0026]若电压信号集合包括电压偏度类型，则生成样本电池的电压偏度序列，其中，电压偏度序列包括Q个充放电周期的电压偏度；
[0027]若电压信号集合包括电压峰度类型，则生成样本电池的电压峰度序列，其中，电压峰度序列包括Q个充放电周期的电压峰度；
[0028]若电压信号集合包括电压脉冲值类型，则生成样本电池的电压脉冲值序列，其中，电压脉冲值序列包括Q个充放电周期的电压脉冲值；
[0029]若电压信号集合包括电压脉冲因子类型，则生成样本电池的电压脉冲因子序列，其中，电压脉冲因子序列包括Q个充放电周期的电压脉冲因子；
[0030]若电压信号集合包括电压波峰因子类型，则生成样本电池的电压波峰因子序列，其中，电压波峰因子序列包括Q个充放电周期的电压波峰因子；
[0031]若电压信号集合包括电压间隙因子类型，则生成样本电池的电压间隙因子序列，
其中，电压间隙因子序列包括Q个充放电周期的电压间隙因子。
[0032]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0033]获取模块，具体用于针对Q个充放电周期中的每个充放电周期，根据各个采样点所对应的电压值，计算得到样本电池的电压均值；
[0034]获取模块，具体用于针对Q个充放电周期中的每个充放电周期，根据电压均值以及各个采样点所对应的电压值，计算得到样本电池的电压标准差；
[0035]获取模块，具体用于针对Q个充放电周期中的每个充放电周期，根据电压均值以及各个采样点所对应的电压值，计算得到样本电池的电压方差；
[0036]获取模块，具体用于针对Q个充放电周期中的每个充放电周期，根据电压均方根以及各个采样点所对应的电压值，计算得到样本电池的电压形状因子；
[0037]获取模块，具体用于针本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池容量的预测方法，其特征在于，包括：获取针对待测电池的K个目标信号特征类型，其中，所述K目标信号特征类型来源于电压信号集合、电流信号集合以及温度信号集合中的至少一个，所述K为大于或等于1的整数；根据所述K个目标信号特征类型，获取所述待测电池所对应的K个信号统计值序列，其中，每个信号统计值序列包括T个充放电周期的信号特征，所述K个信号统计值序列中的信号统计值序列与所述K个目标信号特征类型中的目标信号特征类型具有一一对应的关系，所述T为大于1的整数；基于所述K个信号统计值序列，通过容量预测模型获取所述待测电池的电池容量，其中，所述容量预测模型为从多个候选预测模型中筛选得到的。2.根据权利要求1所述的预测方法，其特征在于，所述获取针对待测电池的K个目标信号特征类型之前，所述方法还包括：获取样本电池的至少一个电压统计值序列，其中，每个电压统计值序列包括Q个充放电周期的电压统计值，所述每个电压统计值序列对应于所述电压信号集合中的一个电压信号类型，所述Q为大于1的整数；获取所述样本电池的至少一个电流统计值序列，其中，每个电流统计值序列包括所述Q个充放电周期的电流统计值，所述每个电流统计值序列对应于所述电流信号集合中的一个电流信号类型；获取所述样本电池的至少一个温度统计值序列，其中，每个温度统计值序列包括所述Q个充放电周期的温度统计值，所述每个温度统计值序列对应于所述温度信号集合中的一个温度信号类型；获取所述样本电池的电池容量序列，其中，所述电池容量序列包括所述Q个充放电周期的电池容量；根据所述至少一个电压统计值序列、所述至少一个电流统计值序列、所述至少一个温度统计值序列以及电池容量序列，确定针对所述样本电池的K个信号特征类型。3.根据权利要求2所述的预测方法，其特征在于，所述电压信号集合包括电压均值类型、电压标准差类型、电压方差类型、电压形状因子类型、电压偏度类型、电压峰度类型、电压脉冲值类型、电压脉冲因子类型、电压波峰因子类型以及电压间隙因子类型中的至少一项；所述获取样本电池的至少一个电压统计值序列，包括：若所述电压信号集合包括所述电压均值类型，则生成所述样本电池的电压均值序列，其中，所述电压均值序列包括所述Q个充放电周期的电压均值；若所述电压信号集合包括所述电压标准差类型，则生成所述样本电池的电压标准差序列，其中，所述电压标准差序列包括所述Q个充放电周期的电压标准差；若所述电压信号集合包括所述电压方差类型，则生成所述样本电池的电压方差序列，其中，所述电压方差序列包括所述Q个充放电周期的电压方差；若所述电压信号集合包括所述电压形状因子类型，则生成所述样本电池的电压形状因子序列，其中，所述电压形状因子序列包括所述Q个充放电周期的电压形状因子；若所述电压信号集合包括所述电压偏度类型，则生成所述样本电池的电压偏度序列，其中，所述电压偏度序列包括所述Q个充放电周期的电压偏度；
若所述电压信号集合包括所述电压峰度类型，则生成所述样本电池的电压峰度序列，其中，所述电压峰度序列包括所述Q个充放电周期的电压峰度；若所述电压信号集合包括所述电压脉冲值类型，则生成所述样本电池的电压脉冲值序列，其中，所述电压脉冲值序列包括所述Q个充放电周期的电压脉冲值；若所述电压信号集合包括所述电压脉冲因子类型，则生成所述样本电池的电压脉冲因子序列，其中，所述电压脉冲因子序列包括所述Q个充放电周期的电压脉冲因子；若所述电压信号集合包括所述电压波峰因子类型，则生成所述样本电池的电压波峰因子序列，其中，所述电压波峰因子序列包括所述Q个充放电周期的电压波峰因子；若所述电压信号集合包括所述电压间隙因子类型，则生成所述样本电池的电压间隙因子序列，其中，所述电压间隙因子序列包括所述Q个充放电周期的电压间隙因子。4.根据权利要求3所述的预测方法，其特征在于，所述生成所述样本电池的电压均值序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据各个采样点所对应的电压值，计算得到所述样本电池的电压均值；所述生成所述样本电池的电压标准差序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电压均值以及各个采样点所对应的电压值，计算得到所述样本电池的电压标准差；所述生成所述样本电池的电压方差序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电压均值以及各个采样点所对应的电压值，计算得到所述样本电池的电压方差；所述生成所述样本电池的电压形状因子序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电压均方根以及各个采样点所对应的电压值，计算得到所述样本电池的电压形状因子；所述生成所述样本电池的电压偏度序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电压均值以及各个采样点所对应的电压值，计算得到所述样本电池的电压偏度；所述生成所述样本电池的电压峰度序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电压均值以及各个采样点所对应的电压值，计算得到所述样本电池的电压峰度；所述生成所述样本电池的电压脉冲值序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据各个采样点所对应的电压值，确定所述样本电池的电压脉冲值；所述生成所述样本电池的电压脉冲因子序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电压脉冲值以及各个采样点所对应的电压值，计算得到所述样本电池的电压脉冲因子；所述生成所述样本电池的电压波峰因子序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电压脉冲值以及各个采样点所对应的电压值，计算得到所述样本电池的电压波峰因子；所述生成所述样本电池的电压间隙因子序列，包括：
针对所述Q个充放电周期中的每个充放电周期，根据电压脉冲值以及各个采样点所对应的电压值，计算得到所述样本电池的电压间隙因子。5.根据权利要求2所述的预测方法，其特征在于，所述电流信号集合包括电流均值类型、电流标准差类型、电流方差类型、电流形状因子类型、电流偏度类型、电流峰度类型、电流脉冲值类型、电流脉冲因子类型、电流波峰因子类型以及电流间隙因子类型中的至少一项；所述获取样本电池的至少一个电流统计值序列，包括：若所述电流信号集合包括所述电流均值类型，则生成所述样本电池的电流均值序列，其中，所述电流均值序列包括所述Q个充放电周期的电流均值；若所述电流信号集合包括所述电流标准差类型，则生成所述样本电池的电流标准差序列，其中，所述电流标准差序列包括所述Q个充放电周期的电流标准差；若所述电流信号集合包括所述电流方差类型，则生成所述样本电池的电流方差序列，其中，所述电流方差序列包括所述Q个充放电周期的电流方差；若所述电流信号集合包括所述电流形状因子类型，则生成所述样本电池的电流形状因子序列，其中，所述电流形状因子序列包括所述Q个充放电周期的电流形状因子；若所述电流信号集合包括所述电流偏度类型，则生成所述样本电池的电流偏度序列，其中，所述电流偏度序列包括所述Q个充放电周期的电流偏度；若所述电流信号集合包括所述电流峰度类型，则生成所述样本电池的电流峰度序列，其中，所述电流峰度序列包括所述Q个充放电周期的电流峰度；若所述电流信号集合包括所述电流脉冲值类型，则生成所述样本电池的电流脉冲值序列，其中，所述电流脉冲值序列包括所述Q个充放电周期的电流脉冲值；若所述电流信号集合包括所述电流脉冲因子类型，则生成所述样本电池的电流脉冲因子序列，其中，所述电流脉冲因子序列包括所述Q个充放电周期的电流脉冲因子；若所述电流信号集合包括所述电流波峰因子类型，则生成所述样本电池的电流波峰因子序列，其中，所述电流波峰因子序列包括所述Q个充放电周期的电流波峰因子；若所述电流信号集合包括所述电流间隙因子类型，则生成所述样本电池的电流间隙因子序列，其中，所述电流间隙因子序列包括所述Q个充放电周期的电流间隙因子。6.根据权利要求5所述的预测方法，其特征在于，所述生成所述样本电池的电流均值序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据各个采样点所对应的电流值，计算得到所述样本电池的电流均值；所述生成所述样本电池的电流标准差序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电流均值以及各个采样点所对应的电流值，计算得到所述样本电池的电流标准差；所述生成所述样本电池的电流方差序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电流均值以及各个采样点所对应的电流值，计算得到所述样本电池的电流方差；所述生成所述样本电池的电流形状因子序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电流均方根以及各个采样点所对
应的电流值，计算得到所述样本电池的电流形状因子；所述生成所述样本电池的电流偏度序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电流均值以及各个采样点所对应的电流值，计算得到所述样本电池的电流偏度；所述生成所述样本电池的电流峰度序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电流均值以及各个采样点所对应的电流值，计算得到所述样本电池的电流峰度；所述生成所述样本电池的电流脉冲值序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据各个采样点所对应的电流值，确定所述样本电池的电流脉冲值；所述生成所述样本电池的电流脉冲因子序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电流脉冲值以及各个采样点所对应的电流值，计算得到所述样本电池的电流脉冲因子；所述生成所述样本电池的电流波峰因子序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电流脉冲值以及各个采样点所对应的电流值，计算得到所述样本电池的电流波峰因子；所述生成所述样本电池的电流间隙因子序列，包括：针对所述Q个充放电周期中的每个充放电周期，根据电流脉冲值以及各个采样点所对应的电流值，计算得到所述样本电池的电流间隙因子。7.根据权利要求2所述的预测方法，其特征在于，所述温度信号集合包括温度均值类型...

【专利技术属性】
技术研发人员：沈雷，王艺霖，张睿欣，丁守鸿，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：