本公开涉及电池技术领域，公开了一种电池电量估计方法及装置，方法包括：获取电池的工作参数，包括电池电压、电池电流、电池温度和电池内阻；将工作参数输入电量估计模型以得到电池的剩余电量估计值，电量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得到满足预设条件的卷积神经网络而得到，多次迭代更新中任意一次迭代更新包括：获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值，从多个第一损失值中确定小于预设损失值的至少一个第二损失值，根据至少一个第二损失值以及至少一个第二损失值各自对应的电量估计任务对上一次迭代更新后的卷积神经网络进行更新。新后的卷积神经网络进行更新。新后的卷积神经网络进行更新。
【技术实现步骤摘要】
电池电量估计方法及装置
[0001]本公开实施例涉及电池
，尤其涉及一种电池电量估计方法及电池电量估计装置。
技术介绍
[0002]目前随着各种智能电子设备的普及，智能电子设备的电池剩余电量估计显示成为一个重要的技术。
[0003]相关技术如公开号为CN112782594A的中国专利文献中，公开了基于一种电池剩余电量估计方法，通过构建双向GRU网络建立锂离子电池剩余电量估算模型，以实现剩余电量估计，其考虑了电池的电流、电压以及温度和内阻等参数对电池剩余电量估计的影响，但是其模型结构比较复杂，导致模型训练过程复杂，也使得电池剩余电量估算的准确性有待进一步提高。
技术实现思路
[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种电池电量估计方法及电池电量估计装置。
[0005]第一方面，本公开实施例提供了一种电池电量估计方法，包括：获取电池在当前时刻的工作参数，所述工作参数包括电池电压、电池电流、电池温度和电池内阻；将所述工作参数输入电量估计模型，以得到所述电池的剩余电量估计值；其中，所述电量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得到满足预设条件的卷积神经网络而得到的；并且其中，所述多次迭代更新中每一次迭代更新包括：获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值，从所述多个第一损失值中确定小于预设损失值的至少一个第二损失值，根据所述至少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积神经网络进行更新。
[0006]在一个实施例中，所述获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值包括：从所述样本工作参数集中随机抽取样本工作参数以组成多个样本工作参数子集，每个所述样本工作参数子集中均包含多个样本工作参数；其中每个所述样本工作参数子集对应一个电量估计任务；基于所述多个样本工作参数子集分别对所述上一次迭代更新后的卷积神经网络进行更新即执行多个电量估计任务，计算所述上一次迭代更新后的卷积神经网络进行更新后的多个损失值作为所述多个第一损失值。
[0007]在一个实施例中，所述样本工作参数集包括多个样本电池电压、多个样本电池电流、多个样本电池温度和多个样本电池内阻。
[0008]在一个实施例中，所述根据所述至少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积神经网络进行更新包括：确定所述至少一个第二损失值中的最小损失值，根据所述最小损失值以及所述最小损失值对应的电量估计任务，对所述上一次迭代更新后的卷积神经网络进行基于反向传播的更新。
[0009]在一个实施例中，所述多次迭代更新中每一次迭代更新后，若当前更新后的卷积神经网络不满足所述预设条件，则对当前更新后的卷积神经网络进行下一次迭代更新。
[0010]在一个实施例中，满足所述预设条件是：更新后的卷积神经网络的损失值小于或等于预设值。
[0011]在一个实施例中，还包括：基于获取的所述电池在当前时刻的电池内阻以及预设关系表，确定所述电池内阻对应的电池剩余电量值，所述预设关系表包含不同剩余电量值与对应的电池内阻之间的映射关系；基于所述剩余电量估计值以及所述电池剩余电量值确定所述电池的实际剩余电量估计值。
[0012]第二方面，本公开实施例提供一种电池电量估计装置，包括：获取模块，用于获取电池在当前时刻的工作参数，所述工作参数包括电池电压、电池电流、电池温度和电池内阻；估计模块，用于将所述工作参数输入电量估计模型，以得到所述电池的剩余电量估计值；其中，所述电量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得到满足预设条件的卷积神经网络而得到的；并且其中，所述多次迭代更新中每一次迭代更新包括：获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值，从所述多个第一损失值中确定小于预设损失值的至少一个第二损失值，根据所述至少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积神经网络进行更新。
[0013]第三方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述电池电量估计方法。
[0014]第四方面，本公开实施例提供一种电子设备，包括：处理器；以及存储器，用于存储计算机程序；其中，所述处理器配置为经由执行所述计算机程序来执行上述任一实施例所述电池电量估计方法。
[0015]本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例提供的电池电量估计方法及装置，获取电池在当前时刻的工作参数，所述工作参数包括电池电压、电池电流、电池温度和电池内阻；将所述工作参数输入电量估计模型，以得到所述电池的剩余电量估计值，所述电量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得到满足预设条件的卷积神经网络而得到的；并且其中，所述多次迭代更新中每一次迭代更新包括：获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值，从所述多个第一损失值中确定小于预设损失值的至少一个第二损失值，根据所述至少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积神经网络进行更新。本实施例的方案在卷积神经网络的每一轮迭代更新的过程中，使用小于预设损失值的至少一个第二损失
值以及对应的电量估计任务来更新卷积神经网络，提高了卷积神经网络在小于预设损失值的至少一个第二损失值对应的电量估计任务中的性能，进而提高了训练得到的卷积神经网络即电量估计模型对电池剩余电量估计结果的准确性。并且该方案的模型训练过程由于仅使用小于预设损失值的至少一个第二损失值以及对应的电量估计任务来更新卷积神经网络，减少了更新流程，进而使得模型的训练效率提升。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0017]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本公开实施例电池电量估计方法流程图；图2为本公开另一实施例电池电量估计方法流程图；图3为本公开又一实施例电池电量估计方法流程图；图4为本公开实施例电池电量估计装置的示意图；图5为本公开实施例的电子设备示意图。
具体实施方式
[0019]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
[0020]在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电池电量估计方法，其特征在于，包括：获取电池在当前时刻的工作参数，所述工作参数包括电池电压、电池电流、电池温度和电池内阻；将所述工作参数输入电量估计模型，以得到所述电池的剩余电量估计值；其中，所述电量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得到满足预设条件的卷积神经网络而得到的；并且其中，所述多次迭代更新中每一次迭代更新包括：获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值，从所述多个第一损失值中确定小于预设损失值的至少一个第二损失值，根据所述至少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积神经网络进行更新。2.根据权利要求1所述的电池电量估计方法，其特征在于，所述获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值包括：从所述样本工作参数集中随机抽取样本工作参数以组成多个样本工作参数子集，每个所述样本工作参数子集中均包含多个样本工作参数；其中每个所述样本工作参数子集对应一个电量估计任务；基于所述多个样本工作参数子集分别对所述上一次迭代更新后的卷积神经网络进行更新即执行多个电量估计任务，计算所述上一次迭代更新后的卷积神经网络进行更新后的多个损失值作为所述多个第一损失值。3.根据权利要求2所述的电池电量估计方法，其特征在于，所述样本工作参数集包括多个样本电池电压、多个样本电池电流、多个样本电池温度和多个样本电池内阻。4.根据权利要求1~3任一项所述的电池电量估计方法，其特征在于，所述根据所述至少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积神经网络进行更新包括：确定所述至少一个第二损失值中的最小损失值，根据所述最小损失值以及所述最小损失值对应的电量估计任务，对所述上一次迭代更新后的卷积神经网络进行基于反向传播的更...
【专利技术属性】
技术研发人员：钱军，严学庆，袁朝勇，袁朝明，徐冬冬，
申请(专利权)人：江苏欧力特能源科技有限公司，
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。