电池容量预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及电池技术领域，公开了一种电池容量预测方法、装置、设备及存储介质。该方法包括采集预设工况下样本电池的充放电数据，根据充放电数据提取电池容量因子和电池容量数据，以构建样本合集；基于样本合集对预设注意力机制神经网络进行训练，以获得电池容量预测模型；获取当前充电数据并根据当前充电数据提取当前电池容量因子；将当前电池容量因子输入电池容量预测模型，以获得当前电池容量预测结果。本发明专利技术基于实验测量的电池容量因子和电池容量数据来训练融合注意力机制的神经网络模型，得到高精度的电池容量预测模型，实现对电池容量的快速预测，并能有效提高电池状态诊断和电池容量预测的准确度，有助于电池状态监测。测。测。

【技术实现步骤摘要】
电池容量预测方法、装置、设备及存储介质


[0001]本专利技术涉及电池
，尤其涉及一种电池容量预测方法、装置、设备及存储介质。

技术介绍

[0002]随着我国双碳目标的远期规划和近年来新能源汽车的销量持续攀升，储能电池和动力电池的大规模使用已然成为了未来新能源领域的主要共识。然而电池本身在使用过程中，其内部会发生不可逆的物理化学过程，随着电池充放电循环的次数增长，会出现电池内阻升高、容量下降的现象。
[0003]然而，电池的容量退化会造成电池性能下降以及使用寿命缩短等问题，进一步可能导致对应电气设备的性能下降或者电气设备系统故障。因此，为了更好的应对电池容量退化产生的潜在影响，对电池容量状态进行诊断显得尤为重要。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于提供一种电池容量预测方法、装置、设备及存储介质，旨在解决现有电池容量预测方式存在预测结果不精准、预测过程复杂的技术问题。
[0006]为实现上述目的，本专利技术提供了一种电池容量预测方法，所述电池容量预测方法包括：
[0007]采集预设工况下样本电池的充放电数据，根据所述充放电数据提取电池容量因子和电池容量数据；
[0008]根据所述电池容量因子和所述电池容量数据构建样本合集；
[0009]获取预设注意力机制神经网络，基于所述样本合集对所述预设注意力机制神经网络进行训练，以获得电池容量预测模型；/>[0010]获取当前充电数据并根据所述当前充电数据提取当前电池容量因子；
[0011]将所述当前电池容量因子输入所述电池容量预测模型，以获得当前电池容量预测结果。
[0012]进一步地，所述采集预设工况下样本电池的充放电数据，根据所述充放电数据提取电池容量因子和电池容量数据，包括：
[0013]对样本电池进行充放电循环实验，获取预设工况下所述样本电池的充放电数据；
[0014]提取所述充放电数据的充电数据，根据所述充电数据获取恒定电流充电时长和恒定电压充电时长；
[0015]根据所述恒定电流充电时长和所述恒定电压充电时长确定电池容量因子；
[0016]提取所述充放电数据的放电数据，根据所述放电数据获取电池放电电量，并根据所述电池放电电量确定电池容量数据。
[0017]进一步地，所述对样本电池进行充放电循环实验，包括：
[0018]对样本电池的电池状态进行初始化校准；
[0019]在执行初始化校准后，对所述样本电池进行预设充电操作；
[0020]在预设充电操作完成后，对所述样本电池静置第一预设时间并在静置所述第一预设时间后，对所述样本电池进行预设放电操作；
[0021]在预设放电操作完成后，对所述样本电池静置第二预设时间；
[0022]对所述样本电池循环执行预设充电操作和预设放电操作至所述样本电池的充放电循环次数达到预设循环实验次数。
[0023]进一步地，所述对样本电池进行充放电循环实验，获取预设工况下所述样本电池的充放电数据，包括：
[0024]在对样本电池进行充放电循环实验时，基于预设间隔时间采集所述样本电池的充放电数据，所述充放电数据包括所述样本电池的电池编号、瞬时电压、瞬时电流、充放电标识、测量时间。
[0025]进一步地，所述根据所述电池容量因子和所述电池容量数据构建样本合集，包括：
[0026]基于采集时间对所述电池容量因子和所述电池容量数据进行排序，以获得所述样本电池的数据集；
[0027]基于预设固定窗口长度对所述数据集进行分组；
[0028]分别计算每一所述数据集的统计指标值，根据所述统计指标值确定每一所述数据集的数据波动范围；
[0029]去除所述数据集中不符合所述数据波动范围的数据，以获得处理后的数据集；其中，所述处理后的数据集包括处理后的电池容量因子和处理后的电池容量数据；
[0030]基于所述处理后的电池容量因子和处理后的电池容量数据构建样本合集。
[0031]进一步地，所述基于所述处理后的电池容量因子和处理后的电池容量数据构建样本合集，包括：
[0032]对所述处理后的电池容量因子进行特征标准化处理，以获得更新后的电池容量因子；
[0033]基于预设电池标定容量对所述处理后的电池容量数据进行缩放处理，以获得更新后的电池容量数据；
[0034]根据所述更新后的电池容量因子和更新后的电池容量数据构建样本合集。
[0035]进一步地，所述获取预设注意力机制神经网络，基于所述样本合集对所述预设注意力机制神经网络进行训练，以获得电池容量预测模型，包括：
[0036]将带位置编码的神经网络模型作为预设注意力机制神经网络；
[0037]基于所述样本合集提取更新后的电池容量因子和更新后的电池容量数据；
[0038]将所述更新后的电池容量因子作为所述预设注意力机制神经网络的输入，将所述更新后的电池容量数据作为所述预设注意力机制神经网络的输出，训练所述预设注意力机制神经网络；
[0039]在所述预设注意力机制神经网络的损失函数收敛且评价指标达到预设预测精度时，获得电池容量预测模型。
[0040]此外，为实现上述目的，本专利技术还提出一种电池容量预测装置，包括：
[0041]采集模块，用于采集预设工况下样本电池的充放电数据，根据所述充放电数据提取电池容量因子和电池容量数据；
[0042]构建模块，用于根据所述电池容量因子和所述电池容量数据构建样本合集；
[0043]训练模块，用于获取预设注意力机制神经网络，基于所述样本合集对所述预设注意力机制神经网络进行训练，以获得电池容量预测模型；
[0044]获取模块，用于获取当前充电数据并根据所述当前充电数据提取当前电池容量因子；
[0045]预测模块，用于将所述当前电池容量因子输入所述电池容量预测模型，以获得当前电池容量预测结果。
[0046]此外，为实现上述目的，本专利技术还提出一种电池容量预测设备，所述电池容量预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池容量预测程序，所述电池容量预测程序配置为实现如上文所述的电池容量预测方法。
[0047]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质存储有电池容量预测程序，所述电池容量预测程序用于使处理器执行时实现如上文所述的电池容量预测方法。
[0048]本专利技术通过采集预设工况下样本电池的充放电数据，根据所述充放电数据提取电池容量因子和电池容量数据；根据所述电池容量因子和所述电池容量数据构建样本合集；基于所述样本合集对所述预设注意力机制神经网络进行训练，以获得电池容量预测模型；获取当前充电数据并根据所述当前充电数据提取当前电池容量因子；将所述当前电池容量因子输入所述电池容量预测模型，以获得当前电池容量预测结果。本专利技术基于实验本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池容量预测方法，其特征在于，所述电池容量预测方法包括：采集预设工况下样本电池的充放电数据，根据所述充放电数据提取电池容量因子和电池容量数据；根据所述电池容量因子和所述电池容量数据构建样本合集；获取预设注意力机制神经网络，基于所述样本合集对所述预设注意力机制神经网络进行训练，以获得电池容量预测模型；获取当前充电数据并根据所述当前充电数据提取当前电池容量因子；将所述当前电池容量因子输入所述电池容量预测模型，以获得当前电池容量预测结果。2.如权利要求1所述的电池容量预测方法，其特征在于，所述采集预设工况下样本电池的充放电数据，根据所述充放电数据提取电池容量因子和电池容量数据，包括：对样本电池进行充放电循环实验，获取预设工况下所述样本电池的充放电数据；提取所述充放电数据的充电数据，根据所述充电数据获取恒定电流充电时长和恒定电压充电时长；根据所述恒定电流充电时长和所述恒定电压充电时长确定电池容量因子；提取所述充放电数据的放电数据，根据所述放电数据获取电池放电电量，并根据所述电池放电电量确定电池容量数据。3.如权利要求2所述的电池容量预测方法，其特征在于，所述对样本电池进行充放电循环实验，包括：对样本电池的电池状态进行初始化校准；在执行初始化校准后，对所述样本电池进行预设充电操作；在预设充电操作完成后，对所述样本电池静置第一预设时间并在静置所述第一预设时间后，对所述样本电池进行预设放电操作；在预设放电操作完成后，对所述样本电池静置第二预设时间；对所述样本电池循环执行预设充电操作和预设放电操作至所述样本电池的充放电循环次数达到预设循环实验次数。4.如权利要求2所述的电池容量预测方法，其特征在于，所述对样本电池进行充放电循环实验，获取预设工况下所述样本电池的充放电数据，包括：在对样本电池进行充放电循环实验时，基于预设间隔时间采集所述样本电池的充放电数据，所述充放电数据包括所述样本电池的电池编号、瞬时电压、瞬时电流、充放电标识、测量时间。5.如权利要求1所述的电池容量预测方法，其特征在于，所述根据所述电池容量因子和所述电池容量数据构建样本合集，包括：基于采集时间对所述电池容量因子和所述电池容量数据进行排序，以获得所述样本电池的数据集；基于预设固定窗口长度对所述数据集进行分组；分别计算每一所述数据集的统计指标值，根据所述统计指标值确定每一所述数据集的数据波动范围；去...

【专利技术属性】
技术研发人员：徐俊涛，万龙，张宇，
申请(专利权)人：南斗六星系统集成有限公司，
类型：发明
国别省市：