充电时长的预测方法及装置、计算机设备和存储介质制造方法及图纸

本申请公开一种充电时长的预测方法、充电时长的预测装置、计算机设备及非易失性计算机可读存储介质。方法包括获取电池的充电数据，充电数据包括不同时间点的电池余量；根据每个时间点的电池余量，确定每个时间点的累计充电量和累计充电时间的比值；基于预设的线性回归算法，拟合比值，以确定电池的充电效率；及根据充电效率确定充电时长。本申请根据充电数据确定每个时间点的累积充电量和累计充电时间的比值，每个比值均表示一个时间点的充电效率，并基于预设的线性回归算法拟合多个比值，通过不同时间点的充电效率准确地确定电池的充电效率，然后根据确定的充电效率预测充电时长，以提高确定的充电效率的可靠性，从而提高充电时长的预测准确性。时长的预测准确性。时长的预测准确性。

【技术实现步骤摘要】
充电时长的预测方法及装置、计算机设备和存储介质


[0001]本申请涉及电池
，更具体而言，涉及一种充电时长的预测方法、充电时长的预测装置、计算机设备和非易失性计算机可读存储介质。

技术介绍

[0002]随着新能源电车的不断发展和普及，用户对于换电的需求不断扩大，这就需要换电站对于未来时间的可换电池数有准确的预测，因此换电站还需要对正在充电的电池的充电时长进行准确地预测，以及时将充电完成的电池投入使用。然而电池的充电数据可能有偏差，且现有方法里并没有基于此设置补救措施，导致难以根据充电数据准确地预测充电时长。

技术实现思路

[0003]本申请实施方式提供一种充电时长的预测方法、充电时长的预测装置、计算机设备和非易失性计算机可读存储介质。
[0004]本申请实施方式的充电时长的预测方法包括获取电池的充电数据，所述充电数据包括不同时间点的电池余量；根据每个所述时间点的电池余量，确定每个所述时间点的累计充电量和累计充电时间的比值；基于预设的线性回归算法，拟合所述比值，以确定所述电池的充电效率；及根据所述充电效率确定所述充电时长。
[0005]本申请实施方式的充电时长的预测装置包括获取模块、第一确定模块、拟合模块及第二确定模块。所述获取模块用于获取电池的充电数据，所述充电数据包括不同时间点的电池余量；所述第一确定模块用于根据每个所述时间点的电池余量，确定每个所述时间点的累计充电量和累计充电时间的比值；所述拟合模块用于基于预设的线性回归算法，拟合所述比值，以确定所述电池的充电效率；所述第二确定模块用于根据所述充电效率确定所述充电时长。
[0006]本申请实施方式的计算机设备包括处理器，所述处理器用于获取电池的充电数据，所述充电数据包括不同时间点的电池余量；根据每个所述时间点的电池余量，确定每个所述时间点的累计充电量和累计充电时间的比值；基于预设的线性回归算法，拟合所述比值，以确定所述电池的充电效率；及根据所述充电效率确定所述充电时长。
[0007]本申请实施方式的非易失性计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述充电时长的预测方法。所述充电时长的预测方法包括获取电池的充电数据，所述充电数据包括不同时间点的电池余量；根据每个所述时间点的电池余量，确定每个所述时间点的累计充电量和累计充电时间的比值；基于预设的线性回归算法，拟合所述比值，以确定所述电池的充电效率；及根据所述充电效率确定所述充电时长。
[0008]本申请实施方式的充电时长的预测方法、充电时长的预测装置、计算机设备和非易失性计算机可读存储介质根据充电数据确定每个时间点的累积充电量和累计充电时间
的比值，每个比值均表示一个时间点的充电效率，并基于预设的线性回归算法拟合多个比值，通过不同时间点的充电效率准确地确定电池的充电效率，然后根据确定的充电效率预测充电时长，以提高确定的充电效率的可靠性，从而提高充电时长的预测准确性。
[0009]本申请的实施方式的附加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，或通过本申请的实施方式的实践了解到。
附图说明
[0010]本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
[0011]图1是本申请某些实施方式的充电时长的预测方法的流程示意图；
[0012]图2是本申请某些实施方式的充电时长的预测方法的使用场景示意图；
[0013]图3是本申请某些实施方式的充电时长的预测方法的使用场景示意图；
[0014]图4是本申请某些实施方式的充电时长的预测方法的流程示意图；
[0015]图5是本申请某些实施方式的充电时长的预测方法的流程示意图；
[0016]图6是本申请某些实施方式的充电时长的预测方法的使用场景示意图；
[0017]图7是本申请某些实施方式的充电时长的预测方法的流程示意图；
[0018]图8是本申请某些实施方式的充电时长的预测装置的模块示意图；
[0019]图9是本申请某些实施方式的计算机设备的平面示意图；
[0020]图10是本申请某些实施方式的非易失性计算机可读存储介质和处理器的连接状态示意图。
具体实施方式
[0021]下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终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方式是可选地，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
[0022]请参阅图1，本申请实施方式提供一种充电时长的预测方法，包括：
[0023]步骤011：获取电池的充电数据，充电数据包括不同时间点的电池余量；
[0024]具体地，电池的充电数据包括不同时间点的电池余量。其中时间点以分钟进行划分，即每一分钟为每一时间点。而电池余量(stateofcharge，SOC)代表电池使用一段时间或长期搁置不用后的剩余容量和其完全充电状态的容量的比值，常用百分数表示。可以理解，不同时间点的电池余量可反应不同时间点的电池的充电效率。因此，在对充电时长进行预测时，首先需要获取电池的充电数据。
[0025]步骤012：根据每个时间点的电池余量，确定每个时间点的累计充电量和累计充电时间的比值；
[0026]具体地，在获取每个时间点的电池余量后，先确定每个时间点的累计充电量和累计充电时间，其中累计充电量为每个时间点的电池余量减去开始充电时间的电池余量后所得的差值，累计充电时间为每个时间点减去开始充电时间后所得的差值。在获取每个时间点的累计充电量和累计充电时间后，便可确定每个时间点的累计充电量和累计充电时间的
比值，以获取每个时间点对应的充电效率，从而便于后续根据每个时间点对应的充电效率，确定整个充电过程的充电效率。
[0027]步骤013：基于预设的线性回归算法，拟合比值，以确定电池的充电效率；
[0028]具体地，累计充电量和累计充电时间的比值是与电池健康度、电流和电压相关的。其中，电池健康度为电池最大容量的理论值，正常电池使用一些时间后会有损耗，健康度就是扣掉损耗值后最大可用容量，而在同一次充电过程中，电池健康度可认为基本不变，且电池在正常充电情况下，电流和电压都基本稳定，那么在理想充电情况下，同一次充电过程中的不同时间点的累计充电量和累计充电时间的比值应该相同，例如图2，图2中的横坐标为累计充电时间，纵坐标为累计充电量。可以理解，直线的斜率为充电效率，计算出直线的斜率便可得到充电效率，进而能够准确地预测充电时长。
[0029]然而由于电池的充电数据会存在偏差，导致根据充电数据计算出来的不同时间点的累计充电量和累计充电时间的比值不一定相同。例如图3，图3根据真实的充电数据绘制而成，图3中的横坐标为累计充电时间，纵坐标为累计充电量。可以理解，将每个点的纵坐标除以横坐标所得的商，则为该点对应的时间点所对应的充电效率。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充电时长的预测方法，其特征在于，包括：获取电池的充电数据，所述充电数据包括不同时间点的电池余量；根据每个所述时间点的电池余量，确定每个所述时间点的累计充电量和累计充电时间的比值；基于预设的线性回归算法，拟合所述比值，以确定所述电池的充电效率；及根据所述充电效率确定所述充电时长。2.根据权利要求1所述的预测方法，其特征在于，所述获取电池的充电数据，包括：获取所述电池多次充电的充电数据。3.根据权利要求1所述的预测方法，其特征在于，所述充电数据包括开始充电时间，所述根据每个所述时间点的电池余量，确定每个所述时间点的累计充电量和累计充电时间的比值，包括：根据每个所述时间点和所述开始充电时间，确定每个所述时间点的所述累计充电时间；根据每个所述时间点的电池余量和所述开始充电时间的电池余量，确定每个所述时间点的累计充电量；确定每个所述时间点的累计充电量和累计充电时间的比值。4.根据权利要求1所述的预测方法，其特征在于，在所述基于预设的线性回归算法，拟合所述比值，以确定所述电池的充电效率之前，所述预测方法还包括：筛选位于预设阈值范围内的所述比值，以作为目标比值；所述基于预设的线性回归算法，拟合所述比值，以确定所述电池的充电效率，包括：基于预设的线性回归算法，拟合所述目标比值，以确定所述电池的充电效率。5.根据权利要求4所述的预测方法，其特征在于，所述预设阈值范围为[25％，75％]。6.根据权利要求1所述的预测方法，其特征在于，所述根据所述充电...

【专利技术属性】
技术研发人员：王彦磊，温金雄，朱晓彬，
申请(专利权)人：协鑫电港云科技海南有限公司，
类型：发明
国别省市：