【技术实现步骤摘要】
本申请涉及bms优化，具体涉及一种基于影子模式的bms优化方法、系统、介质及设备。
技术介绍
1、随着电动汽车的普及，电池管理系统(battery management system，bms)作为电动汽车核心部件之一，其主要功能是对通过系统的算法来实现电池设备进行精确监控和保护，系统的算法主要包括电池设备的预测模型算法以及电池故障时的决策方案算法，来确保电池设备安全可靠的运行。
2、现有的bms在进行电池状态预测和电池故障时的决策管理方面存在一定局限性，直接影响着bms的性能表现，比如现有的bms中的预测模型算法以及决策方案算法仍然按照相对固定和传统的方式运行，导致算法训练的反馈周期较长，难以适应电池的复杂变化情况，使得bms中的算法准确度较低，从而导致bms的整体性能较差。
技术实现思路
1、本申请提供了一种基于影子模式的bms优化方法、系统、介质及设备，可以快速对bms中的预测模型和决策方案进行优化，提高bms中算法的准确度，从而提高bms的整体性能。
2、第一方面，本申请提供了一种基于影子模式的bms优化方法，所述方法包括：
3、确定bms检测到预测事件或决策事件时，触发与所述bms对应的影子模式；
4、若所述bms检测到的是所述预测事件，获取所述预测事件对应的第一目标数据，确定所述bms管理的电池设备上实际运行的第一预测模型，获取所述第一预测模型基于所述第一目标数据进行预测的第一预测结果，同时获取在所述影子模式下虚拟运行的第二
5、基于所述第一预测结果和所述第二预测结果，对所述第一预测模型或所述第二预测模型进行优化；
6、若所述bms检测到的是所述决策事件，获取所述决策事件对应的第二目标数据，确定所述电池设备上实际执行的第一决策方案，获取基于所述第二目标数据执行所述第一决策方案的第一决策结果，同时获取基于所述第二目标数据在所述影子模式下虚拟执行的第二决策方案的第二决策结果；
7、基于所述第一决策结果和所述第二决策结果，对所述第一决策方案或所述第二决策方案进行优化。
8、通过采用上述技术方案，当bms检测到预测事件或决策事件时，即触发影子模式，对于预测事件，在电池设备上实际运行的第一预测模型获得第一预测结果，同时在影子模式下并行运行不同的第二预测模型获得第二预测结果，通过影子模式缩短了模型训练的反馈周期，使得bms能更迅速地适应不断变化的电池状态，提高了预测模型的准确度，实现bms预测模型的快速迭代优化，对于决策事件，在电池上实际执行的第一决策方案获得第一决策结果，同时在影子模式下模拟并行执行不同的第二决策方案获得第二决策结果，通过对比找到决策效果更好的方案，完成决策方案的快速迭代优化，同时有助于在决策时快速提供更优的方案，综合使用影子算法，使bms在预测算法和决策算法得到全面优化，提高bms中算法的准确度，从而提升了bms的整体性能。
9、可选的，所述确定bms检测到预测事件或决策事件，包括：实时计算所述第一预测结果和所述第二预测结果之间的偏差值，所述第一预测模型和所述第二预测模型为实时运行状态；当存在所述偏差值大于预设值时，确定所述bms检测到预测事件；获取电池设备的各运行数据，当检测到存在任意所述运行数据超出对应的预设范围时，确定所述bms检测到决策事件。
10、通过采用上述技术方案，实时地捕捉到bms中的预测偏差和电池异常情况，从而触发对应事件的处理流程，其中，预测模型结果偏差值判断法，可实现对预测精度的持续监测，对预测模型实时性和准确性进行验证，保证预测系统的可靠性。而电池超参数检测法，可以快速反映电池的异常状况，及时启动决策方案，对电池进行保护和管理。
11、可选的，所述获取所述预测事件对应的第一目标数据，包括：在所述bms检测的过程中，实时获取所述bms采集的多模态数据；若确定bms检测到的是所述预测事件，在所述多模态数据中筛选出与所述预测事件对应的第一目标数据。
12、通过采用上述技术方案，bms在运行过程中，会持续采集电池的电压、电流、温度等多种参数的数据以及环境参数，并存储形成多模态监测数据集，在多模态数据中将与预测事件相关的第一目标数据筛选出来，可以提高预测事件的精确预测，同时避免其他不相关数据的干扰。
13、可选的，所述获取所述预测事件对应的第一目标数据之后，还包括：基于聚类算法对所述第一目标数据进行分类，得到分类后的第一目标数据，并将所述分类后的第一目标数据上传至云端。
14、通过采用上述技术方案，不同类型的第一目标数据对预测结果的影响和作用也不同，通过聚类算法可以将目标数据按特征聚集成若干类，从而区分出对预测影响较大和较小的数据，这种分类可以将对预测作用较小的数据视为冗余数据进行过滤，从而减少预测模型的输入量，降低计算复杂度，同时，也可以确定最关键的目标数据，提升预测的精确度。
15、可选的，所述获取在所述影子模式下虚拟运行的第二预测模型对所述目标数据进行预测的第二预测结果，包括：在预设的预测模型库中调取所述预测事件对应的至少一个第二预测模型；将所述第一目标数据输入至所述第二预测模型，得到在所述影子模式下虚拟运行第二预测模型的第二预测结果。
16、通过采用上述技术方案，建立预测模型库，是因为针对bms中的不同预测事件，其最优的预测模型也不尽相同，模型库能够提供多种预测模型的存储注册，按照预测事件类型进行匹配，从而使bms可以快速获取匹配的预测模型，通过预测模型的精准调取和影子运行相结合的方式，可以获得一个不受实际系统环境影响的第二预测结果，该结果可以与第一预测结果形成对比，判断两种模型的优劣，以选择更优模型，或者盘点模型偏差原因，实现模型的优化。
17、可选的，所述基于所述第一预测结果和所述第二预测结果对所述第一预测模型或所述第二预测模型进行优化，包括：获取预设时间后所述电池设备在所述预测事件下实际的运行结果；计算所述第一预测结果和所述运行结果的第一偏差值，以及所述第二预测结果和所述运行结果的第二偏差值；若所述第一偏差值小于所述第二偏差值，则将所述第一预测模型标记为所述预测事件对应的目标预测模型，当所述第一预测模型的标记次数达到预设次数时，则将所述第一预测模型作为所述预测事件对应的标准预测模型，并对所述第二预测模型进行训练优化；若所述第二偏差值小于所述第一偏差值，则将所述第二预测模型标记为所述预测事件对应的目标预测模型，当所述第二预测模型的标记次数达到预设次数时，则将所述第二预测模型作为所述预测事件对应的标准预测模型，并对所述第一预测模型进行训练优化。
18、通过采用上述技术方案，在一定时间后获取该预测事件下电池的实际运行数据作为准确的结果。将该实际结果分别与第一预测结果和第二预测结果进行对比，计算二者的偏差值，根据偏差值的大小判断两种预测模型的相对预测精度，可以实现对两个预测模型预测能力的排序和评判，并自主进行本文档来自技高网...
【技术保护点】
1.一种基于影子模式的BMS优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于影子模式的BMS优化方法，其特征在于，所述确定BMS检测到预测事件或决策事件时，包括：
3.根据权利要求1所述的基于影子模式的BMS优化方法，其特征在于，所述获取所述预测事件对应的第一目标数据，包括：
4.根据权利要求3所述的基于影子模式的BMS优化方法，其特征在于，所述获取所述预测事件对应的第一目标数据之后，还包括：
5.根据权利要求1所述的基于影子模式的BMS优化方法，其特征在于，所述获取在所述影子模式下虚拟运行的第二预测模型对所述目标数据进行预测的第二预测结果，包括：
6.根据权利要求1所述的基于影子模式的BMS优化方法，其特征在于，所述基于所述第一预测结果和所述第二预测结果对所述第一预测模型或所述第二预测模型进行优化，包括：
7.根据权利要求1所述的基于影子模式的BMS优化方法，其特征在于，所述基于所述第一决策结果和所述第二决策结果对所述第一决策方案或所述第二决策方案进行优化，包括：
8.一种基于
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适用于由处理器加载并执行如权利要求1-7任意一项所述的方法。
10.一种电子设备，其特征在于，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1-7任意一项所述的方法。
...【技术特征摘要】
1.一种基于影子模式的bms优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于影子模式的bms优化方法，其特征在于，所述确定bms检测到预测事件或决策事件时，包括：
3.根据权利要求1所述的基于影子模式的bms优化方法，其特征在于，所述获取所述预测事件对应的第一目标数据，包括：
4.根据权利要求3所述的基于影子模式的bms优化方法，其特征在于，所述获取所述预测事件对应的第一目标数据之后，还包括：
5.根据权利要求1所述的基于影子模式的bms优化方法，其特征在于，所述获取在所述影子模式下虚拟运行的第二预测模型对所述目标数据进行预测的第二预测结果，包括：
6.根据权利要求1所述的基于影子模式的bms优化方法，其特征在于，所述基于所述第一预测结果和所述...
【专利技术属性】
技术研发人员：柳华勤，张微中，柳扬，
申请(专利权)人：大秦数字能源技术股份有限公司，
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。