【技术实现步骤摘要】
本公开涉及但不限于电池，尤其涉及一种模型训练及充电状态的确定方法、装置、设备和存储介质。
技术介绍
1、相关技术中，在电池充电的过程中，通常都是利用线性系统对电池的温度变化进行辨识，存在辨识准确度低等问题。
技术实现思路
1、有鉴于此，本公开实施例提供一种模型训练及充电状态的确定方法、装置、设备和存储介质，通过电池的上一充电状态和电流序列来训练非线性模型，能够使得该非线性模型准确辨识电池在不同充电工况下的温度变化，提高了辨识的准确度。
2、本公开实施例的技术方案是这样实现的：
3、本公开实施例提供一种模型训练方法，该方法包括：
4、获取电池在第一充电工况下的第一电流序列；其中，所述第一电流序列中包括在所述第一充电工况下依次采集得到的多个历史时刻的第一充电电流；
5、利用待训练的非线性模型，基于所述电池在所述第一充电工况下的上一充电状态和所述第一电流序列，确定所述电池在所述第一充电工况下的当前充电状态；其中，所述上一充电状态包括所述电池在所述第一充电工况下的目标第一充电电流对应的温度信息和荷电状态，所述温度信息包括以下至少之一：所述电池的最大温度、所述电池的最小温度、最大水冷温度、最小水冷温度，所述当前充电状态包括当前温度信息和当前荷电状态；
6、基于所述电池在所述第一充电工况下的当前充电状态，对所述非线性模型的模型参数进行至少一次更新，得到训练后的非线性模型。
7、在本公开实施例中，首先，通过将包含多个历史时刻
8、在一些实施方式中，所述待训练的非线性模型包括依次连接的至少两个非线性处理单元，每一所述非线性处理单元分别对应所述第一电流序列中的一个第一充电电流；所述利用待训练的非线性模型，基于所述电池在所述第一充电工况下的上一充电状态和所述第一电流序列，确定所述电池在所述第一充电工况下的当前充电状态，包括：针对每一非线性处理单元，基于目标非线性处理单元对应的充电状态和所述非线性处理单元对应的第一充电电流，确定所述非线性处理单元对应的充电状态；其中，在所述非线性处理单元为第一个非线性处理单元的情况下，所述目标非线性处理单元对应的充电状态为所述上一充电状态，在所述非线性处理单元为其它非线性处理单元的情况下，所述目标非线性处理单元对应的充电状态为所述非线性处理单元的上一非线性处理单元对应的充电状态；将最后一个非线性处理单元对应的充电状态作为所述电池在所述第一充电工况下的当前充电状态。
9、在本公开实施方式中，通过构建多个非线性处理单元来分别预测每一第一充电电流对应的充电状态，以得到该电池在第一充电工况下的当前充电状态，提高了当前充电状态的精准度。
10、在一些实施方式中，所述非线性处理单元包括注意力机制层和门控循环单元，所述基于目标非线性处理单元对应的充电状态和所述非线性处理单元对应的第一充电电流，确定所述非线性处理单元对应的充电状态，包括：利用所述注意力机制层，确定所述目标非线性处理单元对应的充电状态的第一权重信息和所述非线性处理单元对应的第一充电电流的第二权重信息；基于所述第一权重信息，对所述目标非线性处理单元对应的充电状态进行更新，得到更新后的充电状态；基于所述第二权重信息，对所述非线性处理单元对应的第一充电电流进行更新，得到更新后的第一充电电流；利用所述门控循环单元，基于所述更新后的充电状态和所述更新后的第一充电电流，确定所述非线性处理单元对应的充电状态。
11、在本公开实施方式中，一方面，通过注意力机制层确定充电状态和第一充电电流的权重信息，提高了权重信息的准确度和合理性；另一方面，通过引入权重信息，对非线性模型中的各个非线性处理单元的两个输入参数加以区分，以提高非线性模型的辨识精度。
12、在一些实施方式中，所述门控循环单元包括更新门和重置门，所述利用所述门控循环单元，基于所述更新后的充电状态和所述更新后的第一充电电流，确定所述非线性处理单元对应的充电状态，包括：基于所述更新后的充电状态和所述更新后的第一充电电流，分别确定所述更新门的状态和所述重置门的状态；基于所述重置门的状态，确定所述非线性处理单元对应的候选隐藏状态；基于所述更新门的状态和所述非线性处理单元对应的候选隐藏状态，确定所述非线性处理单元对应的充电状态。
13、在本公开实施方式中，通过门控循环单元的更新门和重置门来确定该充电状态，不仅降低了其它循环神经网络在处理序列时出现的梯度消失的可能性，而且还在降低了过拟合风险的同时还提高了训练效率，从而提高了非线性模型的辨识精度。
14、在一些实施方式中，所述基于所述电池在所述第一充电工况下的当前充电状态，对所述非线性模型的模型参数进行至少一次更新，得到训练后的非线性模型，包括：基于所述电池在所述第一充电工况下的当前充电状态和所述第一电流序列对应的标签信息，确定损失值；其中，所述标签信息是基于所述第一电流序列中至少一个第一充电电流在所述第一充电工况下对应的充电状态确定的；基于所述损失值，对所述非线性模型的模型参数进行至少一次更新，得到所述训练后的非线性模型。
15、在本公开实施方式中，一方面，根据当前充电状态及第一电流序列对应的标签信息实时确定该损失值，提高了损失值的准确度，以便于准确判断非线性模型是否收敛；另一方面，通过损失值对非线性模型的参数进行至少一次更新，由于损失值是基于当前充电状态确定的，从而可以提高训练后的模型对于同一样本进行预测的一致性，进而使得训练后的模型能够更加准确的辨识电池在不同充电工况下的充电温度变化。
16、在一些实施方式中，所述方法还包括：获取所述电池在至少一种充电工况下的初始数据，所述初始数据包括以下至少之一：温度信息、荷电状态、充电电流，所述充电工况是基于目标因素确定的，所述目标因素包括以下至少之一：环境温度、电池容量、充电电压、充电倍率；基于所述初始数据，构建时序数据集；基于所述时序数据集，确定训练集；其中，所述训练集中包括所述第一电流序列。
17、在本公开实施方式中，通过收集电池在多种充电工况下的数据以构建训练集，提高了训练数据的准确度、真实性和全面性，从而使得利用该训练集训练的非线性模型能够准确的辨识电池在不同充电工况下的温度变化。
18、在一些实施方式中，所述基于所述初始数据，构建时序数据集，包括：对所述初始数据进行预处理，得到目标数据；其中，所述预处理包括以下至少之一：清洗处理、插值处理、对齐处理；对所述目标数据进行采样，得到所述时序本文档来自技高网...
【技术保护点】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述待训练的非线性模型包括依次连接的至少两个非线性处理单元，每一所述非线性处理单元分别对应所述第一电流序列中的一个第一充电电流；
3.根据权利要求2所述的方法，其特征在于，所述非线性处理单元包括注意力机制层和门控循环单元，所述基于目标非线性处理单元对应的充电状态和所述非线性处理单元对应的第一充电电流，确定所述非线性处理单元对应的充电状态，包括：
4.根据权利要求3所述的方法，其特征在于，所述门控循环单元包括更新门和重置门，所述利用所述门控循环单元，基于所述更新后的充电状态和所述更新后的第一充电电流，确定所述非线性处理单元对应的充电状态，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述电池在所述第一充电工况下的当前充电状态，对所述非线性模型的模型参数进行至少一次更新，得到训练后的非线性模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于
8.根据权利要求1至7中任一项所述的方法，其特征在于，所述方法还包括：
9.一种充电状态的确定方法，其特征在于，所述方法包括：
10.一种模型训练装置，其特征在于，所述装置包括：
11.一种充电状态的确定装置，其特征在于，所述装置包括：
12.一种电子设备，包括处理器和存储器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法。
13.一种计算机可读存储介质，其特征在于，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权利要求1至9中任一项所述方法。
14.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时，实现权利要求1至9中任一项所述方法。
...【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述待训练的非线性模型包括依次连接的至少两个非线性处理单元，每一所述非线性处理单元分别对应所述第一电流序列中的一个第一充电电流；
3.根据权利要求2所述的方法，其特征在于，所述非线性处理单元包括注意力机制层和门控循环单元，所述基于目标非线性处理单元对应的充电状态和所述非线性处理单元对应的第一充电电流，确定所述非线性处理单元对应的充电状态，包括：
4.根据权利要求3所述的方法，其特征在于，所述门控循环单元包括更新门和重置门，所述利用所述门控循环单元，基于所述更新后的充电状态和所述更新后的第一充电电流，确定所述非线性处理单元对应的充电状态，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述电池在所述第一充电工况下的当前充电状态，对所述非线性模型的模型参数进行至少一次更新，得到训练后的非线性模型，包括：
6.根据权利要求1...
【专利技术属性】
技术研发人员：林立勇，李乐乐，李欣铭，
申请(专利权)人：宁德时代新能源科技股份有限公司，
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。