动力电池荷电状态确定方法、装置和电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115015786A(43)申请公布日2022.09.06(21)申请号202210863768.6G06N20/00(2019.01)(22)申请日2022.07.21(71)申请人上海洛轲智能科技有限公司地址200438上海市杨浦区国权北路1688弄78号1204-2单元(72)发明人阎全忠李洁辰(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463专利代理师张萍(51)Int.Cl.G01R31/388(2019.01)G01R31/3842(2019.01)G01R31/367(2019.01)G01R31/392(2019.01)G06K9/62(2022.01)权利要求书3页说明书12页附图2页(54)发明名称动力电池荷电状态确定方法、装置和电子设备(57)摘要本发明提供了一种动力电池荷电状态确定方法、装置和电子设备，涉及数据处理的技术领域，包括：获取目标时间段内电池的状态数据，利用本地电池模型对状态数据进行处理，得到电池的预设荷电状态数据。本地电池模型的模型参数是对多种云端电池模型进行训练后，直接将相应电池模型的模型参数应用在本地电池模型上的，所以能够有效地降低对本地BMS系统的算力要求；电池的状态数据表征电池的工况，本地电池模型可根据电池的工况与电池参数辨识方程的求解算法的预设对应关系，确定出与当前电池的工况相匹配的求解算法，从而保障了电池参数的辨识准确度，提升了预设荷电状态数据的估算精度，缓解了应用场景受限的技术问题。CN115015786ACN115015786A权利要求书1/3页1.一种动力电池荷电状态确定方法，其特征在于，包括：获取目标时间段内电池的状态数据；其中，所述状态数据包括：电压、电流和温度；所述状态数据用于表征所述电池的工况；利用本地电池模型对所述状态数据进行处理，得到所述电池的预设荷电状态数据；其中，所述本地电池模型是基于电池参数辨识方程确定的电池参数，并基于所述电池参数确定的所述预设荷电状态数据；所述电池参数辨识方程与所述电池参数一一对应；所述本地电池模型的模型参数是指定云平台对多个云端电池模型进行训练后确定的，所述云端电池模型中包括与所述本地电池模型相同的电池模型；所述电池参数辨识方程的求解算法与所述电池的工况存在预设对应关系。2.根据权利要求1所述的动力电池荷电状态确定方法，其特征在于，还包括：获取离线训练数据集；其中，所述离线训练数据集包括：多组离线训练数据；每组离线训练数据包括：第一预设时间段内的电池电压、所述第一预设时间段内的电池负载电流、所述第一预设时间段内的电池温度、所述第一预设时间段内电池的电芯性能参数和所述第一预设时间段内电池的预设荷电状态数据；利用蒙特卡洛随机算法和所述离线训练数据集对多种云端电池模型进行强化学习训练，得到多个待优化云端电池模型；获取在线训练数据集；其中，所述在线训练数据集包括：多组在线训练数据；每组在线训练数据包括：第二预设时间段内的电池电压、所述第二预设时间段内的电池负载电流、所述第二预设时间段内的电池温度、所述第二预设时间段内电池的电芯性能参数和所述第二预设时间段内电池的预设荷电状态数据；利用蒙特卡洛随机算法和所述在线训练数据集对多个所述待优化云端电池模型进行强化学习训练，得到多个训练后的云端电池模型。3.根据权利要求2所述的动力电池荷电状态确定方法，其特征在于，利用蒙特卡洛随机算法和所述离线训练数据集对多种云端电池模型进行强化学习训练，包括：针对目标离线训练数据，基于所述目标离线训练数据确定目标云端电池模型；其中，所述目标离线训练数据表示所述离线训练数据集中的任一离线训练数据；所述目标云端电池模型表示与所述目标离线训练数据中的电芯性能参数相匹配的云端电池模型；确定所述目标云端电池模型对所述目标离线训练数据对应的电池参数进行辨识时，每种电池参数辨识方程的求解算法和所述目标云端电池模型输出的训练电池荷电状态数据；利用蒙特卡洛随机算法对所述目标离线训练数据进行处理，得到目标随机参数；其中，所述目标随机参数用于表征所述目标离线训练数据对应的电池工况；基于所述训练电池荷电状态数据反向校核所述电池参数辨识方程；基于所述目标随机参数、所述训练电池荷电状态数据和所述目标离线训练数据中的预设荷电状态数据，对所述目标云端电池模型进行强化训练，得到待优化的目标云端电池模型。4.根据权利要求3所述的动力电池荷电状态确定方法，其特征在于，确定所述目标云端电池模型对所述目标离线训练数据对应的电池参数进行辨识时，每种电池参数辨识方程的求解算法，包括：基于所述目标离线训练数据和所述目标云端电池模型，确定目标求解算法组拟合的电2CN115015786A权利要求书2/3页压变化曲线；其中，所述目标求解