[發(fā)明專利]電池狀態(tài)預(yù)測(cè)方法、裝置和相關(guān)產(chǎn)品

在審

• 申請(qǐng)?zhí)枺?/td>: 202110983105.3
• 申請(qǐng)日: 2021-08-25
• 公開（公告）號(hào): CN115723624A
• 公開（公告）日: 2023-03-03
• 發(fā)明（設(shè)計(jì)）人: 姜波;李東岳;李廣宇;車正平
• 申請(qǐng)（專利權(quán)）人: 北京航跡科技有限公司
• 主分類號(hào): B60L58/12
• 分類號(hào): B60L58/12
• 代理公司: 北京華進(jìn)京聯(lián)知識(shí)產(chǎn)權(quán)代理有限公司 11606
• 代理人: 吳迪

1.一種電池狀態(tài)預(yù)測(cè)方法，其特征在于，所述方法包括：

獲取電動(dòng)車輛當(dāng)前時(shí)刻的狀態(tài)影響因素；所述狀態(tài)影響因素包括：監(jiān)測(cè)電池狀態(tài)信息、環(huán)境信息和駕駛信息；

將所述狀態(tài)影響因素輸入至預(yù)設(shè)的狀態(tài)預(yù)測(cè)模型中，得到所述電動(dòng)車輛的下一時(shí)刻的預(yù)測(cè)電池狀態(tài)信息；

其中，所述狀態(tài)預(yù)測(cè)模型為結(jié)合神經(jīng)網(wǎng)絡(luò)和線性濾波器構(gòu)建的。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)包括非線性預(yù)測(cè)網(wǎng)絡(luò)和非線性觀測(cè)網(wǎng)絡(luò)；

所述非線性預(yù)測(cè)網(wǎng)絡(luò)，用于根據(jù)當(dāng)前時(shí)刻的隱藏電池狀態(tài)信息、當(dāng)前時(shí)刻的環(huán)境信息和當(dāng)前時(shí)刻的駕駛信息，生成下一時(shí)刻的隱藏電池狀態(tài)信息；

所述非線性觀測(cè)網(wǎng)絡(luò)，用于根據(jù)所述下一時(shí)刻的隱藏電池狀態(tài)信息生成所述下一時(shí)刻的預(yù)測(cè)電池狀態(tài)信息。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，在得到所述電動(dòng)車輛的目標(biāo)時(shí)刻的預(yù)測(cè)電池狀態(tài)信息之后，所述方法還包括：

根據(jù)所述下一時(shí)刻的預(yù)測(cè)電池狀態(tài)信息，確定所述狀態(tài)影響因素中各因素的權(quán)重，所述權(quán)重表示所述各因素對(duì)所述下一時(shí)刻的預(yù)測(cè)電池狀態(tài)信息的影響程度；

根據(jù)所述各因素的權(quán)重，生成所述下一時(shí)刻的預(yù)測(cè)電池狀態(tài)信息的可解釋原因。

4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述狀態(tài)預(yù)測(cè)模型的構(gòu)建過程包括：

獲取多種電動(dòng)車輛的不同時(shí)刻的樣本狀態(tài)影響因素；所述樣本狀態(tài)影響因素包括樣本監(jiān)測(cè)電池狀態(tài)信息、樣本環(huán)境信息和樣本駕駛信息；

根據(jù)所述樣本狀態(tài)影響因素，對(duì)初始狀態(tài)預(yù)測(cè)模型進(jìn)行訓(xùn)練，直至滿足預(yù)設(shè)的收斂條件，得到所述狀態(tài)預(yù)測(cè)模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述初始狀態(tài)預(yù)測(cè)模型包括基于神經(jīng)網(wǎng)絡(luò)構(gòu)建的初始非線性預(yù)測(cè)網(wǎng)絡(luò)和初始非線性觀測(cè)網(wǎng)絡(luò)；

則所述根據(jù)所述樣本狀態(tài)影響因素，對(duì)初始狀態(tài)預(yù)測(cè)模型進(jìn)行訓(xùn)練，直至滿足預(yù)設(shè)的收斂條件，得到所述狀態(tài)預(yù)測(cè)模型，包括：

以初始時(shí)刻的所述樣本監(jiān)測(cè)電池狀態(tài)信息對(duì)樣本隱藏電池狀態(tài)信息進(jìn)行初始化；

將初始化后的樣本隱藏電池狀態(tài)信息、初始時(shí)刻的樣本環(huán)境信息和初始時(shí)刻的樣本駕駛信息，作為所述初始非線性預(yù)測(cè)網(wǎng)絡(luò)的輸入，將所述初始非線性預(yù)測(cè)網(wǎng)絡(luò)的輸出作為所述初始非線性觀測(cè)網(wǎng)絡(luò)的輸入，對(duì)所述初始非線性預(yù)測(cè)網(wǎng)絡(luò)和所述初始非線性觀測(cè)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，直至滿足所述預(yù)設(shè)的收斂條件，得到所述狀態(tài)預(yù)測(cè)模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述預(yù)設(shè)的收斂條件包括預(yù)設(shè)閾值；

則，所述對(duì)所述初始非線性預(yù)測(cè)網(wǎng)絡(luò)和所述初始非線性觀測(cè)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，直至滿足預(yù)設(shè)的收斂條件，得到所述狀態(tài)預(yù)測(cè)模型，包括：

對(duì)所述初始非線性預(yù)測(cè)網(wǎng)絡(luò)和所述初始非線性觀測(cè)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，直至所述初始非線性觀測(cè)網(wǎng)絡(luò)輸出的預(yù)測(cè)時(shí)刻的預(yù)測(cè)電池狀態(tài)信息與所述預(yù)測(cè)時(shí)刻的樣本監(jiān)測(cè)電池狀態(tài)信息之間的差值小于所述預(yù)設(shè)閾值，得到所述狀態(tài)預(yù)測(cè)模型。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述樣本狀態(tài)影響因素，對(duì)初始狀態(tài)預(yù)測(cè)模型進(jìn)行訓(xùn)練，直至滿足預(yù)設(shè)的收斂條件，得到所述狀態(tài)預(yù)測(cè)模型，包括：

根據(jù)所述樣本狀態(tài)影響因素，采用最大期望算法對(duì)初始狀態(tài)預(yù)測(cè)模型進(jìn)行訓(xùn)練，直至滿足預(yù)設(shè)的收斂條件，得到所述狀態(tài)預(yù)測(cè)模型。

8.一種電池狀態(tài)預(yù)測(cè)裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取電動(dòng)車輛當(dāng)前時(shí)刻的狀態(tài)影響因素；述狀態(tài)影響因素包括：監(jiān)測(cè)電池狀態(tài)信息、環(huán)境信息和駕駛信息；

預(yù)測(cè)模塊，用于將所述狀態(tài)影響因素輸入至預(yù)設(shè)的狀態(tài)預(yù)測(cè)模型中，得到所述電動(dòng)車輛的下一時(shí)刻的預(yù)測(cè)電池狀態(tài)信息；其中，所述狀態(tài)預(yù)測(cè)模型為結(jié)合神經(jīng)網(wǎng)絡(luò)和線性濾波器構(gòu)建的。

9.一種交通工具，其特征在于，所述交通工具包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。