[發明專利]一種荷電狀態預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210554397.3
• 申請日: 2022-05-19
• 公開（公告）號: CN114819394A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 彭程;宋丹;鄒昆;徐翔;董帥
• 申請（專利權）人: 電子科技大學中山學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08;G06N3/04;G06K9/62;G06K9/00
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 蔣姍

1.一種荷電狀態預測方法，其特征在于，包括：

獲取蓄電池中的多個傳感器信號，并對所述多個傳感器信號進行特征提取，獲得隱空間特征；

從所述隱空間特征提取出信號重構特征和隱空間注意力特征，并對所述隱空間注意力特征與所述信號重構特征進行融合，獲得重構融合特征；

對所述信號重構特征進行處理，獲得重構注意力特征，并對所述重構注意力特征與所述隱空間特征進行融合，獲得隱空間融合特征；

使用訓練后的神經網絡模型根據多種特征進行預測，獲得所述蓄電池的電荷狀態，所述多種特征包括：所述隱空間特征、所述信號重構特征、所述重構融合特征和所述隱空間融合特征中的任意兩種或兩種以上。

2.根據權利要求1所述的方法，其特征在于，所述神經網絡模型包括：編碼器和解碼器；所述對所述多個傳感器信號進行特征提取，包括：

使用所述神經網絡模型中的編碼器對所述多個傳感器信號進行特征提取；

所述從所述隱空間特征提取出信號重構特征和隱空間注意力特征，包括：

使用所述神經網絡模型中的解碼器對所述隱空間特征進行特征還原，獲得多個還原信號，并從所述多個還原信號中提取出所述信號重構特征；

從所述隱空間特征提取出隱空間注意力特征。

3.根據權利要求2所述的方法，其特征在于，所述神經網絡模型還包括：卷積長短期記憶網絡；所述從所述多個還原信號中提取出所述信號重構特征，包括：

使用所述卷積長短期記憶網絡分別對所述多個還原信號進行特征提取，獲得多個表現形式特征，并對所述多個表現形式特征進行融合重構，獲得所述信號重構特征。

4.根據權利要求2所述的方法，其特征在于，所述神經網絡模型還包括：第一注意力模塊；所述從所述隱空間特征提取出隱空間注意力特征，包括：

使用所述神經網絡模型中的第一注意力模塊對所述隱空間特征進行處理，獲得隱空間注意力特征。

5.根據權利要求1所述的方法，其特征在于，所述神經網絡模型還包括：第二注意力模塊；所述對所述信號重構特征進行處理，獲得重構注意力特征，包括：

使用所述神經網絡模型中的第二注意力模塊對所述信號重構特征進行處理，獲得重構注意力特征。

6.根據權利要求1-5任一所述的方法，其特征在于，所述使用訓練后的神經網絡模型根據多種特征進行預測，包括：

對所述多種特征進行拼接，獲得拼接特征；

使用所述神經網絡模型對所述拼接特征進行預測，獲得所述蓄電池的電荷狀態。

7.根據權利要求6所述的方法，其特征在于，所述神經網絡模型還包括：全連接層；所述使用所述神經網絡模型對所述拼接特征進行預測，包括：

使用所述神經網絡模型中的全連接層對所述拼接特征進行預測。

8.一種荷電狀態預測裝置，其特征在于，包括：

空間特征獲得模塊，用于獲取蓄電池中的多個傳感器信號，并對所述多個傳感器信號進行特征提取，獲得隱空間特征；

特征提取重構模塊，用于從所述隱空間特征提取出信號重構特征和隱空間注意力特征，并對所述隱空間注意力特征與所述信號重構特征進行融合，獲得重構融合特征；

融合特征獲得模塊，用于對所述信號重構特征進行處理，獲得重構注意力特征，并對所述重構注意力特征與所述隱空間特征進行融合，獲得隱空間融合特征；

電荷狀態預測模塊，用于使用訓練后的神經網絡模型根據多種特征進行預測，獲得所述蓄電池的電荷狀態，所述多種特征包括：所述隱空間特征、所述信號重構特征、所述重構融合特征和所述隱空間融合特征中的任意兩種或兩種以上。

9.一種電子設備，其特征在于，包括：處理器和存儲器，所述存儲器存儲有所述處理器可執行的機器可讀指令，所述機器可讀指令被所述處理器執行時執行如權利要求1至7任一所述的方法。

10.一種計算機可讀存儲介質，其特征在于，該計算機可讀存儲介質上存儲有計算機程序，該計算機程序被處理器運行時執行如權利要求1至7任一所述的方法。