[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

本申請提供一種荷電狀態預測方法、裝置、電子設備及存儲介質，用于改善對蓄電池的電荷狀態進行預測的精度較低的問題。該方法包括：獲取蓄電池中的多個傳感器信號，并對多個傳感器信號進行特征提取，獲得隱空間特征；從隱空間特征提取出信號重構特征和隱空間注意力特征，并對隱空間注意力特征與信號重構特征進行融合，獲得重構融合特征；對信號重構特征進行處理，獲得重構注意力特征，并對重構注意力特征與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，獲得蓄電池的電荷狀態，多種特征包括：隱空間特征、信號重構特征、重構融合特征和隱空間融合特征中的任意兩種或兩種以上。

技術領域

本申請涉及電池、人工智能和深度學習的技術領域，具體而言，涉及一種荷電狀態預測方法、裝置、電子設備及存儲介質。

背景技術

蓄電池的荷電狀態，是指電化學儲能過程中儲能介質中實際存在的電荷數(單位為安·時)占額定儲能容量對應的儲能介質中含有的電荷數(單位為安·時)的百分率；具體例如：新電池的電荷狀態是100％，電池完全掉電后的電荷狀態是0％，荷電狀態估算可以作為鉛酸蓄電池進行充放電控制以及均衡管理的重要依據。

目前，預測蓄電池的電荷狀態(State Of Charge,SOC)的主要方法包括：安時法、開路電壓法、內阻法和卡爾曼濾波法等等，然而，在具體的實踐過程中發現，電池在工作時容易受到充放電次數、充放電效率、電解液溫度、電池老化和自放電等因素影響，因此，目前的對蓄電池的電荷狀態進行預測的精度較低。

發明內容

本申請實施例的目的在于提供一種荷電狀態預測方法、裝置、電子設備及存儲介質，用于改善對蓄電池的電荷狀態進行預測的精度較低的問題。

本申請實施例提供了一種荷電狀態預測方法，包括：獲取蓄電池中的多個傳感器信號，并對多個傳感器信號進行特征提取，獲得隱空間特征；從隱空間特征提取出信號重構特征和隱空間注意力特征，并對隱空間注意力特征與信號重構特征進行融合，獲得重構融合特征；對信號重構特征進行處理，獲得重構注意力特征，并對重構注意力特征與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，獲得蓄電池的電荷狀態，多種特征包括：隱空間特征、信號重構特征、重構融合特征和隱空間融合特征中的任意兩種或兩種以上。

在上述方案的實現過程中，通過提取不同的多個傳感器信號在蓄電池的不同表現形式的多種特征，此處的多種特征是隱空間特征、信號重構特征、重構融合特征和隱空間融合特征中的任意兩種或兩種以上的特征，然后使用神經網絡模型根據多種特征來確定蓄電池的荷電狀態，從而最大程度地減小了充放電次數、充放電效率、電解液溫度、電池老化和自放電等因素對電荷狀態進行預測的影響，提高了預測蓄電池的電荷狀態的精度。

可選地，在本申請實施例中，神經網絡模型包括：編碼器和解碼器；對多個傳感器信號進行特征提取，包括：使用神經網絡模型中的編碼器對多個傳感器信號進行特征提取；從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：使用神經網絡模型中的解碼器對隱空間特征進行特征還原，獲得多個還原信號，并從多個還原信號中提取出信號重構特征；從隱空間特征提取出隱空間注意力特征。

在上述方案的實現過程中，通過使用神經網絡模型中的編碼器對多個傳感器信號進行特征提取，以及使用神經網絡模型中的解碼器對隱空間特征進行特征還原，獲得多個還原信號，并從多個還原信號中提取出信號重構特征，以及從隱空間特征提取出隱空間注意力特征，從而結合注意力機制來獲取各個階段的兩種或兩種以上的模態特征，并通過兩種或兩種以上的模態特征來預測蓄電池的電荷狀態，有效地提高了預測蓄電池的電荷狀態的精度等。

可選地，在本申請實施例中，神經網絡模型還包括：卷積長短期記憶網絡；從多個還原信號中提取出信號重構特征，包括：使用卷積長短期記憶網絡分別對多個還原信號進行特征提取，獲得多個表現形式特征，并對多個表現形式特征進行融合重構，獲得信號重構特征。