详情

原文传递荷电状态的获取方法、模型训练方法、装置和车辆

专利名称：	荷电状态的获取方法、模型训练方法、装置和车辆
摘要：	本公开关于一种荷电状态的获取方法、模型训练方法、装置和车辆，属于电池技术领域。其中，该方法包括：获取电池的多维度参数的第一时间序列，第一时间序列包括多维度参数在第一时间集下的取值；基于第一时间序列，获取电池的荷电状态的第二时间序列，第二时间序列包括荷电状态在第二时间集下的取值，第二时间集为第一时间集的子集；基于第二时间序列，获取荷电状态在当前时间下的目标取值。由此，可基于第一时间序列，得到电池的荷电状态的第二时间序列，以获取荷电状态在当前时间下的目标取值，第一时间序列可为长序列，可实现电池的全充电过程下的荷电状态的获取，提高了荷电状态获取的精确性和鲁棒性，适用于车辆电池的应用场景。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	小米汽车科技有限公司
发明人：	蔡伟;肖鹏飞
专利状态：	有效
申请日期：	2023-08-14T00:00:00+0800
发布日期：	2023-11-14T00:00:00+0800
申请号：	CN202311021195.3
公开号：	CN117048424A
代理机构：	北京法胜知识产权代理有限公司
代理人：	董行
分类号：	B60L58/12;G06N3/045;G06N3/0464;G06N3/08;G06F18/213;G06F18/214;G06F18/27;G06F123/02;B;G;B60;G06;B60L;G06N;G06F;B60L58;G06N3;G06F18;G06F123;B60L58/12;G06N3/045;G06N3/0464;G06N3/08;G06F18/213;G06F18/214;G06F18/27;G06F123/02
申请人地址：	100176 北京市大兴区北京经济技术开发区科创十街15号院5号楼6层618室
主权项：	1.一种荷电状态的获取方法，其特征在于，包括：获取电池的多维度参数的第一时间序列，其中，所述第一时间序列包括所述多维度参数在第一时间集下的取值；基于所述第一时间序列，获取所述电池的荷电状态的第二时间序列，其中，所述第二时间序列包括所述荷电状态在第二时间集下的取值，所述第二时间集为所述第一时间集的子集；基于所述第二时间序列，获取所述荷电状态在当前时间下的目标取值。 2.根据权利要求1所述的方法，其特征在于，所述第二时间集包括N个第二时间，所述基于所述第二时间序列，获取所述荷电状态在当前时间下的目标取值，包括：基于所述荷电状态在第i个第二时间下的取值，获取所述荷电状态在当前时间下的第i个候选取值；基于所述荷电状态在当前时间下的N个候选取值，得到所述目标取值；其中， N为正整数，i为不大于N的正整数。 3.根据权利要求2所述的方法，其特征在于，所述基于所述荷电状态在第i个第二时间下的取值，获取所述荷电状态在当前时间下的第i个候选取值，包括：若所述第i个第二时间非所述当前时间，将所述荷电状态在第i个第二时间下的取值作为所述荷电状态的初始取值；将所述荷电状态的初始取值输入安时积分算法中，由所述安时积分算法输出所述第i个候选取值。 4.根据权利要求2所述的方法，其特征在于，所述基于所述荷电状态在第i个第二时间下的取值，获取所述荷电状态在当前时间下的第i个候选取值，包括：若所述第i个第二时间为所述当前时间，将所述荷电状态在第i个第二时间下的取值作为所述第i个候选取值。 5.根据权利要求2所述的方法，其特征在于，所述基于所述荷电状态在当前时间下的N个候选取值，得到所述目标取值，包括：获取所述荷电状态在当前时间下的N个候选取值的平均值，作为所述目标取值。 6.根据权利要求1-5中任一项所述的方法，其特征在于，所述基于所述第一时间序列，获取所述电池的荷电状态的第二时间序列，包括：将所述第一时间序列输入目标模型中，通过所述目标模型基于所述第一时间序列，获取所述第二时间序列。 7.根据权利要求6所述的方法，其特征在于，所述目标模型包括目标卷积层、目标编码层和目标全连接层；所述通过所述目标模型基于所述第一时间序列，获取所述第二时间序列，包括：通过所述目标卷积层对所述第一时间序列进行特征提取，得到多维度特征的第三时间序列，其中，所述第三时间序列包括所述多维度特征在所述第二时间集下的取值；通过所述目标编码层对所述第三时间序列进行编码处理，得到编码特征的第四时间序列，其中，所述第四时间序列包括所述编码特征在所述第二时间集下的取值；通过所述目标全连接层基于所述第四时间序列，得到所述第二时间序列。 8.一种模型训练方法，其特征在于，包括：获取电池的多维度参数的第一样本时间序列，其中，所述第一样本时间序列包括所述多维度参数在第一样本时间集下的取值；获取所述电池的荷电状态的第二样本时间序列，其中，所述第二样本时间序列包括所述荷电状态在第二样本时间集下的取值，所述第二样本时间集为所述第一样本时间集的子集；将所述第一样本时间序列和所述第二样本时间序列进行关联，得到训练样本；基于所述训练样本，对初始模型进行训练，得到目标模型。 9.根据权利要求8所述的方法，其特征在于，所述获取所述电池的荷电状态的第二样本时间序列，包括：将所述荷电状态在初始时间下的取值作为所述荷电状态的初始取值；将所述荷电状态的初始取值输入安时积分算法中，由所述安时积分算法输出所述第二样本时间序列。 10.根据权利要求8所述的方法，其特征在于，所述初始模型包括初始卷积层、初始编码层和初始全连接层，所述目标模型包括目标卷积层、目标编码层和目标全连接层；所述基于所述训练样本，对初始模型进行训练，得到目标模型，包括：通过所述初始卷积层对所述第一样本时间序列进行特征提取，得到多维度特征的第三预测时间序列，其中，所述第三预测时间序列包括所述多维度特征在所述第二样本时间集下的取值；通过所述初始编码层对所述第三预测时间序列进行编码处理，得到编码特征的第四预测时间序列，其中，所述第四预测时间序列包括所述编码特征在所述第二样本时间集下的取值；通过所述初始全连接层基于所述第四预测时间序列，得到第二预测时间序列；基于所述第二预测时间序列和所述第二样本时间序列，对所述初始模型进行训练，得到所述目标模型。 11.一种荷电状态的获取装置，其特征在于，包括：第一获取模块，被配置为执行获取电池的多维度参数的第一时间序列，其中，所述第一时间序列包括所述多维度参数在第一时间集下的取值；第二获取模块，被配置为执行基于所述第一时间序列，获取所述电池的荷电状态的第二时间序列，其中，所述第二时间序列包括所述荷电状态在第二时间集下的取值，所述第二时间集为所述第一时间集的子集；第三获取模块，被配置为执行基于所述第二时间序列，获取所述荷电状态在当前时间下的目标取值。 12.一种模型训练装置，其特征在于，包括：第一获取模块，被配置为执行获取电池的多维度参数的第一样本时间序列，其中，所述第一样本时间序列包括所述多维度参数在第一样本时间集下的取值；第二获取模块，被配置为执行获取所述电池的荷电状态的第二样本时间序列，其中，所述第二样本时间序列包括所述荷电状态在第二样本时间集下的取值，所述第二样本时间集为所述第一样本时间集的子集；关联模块，被配置为执行将所述第一样本时间序列和所述第二样本时间序列进行关联，得到训练样本；训练模块，被配置为执行基于所述训练样本，对初始模型进行训练，得到目标模型。 13.一种车辆，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：实现权利要求1-10中任一项所述方法的步骤。 14.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1-10中任一项所述方法的步骤。