动力电池的健康状态的评估方法、系统及计算机可读存储介质与流程
本技术实施例涉及电池管理领域,具体而言,涉及一种动力电池的健康状态的评估方法、系统及计算机可读存储介质。
背景技术:
1、现有动力电池的健康状态soh估计算法都是基于标准的实验室测试循环数据集来训练预测模型的,这些数据集被称作源域,而实际车辆在不同的气候条件下以及不同的驾驶习惯下所采集到的数据则称为目标域,由于源域和目标域在特征空间上的统计分布存在着明显的差异,也就是分布偏移,所以直接把源域的模型迁移到目标域上会带来非常大的性能下降甚至出现负迁移的情况,从而存在动力电池的健康状态评估不准确的技术问题。
2、针对上述问题,目前还没有很好的解决方案。
技术实现思路
1、本技术实施例提供一种动力电池的健康状态的评估方法、系统及计算机可读存储介质,以至少解决现有技术存在动力电池的健康状态评估不准确的技术问题。
2、根据本技术实施例的一个方面,提供了一种动力电池的健康状态的评估方法,包括:获取动力电池的运行状态数据,其中,所述运行状态数据包括:按照时间序列排序的多个第一电池特征,每个所述第一电池特征依据所述动力电池在预设时间窗内的电池数据确定;依据每个所述电池数据的信息熵为对应的所述第一电池特征分配注意力权重,得到多个加权后的第二电池特征,其中,所述信息熵依据所述电池数据的波动程度确定,所述注意力权重与所述信息熵正相关;采用预先配置的多个源域健康状态评估模型分别对目标域特征进行分析,得到每个源域健康状态评估模型对应的初始健康状态评分,其中,所述多个源域健康状态评估模型为分别采用对应的源域特征训练出的,所述目标域特征包括按照时间序列排序的多个第二电池特征;依据每个源域特征分别与所述目标域特征之间的差异信息,对多个所述初始健康状态评分进行加权求和,得到所述动力电池的目标健康状态评分,其中,每个所述初始健康状态评分的迁移适配权重与所述差异信息负相关。
3、进一步地,在采用预先配置的多个源域健康状态评估模型分别对目标域特征进行分析,得到每个源域健康状态评估模型对应的初始健康状态评分之后,所述方法还包括:获取每个所述源域健康状态评估模型对应的温度数据,其中,所述温度数据依据训练所述源域健康状态评估模型的所述源域特征确定;采用预先配置的温度归一化模型对同一所述源域健康状态评估模型对应的所述温度数据和所述初始健康状态评分进行归一化处理,得到目标温度对应的所述健康状态评分。
4、进一步地,依据每个所述电池数据的信息熵为对应的所述第一电池特征分配注意力权重,得到多个加权后的第二电池特征包括:依据每个所述预设时间窗内的所述电池数据,确定每个所述电池数据的所述信息熵;依据每个所述电池数据的所述信息熵,为同一所述电池数据对应的所述第一电池特征分配所述注意力权重;将每个所述第一电池特征与对应的所述注意力权重进行点乘,得到所述第二电池特征。
5、进一步地,依据每个所述预设时间窗内的所述电池数据,确定每个所述电池数据的所述信息熵包括:对所述预设时间窗内的所述电池数据进行离散,得到多个离散区间;将所述电池数据中的多个采样点映射到多个所述离散区间,得到每个所述离散区间中所述采样点的分布概率;采用香浓熵模型分析所述分布概率,得到所述电池数据的所述信息熵。
6、进一步地,依据每个源域特征分别与所述目标域特征之间的差异信息,对多个所述初始健康状态评分进行加权求和,得到所述动力电池的目标健康状态评分包括:依据每个所述源域特征分别与所述目标域特征之间的特征差异,确定每个所述源域特征与所述目标域特征之间的最大均值差;依据所述最大均值差,确定每个所述源域特征对应的所述迁移适配权重;将预设域特征对应的所述迁移适配权重,确定为预设域健康状态评分对应的预设域权重,其中,所述预设域特征为任意一个所述源域特征,所述预设域健康状态评分为所述预设域健康状态评估模型对应的所述初始健康状态评分,所述预设域健康状态评估模型为依据所述预设域特征训练出的;将多个所述预设域健康状态评分按照对应的所述迁移适配权重进行加权求和,得到所述目标健康状态评分。
7、进一步地,依据每个所述源域特征分别与所述目标域特征之间的特征差异,确定每个所述源域特征与所述目标域特征之间的所述最大均值差包括:获取每个源域特征中按照时间序列排序的多个样本电池特征;确定每个所述源域特征中的所述样本电池特征映射到高维空间后的源域均值向量;确定所述目标域特征中的所述第二电池特征映射到高维空间后的目标域均值向量;依据所述源域均值向量与所述目标域均值向量之间的欧式距离,确定每个所述源域特征与所述目标域特征之间的所述最大均值差。
8、进一步地,在依据每个源域特征分别与所述目标域特征之间的差异信息,对多个所述初始健康状态评分进行加权求和,得到所述动力电池的目标健康状态评分之后,所述方法还包括:依据每个所述初始健康状态评分与所述目标健康状态评分之间的差异,确定所述源域特征对应的差异评分;依据所述迁移适配权重对多个所述源域特征对应的差异评分进行加权求和,得到目标健康状态评分的不确定性指标;在所述不确定性指标小于预设不确定性阈值的情况下,推送所述目标健康状态评分。
9、根据本技术实施例的另一方面,还提供了一种动力电池的健康状态的评估系统,包括:车辆,用于上传动力电池在多个预设时间窗内的电池数据,其中,所述多个预设时间窗按照时间序列排序;云端,用于依据所述车辆上传的所述电池数据,生成所述动力电池的运行状态数据,其中,所述运行状态数据包括:按照时间序列排序的多个第一电池特征,每个所述第一电池特征依据同一所述预设时间窗内的所述电池数据确定;依据每个所述电池数据的信息熵为对应的所述第一电池特征分配注意力权重,得到多个加权后的第二电池特征,其中,所述信息熵依据所述电池数据的波动程度确定,所述注意力权重与所述信息熵正相关;采用预先配置的多个源域健康状态评估模型分别对目标域特征进行分析,得到每个源域健康状态评估模型对应的初始健康状态评分,其中,所述多个源域健康状态评估模型为分别采用对应的源域特征训练出的,所述目标域特征包括按照时间序列排序的多个第二电池特征;依据每个源域特征分别与所述目标域特征之间的差异信息,对多个所述初始健康状态评分进行加权求和,得到所述动力电池的目标健康状态评分,其中,每个所述初始健康状态评分的迁移适配权重与所述差异信息负相关。
10、根据本技术实施例的另一方面,还提供了一种车辆,包括:存储器,存储有可执行程序;处理器,用于运行程序,其中,程序运行时执行本技术各个实施例中的动力电池的健康状态的评估方法。
11、根据本技术实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的可执行程序,其中,在可执行程序运行时控制计算机可读存储介质所在设备执行本技术各个实施例中的动力电池的健康状态的评估方法。
12、本技术上述实施例,依据电池数据信息熵为相关的电池特征分配注意力权重,可以在动力电池的健康状态评估过程中,更加关注有价值的数据,改善模型对于微弱老化迹象的感知度,提高电池健康状态评估的准确性,通过多个源域健康状态评估模型分别对目标域特征进行分析,每个源域健康状态评估模型可以是不同的典型工况,可以使各模型得出的初始状态评分可以覆盖多种工况场景,也可以提高电池健康状态评估的准确性,然后依据训练各模型的源域特征与当前的目标域特征之间的特征差异,动态调整各模型得出的健康状态评分的迁移适配权重,该迁移适配权重可以提高与动力电池当前工况更相似的模型得出的健康状态评分在目标健康状态评分中的占比,可以进一步提高电池健康状态评估的准确性,从而实现了提高动力电池的健康状态评估的准确性的技术效果,解决了现有技术存在的动力电池的健康状态评估不准确的技术问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com