[发明专利]评估模型建立方法、电池健康状态评估方法及相关产品

说明书

本申请公开一种评估模型建立方法、电池健康状态评估方法及相关产品。获得参考电池的实验数据和目标电池的历史监测数据；参考电池的实验数据包括参考电池的健康状态；将所述实验数据和所述历史监测数据进行参数归一化对齐；根据预设截取条件从实验数据中获得多个源域样本，根据预设截取条件从参数归一化对齐后的历史监测数据中获得目标域样本；利用多个源域样本和所述目标域样本进行迁移学习，得到对目标电池的评估模型。通过无监督的方式实现多源迁移学习，在易于获得的参考电池实验数据和目标电池监测数据的基础上获得对目标电池健康状态的评估模型。不需将目标电池所在的车辆召回检测，节省电池健康状态的测量成本，实现较为准确的评估。

技术领域

本申请涉及电池技术领域，特别是涉及一种评估模型建立方法、电池健康状态评估方法及相关产品。

背景技术

能源危机、环境污染以及温室效应等问题的日益严重对汽车行业提出了更高的节能减排要求。发展新能源汽车已近成为汽车行业变革的必然趋势。动力电池是电动汽车的动力来源。为了确保电动汽车能安全、稳定、高效地运行，需要对电池进行必要的管理和控制。电池健康状态(State of Health,SOH)是评估电池的一个重要指标。精确掌握电池的SOH真实值能够为电池诊断提供依据，同时也有助于及时更换老化的单体电池，提高电池组的整体寿命。进一步地，精确掌握电池SOH对于提高电动汽车的动力性能。

目前，电池的SOH通常的测量方法是将车辆召回，由专门的电池检测机构对车辆中的电池进行SOH检测。这种方式需要召回车辆，影响车辆的驾驶，成本也比较高。而如果以实时监测收集到的数据预测电池的SOH则存在预测结果不准确的问题。

发明内容

基于上述问题，本申请提供了一种评估模型建立方法、电池健康状态评估方法及相关产品，提升电池SOH的评估准确性，同时节省SOH的测量成本。

本申请实施例公开了如下技术方案：

本申请第一方面提供了一种评估模型建立方法，包括：

获得参考电池的实验数据和目标电池的历史监测数据；所述参考电池的实验数据包括所述参考电池的健康状态SOH；

将所述实验数据和所述历史监测数据进行参数归一化对齐；

根据预设截取条件从参数归一化对齐后的实验数据中获得多个源域样本，根据所述预设截取条件从参数归一化对齐后的历史监测数据中获得目标域样本；

利用所述多个源域样本和所述目标域样本进行迁移学习，得到对所述目标电池的评估模型。

可选地，所述利用所述多个源域样本和所述目标域样本进行迁移学习，得到对所述目标电池的评估模型，包括：

通过深度学习提取所述多个源域样本的特征并提取所述目标域样本的特征；

利用差异度量方法对所述多个源域样本的特征和所述目标域样本的特征进行边缘分布对齐和条件分布对齐；并且，利用损失函数进行特征的迁移学习，得到对所述目标电池的评估模型。

可选地，所述利用差异度量方法对所述多个源域样本的特征和所述目标域样本的特征进行边缘分布对齐和条件分布对齐，包括：

将所述多个源域样本中每个源域样本的特征分别与所述目标域样本的特征进行边缘分布对齐和条件分布对齐。

可选地，对所述目标电池的评估模型包括：一个特征提取模型、一个差异度量模型和多个SOH预测模型；所述特征提取模型的输出作为所述差异度量模型及所述多个SOH预测模型的输入；所述多个SOH预测模型和多个源域一一对应；

所述损失函数为关于所述多个SOH预测模型中每个SOH预测模型的预测损失值和所述差异度量模型的差异损失值的函数。

可选地，所述预设截取条件包括：