[发明专利]一种电池容量的估算方法、电子设备及可读存储介质

说明书

本申请属于本申请属于电池状态评估技术领域，尤其涉及一种电池容量的估算方法、电子设备及可读存储介质。该方法能够解决现有技术中对电池容量的估算准确度较低的问题。该方法包括获取待测电池在目标电压片段内的充电数据，充电数据对应的多个健康指标与电池容量相关性的总和在各个电压片段中最高；确定充电数据的多个健康指标；将多个健康指标输入至已训练的神经网络模型，得到待测电池的电池容量，神经网络模型是通过训练样本训练得到的，训练样本用于表征电池容量和多个健康指标之间的对应关系。

技术领域

本申请属于电池状态评估技术领域，尤其涉及一种电池容量的估算方法、电子设备及可读存储介质。

背景技术

电池容量是确定电池健康状态以及剩余使用寿命的重要指标，其直接影响电池的可靠性和安全性。因此，对电池容量进行准确估算变得尤为重要。

目前，通常采用电池容量估计模型对待测电池进行容量估算。电池容量估计模型是使用样本电池在循环满充满放(即电池剩余电量百分比(State Of Charge，SOC)从100％放电到0％，再从0％充电到100％的过程)的实验条件下获得的充放电数据训练得到的。但是在实际使用中，电池一般不会被用到电量完全耗尽，即SOC为0％时才进行充电。大多数情况是当电池的SOC处于10％-20％时开始对其充电，直至电池的SOC处于80％-100％结束，整个充电过程具有较强的随机性。因此，针对实际使用过程中的充放电数据，采用该种电池容量估算模型所估算出的电池容量的准确度较低。

发明内容

有鉴于此，本申请实施例提供了一种电池容量的估算方法、电子设备及可读存储介质，以解决现有技术对电池容量的估算准确度较低的问题。

本申请实施例的第一方面提供了一种电池容量的估算方法，该方法包括：获取待测电池在目标电压片段内的充电数据，充电数据对应的多个健康指标与电池容量相关性的总和在各个电压片段中最高；确定充电数据的多个健康指标；将多个健康指标输入至已训练的神经网络模型，得到待测电池的电池容量，神经网络模型是通过训练样本训练得到的，训练样本用于表征电池容量和多个健康指标之间的对应关系。

结合第一方面，在第一方面的第一种可能实现方式中，多个健康指标包括M个数据域健康指标和N个模型域健康指标，M+N≥2，M≥0，N≥0；数据域健康指标包括片段容量、容量增量分析ICA曲线峰值、ICA曲线峰值对应的电压、充电时间和单位时间内电压升中的至少一个；模型域健康指标包括欧姆内阻、极化内阻、极化电容和时间常数中的至少一个。

结合第一方面，在第一方面的第二种可能实现方式中，训练样本包括原始电池样本和虚拟电池样本，虚拟电池样本是根据原始电池样本生成的，原始电池样本对应的原始电池与待测电池为同类型电池。

结合第一方面，在第一方面的第三种可能实现方式中，虚拟电池样本是通过以下方式生成的：获取原始电池的实际老化数据，实际老化数据包括原始电池的电池容量由100％衰减至0％的整个过程中，各个循环充放电过程对应的时间、电压和电流的变化数据；根据实际老化数据和多个健康指标类型，确定目标电压片段；根据目标电压片段内的充电数据，生成原始电池样本；对原始电池样本中的电池容量以及每个健康指标进行数据扩展，生成虚拟电池样本。

结合第一方面，在第一方面的第四种可能实现方式中，根据实际老化数据和多个健康指标类型，确定目标电压片段，包括：根据实际老化数据，确定多个电压片段；其中，在每个循环充放电过程中，每个电压片段均有对应的电压片段数据；根据约束条件对各个电压片段数据进行筛选；R为电压片段宽度，起始SOC小于等于终点SOC；确定每一个电压片段内，筛选后的各个电压片段数据的F值，其中，r_i为电压片段数据的第i个健康指标与电池容量的相关性的得分；将最大的F值对应的电压片段确定为目标电压片段。