[发明专利]汽车电池的荷电状态值预测方法、装置、设备及存储介质

权利要求书

1.一种汽车电池的荷电状态值预测方法，其特征在于，包括：

当监测到汽车上电时，获取汽车电池的当前电池健康度、当前电池温度以及当前电池开路电压值；

根据所述当前电池健康度、所述当前电池温度以及所述当前电池开路电压值确定所述汽车电池当前的荷电状态预测值；

基于所述荷电状态预测值更新所述汽车电池的荷电状态。

2.如权利要求1所述的汽车电池的荷电状态值预测方法，其特征在于，所述根据所述当前电池健康度、所述当前电池温度以及所述当前电池开路电压值确定所述汽车电池当前的荷电状态预测值，包括：

将所述当前电池健康度、所述当前电池温度以及所述当前电池开路电压值输入预设的目标预测模型，得到所述汽车电池当前的荷电状态预测值；所述目标预测模型为采用样本数据集对荷电状态值初始预测模型进行训练得到的模型，所述样本数据集包括多个数据组，每一所述数据组由历史电池健康度、历史电池温度、历史电池开路电压值和历史电池荷电状态值组成。

3.如权利要求2所述的汽车电池的荷电状态值预测方法，其特征在于，所述荷电状态值初始预测模型包括卷积神经网络模型。

4.如权利要求3所述的汽车电池的荷电状态值预测方法，其特征在于，所述卷积神经网络模型包括依次连接的输入层、卷积层、全连接层和输出层，所述采用样本数据集对荷电状态值初始预测模型进行训练，包括：

将所述样本数据集输入所述输入层，并经过所述卷积层进行卷积处理，将卷积处理后的样本数据集输入到全连接层，并由所述输出层进行输出；

通过交叉熵损失函数调整所述全连接层中各个神经元的权值，直至满足预设的收敛条件时，停止训练得到目标预测模型。

5.如权利要求1所述的汽车电池的荷电状态值预测方法，其特征在于，所述基于所述荷电状态预测值更新所述汽车电池的荷电状态，包括：

获取所述汽车当前的静置时长和目标电池荷电状态值；所述当前的静置时长为所述汽车最近一次下电至本次上电之间的时长；所述目标荷电状态值为所述汽车在本次上电时的电池荷电状态值或所述汽车在最近一次下电时的电池荷电状态值；

在基于所述当前的静置时长和所述目标荷电状态值确定所述汽车满足预设的荷电状态值更新条件时，基于所述荷电状态预测值更新所述目标荷电状态值。

6.如权利要求5所述的汽车电池的荷电状态值预测方法，其特征在于，所述在基于所述当前的静置时长和所述目标荷电状态值确定所述汽车满足预设的荷电状态值更新条件时，基于所述荷电状态预测值更新所述目标荷电状态值，包括：

在所述当前的静置时长大于预设时长阈值时，更新所述汽车当前的静置次数，并获取所述荷电状态预测值和所述目标荷电状态值之间的绝对值；所述静置次数为目标静置事件的发生次数，所述目标静置事件为所述汽车从下电状态切换为上电状态之间的静置时长大于所述预设时长阈值的事件；

若所述绝对值大于预设荷电状态阈值，则获取第一荷电状态值，基于所述第一荷电状态值更新所述目标荷电状态值，并将所述汽车当前的静置次数重置为0；所述第一荷电状态值为所述荷电状态预测值。

7.如权利要求6所述的汽车电池的荷电状态值预测方法，其特征在于，在所述获取所述荷电状态预测值和所述目标荷电状态值之间的绝对值之后，还包括：

若所述绝对值小于或等于所述预设荷电状态阈值，则获取所述汽车当前的静置次数，将所述汽车当前的静置次数与预设静置次数阈值进行比较；

若所述汽车当前的静置次数大于或等于所述预设静置次数阈值，则获取第二荷电状态值，基于所述第二荷电状态值更新所述目标荷电状态值，并将所述汽车当前的静置次数重置为0；所述第二荷电状态值为所述荷电状态预测值和所述目标荷电状态值的平均值。