[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

说明书

本申请提供的汽车电池的荷电状态值预测方法、装置、设备及存储介质，通过在监测到汽车上电时，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，根据当前电池健康度、当前电池温度以及当前电池开路电压值确定汽车电池当前的荷电状态预测值，然后基于荷电状态预测值更新汽车电池的荷电状态，由于在确定荷电状态预测值时，充分考虑了电池健康度、电池温度以及电池开路电压值对荷电状态的影响，使得得到的荷电状态预测值更趋近于真实值，提升了荷电状态预测的准确性。

技术领域

本申请涉及汽车电池技术领域，特别是涉及一种汽车电池的荷电状态值预测方法、装置、设备及存储介质。

背景技术

近年来，电动汽车正在快速发展。动力电池是电动汽车的唯一动力来源，因此对电池进行有效管理显得格外重要。目前，仪表大屏显示的续航里程不准确严重影响用户使用体验。其原因是电池的荷电状态值，也即SOC值估计不准确。因此，准确估计电池SOC值可以提升屏显续航里程的准确性，且可对BMS的均衡、充放电管理等功能提供指导性意见。因此，如何对电池的SOC值进行准确估计成为当前亟待解决的技术问题。

发明内容

本申请实施例的目的在于提供一种汽车电池的荷电状态值预测方法、装置、设备及存储介质，以解决上述技术问题。

一方面，提供一种汽车电池的荷电状态值预测方法，所述方法包括：

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。

在其中一个实施例中，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。

在其中一个实施例中，所述荷电状态值初始预测模型包括卷积神经网络模型。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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：