[发明专利]一种动力电池的数据处理方法和装置

说明书

本发明实施例提供了一种动力电池的数据处理方法和装置，应用于动力组件，所述动力组件运行有电池管理系统，所述电池管理系统包括数据库，所述数据库中储存有电池历史数据，获取所述数据库中的电池历史数据；提取出所述电池历史数据中的特征序列数据及初始序列数据；依据所述特征序列数据生成第一训练输入向量及第一训练样本向量；采用所述第一训练输入向量及第一训练样本向量训练预置的机器学习模型，获得训练后的机器学习模型；将所述初始序列数据输入至所述训练后的机器学习模型，获得预测电压序列数据；依据所述预测电压序列数据获得动力电池的电池容量信息。降低成本、节省时间、解决了容量估算实验带来的消耗人力较多的问题。

技术领域

本发明涉及动力电池技术领域，特别是涉及一种动力电池的数据处理方法和一种动力电池的数据处理装置。

背景技术

动力电池是新能源汽车领域最为核心的部件。动力电池的性能直接影响电动汽车的动力性能、续航里程和安全性等驾驶体验。动力电池的性能包括电池容量、内阻和单体一致性等，其中电池容量作为最重要且直观的性能衡量指标，能够直接影响电动汽车的续航能力。现有的电池容量估算方法主要分为以下两种方法：基于理想状况实验的容量衰减模式的经验估计，及基于电池表征数据和实验条件测得标签容量的黑箱模型。

基于理想状况实验的容量衰减模式的经验估计对新的动力电池进行数百至数千次的满充满放实验，并得到动力电池在各循环节点或时间节点时的电池容量信息，并以此作为依据建立经验估计，如1000次循环后有80％的电池容量保持率，在实际监控场景中依照电池循环次数进行线性插值得到当前电池容量保持率。

基于电池表征数据和实验条件测得标签容量的黑箱模型是模拟电池充放电的过程，记录过程中的电池表征数据，并且周期性的对电池进行满充满放恒流充放电实验，得到其实际的容量信息。然后利用机器学习领域的方法建模，以电池表征数据作为输入，容量信息作为标签，进行有监督学习得到表征数据向电池容量的映射。

但是，在实验条件下的充放电复杂性和随机性无法与电动汽车实际运行过程相比，因此实际工况条件下动力电池容量衰减特征并未得到有效关注；而且实验所必需消耗的人力、物力和时间在实际中的大规模应用下难以维持。

发明内容

本发明实施例提供一种动力电池的数据处理方法和相应的一种动力电池的数据处理装置，以解决现有的电池容量估算方法并未考虑实际工况条件下动力电池容量衰减特征以及消耗的人力、物力和时间较多的上述问题。

为了解决上述问题，本发明实施例公开了一种动力电池的数据处理方法，应用于动力组件，所述动力组件运行有电池管理系统，所述电池管理系统包括数据库，所述数据库中储存有电池历史数据，所述动力组件包括多个动力电池；所述方法包括：

获取所述数据库中的电池历史数据；

提取出所述电池历史数据中的特征序列数据及初始序列数据；

依据所述特征序列数据生成第一训练输入向量及第一训练样本向量；

采用所述第一训练输入向量及第一训练样本向量训练预置的机器学习模型，获得训练后的机器学习模型；

将所述初始序列数据输入至所述训练后的机器学习模型，获得预测电压序列数据；

依据所述预测电压序列数据获得动力电池的电池容量信息。

优选地，所述特征序列数据包括电压序列数据、电流序列数据及温度序列数据中的至少一种；所述依据所述特征序列数据生成第一训练输入向量及第一训练样本向量的步骤包括：

提取出所述电压序列数据、电流序列数据及温度序列数据中预设数量的序列数据元素；

将所述序列数据元素组合为第一训练输入向量。

优选地，所述依据所述特征序列数据生成第一训练输入向量及第一训练样本向量的步骤还包括：