[发明专利]电池容量预测模型的训练方法、装置、电子设备和介质

说明书

本申请提供一种电池容量预测模型的训练方法、装置、电子设备和介质。该方法中获取至少一个电池的历史充电数据，历史充电数据包括电池的电池标识、充电时间、相应充电时间对应的充电量和相应荷电状态值增量；对于任一电池的历史充电数据，基于每次充电的充电量和相应荷电状态值增量，获取电池的电池容量数据集，电池容量数据集包括电池的电池标识和每次充电对应的电池容量；基于充电时间的顺序，采用预设趋势预测算法，对至少一个电池中每个电池的电池容量数据集进行迭代预测，建立电池容量预测模型；其中，预设趋势预测算法为指数回归算法和线性回归算法的组合算法。该方法提高了电池容量预测的准确性。

技术领域

本申请涉及电池充放电技术领域，具体而言，涉及一种电池容量预测模型的训练方法、装置、电子设备和介质。

背景技术

随着社会的发展，人们的环保意识逐渐增强，越来越多人使用新能源车辆。目前，在我国新能源车辆多是电动车辆，其中，电动车辆主要由存储在动力电池，如蓄电池组内的电能为车辆的行驶提供动力，具有零污染、零排放的优点。

蓄电池组由多节蓄电池串联后供电，蓄电池容量下降到80％以后性能会有急剧的衰退，容易失效。若单个蓄电池失效，则整个蓄电池组也将失效，对于电动车辆会因为蓄电池组失效而不能行驶，容易造成交通事故，故需对每节蓄电池进行容量预测。

目前，一般采用高斯过程回归用于蓄电池容量的预测，然而采用该方法对蓄电池进行容量预测时，对计算硬件要求高，且计算过程易出错，导致预测的准确性不高。

发明内容

本申请实施例的目的在于提供一种电池容量预测模型的训练方法、装置、电子设备和介质，用以解决现有技术存在的上述问题，提高了电池容量预测的准确性。

第一方面，提供了一种电池容量预测模型的训练方法，该方法可以包括：

获取至少一个电池的历史充电数据，所述历史充电数据包括电池的电池标识、充电时间、相应充电时间对应的充电量和相应荷电状态值SOC增量；

对于任一电池的历史充电数据，基于每次充电的充电量和相应SOC增量，获取所述电池的电池容量数据集，所述电池容量数据集包括所述电池的电池标识和每次充电对应的电池容量；

基于所述充电时间的顺序，采用预设趋势预测算法，对所述至少一个电池中每个电池的电池容量数据集进行迭代预测，建立电池容量预测模型；其中，所述预设趋势预测算法为指数回归算法和线性回归算法的组合算法；所述电池容量预测模型用于预测所述每个电池的电池容量的变化趋势。

在一个可选的实现中，基于所述充电时间的顺序，采用预设趋势预测算法，对所述至少一个电池中每个电池的电池容量数据集进行迭代预测，建立电池容量预测模型，包括：

根据所述充电时间的顺序，获取所述每个电池的累计充电天数；

采用预设趋势预测算法，对所述每个电池的电池容量数据集进行累计充电天数的迭代预测，建立电池容量预测模型；所述电池容量预测模型用于预测电池的电池容量随累计充电天数的变化趋势。

在一个可选的实现中，基于所述充电时间的顺序，采用预设趋势预测算法，对所述至少一个电池中每个电池的电池容量数据集进行迭代预测，建立电池容量预测模型，包括：

根据所述充电时间的顺序和每次充电时间对应的SOC增量，获取所述每个电池的SOC从0至100的累计循环充电次数；

采用预设趋势预测算法，对所述每个电池的电池容量数据集进行累计循环充电次数的迭代预测，建立电池容量预测模型；所述电池容量预测模型用于预测电池的电池容量随累计循环充电次数的变化趋势。

在一个可选的实现中，所述预设趋势预测算法表示为：