[发明专利]荷电状态评估方法、装置、电子设备及存储介质

说明书

本发明实施例涉及一种荷电状态评估方法、装置、电子设备及存储介质，该方法包括：获取目标对象的荷电状态评估参数；将荷电状态评估参数输入至第一子模型中的卷积层，利用卷积层包括的多种尺寸的卷积核分别对荷电状态评估参数进行特征提取，生成与每一种尺寸的卷积核分别对应的第一特征矩阵；将每一个第一特征矩阵分别输入至池化层进行自适应池化处理，获取与每一个第一特征矩阵分别对应的第二特征矩阵；将所有的第二特征矩阵输入第二子模型，对目标对象的荷电状态进行评估。如此一来，可以通过多个尺寸的卷积核对荷电状态评估参数分别进行特征提取，比单一尺寸的卷积核所提取的特征更加丰富，进而对荷电状态评估的结果也更加准确。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种荷电状态评估方法、装置、电子设备及存储介质。

背景技术

锂离子荷电状态(State of Charge，SOC)反映了在一个充放电循环中电池剩余电荷量，是衡量电化学储能电站安全运行的一个关键指标。不准确的SOC估计会导致电池发生过充电和过放电，损害电池容量和使用寿命，其次是影响电网工作人员对储能设备真实状态的判断，降低电网运行经济性。在极端情况下，电池SOC估计误差过大会诱发电池产生短路或热失控，接着引起储能电站大规模燃烧或爆炸，严重影响电网安全运行。此外，锂离子电池内部是一个非线性、时变性的电化学系统，SOC只能根据电流、电压和其他可测量状态来估计。

目前常用的电池SOC估计算法主要有直接法和模型法。直接法基于电池电压、电流等可测量参数直接估计SOC，方法计算量小、易于实现，其主要代表是安时积分法和开路电压法。安时积分法根据电流随时间变化估计电池SOC，但估计精度严重依赖于初始值选取，积分结果对传感器测量误差敏感，故估计精度稳定性差。开路电压法利用电池开路电压与SOC的映射关系来获取SOC估计值，但电池工作时测得开路电压误差过大，不能满足SOC实时准确估计要求。基于模型的SOC估计算法采用电化学或等效电路模型描述电池内部反应特性，然后根据模型构建系统状态方程，最后结合扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波等滤波算法修正方程中状态变量并输出电池SOC估计值。然而，电化学或物理模型参数普遍较少，无法准确建模电池内部反应和外部环境对电池性能影响，模型泛化性能差。此外，模型参数辨识会消耗大量计算资源，降低模型对电池SOC的估计实时性。

发明内容

本申请提供了一种荷电状态评估方法、装置、电子设备及存储介质，以解决现有技术中全部或者部分的问题。

第一方面，本申请提供了一种荷电状态评估方法，该方法应用于一种荷电状态评估模型，荷电状态评估模型包括第一子模型和第二子模型，第一子模型包括具有多种尺寸卷积核的卷积层以及池化层，该方法包括：

获取目标对象的荷电状态评估参数；

将荷电状态评估参数输入至第一子模型中的卷积层，利用卷积层包括的多种尺寸的卷积核分别对荷电状态评估参数进行特征提取，生成与每一种尺寸的卷积核分别对应的第一特征矩阵；

将每一个第一特征矩阵分别输入至池化层进行自适应池化处理，获取与每一个第一特征矩阵分别对应的第二特征矩阵；

将所有的第二特征矩阵输入第二子模型，基于第二特征矩阵，对目标对象的荷电状态进行评估。

通过该方式，获取目标对象的荷电状态评估参数；将荷电状态评估参数输入至第一子模型中的卷积层，利用卷积层包括的多种尺寸的卷积核分别对荷电状态评估参数进行特征提取，生成与每一种尺寸的卷积核分别对应的第一特征矩阵；将每一个第一特征矩阵分别输入至池化层进行自适应池化处理，获取与每一个第一特征矩阵分别对应的第二特征矩阵；将所有的第二特征矩阵输入第二子模型，基于第二特征矩阵，对目标对象的荷电状态进行评估。可以通过多个尺寸的卷积核对荷电状态评估参数分别进行特征提取，比单一尺寸的卷积核所提取的特征更加丰富，经过池化后可以得到特征更加丰富的第二特征矩阵，进而对荷电状态评估的结果也更加准确。