本發(fā)明屬于電池狀態(tài)檢測，具體地，涉及一種基于集成深度學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法、存儲(chǔ)介質(zhì)、設(shè)備及計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)：

1、鋰離子電池作為一種高能量密度的電池技術(shù)，廣泛應(yīng)用于移動(dòng)設(shè)備、電動(dòng)汽車和儲(chǔ)能系統(tǒng)等領(lǐng)域。伴隨著大規(guī)模鋰離子電池使用，荷電狀態(tài)的準(zhǔn)確監(jiān)測越發(fā)重要。荷電狀態(tài)代表著電池中可用電量的百分比，能夠輔助電池管理系統(tǒng)運(yùn)行，有效提高電池的使用效率和安全性能。然而，鋰離子電池荷電狀態(tài)受環(huán)境溫度、充放電電流等因素影響，難以直接測量。

2、傳統(tǒng)等效電路模型能夠描述鋰離子電池動(dòng)態(tài)行為，但該方法高度依賴于先驗(yàn)專家知識(shí)，且針對(duì)不同類型電池需要重新建模。目前，數(shù)據(jù)驅(qū)動(dòng)方法在電池荷電狀態(tài)預(yù)測中取得了顯著成果，但這些方法在處理時(shí)間序列數(shù)據(jù)時(shí)存在一些限制，如忽略時(shí)空特征和長期依賴關(guān)系。因此，鋰離子電池荷電狀態(tài)的高精度預(yù)測仍面臨挑戰(zhàn)，故迫切需要一種新的技術(shù)方法實(shí)現(xiàn)客觀、準(zhǔn)確估計(jì)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供了一種基于集成深度學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法、存儲(chǔ)介質(zhì)、設(shè)備及計(jì)算機(jī)程序產(chǎn)品，實(shí)現(xiàn)了鋰離子電池荷電狀態(tài)的高精度預(yù)測。

2、為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案：一種基于集成深度學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法，具體包括如下步驟：

3、步驟1、收集鋰離子電池在不同運(yùn)行工況下的鋰離子電池可測變量數(shù)據(jù)，包括：電壓、電流和溫度；

4、步驟2、對(duì)收集的鋰離子電池可測變量數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理的鋰離子電池可測變量數(shù)據(jù)采用安時(shí)積分法計(jì)算鋰離子電池的荷電狀態(tài)；

5、步驟3、基于鋰離子電池的電壓、電流與荷電狀態(tài)之間的互信息確定滑動(dòng)窗口最優(yōu)尺寸，并利用最優(yōu)尺寸的滑動(dòng)窗口計(jì)算鋰離子電池的平均電壓和平均電流；

6、步驟4、將預(yù)處理后的電壓、電流、溫度與平均電壓、平均電流共同構(gòu)成鋰離子電池可測變量五元組，并為每個(gè)鋰離子電池可測變量五元組添加荷電狀態(tài)標(biāo)簽；

7、步驟5、建立深度學(xué)習(xí)網(wǎng)絡(luò)，即卷積對(duì)抗自編碼網(wǎng)絡(luò)，通過卷積對(duì)抗自編碼網(wǎng)絡(luò)提取鋰離子電池可測變量五元組的空間特征；

8、步驟6、構(gòu)建集成學(xué)習(xí)網(wǎng)絡(luò)，將提取的空間特征作為集成學(xué)習(xí)網(wǎng)絡(luò)的輸入，預(yù)測出鋰離子電池荷電狀態(tài)。

9、進(jìn)一步地，步驟2中對(duì)收集的鋰離子電池可測變量數(shù)據(jù)進(jìn)行預(yù)處理的過程為：剔除鋰離子電池可測變量數(shù)據(jù)的離群值后進(jìn)行歸一化。

10、進(jìn)一步地，步驟3包括如下子步驟：

11、步驟3.1、初始化滑動(dòng)窗口尺寸；

12、步驟3.2、計(jì)算滑動(dòng)窗口尺寸內(nèi)鋰離子電池的電壓、電流與荷電狀態(tài)之間的互信息；

13、步驟3.3、遞增改變滑動(dòng)窗口尺寸，重復(fù)步驟3.2，并保留當(dāng)前互信息與上一次互信息的較大值；

14、步驟3.4、重復(fù)步驟3.3，直至互信息最大值不再發(fā)生變化，基于互信息最大值對(duì)應(yīng)的最優(yōu)滑動(dòng)窗口尺寸計(jì)算鋰離子電池的平均電壓和平均電流。

15、進(jìn)一步地，步驟3.2中滑動(dòng)窗口尺寸內(nèi)鋰離子電池的連續(xù)電壓、連續(xù)電流與荷電狀態(tài)之間的互信息的計(jì)算過程為：

16、m(v；soc)＝h(v)+h(soc)-h(v，soc)

17、m(i；soc)＝h(i)+h(soc)-h(i，soc)

18、其中，m(v；soc)為滑動(dòng)窗口尺寸內(nèi)鋰離子電池的連續(xù)電壓與荷電狀態(tài)之間的互信息，h(v)為滑動(dòng)窗口尺寸內(nèi)連續(xù)電壓的邊緣熵，h(soc)為滑動(dòng)窗口尺寸內(nèi)荷電狀態(tài)的邊緣熵，h(v，soc)為滑動(dòng)窗口尺寸內(nèi)連續(xù)電壓與荷電狀態(tài)的聯(lián)合熵；m(i；soc)為滑動(dòng)窗口尺寸內(nèi)鋰離子電池的連續(xù)電流與荷電狀態(tài)之間的互信息，h(i)為滑動(dòng)窗口尺寸內(nèi)連續(xù)電流的邊緣熵，h(i，soc)為滑動(dòng)窗口尺寸內(nèi)連續(xù)電流與荷電狀態(tài)的聯(lián)合熵。

19、進(jìn)一步地，步驟5中卷積對(duì)抗自編碼網(wǎng)絡(luò)包括：生成器和辨別器，所述生成器由四個(gè)逐漸降維的卷積編碼器和四個(gè)逐漸升維的卷積解碼器依次連接組成，用于對(duì)鋰離子電池可測變量五元組的重構(gòu)；所述辨別器由三個(gè)卷積編碼器、一個(gè)展開層和一個(gè)全連接層依次連接組成，所述辨別器用于對(duì)鋰離子電池可測變量五元組以及重構(gòu)的鋰離子電池可測變量五元組進(jìn)行辨別。

20、進(jìn)一步地，所述卷積編碼器由多個(gè)第一卷積過濾器、第一relu激活函數(shù)和最大池化層依次連接組成，所述第一卷積過濾器用于特征提取，所述第一relu激活函數(shù)用于對(duì)提取的特征進(jìn)行特征激活，所述最大池化層用于對(duì)激活的特征進(jìn)行降維。

21、進(jìn)一步地，所述卷積解碼器由上采樣層、第二卷積過濾器和第二relu激活函數(shù)依次連接組成，所述上采樣層用于進(jìn)行特征升維，所述第二卷積過濾器用于對(duì)降維的特征進(jìn)行提取，所述第二relu激活函數(shù)用于對(duì)提取的特征進(jìn)行激活。

22、進(jìn)一步地，步驟5包括如下子步驟：

23、步驟5.1、選取某一時(shí)段下帶有標(biāo)簽的鋰離子電池可測變量五元組，形成維度為o×p的輸入數(shù)據(jù)；

24、步驟5.2、將輸入數(shù)據(jù)輸入生成器的卷積編碼器中，得到鋰離子電池可測變量五元組的空間特征；

25、步驟5.3、將鋰離子電池可測變量五元組的空間特征送至生成器的卷積解碼器中，重構(gòu)出維度為o×p的輸入數(shù)據(jù)；

26、步驟5.4、將輸入數(shù)據(jù)和重構(gòu)的輸入數(shù)據(jù)送至辨別器，進(jìn)行真?zhèn)伪鎰e；

27、步驟5.5、重復(fù)步驟5.1-5.4，直至卷積對(duì)抗自編碼訓(xùn)練損失函數(shù)收斂，完成對(duì)卷積對(duì)抗自編碼網(wǎng)絡(luò)的訓(xùn)練，輸出鋰離子電池可測變量五元組的空間特征。

28、進(jìn)一步地，步驟5.5中卷積對(duì)抗自編碼訓(xùn)練損失函數(shù)lcae具體為：

29、lcae＝lmse+lq+ledge+lgan

30、其中，lmse為均方誤差損失函數(shù)，o和p分別為輸入數(shù)據(jù)的維度，i為o的索引，j為p的索引，xij為(i，j)位置處的輸入數(shù)據(jù)，zij為(i，j)位置處重構(gòu)的輸入數(shù)據(jù)；fedge(·)為邊緣檢測算子；g(·)表示生成器輸出，d(·)表示辨別器輸出，p(x)和p(z)分別為輸入數(shù)據(jù)x的概率分布和重建的輸入數(shù)據(jù)z的概率分布，ep(x)為p(x)的期望，ep(z)為p(z)的期望。

31、進(jìn)一步地，步驟6中集成學(xué)習(xí)網(wǎng)絡(luò)是由最小二乘支持向量機(jī)lssvm、長短期記憶網(wǎng)絡(luò)lstm、極限學(xué)習(xí)機(jī)elm、自注意力機(jī)制和全連接層組成，所述最小二乘支持向量機(jī)lssvm、長短期記憶網(wǎng)絡(luò)lstm和極限學(xué)習(xí)機(jī)elm均通過鋰離子電池可測變量五元組的空間特征初步預(yù)測鋰離子電池荷電狀態(tài)，并將初步預(yù)測的鋰離子電池荷電狀態(tài)輸入自注意力機(jī)制中獲取各鋰離子電池荷電狀態(tài)自注意力值，將鋰離子電池荷電狀態(tài)自注意力值輸入全連接中進(jìn)行融合，預(yù)測出鋰離子電池荷電狀態(tài)。

32、進(jìn)一步地，步驟6包括如下子步驟：

33、步驟6.1、將鋰離子電池可測變量五元組的空間特征分別作為最小二乘支持向量機(jī)lssvm、長短期記憶網(wǎng)絡(luò)lstm和極限學(xué)習(xí)機(jī)elm的輸入，所述最小二乘支持向量機(jī)lssvm、長短期記憶網(wǎng)絡(luò)lstm和極限學(xué)習(xí)機(jī)elm均初步預(yù)測出鋰離子電池荷電狀態(tài)；

34、步驟6.2、將初步預(yù)測的鋰離子電池荷電狀態(tài)均輸入自注意力機(jī)制中，產(chǎn)生對(duì)應(yīng)的查詢向量、鍵向量和v值向量，分別將對(duì)應(yīng)的查詢向量和鍵向量匹配獲取注意力分?jǐn)?shù)，將所有的注意力分?jǐn)?shù)經(jīng)softmax層處理后，融合v值向量，得到鋰離子電池荷電狀態(tài)自注意力值；

35、步驟6.3、將鋰離子電池荷電狀態(tài)自注意力值通過全連接層處理后，預(yù)測出鋰離子電池荷電狀態(tài)。

36、進(jìn)一步地，步驟6.2中鋰離子電池荷電狀態(tài)自注意力值的計(jì)算過程為：

37、

38、其中，ξt為t時(shí)刻下鋰離子電池荷電狀態(tài)自注意力值，n為初步預(yù)測出鋰離子電池荷電狀態(tài)的模型數(shù)量，a、b均為n的索引，vb為第b個(gè)模型對(duì)應(yīng)的v值向量，δa,b為注意力分?jǐn)?shù)，qa為第a個(gè)模型對(duì)應(yīng)的查詢向量，kb為第b個(gè)模型對(duì)應(yīng)的鍵向量，d表示鍵向量的維度。

39、進(jìn)一步地，步驟6.3中鋰離子電池荷電狀態(tài)的預(yù)測過程為：

40、

41、其中，μt+1為預(yù)測的鋰離子電池荷電狀態(tài)，t為選取的時(shí)間段，αt為t時(shí)刻下的權(quán)重系數(shù)，c為偏置參數(shù)。

42、進(jìn)一步地，本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序使計(jì)算機(jī)執(zhí)行所述的基于集成學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法。

43、進(jìn)一步地，本發(fā)明還提供了一種電子設(shè)備，包括：存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)所述的基于集成學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法。

44、進(jìn)一步地，本發(fā)明還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的基于集成學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法。

45、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

46、(1)本發(fā)明基于集成深度學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法在計(jì)算鋰離子電池的平均電壓和平均電流的過程中，引入鋰離子電池的電壓、電流與荷電狀態(tài)之間的互信息優(yōu)化滑動(dòng)窗口尺寸，不僅平滑降噪電壓和電流數(shù)據(jù)，還有效保留重要數(shù)據(jù)趨勢變化，有助于后續(xù)模式識(shí)別和預(yù)測分析；

47、(2)本發(fā)明基于集成深度學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法通過建立的卷積對(duì)抗自編碼網(wǎng)絡(luò)既考慮輸入數(shù)據(jù)和重構(gòu)數(shù)據(jù)之間的結(jié)構(gòu)相似性，又建立輸入數(shù)據(jù)和重構(gòu)數(shù)據(jù)之間的分布一致性，從而能夠提取電池可測變量數(shù)據(jù)最有代表性的空間特征；

48、(3)本發(fā)明基于集成深度學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法在集成學(xué)習(xí)網(wǎng)絡(luò)中引入自注意力機(jī)制，自注意機(jī)制可以根據(jù)數(shù)據(jù)的實(shí)時(shí)特性動(dòng)態(tài)地調(diào)整每個(gè)子預(yù)測模型的影響力，并能夠有效捕獲電池可測變量數(shù)據(jù)的長距離依賴關(guān)系，由此建立的集成學(xué)習(xí)策略有效提高了電池荷電狀態(tài)的預(yù)測準(zhǔn)確性。

49、綜上，本發(fā)明基于集成深度學(xué)習(xí)的鋰離子電池荷電狀態(tài)預(yù)測方法實(shí)現(xiàn)了鋰離子電池的高精度荷電狀態(tài)預(yù)測，可應(yīng)用于電池監(jiān)測與管理系統(tǒng)，有助于提高鋰離子電池的性能，延長壽命，為實(shí)現(xiàn)智能化電池管理提供了有效的手段。