电池内阻确定方法、装置、计算机设备和存储介质与流程

本申请涉及计算机，特别是涉及一种电池内阻确定方法、装置、计算机设备和存储介质。

背景技术：

1、随着新能源汽车保有量的明显增加，在对新能源汽车进行研发升级过程中，研究人员在充电容量估计、和充放电倍率优化方面做了大量工作，尤为注重动力电池欧姆内阻估计的研究。

2、现有技术中，针对电池欧姆内阻的研究大多是基于实验室严格控制负载和环境等应力条件得到的数据所开展的，而驱动电池老化机理错综复杂，影响因素不仅多而且很难量化分析，动力电池实际应用时工作状态变化多端，已有针对驱动电池欧姆内阻估计的研究，通常根据线下对驱动电池欧姆内阻的检测和经验而定，存在成本高、耗时长的问题，进而影响对驱动电池欧姆电阻的批量估计。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够批量估计驱动电池欧姆电阻的电池内阻确定方法、装置、计算机设备和存储介质。

2、第一方面，本申请提供了一种电池内阻确定方法，包括：

3、获取当前车辆的驱动电池在当前时段内的当前运行数据；

4、将当前运行数据分别输入至电池内阻估计网络中的至少一个回归模型，得到相应回归模型的预测内阻值；不同回归模型基于不同回归算法实现；

5、通过电池内阻估计网络中的元学习模型，对各预测内阻值进行极端梯度上升处理，得到驱动电池在当前时段内的目标内阻值。

6、在其中一个实施例中，电池内阻估计网络的确定方式，包括：

7、获取样本车辆的样本驱动电池在历史时段内不同样本温度下的历史运行数据；

8、基于不同参考温度与相应参考内阻值之间的对应关系，确定样本温度下的标准内阻值；

9、将历史时段内不同样本温度下的历史运行数据作为输入数据，将历史时段内相应样本温度下的标准内阻值作为标签数据，对待训练的电池内阻估计网络进行模型训练。

10、在其中一个实施例中，不同参考温度与相应参考内阻值之间的对应关系，采用以下方式确定得到：

11、根据不同参考驱动电池在不同参考温度下的参考运行数据，确定不同参考温度对应的参考内阻值集合；

12、剔除每一参考温度对应的参考内阻值集合中的异常内阻值，以更新相应参考内阻值集合；

13、以参考温度为自变量，对不同参考温度对应参考内阻值集合中的参考内阻值进行拟合，得到内阻确定曲线；

14、基于内阻确定曲线，生成对应关系。

15、在其中一个实施例中，根据不同参考驱动电池在不同参考温度下的参考运行数据，确定不同参考温度对应的参考内阻值集合，包括：

16、根据不同参考驱动电池在不同参考温度下的参考运行数据，确定不同参考温度对应的的参考输入向量和初始参数向量；参考输入向量包括参考运行数据中的电压值和电流值；

17、通过目标遗忘因子调整初始参数向量，得到目标参数向量；

18、根据参考输入向量和目标参数向量，确定不同参考温度对应的参考内阻值；

19、将相同参考温度对应的参考内阻值划分至同一参考内阻值集合，得到不同参考温度对应的参考内阻值集合。

20、在其中一个实施例中，目标遗忘因子的确定方式，包括：

21、根据参考运行数据中的电压值，确定初始遗忘因子；

22、通过麻雀搜索算法对初始遗忘因子进行调整，得到目标遗忘因子。

23、在其中一个实施例中，回归模型包括随机森林回归模型、线性回归模型、支持向量机回归模型和逻辑回归模型。

24、第二方面，本申请还提供了一种电池内阻确定装置，包括：

25、数据获取模块，用于获取当前车辆的驱动电池在当前时段内的当前运行数据；

26、内阻预测模块，用于将当前运行数据分别输入至电池内阻估计网络中的至少两个回归模型，得到相应回归模型的预测内阻值；不同回归模型基于不同回归算法实现；

27、内阻确定模块，用于通过电池内阻估计网络中的元学习模型，对各预测内阻值进行极端梯度上升处理，得到驱动电池在当前时段内的目标内阻值。

28、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

29、获取当前车辆的驱动电池在当前时段内的当前运行数据；

30、将当前运行数据分别输入至电池内阻估计网络中的至少一个回归模型，得到相应回归模型的预测内阻值；不同回归模型基于不同回归算法实现；

31、通过电池内阻估计网络中的元学习模型，对各预测内阻值进行极端梯度上升处理，得到驱动电池在当前时段内的目标内阻值。

32、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

33、获取当前车辆的驱动电池在当前时段内的当前运行数据；

34、将当前运行数据分别输入至电池内阻估计网络中的至少一个回归模型，得到相应回归模型的预测内阻值；不同回归模型基于不同回归算法实现；

35、通过电池内阻估计网络中的元学习模型，对各预测内阻值进行极端梯度上升处理，得到驱动电池在当前时段内的目标内阻值。

36、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

37、获取当前车辆的驱动电池在当前时段内的当前运行数据；

38、将当前运行数据分别输入至电池内阻估计网络中的至少一个回归模型，得到相应回归模型的预测内阻值；不同回归模型基于不同回归算法实现；

39、通过电池内阻估计网络中的元学习模型，对各预测内阻值进行极端梯度上升处理，得到驱动电池在当前时段内的目标内阻值。

40、上述电池内阻确定方法、装置、计算机设备和存储介质，获取当前车辆的驱动电池在当前时段内的当前运行数据；将当前运行数据分别输入至电池内阻估计网络中的至少一个回归模型，得到相应回归模型的预测内阻值；不同回归模型基于不同回归算法实现；通过电池内阻估计网络中的元学习模型，对各预测内阻值进行极端梯度上升处理，得到驱动电池在当前时段内的目标内阻值。本申请通过元学习模型对回归模型输出的预测内阻值进行优化，提高了电池内阻估计网络的鲁棒性，进而使得电池内阻估计网络获取得到的目标内阻值更加准确，同时，本申请可以通过电池内阻估计网络对车辆驱动电池的内阻值进行批量估计，进一步提高了内阻值确定的效率。

技术特征：

1.一种电池内阻确定方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述电池内阻估计网络的确定方式，包括：

3.根据权利要求2所述的方法，其特征在于，所述不同参考温度与相应参考内阻值之间的对应关系，采用以下方式确定得到：

4.根据权利要求3所述的方法，其特征在于，所述根据不同参考驱动电池在不同参考温度下的参考运行数据，确定不同参考温度对应的参考内阻值集合，包括：

5.根据权利要求4所述的方法，其特征在于，所述目标遗忘因子的确定方式，包括：

6.根据权利要求1所述的方法，其特征在于，所述回归模型包括随机森林回归模型、线性回归模型、支持向量机回归模型和逻辑回归模型。

7.一种电池内阻确定装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结本申请涉及一种电池内阻确定方法、装置、计算机设备和存储介质。所述方法包括：获取当前车辆的驱动电池在当前时段内的当前运行数据；将当前运行数据分别输入至电池内阻估计网络中的至少一个回归模型，得到相应回归模型的预测内阻值；不同回归模型基于不同回归算法实现；通过电池内阻估计网络中的元学习模型，对各预测内阻值进行极端梯度上升处理，得到驱动电池在当前时段内的目标内阻值。采用本方法能够通过元学习模型对回归模型优化，提高电池内阻估计网络的鲁棒性，进而使得电池内阻估计网络获取得到的目标内阻值更加准确，同时，本申请可以通过电池内阻估计网络对车辆驱动电池的内阻值进行批量估计，进一步提高了内阻值确定的效率。技术研发人员：李丹,王震坡,荣常如,刘鹏,王君君,周洋捷,姜云峰,陈书礼受保护的技术使用者：中国第一汽车股份有限公司技术研发日：技术公布日：2024/9/12