[发明专利]电池电量估计方法及装置

说明书

本公开涉及电池技术领域，公开了一种电池电量估计方法及装置，方法包括：获取电池的工作参数，包括电池电压、电池电流、电池温度和电池内阻；将工作参数输入电量估计模型以得到电池的剩余电量估计值，电量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得到满足预设条件的卷积神经网络而得到，多次迭代更新中任意一次迭代更新包括：获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值，从多个第一损失值中确定小于预设损失值的至少一个第二损失值，根据至少一个第二损失值以及至少一个第二损失值各自对应的电量估计任务对上一次迭代更新后的卷积神经网络进行更新。

技术领域

本公开实施例涉及电池技术领域，尤其涉及一种电池电量估计方法及电池电量估计装置。

背景技术

目前随着各种智能电子设备的普及，智能电子设备的电池剩余电量估计显示成为一个重要的技术。

相关技术如公开号为CN112782594A的中国专利文献中，公开了基于一种电池剩余电量估计方法，通过构建双向GRU网络建立锂离子电池剩余电量估算模型，以实现剩余电量估计，其考虑了电池的电流、电压以及温度和内阻等参数对电池剩余电量估计的影响，但是其模型结构比较复杂，导致模型训练过程复杂，也使得电池剩余电量估算的准确性有待进一步提高。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种电池电量估计方法及电池电量估计装置。

第一方面，本公开实施例提供了一种电池电量估计方法，包括：

获取电池在当前时刻的工作参数，所述工作参数包括电池电压、电池电流、电池温度和电池内阻；

将所述工作参数输入电量估计模型，以得到所述电池的剩余电量估计值；其中，所述电量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得到满足预设条件的卷积神经网络而得到的；并且其中，所述多次迭代更新中每一次迭代更新包括：获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值，从所述多个第一损失值中确定小于预设损失值的至少一个第二损失值，根据所述至少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积神经网络进行更新。

在一个实施例中，所述获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值包括：

从所述样本工作参数集中随机抽取样本工作参数以组成多个样本工作参数子集，每个所述样本工作参数子集中均包含多个样本工作参数；其中每个所述样本工作参数子集对应一个电量估计任务；

基于所述多个样本工作参数子集分别对所述上一次迭代更新后的卷积神经网络进行更新即执行多个电量估计任务，计算所述上一次迭代更新后的卷积神经网络进行更新后的多个损失值作为所述多个第一损失值。

在一个实施例中，所述样本工作参数集包括多个样本电池电压、多个样本电池电流、多个样本电池温度和多个样本电池内阻。

在一个实施例中，所述根据所述至少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积神经网络进行更新包括：确定所述至少一个第二损失值中的最小损失值，根据所述最小损失值以及所述最小损失值对应的电量估计任务，对所述上一次迭代更新后的卷积神经网络进行基于反向传播的更新。

在一个实施例中，所述多次迭代更新中每一次迭代更新后，若当前更新后的卷积神经网络不满足所述预设条件，则对当前更新后的卷积神经网络进行下一次迭代更新。

在一个实施例中，满足所述预设条件是：更新后的卷积神经网络的损失值小于或等于预设值。

在一个实施例中，还包括：