CN115097336A - 一种电池荷电状态值估算***、方法、电子设备及介质 - Google Patents
一种电池荷电状态值估算***、方法、电子设备及介质 Download PDFInfo
- Publication number
- CN115097336A CN115097336A CN202210595520.6A CN202210595520A CN115097336A CN 115097336 A CN115097336 A CN 115097336A CN 202210595520 A CN202210595520 A CN 202210595520A CN 115097336 A CN115097336 A CN 115097336A
- Authority
- CN
- China
- Prior art keywords
- real
- battery
- time
- edge
- charge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000003062 neural network model Methods 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 11
- 230000002093 peripheral effect Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/386—Arrangements for measuring battery or accumulator variables using test-loads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电池荷电状态值估算***、方法、电子设备及介质,属于电池管理技术领域,包括:车辆终端单元、边缘计算单元和云端计算单元。本专利提供一种电池荷电状态值估算***、方法、电子设备及介质,将车辆终端单元、边缘计算单元与云计算平台结合,利用车辆终端单元的高实时性边缘计算传输低延时、云计算强大计算能力实现终端、边缘端、云端协同工作,提高电池状态估算精度。
Description
技术领域
本发明公开了一种电池荷电状态值估算***、方法、电子设备及介质,属于电池管理技术领域。
背景技术
电池荷电状态(State Of Charge,简称SOC)作为BMS的核心技术之一,其精度直接影响车辆的续航里程和电池充放电安全。如何保证电池全生命周期的SOC高精度估算,一直是BMS的核心技术和行业关注的焦点。BMS每天会产生大量数据,如果采用传统的云计算加车辆终端单元处理模型很难满足大量数据实时传输和实时处理的需求,为了降低数据存储量及网络负载,传统大数据平台通常按10S间隔进行BMS数据传输,这个时间间隔对于慢变化的SOH估算可以接收,但是对于数据实时性要求较高SOC估算精度有较大影响。
行业内主流SOC算法主要有安时积分法,开路电压法,基于电池模型的卡尔曼滤波方法等,安时积分有累积误差,开路电压法应用受工况限制,基于电池模型的滤波算法精度受限于电池模型及参数,基于大数据平台的云端SOC估算方法不受电池模型限制,目前被广泛研究并应用。
发明内容
针对现有技术的缺陷,本发明提出一种电池荷电状态值估算***、方法、电子设备及介质,采用增加边缘计算单元用于对终端数据进行清洗,实时存储及分时转发,提高云端模型训练精度,提高估算实时性,减轻云端计算压力。
本发明的技术方案如下:
根据本发明实施例的第一方面,提供一种电池荷电状态值估算***,包括:车辆终端单元、边缘计算单元和云端计算单元;
所述车辆终端单元,用于获取电池实时数据进行电池荷电状态的实时估算得到终端实时估算电池荷电状态值,并将电池实时数据发送给边缘计算单元;
所述边缘计算单元,用于获取所述车辆终端单元发送的电池实时数据采用神经网络模型对电池荷电状态的实时估算得到边缘实时估算电池荷电状态值,将所述边缘实时估算电池荷电状态值发送给车辆终端单元,将所述车辆终端单元发送的电池实时数据发送给云端计算单元;
所述云端计算单元,用于获取所述边缘计算单元发送的车辆终端单元发送的电池实时数据完善数据工况及进行多神经网络模型的分别训练,将更新后的神经网络模型算法数据发送给边缘计算单元;
所述车辆终端单元还用于获取边缘实时估算电池荷电状态值并与终端实时估算电池荷电状态值进行融合处理得到精确的电池荷电状态估算值,所述边缘计算单元获取更新后的神经网络模型算法数据对现有神经网络模型进行更新。
优选的是,所述车辆终端单元还用于获取车辆当前经纬度,根据所述车辆当前经纬度判断通讯网络中与之匹配的边缘计算单元并向其发送匹配连接请求数据,所述边缘计算单元还用于接收车辆终端单元发出的匹配连接请求数据后进行数据确认及安全校验,数据确认及安全校验通过后向所述车辆终端单元反馈确认信息,所述车辆终端单元还用于获取边缘计算单元发送的确认信息。
优选的是,所述边缘计算单元还用于将获取车辆终端单元发送的电池实时数据进行判断和清洗过滤,并将清洗过滤后的电池实时数据在边缘端进行存储。
优选的是,所述云端计算单元还用于根据预先设定的数据维度向边缘计算单元请求相应的数据,所述边缘计算单元还用于实时接收并判断云端计算单元发送的数据请求信息判断本地存储的数据是否满足云端计算单元的数据请求,如果满足云端计算单元的数据需求则根据需求选择相应的满足要求的数据传送给云端计算单元用于完善云端数据工况。
优选的是,所述云端计算单元还用于实时监测云端网络负载情况,根据所述网络负载状况进行分时数据传输。
根据本发明实施例的第二方面,提供一种电池荷电状态值估算方法,包括:
获取所述电池实时数据并将电池实时数据发送给边缘计算单元;
所述电池实时数据进行电池荷电状态的实时估算得到终端实时估算电池荷电状态值;
获取边缘实时估算电池荷电状态值并根据终端实时估算电池荷电状态值进行融合处理得到精确的电池荷电状态估算值。
优选的是,所述获取边缘实时估算电池荷电状态值并根据终端实时估算电池荷电状态值进行融合处理得到精确的电池荷电状态估算值,包括:
获取边缘实时估算电池荷电状态值并确定边缘实时估算电池荷电状态值置信度系数;
根据所述终端实时估算电池荷电状态值确定终端实时估算电池荷电状态值置信度系数;
根据所述边缘实时估算电池荷电状态值置信度系数、终端实时估算电池荷电状态值置信度系数、边缘实时估算电池荷电状态值和终端实时估算电池荷电状态值确定精确的电池荷电状态估算值。
优选的是,根据所述边缘实时估算电池荷电状态值置信度系数、终端实时估算电池荷电状态值置信度系数、边缘实时估算电池荷电状态值和终端实时估算电池荷电状态值确定精确的电池荷电状态估算值,包括:
根据所述边缘实时估算电池荷电状态值置信度系数、终端实时估算电池荷电状态值置信度系数确定边缘实时估算电池荷电状态值权重;
根据所述边缘实时估算电池荷电状态值权重确定终端实时估算电池荷电状态值权重;
所述边缘实时估算电池荷电状态值权重、终端实时估算电池荷电状态值权重、边缘实时估算电池荷电状态值和终端实时估算电池荷电状态值根据公式(1)确定精确的电池荷电状态估算值:
S精=S边×W边+S种×W终 (1)
其中:S精为精确的电池荷电状态估算值,S边为边缘实时估算电池荷电状态值,W边为边缘实时估算电池荷电状态值权重,S终为终端实时估算电池荷电状态值,W终为终端实时估算电池荷电状态值权重。
根据本发明实施例的第三方面,提供一种终端,包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行指令的存储器;
其中,所述一个或多个处理器被配置为:
执行本发明实施例的第一方面所述的方法。
根据本发明实施例的第四方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行本发明实施例的第一方面所述的方法。
根据本发明实施例的第五方面,提供一种应用程序产品,当应用程序产品在终端在运行时,使得终端执行本发明实施例的第一方面所述的方法。
本发明的有益效果在于:
本专利提供一种电池荷电状态值估算***、方法、电子设备及介质,将车辆终端单元、边缘计算单元与云计算平台结合,利用车辆终端单元的高实时性边缘计算传输低延时、云计算强大计算能力实现终端、边缘端、云端协同工作,提高电池状态估算精度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
图1是根据一示例性实施例示出的一种电池荷电状态值估算***的结构框图;
图2是根据一示例性实施例示出的一种电池荷电状态值估算***的综合数据交互图;
图3是根据一示例性实施例示出的一种电池荷电状态值估算方法的流程图;
图4是根据一示例性实施例示出的一种终端结构示意框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例一
图1-2是根据一示例性实施例示出的一种电池荷电状态值估算***的结构框图,包括:车辆终端单元、边缘计算单元和云端计算单元;
车辆终端单元,用于获取电池实时数据进行电池荷电状态的实时估算得到终端实时估算电池荷电状态值,并将电池实时数据发送给边缘计算单元;
边缘计算单元,用于获取车辆终端单元发送的电池实时数据采用神经网络模型对电池荷电状态的实时估算得到边缘实时估算电池荷电状态值,将边缘实时估算电池荷电状态值发送给车辆终端单元,将车辆终端单元发送的电池实时数据发送给云端计算单元;
云端计算单元,其针对不同类型电池的特性差异,可以在云端计算单元针对不同类型电池分别进行神经网络模型训练,不同类型的电池可采用不同的神经网络训练模型算法,设置不同的特征参数集,分别进行训练,从而提高模型训练精度。从而云端计算单元获取边缘计算单元发送的车辆终端单元发送的电池实时数据完善数据工况及进行多神经网络模型的分别训练,将更新后的神经网络模型算法数据发送给边缘计算单元。
车辆终端单元还用于获取边缘实时估算电池荷电状态值并与终端实时估算电池荷电状态值进行融合处理得到精确的电池荷电状态估算值,边缘计算单元获取更新后的神经网络模型算法数据对现有神经网络模型进行更新。
在车辆终端单元将电池实时数据发送给边缘计算单元之前,还用于获取车辆当前经纬度,根据车辆当前经纬度判断通讯网络中与之匹配的边缘计算单元并向其发送匹配连接请求数据,从而边缘计算单元还用于接收车辆终端单元发出的匹配连接请求数据后进行数据确认及安全校验,数据确认及安全校验通过后向所述车辆终端单元反馈确认信息,因此车辆终端单元还用于获取边缘计算单元发送的确认信息。
边缘计算单元将车辆终端单元发送的电池实时数据发送给云端计算单元之前,由于大数据存在数据不同步,数据丢失、数据错误等问题容易影响模型训练精度,还用于将获取车辆终端单元发送的电池实时数据进行判断和清洗过滤,剔除无效数据从而减少对边缘计算单元存储空间的占用,并将清洗过滤后的电池实时数据在边缘端进行存储。
然后云端计算单元根据预先设定的数据维度向边缘计算单元请求相应的数据,如预先设定根据不同车辆里程,某一里程所对应的不同区域,不同海拔、不同环境温度,不同电池温度等维度和边缘端模块进行通讯请求相应数据,允许边缘计算单元根据需求进行相应数据的反馈,通过根据预设维度请求相应数据方式不但可以减少云端数据量及运算量,同时可以快速获取不同类型数据进行模型训练,提高模型精度,提高运算效率。边缘计算单元实时接收并判断云端计算单元发送的数据请求信息判断本地存储的数据是否满足云端计算单元的数据请求,如果满足云端计算单元的数据需求则根据需求选择相应的满足要求的清洗过滤后的电池实时数据传送给云端计算单元用于完善云端数据工况。
然而云端计算单元还用于实时监测云端网络负载情况,根据网络负载状况进行分时数据传输。降低网络负载,提高通讯可靠率保证数据有效性,当云端计算单元判断当前网络负载较高则不请求所需数据,判断当前网络负载低于预定值,可开启数据请求。
实施例二
图3是根据一示例性实施例示出的一种电池荷电状态值估算方法的流程图,该方法用于终端中,该方法包括以下步骤:
步骤101,获取电池实时数据并将电池实时数据发送给边缘计算单元;
步骤102,所述电池实时数据进行电池荷电状态的实时估算得到终端实时估算电池荷电状态值;
步骤103,获取边缘实时估算电池荷电状态值并根据终端实时估算电池荷电状态值进行融合处理得到精确的电池荷电状态估算值,具体内容包括:
获取边缘实时估算电池荷电状态值并确定边缘实时估算电池荷电状态值置信度系数,边缘实时估算电池荷电状态值置信度系数范围为0到1,边缘实时估算电池荷电状态值置信度系数与历史数据量,不同区域的车型数据量相关,历史数量量少则置信度低;不同区域的车型数据量少置信度低。
根据终端实时估算电池荷电状态值确定终端实时估算电池荷电状态值置信度系数,终端实时估算电池荷电状态值置信度系数与进行电池开路电压校正或者满电校正后的累积充放电电量相关,进行电池开路电压校正或者满电校正后终端实时估算电池荷电状态值置信度系数为1,随着校正后的累积充放电电量越大,终端实时估算电池荷电状态值置信度系数逐渐变小;同时终端实时估算电池荷电状态值置信度系数与电池荷电状态范围段及温度相关,以三元锂离子电池为例,低荷电状态段估算模型精度低,则终端实时估算电池荷电状态值置信度系数随之降低;低温情况荷电状态估算模型精度低终端实时估算电池荷电状态值置信度系数随之降低。
根据所述边缘实时估算电池荷电状态值置信度系数、终端实时估算电池荷电状态值置信度系数、边缘实时估算电池荷电状态值和终端实时估算电池荷电状态值确定精确的电池荷电状态估算值,具体内容如下:
边缘实时估算电池荷电状态值置信度系数、终端实时估算电池荷电状态值置信度系数根据公式(1)确定边缘实时估算电池荷电状态值权重:
W边=C边/(C边+C终) (1)
其中,W边为边缘实时估算电池荷电状态值权重,C边为边缘实时估算电池荷电状态值置信度系数,C中为终端实时估算电池荷电状态值置信度系数。
边缘实时估算电池荷电状态值权重根据公式(2)确定终端实时估算电池荷电状态值权重:
W终=1-W边 (2)
其中,W终为终端实时估算电池荷电状态值权重。
边缘实时估算电池荷电状态值权重、终端实时估算电池荷电状态值权重、边缘实时估算电池荷电状态值和终端实时估算电池荷电状态值根据公式(1)确定精确的电池荷电状态估算值:
S精=S边×W边+S种×W终 (3)
其中:S精为精确的电池荷电状态估算值,S边为边缘实时估算电池荷电状态值,S终为终端实时估算电池荷电状态值。
实施例三
图4是本申请实施例提供的一种终端的结构框图,该终端可以是上述实施例中的终端。该终端200可以是便携式移动终端,比如:智能手机、平板电脑。终端200还可能被称为用户设备、便携式终端等其他名称。
通常,终端200包括有:处理器201和存储器202。
处理器201可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器201可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器201也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器201可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器201还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器202可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是有形的和非暂态的。存储器202还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器202中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器201所执行以实现本申请中提供的一种电池荷电状态值估算方法。
在一些实施例中,终端200还可选包括有:***设备接口203和至少一个***设备。具体地,***设备包括:射频电路204、触摸显示屏205、摄像头206、音频电路207、定位组件208和电源209中的至少一种。
***设备接口203可被用于将I/O(Input/Output,输入/输出)相关的至少一个***设备连接到处理器201和存储器202。在一些实施例中,处理器201、存储器202和***设备接口203被集成在同一芯片或电路板上;在一些其他实施例中,处理器201、存储器202和***设备接口203中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路204用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路204通过电磁信号与通信网络以及其他通信设备进行通信。射频电路204将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路204包括:天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路204可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路204还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
触摸显示屏205用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。触摸显示屏205还具有采集在触摸显示屏205的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器201进行处理。触摸显示屏205用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,触摸显示屏205可以为一个,设置终端200的前面板;在另一些实施例中,触摸显示屏205可以为至少两个,分别设置在终端200的不同表面或呈折叠设计;在再一些实施例中,触摸显示屏205可以是柔性显示屏,设置在终端200的弯曲表面上或折叠面上。甚至,触摸显示屏205还可以设置成非矩形的不规则图形,也即异形屏。触摸显示屏205可以采用LCD(LiquidCrystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件206用于采集图像或视频。可选地,摄像头组件206包括前置摄像头和后置摄像头。通常,前置摄像头用于实现视频通话或自拍,后置摄像头用于实现照片或视频的拍摄。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能,主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能。在一些实施例中,摄像头组件206还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路207用于提供用户和终端200之间的音频接口。音频电路207可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器201进行处理,或者输入至射频电路204以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端200的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器201或射频电路204的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路207还可以包括耳机插孔。
定位组件208用于定位终端200的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件208可以是基于美国的GPS(GlobalPositioning System,全球定位***)、中国的北斗***或俄罗斯的伽利略***的定位组件。
电源209用于为终端200中的各个组件进行供电。电源209可以是交流电、直流电、一次性电池或可充电电池。当电源209包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解,图4中示出的结构并不构成对终端200的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
实施例四
在示例性实施例中,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,该程序被处理器执行时实现如本申请所有发明实施例提供的一种电池荷电状态值估算方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
实施例五
在示例性实施例中,还提供了一种应用程序产品,包括一条或多条指令,该一条或多条指令可以由上述装置的处理器201执行,以完成上述一种电池荷电状态值估算方法。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种电池荷电状态值估算***,其特征在于,包括:车辆终端单元、边缘计算单元和云端计算单元;
所述车辆终端单元,用于获取电池实时数据进行电池荷电状态的实时估算得到终端实时估算电池荷电状态值,并将电池实时数据发送给边缘计算单元;
所述边缘计算单元,用于获取所述车辆终端单元发送的电池实时数据采用神经网络模型对电池荷电状态的实时估算得到边缘实时估算电池荷电状态值,将所述边缘实时估算电池荷电状态值发送给车辆终端单元,将所述车辆终端单元发送的电池实时数据发送给云端计算单元;
所述云端计算单元,用于获取所述边缘计算单元发送的车辆终端单元发送的电池实时数据完善数据工况及进行多神经网络模型的分别训练,将更新后的神经网络模型算法数据发送给边缘计算单元;
所述车辆终端单元还用于获取边缘实时估算电池荷电状态值并与终端实时估算电池荷电状态值进行融合处理得到精确的电池荷电状态估算值,所述边缘计算单元获取更新后的神经网络模型算法数据对现有神经网络模型进行更新。
2.根据权利要求1所述的一种电池荷电状态值估算***,其特征在于,所述车辆终端单元还用于获取车辆当前经纬度,根据所述车辆当前经纬度判断通讯网络中与之匹配的边缘计算单元并向其发送匹配连接请求数据,所述边缘计算单元还用于接收车辆终端单元发出的匹配连接请求数据后进行数据确认及安全校验,数据确认及安全校验通过后向所述车辆终端单元反馈确认信息,所述车辆终端单元还用于获取边缘计算单元发送的确认信息。
3.根据权利要求2所述的一种电池荷电状态值估算***,其特征在于,所述边缘计算单元还用于将获取车辆终端单元发送的电池实时数据进行判断和清洗过滤,并将清洗过滤后的电池实时数据在边缘端进行存储。
4.根据权利要求3所述的一种电池荷电状态值估算***,其特征在于,所述云端计算单元还用于根据预先设定的数据维度向边缘计算单元请求相应的数据,所述边缘计算单元还用于实时接收并判断云端计算单元发送的数据请求信息判断本地存储的数据是否满足云端计算单元的数据请求,如果满足云端计算单元的数据需求则根据需求选择相应的满足要求的数据传送给云端计算单元用于完善云端数据工况。
5.根据权利要求4所述的一种电池荷电状态值估算***,其特征在于,所述云端计算单元还用于实时监测云端网络负载情况,根据所述网络负载状况进行分时数据传输。
6.一种电池荷电状态值估算方法,其特征在于,包括:
获取所述电池实时数据并将电池实时数据发送给边缘计算单元;
所述电池实时数据进行电池荷电状态的实时估算得到终端实时估算电池荷电状态值;
获取边缘实时估算电池荷电状态值并根据终端实时估算电池荷电状态值进行融合处理得到精确的电池荷电状态估算值。
7.根据权利要求6所述的一种电池荷电状态值估算方法,其特征在于,所述获取边缘实时估算电池荷电状态值并根据终端实时估算电池荷电状态值进行融合处理得到精确的电池荷电状态估算值,包括:
获取边缘实时估算电池荷电状态值并确定边缘实时估算电池荷电状态值置信度系数;
根据所述终端实时估算电池荷电状态值确定终端实时估算电池荷电状态值置信度系数;
根据所述边缘实时估算电池荷电状态值置信度系数、终端实时估算电池荷电状态值置信度系数、边缘实时估算电池荷电状态值和终端实时估算电池荷电状态值确定精确的电池荷电状态估算值。
8.根据权利要求7所述的一种电池荷电状态值估算方法,其特征在于,根据所述边缘实时估算电池荷电状态值置信度系数、终端实时估算电池荷电状态值置信度系数、边缘实时估算电池荷电状态值和终端实时估算电池荷电状态值确定精确的电池荷电状态估算值,包括:
根据所述边缘实时估算电池荷电状态值置信度系数、终端实时估算电池荷电状态值置信度系数确定边缘实时估算电池荷电状态值权重;
根据所述边缘实时估算电池荷电状态值权重确定终端实时估算电池荷电状态值权重;
所述边缘实时估算电池荷电状态值权重、终端实时估算电池荷电状态值权重、边缘实时估算电池荷电状态值和终端实时估算电池荷电状态值根据公式(1)确定精确的电池荷电状态估算值:
S精=S边×W边+S种×W终 (1)
其中:S精为精确的电池荷电状态估算值,S边为边缘实时估算电池荷电状态值,W边为边缘实时估算电池荷电状态值权重,S终为终端实时估算电池荷电状态值,W终为终端实时估算电池荷电状态值权重。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器连接所述处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现权利要求6-8中任一项所述的电池荷电状态值估算方法。
10.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被执行时实现权利要求6-8任一项所述的电池荷电状态值估算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595520.6A CN115097336A (zh) | 2022-05-30 | 2022-05-30 | 一种电池荷电状态值估算***、方法、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595520.6A CN115097336A (zh) | 2022-05-30 | 2022-05-30 | 一种电池荷电状态值估算***、方法、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115097336A true CN115097336A (zh) | 2022-09-23 |
Family
ID=83289977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210595520.6A Pending CN115097336A (zh) | 2022-05-30 | 2022-05-30 | 一种电池荷电状态值估算***、方法、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097336A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333519A (zh) * | 2017-01-17 | 2018-07-27 | 三星电子株式会社 | 用于估计电池状态的方法和装置 |
CN110370983A (zh) * | 2019-06-19 | 2019-10-25 | 东北大学 | 基于5g移动通讯的电动汽车用电池管理*** |
CN110386027A (zh) * | 2019-06-19 | 2019-10-29 | 东北大学 | 云计算和边缘计算相结合的电动汽车用电池管理*** |
CN111190111A (zh) * | 2020-01-14 | 2020-05-22 | 北京智芯微电子科技有限公司 | 电化学储能电池荷电状态估算方法、装置及*** |
CN112946483A (zh) * | 2021-02-05 | 2021-06-11 | 重庆长安新能源汽车科技有限公司 | 电动汽车电池健康的综合评估方法及存储介质 |
CN113625175A (zh) * | 2021-10-11 | 2021-11-09 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 一种基于云端大数据平台的soc估算方法和*** |
WO2022012488A1 (zh) * | 2020-07-13 | 2022-01-20 | 深圳市道通科技股份有限公司 | 一种车辆的检测方法、装置及检测设备 |
CN114441969A (zh) * | 2021-12-21 | 2022-05-06 | 杭州轻舟科技有限公司 | 电池荷电状态估算方法及装置 |
CN114527390A (zh) * | 2022-01-30 | 2022-05-24 | 常伟 | 基于rtm数据等电池容量估计方法 |
CN114527396A (zh) * | 2022-03-21 | 2022-05-24 | 许昌云能魔方储能技术有限公司 | 一种基于云边协同的智能开放式电池管理*** |
-
2022
- 2022-05-30 CN CN202210595520.6A patent/CN115097336A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333519A (zh) * | 2017-01-17 | 2018-07-27 | 三星电子株式会社 | 用于估计电池状态的方法和装置 |
CN110370983A (zh) * | 2019-06-19 | 2019-10-25 | 东北大学 | 基于5g移动通讯的电动汽车用电池管理*** |
CN110386027A (zh) * | 2019-06-19 | 2019-10-29 | 东北大学 | 云计算和边缘计算相结合的电动汽车用电池管理*** |
CN111190111A (zh) * | 2020-01-14 | 2020-05-22 | 北京智芯微电子科技有限公司 | 电化学储能电池荷电状态估算方法、装置及*** |
WO2022012488A1 (zh) * | 2020-07-13 | 2022-01-20 | 深圳市道通科技股份有限公司 | 一种车辆的检测方法、装置及检测设备 |
CN112946483A (zh) * | 2021-02-05 | 2021-06-11 | 重庆长安新能源汽车科技有限公司 | 电动汽车电池健康的综合评估方法及存储介质 |
CN113625175A (zh) * | 2021-10-11 | 2021-11-09 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 一种基于云端大数据平台的soc估算方法和*** |
CN114441969A (zh) * | 2021-12-21 | 2022-05-06 | 杭州轻舟科技有限公司 | 电池荷电状态估算方法及装置 |
CN114527390A (zh) * | 2022-01-30 | 2022-05-24 | 常伟 | 基于rtm数据等电池容量估计方法 |
CN114527396A (zh) * | 2022-03-21 | 2022-05-24 | 许昌云能魔方储能技术有限公司 | 一种基于云边协同的智能开放式电池管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111114554B (zh) | 行驶轨迹预测方法、装置、终端及存储介质 | |
CN111508609A (zh) | 健康状况的风险预测方法、装置、计算机设备及存储介质 | |
CN111090687A (zh) | 数据处理方法及装置、***、计算机可读存储介质 | |
CN110972085B (zh) | 信息交互方法、装置、存储介质、设备及*** | |
CN114701394A (zh) | 一种换电电池云边协同控制方法、装置、终端与存储介质 | |
CN115123027A (zh) | 一种动力电池脉冲加热方法、装置、终端及存储介质 | |
CN110490295B (zh) | 一种数据处理方法及处理装置 | |
WO2024041074A1 (zh) | 一种换电电池包soh修正***、方法、装置、终端及介质 | |
CN109017382B (zh) | 电动汽车的电池管理方法、装置及存储介质 | |
CN115097336A (zh) | 一种电池荷电状态值估算***、方法、电子设备及介质 | |
CN114734938A (zh) | 一种含有多种储能装置的电量管理方法、装置、车辆及存储介质 | |
CN114997795A (zh) | 一种用于混线生产模式下零部件物流仓储规划方法、终端及存储介质 | |
CN115220699A (zh) | 一种基于模型开发的软件架构生成方法、装置、终端及存储介质 | |
CN115684965A (zh) | 一种车辆运行过程中soc精度验证***、方法、装置和上位机 | |
CN111080033B (zh) | 预测服务容量的方法、装置、计算机设备及存储介质 | |
CN114266385A (zh) | 一种汽车零部件物流多集散中心选址方法、***、终端及存储介质 | |
CN114860820A (zh) | 数据仓库技术业务的优化方法、装置及电子设备 | |
CN113779868A (zh) | 一种矩形孔金属板屏蔽效能预测方法、***、终端及存储介质 | |
CN114910792A (zh) | 一种动力电池充电深度评价、装置、终端及存储介质 | |
WO2023231733A1 (zh) | 一种电动汽车数据质量评估方法、装置、终端及存储介质 | |
CN115222659A (zh) | 一种零件尺寸评价方法、装置、终端及存储介质 | |
CN116409344A (zh) | 一种大数据汽车定轨***、方法、电子设备及存储介质 | |
CN114925444A (zh) | 一种线束配置条件设计方法、终端及存储介质 | |
CN115825792A (zh) | 一种基于模拟端的电池soh管理***、电池总成及车辆 | |
CN116415108A (zh) | 一种疲劳寿命试验数据处理方法、装置、终端及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |