电池健康状态估计方法、装置、计算机设备、可读存储介质和程序产品与流程

本技术涉及电池，特别是涉及一种电池健康状态估计方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、随着电动汽车、储能设备等应用的快速发展，锂离子电池作为高效能量储存的核心技术，已经成为各类电力设备的关键部件之一。然而，锂离子电池的健康状态（state ofhealth, soh）直接影响其性能、安全性和使用寿命。因此，电池健康状态的准确评估对于保障电池的安全运行、优化充放电策略以及延长电池寿命具有重要意义。

2、数据驱动的方法借助于大量运行数据，通过机器学习、深度学习等技术对电池健康状态进行估计。这类方法具有不依赖物理模型、实时性强等优势。然而，传统的数据驱动模型在处理锂电池复杂、多维的运行数据时，常常存在信息提取不充分、模型泛化能力不足的问题，难以全面反映电池的健康状态。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够准确评估电池健康状态的电池健康状态估计方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种电池健康状态估计方法，包括：

3、获取锂离子电池当前充放电过程中的充放电数据，对所述充放电数据进行预处理，得到预处理后的充放电数据，获取前一次充放电过程中的输出向量，作为前一次隐藏状态；

4、将所述前一次隐藏状态和所述预处理后的充放电数据输入锂离子电池健康状态估计网络中的特征提取网络，得到当前充放电过程的输出向量；所述锂离子电池健康状态估计网络还包括多注意力网络；

5、将所述当前充放电过程的输出向量输入所述多注意力网络的第一注意力模块，得到第一注意力输出向量；将所述当前充放电过程的输出向量输入所述多注意力网络的第二注意力模块，得到第二注意力输出向量；

6、基于所述第一注意力输出向量和所述第二注意力输出向量，确定电池的健康状态。

7、在其中一个实施例中，所述获取锂离子电池当前充放电过程中的充放电数据，对所述充放电数据进行预处理，得到预处理后的充放电数据，包括：

8、获取当前充放电过程中的平均电压、平均电流和当前循环次数；将所述平均电压、平均电流和当前循环次数构建为特征向量；对特征向量进行标准化，得到标准化后的特征向量；将所述标准化后的特征向量作为预处理后的充放电数据。

9、在其中一个实施例中，所述将所述前一次隐藏状态和所述预处理后的充放电数据输入锂离子电池健康状态估计网络中的特征提取网络，得到当前充放电过程的输出向量，包括：

10、基于所述前一次隐藏状态、所述预处理后的充放电数据和更新门的参数，确定所述更新门的输出；基于所述前一次隐藏状态、所述预处理后的充放电数据和重置门的参数，确定所述重置门的输出；基于所述重置门的输出和候选隐藏状态的参数，确定候选隐藏状态；基于所述前一次隐藏状态、所述更新门的输出和所述候选隐藏状态，确定当前的隐藏状态，将所述当前的隐藏状态作为当前充放电过程的输出向量。

11、在其中一个实施例中，所述将所述当前充放电过程的输出向量输入所述多注意力网络的第一注意力模块，得到第一注意力输出向量。包括：

12、基于所述当前充放电过程的输出向量、查询向量和键向量，确定第一个头的注意力分数和第二个头的注意力分数；基于确定第一个头的注意力分数、第二个头的注意力分数和值向量，确定第一个头的输出向量和第二个头的输出向量；基于第一个头的输出向量、第二个头的输出向量和所述当前充放电过程的输出向量，确定第一注意力输出向量。

13、在其中一个实施例中，所述将所述当前充放电过程的输出向量输入所述多注意力网络的第二注意力模块，得到第二注意力输出向量，包括：

14、基于所述当前充放电过程的输出向量和卷积核，确定注意力输出向量；基于所述当前充放电过程的输出向量和注意力输出向量，确定第二注意力输出向量。

15、在其中一个实施例中，所述方法还包括：

16、获取锂离子电池的充放电数据和电池容量数据，并进行处理，形成充放电数据集；基于多注意力机制和深度学习网络，搭建锂离子电池健康状态估计网络；基于所述充放电数据集训练所述锂离子电池健康状态估计网络，得到训练好的锂离子电池健康状态估计网络。

17、第二方面，本技术还提供了一种电池健康状态估计装置，包括：

18、获取模块，用于获取锂离子电池当前充放电过程中的充放电数据，对所述充放电数据进行预处理，得到预处理后的充放电数据，获取前一次充放电过程中的输出向量，作为前一次隐藏状态；

19、提取模块，用于将所述前一次隐藏状态和所述预处理后的充放电数据输入锂离子电池健康状态估计网络中的特征提取网络，得到当前充放电过程的输出向量；所述锂离子电池健康状态估计网络还包括多注意力网络；

20、注意力模块，用于将所述当前充放电过程的输出向量输入所述多注意力网络的第一注意力模块，得到第一注意力输出向量；将所述当前充放电过程的输出向量输入所述多注意力网络的第二注意力模块，得到第二注意力输出向量；

21、评估模块，用于基于所述第一注意力输出向量和所述第二注意力输出向量，确定电池的健康状态。

22、第三方面，本技术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：

23、获取锂离子电池当前充放电过程中的充放电数据，对所述充放电数据进行预处理，得到预处理后的充放电数据，获取前一次充放电过程中的输出向量，作为前一次隐藏状态；

24、将所述前一次隐藏状态和所述预处理后的充放电数据输入锂离子电池健康状态估计网络中的特征提取网络，得到当前充放电过程的输出向量；所述锂离子电池健康状态估计网络还包括多注意力网络；

25、将所述当前充放电过程的输出向量输入所述多注意力网络的第一注意力模块，得到第一注意力输出向量；将所述当前充放电过程的输出向量输入所述多注意力网络的第二注意力模块，得到第二注意力输出向量；

26、基于所述第一注意力输出向量和所述第二注意力输出向量，确定电池的健康状态。

27、第四方面，本技术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：

28、获取锂离子电池当前充放电过程中的充放电数据，对所述充放电数据进行预处理，得到预处理后的充放电数据，获取前一次充放电过程中的输出向量，作为前一次隐藏状态；

29、将所述前一次隐藏状态和所述预处理后的充放电数据输入锂离子电池健康状态估计网络中的特征提取网络，得到当前充放电过程的输出向量；所述锂离子电池健康状态估计网络还包括多注意力网络；

30、将所述当前充放电过程的输出向量输入所述多注意力网络的第一注意力模块，得到第一注意力输出向量；将所述当前充放电过程的输出向量输入所述多注意力网络的第二注意力模块，得到第二注意力输出向量；

31、基于所述第一注意力输出向量和所述第二注意力输出向量，确定电池的健康状态。

32、第五方面，本技术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：

33、获取锂离子电池当前充放电过程中的充放电数据，对所述充放电数据进行预处理，得到预处理后的充放电数据，获取前一次充放电过程中的输出向量，作为前一次隐藏状态；

34、将所述前一次隐藏状态和所述预处理后的充放电数据输入锂离子电池健康状态估计网络中的特征提取网络，得到当前充放电过程的输出向量；所述锂离子电池健康状态估计网络还包括多注意力网络；

35、将所述当前充放电过程的输出向量输入所述多注意力网络的第一注意力模块，得到第一注意力输出向量；将所述当前充放电过程的输出向量输入所述多注意力网络的第二注意力模块，得到第二注意力输出向量；

36、基于所述第一注意力输出向量和所述第二注意力输出向量，确定电池的健康状态。

37、上述电池健康状态估计方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，首先获取锂离子电池当前充放电过程中的充放电数据，对所述充放电数据进行预处理，得到预处理后的充放电数据，获取前一次充放电过程中的输出向量，作为前一次隐藏状态；然后将所述前一次隐藏状态和所述预处理后的充放电数据输入锂离子电池健康状态估计网络中的特征提取网络，得到当前充放电过程的输出向量；所述锂离子电池健康状态估计网络还包括多注意力网络；之后将所述当前充放电过程的输出向量输入所述多注意力网络的第一注意力模块，得到第一注意力输出向量；将所述当前充放电过程的输出向量输入所述多注意力网络的第二注意力模块，得到第二注意力输出向量；最后基于所述第一注意力输出向量和所述第二注意力输出向量，确定电池的健康状态。通过多注意力充分提取充放电信息，可以准确的评估电池的健康状态。