本申請涉及儲能，具體涉及一種電池soh估計方法、儲能設備及計算機設備。

背景技術：

1、電池的健康狀態(tài)（state?of?health，soh）可反映電池充電或放電的能力、效率及電壓特性等性能，是評估電池的當前性能相對于初始性能的一個關鍵指標。電池的soh受多種因素的影響，例如充電或放電的電壓、電流及溫度等。隨著電池的使用時間增加，電池的soh逐漸降低，表現(xiàn)為電池的老化和性能下降。準確地估計電池的soh可幫助用戶提前采取措施，有利于避免電池故障，從而提升用電系統(tǒng)的安全性和可靠性。然而，目前的電池模型通常僅滿足歷史工況下soh預測精度的要求，對于新工況下soh的預測精度則較差。

技術實現(xiàn)思路

1、鑒于此，本申請實施例提供一種電池soh估計方法、儲能設備及計算機設備，旨在解決如何準確估計電池soh的問題。

2、本申請實施例第一方面提供一種電池soh估計方法，方法包括：獲取目標時間段的電池soh相關數(shù)據(jù)。對目標時間段的電池soh相關數(shù)據(jù)進行數(shù)據(jù)分割，得到目標數(shù)據(jù)序列，目標數(shù)據(jù)序列包括多個時間片段的數(shù)據(jù)，每個時間片段的時長相等。將目標數(shù)據(jù)序列輸入預訓練的目標n-beats模型，得到電池soh預測值。確定電池soh為電池soh預測值。

3、在本實施例中，目標數(shù)據(jù)序列為目標域數(shù)據(jù)，目標域數(shù)據(jù)與n-beats模型訓練所采用的源域數(shù)據(jù)相互獨立，通過遷移學習在目標域數(shù)據(jù)上應用預訓練的目標n-beats模型，使目標n-beats模型不僅能滿足源域數(shù)據(jù)所對應的歷史工況下soh預測精度的要求，也能滿足目標域數(shù)據(jù)所對應的目標工況下soh預測精度的要求，由此提升電池soh估計的準確性和可靠性。

4、在一種實施例中，確定電池soh為電池soh預測值包括：計算電池soh預測值與電池soh目標值的偏差。當偏差滿足偏差條件，確定電池soh為電池soh預測值。

5、在另一種實施例中，方法還包括：當偏差不滿足偏差條件，通過調(diào)整模型參數(shù)來優(yōu)化目標n-beats模型，以調(diào)整電池soh預測值，直至電池soh預測值與電池soh目標值的偏差滿足偏差條件。

6、在另一種實施例中，方法還包括：獲取訓練時間段的電池soh相關數(shù)據(jù)。對訓練時間段的電池soh相關數(shù)據(jù)進行數(shù)據(jù)分割，得到訓練數(shù)據(jù)序列。將訓練數(shù)據(jù)序列劃分為訓練數(shù)據(jù)集和驗證數(shù)據(jù)集。使用訓練數(shù)據(jù)集訓練n-beats模型。使用驗證數(shù)據(jù)集驗證n-beats模型的精度。當n-beats模型的精度滿足精度條件，存儲n-beats模型。根據(jù)已存儲的n-beats模型確定目標n-beats模型。

7、在本實施例中，訓練數(shù)據(jù)序列為源域數(shù)據(jù)，通過在源域數(shù)據(jù)上訓練n-beats模型，獲取源域數(shù)據(jù)的通用特征和趨勢，使n-beats模型深入理解源域數(shù)據(jù)的深層次特征，從而提升n-beats模型在相似數(shù)據(jù)上的預測能力。而且，由于n-beats模型由全連接層構成，具有輕量化特性，因此在電池soh估計中能夠減少計算資源的占用，從而提升電池soh估計的效率。

8、在另一種實施例中，根據(jù)已存儲的n-beats模型確定目標n-beats模型，包括：當?shù)螖?shù)達到最大迭代次數(shù)，且已存儲的n-beats模型的數(shù)目大于0，確定目標n-beats模型為已存儲的n-beats模型中迭代次數(shù)最大的n-beats模型。當?shù)螖?shù)達到最大迭代次數(shù)，且已存儲的n-beats模型的數(shù)目為0，確定目標n-beats模型為最大迭代次數(shù)的n-beats模型。

9、在另一種實施例中，n-beats模型的精度滿足精度條件包括：當前預測誤差小于先前迭代的最小預測誤差，或當前預測誤差小于誤差閾值，或當前預測誤差在目標誤差范圍內(nèi)。其中，當前預測誤差是當前迭代次數(shù)的預測誤差，預測誤差包括均方誤差或平均絕對誤差。

10、在另一種實施例中，偏差滿足偏差條件包括：偏差小于偏差閾值，或偏差在目標偏差范圍內(nèi)。

11、在另一種實施例中，在獲取目標時間段的電池soh相關數(shù)據(jù)之后，方法還包括：對目標時間段的電池soh相關數(shù)據(jù)進行預處理，預處理包括數(shù)據(jù)清洗和標準化。數(shù)據(jù)清洗包括通過目標取值范圍過濾數(shù)據(jù)，目標取值范圍包括目標下限值和目標上限值，目標下限值通過電池soh相關數(shù)據(jù)的平均值與3倍標準差相減得到，目標上限值通過電池soh相關數(shù)據(jù)的平均值與3倍標準差相加得到。

12、本申請實施例第二方面提供一種儲能設備，其包括處理器和與處理器連接的電池組，電池組包括至少一個電池，處理器用于：獲取至少一個電池在目標時間段的電池soh相關數(shù)據(jù)。對目標時間段的電池soh相關數(shù)據(jù)進行數(shù)據(jù)分割，得到目標數(shù)據(jù)序列，目標數(shù)據(jù)序列包括多個時間片段，每個時間片段的時長相等。將目標數(shù)據(jù)序列輸入預訓練的目標n-beats模型，得到電池soh預測值。確定電池soh為電池soh預測值。

13、本申請實施例第三方面提供一種計算機設備，其包括處理器，處理器電連接電池組，電池組包括至少一個電池，處理器用于：獲取至少一個電池在目標時間段的電池soh相關數(shù)據(jù)。對目標時間段的電池soh相關數(shù)據(jù)進行數(shù)據(jù)分割，得到目標數(shù)據(jù)序列，目標數(shù)據(jù)序列包括多個時間片段，每個時間片段的時長相等。將目標數(shù)據(jù)序列輸入預訓練的目標n-beats模型，得到電池soh預測值。確定電池soh為電池soh預測值。

14、可以理解，本申請實施例第二方面提供的儲能設備、第三方面提供的計算機設備的有益效果與第一方面提供的電池soh估計方法的有益效果大致相同，此處不再贅述。

技術特征：

1.一種電池soh估計方法，其特征在于，所述方法包括：

2.如權利要求1所述的電池soh估計方法，其特征在于，所述確定電池soh為所述電池soh預測值包括：

3.如權利要求2所述的電池soh估計方法，其特征在于，所述方法還包括：

4.如權利要求1至3中任一項所述的電池soh估計方法，其特征在于，所述方法還包括：

5.如權利要求4所述的電池soh估計方法，其特征在于，所述根據(jù)已存儲的n-beats模型確定所述目標n-beats模型，包括：

6.如權利要求4或5所述的電池soh估計方法，其特征在于，所述n-beats模型的精度滿足精度條件包括：

7.如權利要求2或3所述的電池soh估計方法，其特征在于，所述偏差滿足偏差條件包括：所述偏差小于偏差閾值，或所述偏差在目標偏差范圍內(nèi)。

8.如權利要求1至7中任一項所述的電池soh估計方法，其特征在于，在獲取目標時間段的電池soh相關數(shù)據(jù)之后，所述方法還包括：

9.一種儲能設備，其特征在于，其包括處理器和與所述處理器連接的電池組，所述電池組包括至少一個電池，所述處理器用于：

10.一種計算機設備，其特征在于，其包括處理器，所述處理器電連接電池組，所述電池組包括至少一個電池，所述處理器用于：

技術總結(jié)
本申請公開一種電池SOH估計方法、儲能設備及計算機設備，涉及儲能技術領域，旨在解決如何準確估計電池SOH的問題。其中，電池SOH估計方法包括：獲取目標時間段的電池SOH相關數(shù)據(jù)。對目標時間段的電池SOH相關數(shù)據(jù)進行數(shù)據(jù)分割，得到目標數(shù)據(jù)序列，目標數(shù)據(jù)序列包括多個時間片段的數(shù)據(jù)，每個時間片段的時長相等。將目標數(shù)據(jù)序列輸入預訓練的目標N?BEATS模型，得到電池SOH預測值。確定電池SOH為電池SOH預測值。目標數(shù)據(jù)序列為目標域數(shù)據(jù)，通過遷移學習在目標域數(shù)據(jù)上應用預訓練的目標N?BEATS模型，使目標N?BEATS模型不僅能滿足源域數(shù)據(jù)所對應的歷史工況下SOH預測精度的要求，也能滿足目標域數(shù)據(jù)所對應的目標工況下SOH預測精度的要求，由此提升電池SOH估計的準確性和可靠性。

技術研發(fā)人員：姚震飛,李新富
受保護的技術使用者：浙江艾羅網(wǎng)絡能源技術股份有限公司
技術研發(fā)日：
技術公布日：2025/1/6