(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111671196.3 (22)申请日 2021.12.31 (71)申请人 国网陕西省电力公司信息通信公司 地址 710000 陕西省西安市高新区科技六 路35号 (72)发明人 晋殿卫　黄祺尧　陈果　张之琛　 李丽莉　 (74)专利代理 机构 厦门市精诚新创知识产权代 理有限公司 3 5218 代理人 赵薇 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/04(2020.01) (54)发明名称 一种电池剩余容量实时预测方法、 终端设备 及存储介质 (57)摘要 本发明涉及一种电池剩余容量实时预测方 法、 终端设备及存储介质， 该方法中包括： S1： 采 集电池的放电数据， 并通过采集的放电数据提取 模型训练所需要的特征数据组成训练集； S2： 构 建双输入层堆叠LS TM网络模型， 并通过训练集对 模型进行训练； 双输入层堆叠LS TM网络模型中包 括第一输入通道和第二输入通道， 第一输入通道 的输入为信号变化特征， 第二输入通道的输入为 累计放电量； 第一输入通道的网络结构 包括LSTM 网络和两层全 连接层， 第二输入通道的网络结构 为一层全 连接层； 第一输入通道的输出与第二输 入通道的输出两者通过sigmoid函数归一化后， 聚合得到剩余容量SOC； S3： 通过训练后的模型对 电池的剩余容量SOC进行实时预测。 本发明提高 了预测的准确率。 权利要求书1页 说明书5页 附图1页 CN 114398826 A 2022.04.26 CN 114398826 A 1.一种电池剩余 容量实时预测方法， 其特 征在于， 包括以下步骤： S1： 采集不同放电倍率、 不同健康度下电池的放电数据， 并通过采集的放电数据提取模 型训练所需要的特征数据， 特征数据包括信号变化特征、 累计放电量和剩余容量SOC， 通过 提取的特 征数据组成训练集； S2： 构建双输入层堆叠LSTM网络模型， 并通过训练集对 模型进行训练； 双输入层堆叠LSTM网络模型中包括第一输入通道和第二输入通道， 第 一输入通道的输 入为信号变化特征， 第二输入通道的输入为累计放电量； 第一输入通道的网络结构包括 LSTM网络和 两层全连接层， 第二输入通道的网络结构为一层全连接层； 第一输入通道的输 出与第二输入通道的输出两者 通过sigmo id函数归一 化后， 聚合得到剩余 容量SOC； S3： 通过训练后的模型对电池的剩余 容量SOC进行实时预测。 2.根据权利要求1所述的电池剩余容量实时预测方法， 其特征在于： 步骤S1中在提取特 征数据之前， 还 包括对采集的放电数据进行缺失值和异常值进行处 理。 3.根据权利要求1所述的电池剩余容量实时预测方法， 其特征在于： 信号变化特征包 括： 电压、 电流、 电流变化 量、 电压变化 量和温度变化 量。 4.一种电池剩余容量实时预测终端设备， 其特征在于： 包括处理器、 存储器以及存储在 所述存储器中并在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实 现如权利要求1～3中任一所述方法的步骤。 5.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于： 所述计算机程序被处 理器执行时实现如权利要求1～3中任一所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 114398826 A 2一种电池剩余容量实时预测方 法、 终端设 备及存储介质 技术领域 [0001]本发明涉及电池领域， 尤其涉及一种电池剩余容量实时预测方法、 终端设备及存 储介质。 背景技术 [0002]随着经济与社会的快速发展， 能源问题已经成为全球关注的焦点。 大规模电池储 能系统(Energy  Storage System,ESS)由于其安全清洁、 能量密度高、 成本低、 循环寿命长、 响应速度快等特点， 已广泛应用于各种工业、 商业和居民场景中。 在不间断电源系统和储能 系统中， 蓄电池组是重要的储能设备， 与电源系统的可靠运行密切相关。 目前， 市面主流的 动力电池分为铅酸电池及锂电池。 然而， 即使是相同的厂家的生产线生产的同一批次的电 池， 也会因为复杂环境、 具体运行工况等多种因素而存在差异， 过充过放和电池老化等现象 都可能导致电池健康度下降， 从而影响储能系统的正常供电。 这种电池单体的差异性导致 了大规模电池成组中的莱比锡最小因子效应， 即木桶短板效应， 极大损害了电池储能系统 的循环寿命、 安全性、 可靠性和有效容 量。 [0003]目前在工业应用上并没有可以用于在线检测电池实时剩余容量的方法， 对于单体 电池实时剩余容量的精准预测可以方便工作人员实时监控电池组中各电池的健康状态， 能 耗情况， 提前采取安全性、 经济性措施， 是具有经济效益、 安全效益与节能环保效益的重要 研究方向。 [0004]在线监测电池实时剩余容量问题的研究， 存在着以下难点： 1、 兼容多样化放电场 景。 实际工况下 的电池放电场景通常包含了多种倍率， 兼容多种放电场景是模型设计需要 考虑的重要问题。 2、 兼容多样化健康度电池。 实际工况所使用的电池新旧不一， 模 型需要具 备兼容多种容量电池的预测能力。 3、 SOC预测的实时性。 国内外研究集中于观测累计较长时 间的电池放电数据进行特征工程处理， 或者使用电池放电前的充电过程曲线进行容量预 测。 在实际放电场景中很难获得该电池的充电过程数据， 而较长放电时间才能进行预测也 无法满足工业需求。 因此， 如何以较短的观测时间得到准确的预测结果， 是该方案的难点。 4、 传感器信号处理。 实际工况中电池放电的传感器数据存在大量的噪声和测量误差， 采样 间隔不一等问题。 如何通过特征构造进行数据清洗， 使得模型基于良好的数据学习到真实 物理规律， 是需要重点 考虑的问题之一。 发明内容 [0005]为了解决上述问题， 本发明提出了一种电池剩余容量实时预测方法、 终端设备及 存储介质。 [0006]具体方案如下： [0007]一种电池剩余 容量实时预测方法， 包括以下步骤： [0008]S1： 采集不同放电倍率、 不同健康度下电池的放电数据， 并通过采集的放电数据提 取模型训练所需要的特征数据， 特征数据包括信号变化特征、 累计放电量和剩余容量SOC，说　明　书 1/5 页 3 CN 114398826 A 3