CN116338463A - 剩余充电时间估算方法及相关装置 - Google Patents

剩余充电时间估算方法及相关装置 Download PDF

Info

Publication number
CN116338463A
CN116338463A CN202310118956.0A CN202310118956A CN116338463A CN 116338463 A CN116338463 A CN 116338463A CN 202310118956 A CN202310118956 A CN 202310118956A CN 116338463 A CN116338463 A CN 116338463A
Authority
CN
China
Prior art keywords
charging
target
data
battery
residual
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
Application number
CN202310118956.0A
Other languages
English (en)
Inventor
廖增成
沈小杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Daotong Hechuang Digital Energy Co ltd
Original Assignee
Shenzhen Daotong Hechuang Digital Energy Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Daotong Hechuang Digital Energy Co ltd filed Critical Shenzhen Daotong Hechuang Digital Energy Co ltd
Priority to CN202310118956.0A priority Critical patent/CN116338463A/zh
Publication of CN116338463A publication Critical patent/CN116338463A/zh
Pending legal-status Critical Current

Links

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]
    • G01R31/367—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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请提供剩余充电时间估算方法及相关装置，方法包括：获取目标电池数据和目标充电参数，所述目标电池数据用于指示用电设备的电池系统的电池状态，所述目标电池数据包括所述电池系统的剩余电量和充电截止电量；根据所述目标电池数据和所述目标充电参数，输出目标估算时长，所述目标估算时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述剩余电量提升至所述充电截止电量的估算剩余充电时间。该技术方案可以提升剩余充电时间估算的准确度。

Description

剩余充电时间估算方法及相关装置
技术领域
本申请涉及充电领域，尤其涉及剩余充电时间估算方法及相关装置。
背景技术
新能源汽车，是指采用非常规的车用燃料作为动力来源的汽车，其中，通过动力电池来提供汽车的动力来源的新能源汽车被称为电动汽车。
电动汽车的使用过程中有多个充放电过程，其中，充电过程是指外部充电设备给电动汽车充电，以使动力电池储蓄电能的过程；放电过程，是指将动力电池储蓄的电能转换为动力给电动汽车的过程。在给电动汽车的动力电池充电过程中，动力电池的剩余充电时间估算是电动汽车中的动力电池管理系统的重要功能，如何能准确地向用户提供电动汽车充电所需的时间，成为亟需解决的技术问题。
发明内容
本申请提供剩余充电时间估算方法及相关装置，以解决动力电池的剩余充电时间估算的技术问题。
第一方面，提供一种剩余充电时间估算方法，包括：
获取目标电池数据和目标充电参数，所述目标电池数据用于指示用电设备的电池系统的电池状态，所述目标电池数据包括所述电池系统的剩余电量和充电截止电量；
根据所述目标电池数据和所述目标充电参数，输出目标估算时长，所述目标估算时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述剩余电量提升至所述充电截止电量的估算剩余充电时间。
在该技术方案中，通过获取用电设备的电池系统的电池数据和充电设备的充电参数，电池系统的电池数据包括电池系统的剩余电量和充电截止电量，并且用于指示电池系统的电池状态，然后根据用电设备的电池系统的电池数据和充电参数，输出按充电参数给用电设备充电，使充电设备的电量从剩余电量提升至充电截止电量的充电时长，实现了对用电设备的充电时长的估算和输出；由于考虑了用电设备的电池状态和充电参数对充电时长的影响，从而能够准确地估算剩余充电时间；并且，根据用电设备的剩余电量和充电截止电量输出充电时长，使得估算出来的充电时长能够满足用户对不同充电截止电量的用户需求，可以提升用户体验。
结合第一方面，在一种可能的实现方式中，所述根据所述目标电池数据和所述目标充电参数，输出目标估算时长，包括：将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长，所述目标剩余充电时间估算模型为所述目标充电参数对应的剩余充电时间估算模型。通过模型来输出充电时长，能使得估算得到的时长更准确。
结合第一方面，在一种可能的实现方式中，所述将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长之前，所述方法还包括：将所述目标充电参数发送给所述云平台；接收所述云平台根据所述目标充电参数发送的所述目标剩余充电时间估算模型。通过将充电参数发送给云平台以获取与充电参数对应的剩余充电时间估算模型，可以实现对充电时长的准确估算。
结合第一方面，在一种可能的实现方式中，所述将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长之后，所述方法还包括：按所述目标充电参数给所述用电设备充电，并获取充电过程中的所有充电数据；将所述所有充电数据和所述目标充电参数发送给所述云平台，其中，由所述云平台根据所述所有充电数据确定所述目标电池数据和实际充电时长，并根据所述目标电池数据和所述实际充电时长对所述目标剩余充电时间估算模型进行优化。在按充电参数给用电设备充电的充电过程中，将充电过程中的所有充电数据发送给云平台，使云平台对可以根据充电数据对充电参数对应的剩余充电时间估算模型进行更新，防止因电池老化等原因带来的剩余充电时间估算不准的问题。
结合第一方面，在一种可能的实现方式中，所述将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长之前，所述方法还包括：获取所述目标充电参数对应的充电样本，所述充电样本包括所述电池系统的样本电池数据和所述样本电池数据对应的样本充电时长，所述样本电池数据用于指示所述电池系统的电池状态，所述样本电池数据包括所述电池系统的样本剩余电量和样本充电截止电量，所述样本充电时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述样本剩余电量提升至所述样本充电截止电量的实际充电时长；根据所述充电样本，训练得到所述目标剩余充电时间估算模型。
结合第一方面，在一种可能的实现方式中，所述充电样本包括所述用电设备的历史充电数据，和/或，与所述用电设备的类型相同的其他用电设备的历史充电数据，和/或，充电测试数据，其中，所述充电测试数据基于所述用电设备的历史充电数据和/或与所述用电设备的类型相同的其他用电设备的历史充电数据得到。
结合第一方面，在一种可能的实现方式中，所述获取所述目标充电参数对应的充电样本，包括：获取多个充电过程数据，一个充电过程数据包括一个充电过程中的充电参数和所述一个充电参数对应的充电样本；按充电参数，对所述多个充电过程数据进行分类，以得到多个数据分组；在所述多个数据分组中，确定所述目标充电参数对应的目标数据分组；将所述目标数据分组中的充电样本，确定为所述目标充电参数对应的充电样本。
结合第一方面，在一种可能的实现方式中，所述目标电池数据还包括所述电池系统的当前系统温度、最高电池温度、最低电池温度、平均电池温度、当前系统总电压、累计充电次数以及当前所处的环境温度中的一项或多项。通过结合多种电池数据来估算剩余充电时间，可以提升剩余充电时间估算的准确性。
结合第一方面，在一种可能的实现方式中，所述充电截止电量为基于用户指令得到；或者，所述充电截止电量为基于电池的老化速率、充电速度或用户充电习惯中的一种或多种得到。
第二方面，提供一种剩余充电时间估算装置，包括：
参数获取模块，用于获取目标电池数据和目标充电参数，所述目标电池数据用于指示所述电池系统的电池状态，所述目标电池数据包括所述电池系统的剩余电量和充电截止电量，所述目标充电参数为所述充电设备的充电参数；
输出模块，用于根据所述目标电池数据和所述目标充电参数，输出目标估算时长，所述目标估算时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述剩余电量提升至所述充电截止电量的估算剩余充电时间。
第三方面，提供一种计算机设备，包括存储器、通信接口以及一个或多个处理器，所述存储器、所述通信接口连接至所述一个或多个处理器，一个或多个处理器用于执行存储在存储器中的一个或多个计算机程序，一个或多个处理器在执行一个或多个计算机程序时，使得该计算机设备实现上述第一方面的剩余充电时间估算方法。
第四方面，提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，上述程序指令当被处理器执行时使上述处理器执行上述第一方面的剩余充电时间估算方法。
第五方面，提供一种目标通信系统，包括目标设备和用电设备，包括目标设备和用电设备和云平台，所述目标设备的通信接口与所述用电设备的通信接口连接，所述用电设备包括电池系统；所述目标设备用于执行上述第一方面的剩余充电时间估算方法。
本申请可以实现如下技术效果：由于考虑了用电设备的电池状态和充电参数对充电时长的影响，从而能够准确地估算剩余充电时间；并且，根据用电设备的剩余电量和充电截止电量输出充电时长，使得估算出来的充电时长能够满足用户对不同充电截止电量的用户需求，可以提升用户体验。
附图说明
图1为本申请实施例提供的一种通信系统的系统架构示意图；
图2为本申请实施例提供的一种剩余充电时间估算方法的流程示意图；
图3为本申请实施例提供的另一种剩余充电时间估算方法的流程示意图；
图4为本申请实施例提供的一种模型训练方法的流程示意图；
图5为本申请实施例提供的又一种剩余充电时间估算方法的流程示意图；
图6是本申请实施例提供的一种剩余充电时间估算装置的结构示意图；
图7是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
本申请的技术方案可适用于充电场景。为便于理解，首先介绍本申请的通信架构。参见图1，图1为本申请实施例提供的一种通信系统的系统架构示意图，如图1所示，目标通信系统10包括充电设备101、用电设备102和云平台103，其中，充电设备101为给用电设备102充电的设备，充电设备101包括但不限于为充电桩、充电座、充电插头等设备。充电设备101可以为通用型充电设备，可遵循一种或多种充电标准；充电设备101也可以为专用型充电设备，例如为与用电设备102配套的充电设备。
用电设备102包括电池系统，电池系统包括一个或多个电池，电池系统用于给用电设备供能。用电设备102可以为电动汽车或其他具有电池的终端设备等。
充电设备101和用电设备102均包括充电接口和通信接口。充电设备101的充电接口与用电设备102的充电接口连接，用于实现充电设备101对用电设备102进行充电。充电设备101的充电接口和用电设备102的充电接口可以是符合一种或多种充电标准的充电接口。
充电设备101的通信接口与用电设备102的通信接口连接，用于实现充电设备101与用电设备102之间的通信，以使得充电设备101能够获取用电设备102中的电池系统的电池数据，电池系统的电池数据用于指示用电设备102中的电池系统的电池状态，电池系统的电池数据可包括电池荷电状态(state of charge，SOC)、电池温度、电池电压等数据。用电设备102的通信接口可以为物理通信接口，例如，用电设备102为电动汽车时，用电设备102的通信接口可以为机上诊断系统(on board diagnostics，OBD)接口、电池管理系统(battery management system，BMS)接口或车载盒子(telematics box，T-box)接口等；用电设备102的通信接口也可以为软件通信接口，如为蓝牙接口、WiFi接口等。充电设备101的通信接口可以为物理通信接口，如为通用串行总线(universal serial bus，USB)接口，以太网接口等；也可以为软件通信接口，如为蓝牙接口、WiFi接口等。
充电设备101的通信接口与用电设备102的通信接口之间的连接可以是直接连接，例如，充电设备101的通信接口可通过数据通信线与用电设备102的通信接口连接；充电设备101的通信接口与用电设备102的通信接口之间的连接也可以是间接连接，例如，用电设备102为电动汽车时，充电设备101的通信接口可通过车辆通信接口(vehiclecommunication interface，VCI)模块与用电设备102的通信接口连接。
云平台103与充电设备101连接，用于获取充电设备101给用电设备102充电时采用的充电参数；可选地，云平台103还可以通过充电设备101获取用电设备102在充电过程中的充电数据，基于该用电设备102在充电过程中的充电数据，云平台103可确定用电设备102的电池系统的电池数据和充电过程中的充电时长。进一步地，云平台可以基于用电设备102在充电过程中的充电数据为用电设备102构建充电画像，进而得到用电设备102对应的剩余充电时间估算模型。其中，用电设备102对应的剩余充电时间估算模型可以有多个，分别对应多个充电参数；即不同的充电参数，对应不同的剩余充电时间估算模型。
云平台103还可以与用电设备102连接，用于直接获取充电设备101给用电设备102充电时，用电设备102中的电池系统的电池数据。
云平台103可以为服务器，服务器可以是独立的物理服务器，也可以是多个服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content deliverynetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
基于图1所示的系统架构，可实现本申请的技术方案。其中，本申请的技术方案可应用在目标通信系统中的充电设备101和/或云平台103上。
以下具体介绍本申请的技术方案。
首先参见图2，图2为本申请实施例提供的一种剩余充电时间估算方法的流程示意图，该方法可应用在充电设备101或云平台103上，如图2所示，该方法包括如下步骤：
S201，获取目标电池数据和目标充电参数。
其中，目标电池数据为用电设备的电池系统的电池数据，目标电池数据用于指示该用电设备的电池系统的电池状态。
目标电池数据包括目标用电设备的电池系统的剩余电量和充电截止电量；剩余电量是指开始对用电设备充电时用电设备的起始电量；充电截止电量是指结束对用电设备充电时用电设备的终止电量。充电截止电量和剩余电量为充电过程中的两个相对的电量，充电截止电量与剩余电量之差等于充电过程中给用电设备充入的电量。用电设备的电池系统的电量可以通过SOC来进行表征，剩余电量和充电截止电量可以分别为充电过程中充电开始时的SOC和充电结束时的SOC。
这里的充电截止电量可以理解为期望用电设备在充电结束时所能达到的终止电量。充电截止电量可以有一个或多个。在一些可能的情况中，充电截止电量可以基于用户指令得到。具体地，可以获取用户指令，以确定充电截止电量。其中，可以通过用户交互设备获取用户指令，以确定充电截止电量。通过根据用户设置的充电截止电量来确定剩余充电时间，能够满足用户对充电截止电量的需求，提升用户体验。
在另一些可能的情况中，充电截止电量也可以为基于电池的老化速率、充电速度或用户习惯中的一种或多种得到。在一种具体实施方式中，可以将使得电池的老化速率最小的终止电量确定为充电截止电量，使得电池的老化速率最小的终止电量例如可以为90％。也可以将使得电池的充电速度最快的终止电量确定为充电截止电量，使得电池的充电速度最快的终止电量例如可以为80％。还可以统计用电设备在历史时间中的充电终止电量，将出现频率最高的充电终止电量确定为充电截止电量。例如，用户在历史时间中最常用的充电截止电量为95％，则充电截止电量可以设置为95％。还可以将用电设备在历史时间中的充电截止电量的平均值和/或最小值，确定为充电截止电量，等等，不限于这里的描述。
示例性地，充电截止电量可以如表1所示。
参考因素 充电截止电量
充电速度 80％
电池老化速率 90％
用户习惯 95％
最大截止电量 100％
表1
基于电池的老化速率、充电速度或用户习惯中的一种或多种确定充电截止电量，能使得充电截止电量满足各种需求。
可选地，目标电池数据除了可以包括剩余电量和充电截止电量外，还可以包括其他用于指示用电设备的电池系统的电池状态的电池数据。具体地，目标电池数据还可以包括用电设备的电池系统的当前系统温度、最高电池温度、最低电池温度、平均电池温度、系统总电压和累计充电次数以及环境温度中的一项或多项。其中，最高电池温度是指用电设备的电池系统中包含的单体电池的最高温度，最低电池温度是指用电设备的电池系统中包含的单体电池的最低温度，平均电池温度是指用电设备的电池系统中包含的单体电池的平均温度，累计充电次数是指用电设备已经充电的次数，环境温度是指用电设备的电池系统所处的环境温度。目标电池数据不限于上述内容，目标电池数据还可以包含更多的内容，例如，还可以包括用电设备的电池系统中的各个单体电池的电压、各个单体电池的温度等，本申请不做限制。目标电池数据包含的数据种类越丰富，越有利于精准输出剩余充电时间。
具体实现中，在本申请的技术方案应用在云平台的情况下，云平台可以通过与用电设备之间的通信连接，获取目标电池数据中除充电截止电量以外的电池数据，并根据用户指令或自动生成充电截止电量；然后通过与充电设备之间的通信连接，获取充电设备给用电设备充电所能提供的充电参数，作为目标充电参数；以此得到目标电池数据和目标充电参数。在本申请的技术方案应用在充电设备的情况下，充电设备云平台可以通过与用电设备之间的通信连接，获取目标电池数据中除充电截止电量以外的电池数据，并根据用户指令或自动生成充电截止电量；然后获取自身的充电参数，作为目标充电参数；以此得到目标电池数据和目标充电参数。
S202，根据目标电池数据和目标充电参数，输出目标估算时长。
其中，目标估算时长，是指按目标充电参数给该用电设备充电，使该用电设备的电池系统的电量从该剩余电量提升至该截止电流的估算剩余充电时间。
在一种可行的实施方式中，可以预先构建电池数据、充电参数以及剩余充电时间三者之间的对应关系并保存在充电设备或云平台中，充电设备或云平台在获取到目标电池数据和目标充电参数后，可以根据该对应关系，查找与目标电池数据和目标充电参数对应的剩余充电时间，作为目标估算时长。
在图2对应的技术方案中，通过获取用电设备的电池系统的电池数据和充电设备的充电参数，电池系统的电池数据包括电池系统的剩余电量和充电截止电量，并且用于指示电池系统的电池状态，然后根据用电设备的电池系统的电池数据和充电参数，输出按充电参数给用电设备充电，使充电设备的电量从剩余电量提升至充电截止电量的充电时长，实现了对用电设备的充电时长的估算；由于考虑了用电设备的电池状态和充电参数对充电时长的影响，从而能够准确地估算剩余充电时间；并且，根据用电设备的剩余电量和充电截止电量输出充电时长，使得估算出来的充电时长能够满足用户对不同充电截止电量的用户需求，可以提升用户体验。
参见图3，图3为本申请实施例提供的另一种剩余充电时间估算方法的流程示意图，该方法可应用在充电设备101或云平台103上，如图3所示，该方法包括如下步骤：
S301，获取目标电池数据和目标充电参数。
这里，有关于步骤S301的描述，可参考前述步骤S201的有关描述，此处不再赘述。
S302，将目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长。
其中，目标剩余充电时间估算模型为目标充电参数对应的剩余充电时间估算模型，目标剩余充电时间估算模型用于根据用电设备的电池系统的电池数据，估算得到以目标充电参数作为充电参数给用电设备充电，将用电设备的电量从剩余电量充电至充电截止电量所需的剩余充电时间，也即将用电设备的电量从剩余电量充电至充电截止电量所需的充电时长。
在本申请的技术方案应用在云平台上的情况下，在获取到目标电池数据和目标充电参数后，可以根据用电设备的标识，获取用电设备对应的剩余充电时间估算模型；然后从用电设备对应的剩余充电时间估算模型中，将目标充电参数对应的剩余充电时间估算模型确定为目标剩余充电时间估算模型；最后将目标电池数据输入至目标剩余充电时间估算模型中，目标剩余充电时间估算模型可输出目标估算时长。其中，云平台可以通过用户交互设备向用户输出目标估算时长，例如，可在用户交互设备上显示目标估算时长。用户交互设备可以为移动终端，如可以为手机；可选地，用户交互设备也可以为充电设备。
在本申请的技术方案应用在充电设备上的情况下，如果目标剩余充电时间估算模型预先保存在充电设备中，充电设备可以根据用电设备的标识，获取用电设备对应的剩余充电时间估算模型；然后从用电设备对应的剩余充电时间估算模型中，将目标充电参数对应的剩余充电时间估算模型确定为目标剩余充电时间估算模型；最后将目标电池数据输入至目标剩余充电时间估算模型中，目标剩余充电时间估算模型可输出目标估算时长。如果目标剩余充电时间估算模型预先保存在云平台中，充电设备可以将目标充电参数发送给云平台，并接收云平台根据目标充电参数发送的目标剩余充电时间估算模型，将目标充电参数对应的剩余充电时间估算模型确定为目标剩余充电时间估算模型；最后将目标电池数据输入至目标剩余充电时间估算模型中，目标剩余充电时间估算模型可输出目标估算时长。其中，充电设备可以通过向用户显示目标估算时长的方式，输出目标估算时长，例如，充电设备可以显示目标估算时长。
在不同用电设备的电池系统的规格不同的情况下，不同的用电设备，其对应的剩余充电时间估算模型不同。充电设备在将目标充电参数发送给云平台时，还可以将用电设备的设备标识发送给云平台，以使云平台根据目标充电参数和用电设备的设备标识确定该用电设备对应的目标剩余充电时间估算模型。云平台根据用电设备的设备标识可确定用电设备对应的剩余充电时间估算模型，进而可根据目标充电参数从用电设备对应的剩余充电时间估算模型中确定目标剩余充电时间估算模型。
目标剩余充电时间估算模型可通过预先训练得到，训练得到目标剩余充电时间估算模型的方式和目标充电估算时长的具体结构不同，目标剩余充电时间估算模型估算得到目标估算时长的原理不同，有关于目标剩余充电时间估算模型的训练过程，可参考后续描述。目标剩余充电时间估算模型可以为任意一种机器学习模型，包括但不限于为支持向量机回归模型、决策树回归模型、随机森林回归模型、卷积神经网络回归模型等。
在一种具体实现方式中，目标剩余充电时间估算模型可以为梯度提升回归树(gradient boosted regression tree，GBRT)模型，可以将目标电池数据输入至通过GBRT方法训练得到的强学习器fT(x)中，得到目标估算时长。
通过基于GBDT方法训练得到的目标充电模型来估算得到目标估算时长，使得目标估算时长具有可解释性，便于反映充电时长与电池数据之间的映射关系。
在上述图3对应的技术方案中，通过获取用电设备的电池系统的电池数据和充电设备的充电参数，电池系统的电池数据包括电池系统的剩余电量和充电截止电量，并且用于指示电池系统的电池状态，然后将用电设备的电池系统的电池数据输入至充电参数对应的剩余充电时间估算模型中，得到按充电参数给用电设备充电，使充电设备的电量从剩余电量提升至充电截止电量的充电时长，实现了对用电设备的充电时长的估算；通过采用用电设备对应的并且与充电设备的充电参数对应的剩余充电时间估算模型来估算剩余充电时间，能够准确地估算剩余充电时间。
可选地，在一些可能的情况中，在利用目标剩余充电估算模型输出目标估算时长的情况下，还可以预先训练得到目标剩余充电估算模型，以下介绍训练得到目标剩余充电估算模型的过程。
参见图4，图4为本申请实施例提供的一种模型训练方法的流程示意图，该方法可应用在前述的云平台103或充电设备101上，如图4所示，该方法包括如下步骤：
S401，获取目标充电参数对应的充电样本。
其中，目标充电参数对应的充电样本可包括用电设备的电池系统的样本电池数据和该样本电池数据对应的样本充电时长。样本电池数据是指用作训练样本的电池数据，样本电池数据用于指示该电池系统的电池状态，样本电池数据的内容和形式与前述步骤S201介绍的目标电池数据一致。一个样本电池数据可以表示为X＝(x1，x2，x3，…，xm)，m为样本电池数据中包含的特征的数量，也即电池数据中的数据种类，m大于2。样本充电时长是指用于训练样本的充电时长，样本充电时长是指用作训练样本的实际充电时长，该实际充电时长是指按目标充电参数给用电设备充电，使用电设备的电池系统的电量从样本电池数据中的剩余电量提升至样本电池数据中的充电截止电量的充电时长。一个样本电池数据对应的样本充电时长可以表示为Y一个充电样本可以表示为(X，Y)，其中，X表示充电样本中的特征数据，Y表示充电样本中的训练标签。
目标充电参数对应的充电样本可包括用电设备的历史充电数据，和/或，与用电设备的类型相同的其他用电设备的历史充电数据，和/或，充电测试数据，其中，用电设备的历史充电数据是指在历史时间中以目标充电参数作为充电参数对用电设备进行充电所产生的充电数据，充电测试数据基于用电设备的历史充电数据和/或与用电设备的类型相同的其他用电设备的历史充电数据得到。
在一种可行的实施方式中，可以通过如下步骤A1-A4获取目标充电参数对应的充电样本。
A1、获取多个充电过程数据。
其中，充电过程数据为在充电过程中产生的数据，一个充电过程数据包括一个充电过程中的充电参数和充电参数对应的充电样本，多个充电过程数据可包括历史时间中充电设备的充电过程数据，以及与用电设备的类型相同的其他用户设备的充电过程数据。充电参数可以表示为P。多个充电过程数据可以表示为D＝{P1:(X1，Y1)，P2:(X2，Y2)，…，PN:(XN，YN)}，其中，N表示充电过程数据的数量。
在本申请的技术方案应用在云平台的情况下，用电设备可以在每次充电的过程中后，将充电数据发送给云平台，云平台得到充电数据后，从充电数据中确定训练模型所需的充电过程数据。在本申请的技术方案应用在充电设备的情况下，在给用电设备充电时，充电设备可以获取用电设备在充电过程中的充电数据，并根据充电数据确定训练模型所需的充电过程数据。
A2、按充电参数，对多个充电过程数据进行分类，以得到多个数据分组。
其中，一个数据分组对应一种充电参数，包括一种充电参数对应的充电过程数据。
具体地，可以基于专家经验对多个充电过程数据进行分类，或者基于聚类算法对多个充电过程数据进行聚类，以得到多个数据分组。
基于专家经验对用多个充电过程数据进行分类，是指基于专家经验，将多个充电过程数据中的充电参数划分为多个充电参数范围，然后将在同一个充电参数范围内的充电过程数据划分到一组，以得到多个数据分组。以充电参数为充电设备的功率、用电设备为电动汽车为例，假设基于专家经验，以充电功率7KW作为划分阈值，将充电功率划分为两个充电功率范围，分别为充电功率小于或等于7KW和充电功率大于7KW，以此将多个充电过程数据划分为两个数据分组，分别为充电功率小于或等于7KW的数据分组和充电功率大于7KW。两个数据分组可表示为：
D1＝{(X11，Y11)，(X12，Y12)，…，(X1M，Y1M)}，P≤7KW
D2＝{(X21，Y21)，(X22，Y22)，…，(X2K，Y2K)}，P＞7KW
其中，M为充电功率小于或等于7KW的数据分组中的充电过程数据的数量，K为充电功率大于7KW的数据分组中的充电过程数据的数量。应理解的是，数组分组的数量可基于实际情况进行设置，并不限于两个数据分组，例如，还可以以3.5KW、7KW、60KW、120KW、180KW、240KW、360KW、480KW作为划分阈值，将多个充电过程数据划分为9个数据分组。
基于聚类算法对多个充电过程数据进行聚类，是指通过聚类算法对多个充电过程数据中的充电参数划分为多个充电参数分组，然后将属于同一个充电参数分组的充电过程数据划分到一组，以得到多个数据分组。其中，聚类算法包括但不限于为K-means算法、基于密度的带噪声应用空间聚类(density based spatial clustering of applicationswith noise，DBSCAN)算法。基于聚类算法对多个充电过程数据进行聚类，能够实现对多个过程数据进行自然分组，使得划分得到的数据分组更为合理有效。
A3、在多个数据分组中，确定目标充电参数对应的目标数据分组。
例如，多个数据分组为前述的D1和D2，目标充电参数小于7KW，则将D1确定为目标参数对应的目标数据分组。
A4、将目标数据分组中的充电样本，确定为目标充电参数对应的充电样本。
通过获取对充电样本按充电参数进行分组，将与目标充电参数对应的数据分组中的充电样本确定为目标充电参数对应的充电样本，有助于训练得到更准确的剩余充电时间估算模型。
在一些可能的情况中，在获取到多个充电过程数据之后，还可以对多个充电过程数据进行预处理，以剔除无效数据。
具体地，可以根据充电过程数据中的充电时长，将充电时长小于或等于预设充电时长的充电过程数据剔除；和/或，根据充电过程数据的充电截止电量，将充电截止电量小于或等于第一预设电量的充电过程数据剔除；和/或，根据充电过程数据中的剩余电量，将剩余电量大于或等于第二预设电量的充电过程数据剔除。
在对充电过程数据进行分类之前，通过在充电过程数据剔除无效数据，能够保证每个数据分组中的数据的有效性，从而在利用目标充电参数对应的充电过程数据训练得到目标剩余充电时间估算模型时，能够训练得到更准确的模型。
可选地，在一些可能的情况中，在将目标数据分组中的充电样本，确定为目标充电参数对应的充电样本后，还可以对充电样本中的电池数据进行归一化，其中，归一化的公式为：x’＝(x-xmin)/(xmax-xmin)，x’为归一化后的电池数据，x为归一化前的电池数据，xmin和xmax分别为最小电池数据和最大电池数据。以电池数据为剩余电量为例，x’为归一化后的剩余电量，x为归一化前的剩余电量，xmin和xmax分别为最小剩余电量和最大剩余电量。电池数据为充电截止电量以及其他特征数据时同理。通过对获取到的充电样本中的电池数据进行归一化处理，可以将每个电池数据的数值控制在0至1之间，便于确定电池数据与充电时长之间的映射关系。
S402，根据目标充电参数对应的充电样本，训练得到目标剩余充电时间估算模型。
其中，目标剩余充电时间估算模型不同以及充电样本包含的电池数据不同，训练得到目标剩余充电时间估算模型的原理不同。
以下以目标剩余充电时间估算模型为基于梯度提升回归方法训练得到的梯度提升回归树(gradient boosted regression tree，GBRT)模型介绍训练得到目标剩余充电时间估算模型的过程。基于梯度提升回归方法的目标剩余充电时间估算模型包括如下步骤：
(1)根据第0个数据集，构建初始回归树。其中，第0个数据集包括目标充电参数对应的充电样本。示例性地，第0个数据集可以为前述D1或D2。
初始弱学习器为一棵只有根节点的树，初始弱学习器的根节点的输出值满足：
Figure BDA0004079417410000141
其中，f0(x)为初始学习器，n为第0个数据集中的充电样本的数量，c为第0个数据集中的样本充电时长的均值，Yi为第0个数据集中的第i个充电时长。
(2)基于第(t-1)弱学习器，根据如下公式计算得到第(t-1)数据集对应的残差：
Figure BDA0004079417410000142
其中，rti为第(t-1)数据集中的第i个充电样本对应的残差，Xi为第(t-1)个数据集中的第i个样本电池数据，f(Xi)为将第(t-1)个数据集中的第i个样本电池数据输入至第(t-1)个弱学习器回归得到的充电时长，ft-1(X)为第(t-1)个弱学习器；当t为1时，第(t-1)数据集为步骤(1)中的第0数据集，第(t-1)弱学习器为步骤(1)确定的初始弱学习器。
(3)将第(t-1)数据集中的各个样本电池数据与各个样本电池数据对应的残差进行组合，得到第t数据集。示例性地，第t数据集可以表示为：D3＝{(X31，Z31)，(X32，Z32)，…，(X3n，Z3n)}，Z表示残差。
(4)根据第t数据集，拟合得到第t决策回归树，根据第t决策回归树确定得到第t决策回归树的叶节点区域Rtj，并计算每个叶节点区域Rtj上的输出值。
其中，每个叶节点区域Rtj上的输出值满足：
Figure BDA0004079417410000151
(5)根据第(t-1)弱学习器和第t决策回归树的叶节点区域Rtj上的输出值，更新得到第t个弱学习器：
Figure BDA0004079417410000152
其中，I为学习率，J为第t决策回归树的叶子节点总数。
(6)迭代执行上述步骤(2)～(5)，直至t等于T，其中，T为设置的最大迭代次数。以此可得到最终的强学习器:
Figure BDA0004079417410000153
通过基于梯度提升回归方法训练得到目标剩余充电时间估算模型，不仅可以提升目标剩余充电时间估算模型的准确度，还使得目标剩余充电时间估算模型具有可解释性。
可选地，在训练得到目标剩余充电时间估算模型后，还可以用测试数据集来对目标剩余充电时间估算模型的预测性能进行评估，测试数据集包括目标参数对应的多个充电过程数据。在目标剩余充电时间估算模型为前述步骤(1)～(6)训练得到的情况下，可以用平均绝对误差(mean absolute error，MAE)来对目标剩余充电时间估算模型的测试性能进行评估：
Figure BDA0004079417410000154
其中，E为测试数据集中的充电样本的数量，Yk为测试数据集中的样本充电时长，
Figure BDA0004079417410000155
为目标剩余充电时间估算模型估算得到的充电时长。
通过按照上述步骤S101～S102的方式分别训练不同充电参数对应的剩余充电时间估算模型，可得到各个充电参数对应的剩余充电时间估算模型，进而得到用电设备对应的多个剩余充电时间估算模型，其中，剩余充电时间估算模型的数量等于充电参数的分组数量。
在上述图4对应的技术方案中，通过获取目标充电参数对应的充电过程数据，充电过程数据包括用电设备的电池系统的历史电池数据以及历史充电时长，然后根据充电过程数据训练得到目标剩余充电时间估算模型，按充电参数训练得到其对应的剩余充电时间估算模型，考虑了充电参数对充电时长的影响，可提升剩余充电时间估算的准确性。
参见图5，图5为本申请实施例提供的又一种剩余充电时间估算方法的流程示意图，该方法可以应用在前述的充电设备101上，如图5所示，该方法包括如下步骤：
S501，获取目标电池数据和目标充电参数。
S502，将目标电池数据输入至目标剩余充电时间估算模型中，以输出目标估算时长。
这里，步骤S501～S502的具体实现方式，可参考前述步骤S301～S302的介绍，此处不再赘述。
S503，按目标充电参数给用电设备充电，将充电过程中的所有充电数据以及目标充电参数发送给云平台。
其中，将目标充电参数发送云平台的作用在于，使得云平台能够根据该目标充电参数在用电设备对应的剩余充电时间估算模型中确定该目标剩余充电时间估算模型，进而云平台可根据充电过程中的数据确定更新模型所需的目标电池数据和实际充电时长，并根据目标电池数据和实际充电时长更新该目标剩余充电时间估算模型。其中，用电设备的实际充电时长是指按目标充电参数给用电设备充电，将用电设备从剩余电量充电至该充电截止电量所持续的时长。云平台根据目标电池数据和用电设备的实际充电时长对目标剩余充电时间估算模型进行更新，是指对目标剩余充电时间估算模型中的参数进行微调，可参考与前述步骤S402迭代得到目标剩余充电时间估算模型的原理，此处不再赘述。
可选地，还可以将用电设备的设备标识一并发送给云平台。其中，将用电设备的设备标识发送给云平台的作用在于，使得云平台能够根据该设备标识确定用电设备对应的剩余充电时间估算模型。
S504，判断用电设备的电量是否达到充电截止电量。
其中，如果用电设备的电量还未达到充电截止电量，说明用电设备的电量还不符合需求，需要继续充电，返回执行步骤S503；如果用电设备的电量已达到充电截止电量，说明用电设备的电量已符合需求，执行步骤S505。
S505，停止给用电设备充电。
在上述图5对应的技术方案中，在通过目标剩余充电时间估算模型估算得到按目标充电参数将用电设备充电至充电截止电量所需的目标估算时长后，还获取按目标充电参数给用电设备充电的数据发送给云平台，使云平台对充电参数对应的剩余充电时间估算模型进行优化，使得剩余充电时间估算模型实时与用电设备的电池系统相匹配，可以防止因电池老化等原因带来的剩余充电时间估算不准的问题。
可选地，在本申请的技术方案应用在充电设备的情况下，如果目标剩余充电估算模型预先保存在充电设备中，在用电设备充电结束后，充电设备可以确定用电设备的起始电量、终止电量以及实际充电时长，并根据该起始电量、终止电量以及实际充电时长对目标剩余充电时间估算模型进行优化，从而使得目标剩余充电时间估算模型始终与用电设备的电池状态相匹配，防止因电池老化等原因带来的剩余充电时间估算不准的问题。
上述介绍了本申请的方法，下面介绍本申请的装置。
参见图6，图6是本申请实施例提供的一种剩余充电时间估算装置的结构示意图，该剩余充电时间估算装置可以为充电设备或云平台。如图6所示，该剩余充电时间估算装置60包括：
参数获取模块601，用于获取目标电池数据和目标充电参数，所述目标电池数据用于指示所述电池系统的电池状态，所述目标电池数据包括所述电池系统的剩余电量和充电截止电量，所述目标充电参数为所述充电设备的充电参数；
输出模块602，用于根据所述目标电池数据和所述目标充电参数，输出目标估算时长，所述目标估算时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述剩余电量提升至所述充电截止电量的估算剩余充电时间。
在一种可能的设计中，上述输出模块602具体用于，将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长，所述目标剩余充电时间估算模型为所述目标充电参数对应的剩余充电时间估算模型。
在一种可能的设计中，上述剩余充电时间估算装置60还包括模型获取模块603，用于将所述目标充电参数发送给云平台；接收所述云平台根据所述目标充电参数发送的所述目标剩余充电时间估算模型。
在一种可能的设计中，上述模型获取模块603还用于：按所述目标充电参数给所述用电设备充电，并获取充电过程中的所有充电数据；将所述所有充电数据和所述目标充电参数发送给云平台，其中，由所述云平台根据所述目标充电参数确定所述目标剩余充电时间估算模型，并根据所述所有充电数据确定所述目标电池数据和实际充电时长，以及根据所述目标电池数据和所述实际充电时长对所述目标剩余充电时间估算模型进行优化。
在一种可能的设计中，上述剩余充电时间估算装置60还包括模型训练模块604，用于获取所述目标充电参数对应的充电样本，所述充电样本包括所述电池系统的样本电池数据和所述样本电池数据对应的样本充电时长，所述样本电池数据用于指示所述电池系统的电池状态，所述样本电池数据包括所述电池系统的样本剩余电量和样本充电截止电量，所述样本充电时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述样本剩余电量提升至所述样本充电截止电量的实际充电时长；根据所述充电样本，训练得到所述目标剩余充电时间估算模型。
在一种可能的设计中，所述充电样本包括所述用电设备的历史充电数据，和/或，与所述用电设备的类型相同的其他用电设备的历史充电数据，和/或，充电测试数据，其中，所述充电测试数据基于所述用电设备的历史充电数据和/或与所述用电设备的类型相同的其他用电设备的历史充电数据得到。
在一种可能的设计中，上述模型训练模块604具体用于：获取多个充电过程数据，一个充电过程数据包括一个充电过程中的充电参数和所述一个充电参数对应的充电样本；按充电参数，对所述多个充电过程数据进行分类，以得到多个数据分组；在所述多个数据分组中，确定所述目标充电参数对应的目标数据分组；将所述目标数据分组中的充电样本，确定为所述目标充电参数对应的充电样本。
在一种可能的设计中，所述目标电池数据还包括所述电池系统的当前系统温度、最高电池温度、最低电池温度、平均电池温度、当前系统总电压、累计充电次数以及当前所处的环境温度中的一项或多项。
在一种可能的设计中，所述充电截止电量为基于用户指令得到；或者，所述充电截止电量为基于电池的老化速率、充电速度或用户充电习惯中的一种或多种得到。
需要说明的是，图6对应的实施例中未提及的内容可参见前述图2-图5对应的方法实施例的描述，这里不再赘述。
上述装置，通过获取用电设备的电池系统的电池数据和充电设备的充电参数，电池系统的电池数据包括电池系统的剩余电量和充电截止电量，并且用于指示电池系统的电池状态，然后根据用电设备的电池系统的电池数据和充电参数，输出按充电参数给用电设备充电，使充电设备的电量从剩余电量提升至充电截止电量的充电时长，实现了对用电设备的充电时长的估算；由于考虑了用电设备的电池状态和充电参数对充电时长的影响，从而能够准确地估算剩余充电时间；并且，根据用电设备的剩余电量和充电截止电量输出充电时长，使得估算出来的充电时长能够满足用户对不同充电截止电量的用户需求，可以提升用户体验。
参见图7，图7是本申请实施例提供的一种计算机设备的结构示意图，该计算机设备可以为前述的充电设备101或云平台102。该计算机设备70包括处理器701、存储器702以及通信接口703。存储器702和通信接口703连接至处理器701，例如通过总线连接至处理器701。
处理器701被配置为支持该计算机设备70执行上述方法实施例中的方法中相应的功能。该处理器701可以是中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)，硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(application specific integrated circuit，ASIC)，可编程逻辑器件(programmablelogic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complexprogrammable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gatearray，FPGA)，通用阵列逻辑(generic array logic，GAL)或其任意组合。
存储器702用于存储程序代码等。存储器702可以包括易失性存储器(volatilememory，VM)，例如随机存取存储器(random access memory，RAM)；存储器702也可以包括非易失性存储器(non-volatile memory，NVM)，例如只读存储器(read-only memory，ROM)，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)；存储器702还可以包括上述种类的存储器的组合。
通信接口703用于在处理器701的指示下获取用电设备的动力电池系统中的电池数据。通信接口703可以为硬件接口，如为USB接口等；通信接口703也可以为软件接口，如为蓝牙接口、WiFi接口等。不限于这里的限制。
当计算机设备70为充电设备时，通信接口703还用于将用电设备的充电数据、用电设备的标识、充电参数等数据发送给云平台，以及，接收云平台发送的目标剩余充电时间估算模型。
当计算机设备70为云平台时，通信接口703还用于接收充电设备发送的用电设备的充电数据、用电设备的标识、充电参数等数据，以及，发送目标剩余充电时间估算模型给充电设备。
处理器701可以调用所述程序代码以执行以下操作：
获取目标电池数据和目标充电参数，所述目标电池数据用于指示用电设备的电池系统的电池状态，所述目标电池数据包括所述电池系统的剩余电量和充电截止电量；
根据所述目标电池数据和所述目标充电参数，输出目标估算时长，所述目标估算时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述剩余电量提升至所述充电截止电量的估算剩余充电时间。
本申请实施例还提供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，所述计算机程序包括程序指令，所述程序指令当被计算机执行时使所述计算机执行如前述实施例所述的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only memory，ROM)或随机存储记忆体(Random Accessmemory，RAM)等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (14)

1.一种剩余充电时间估算方法，其特征在于，包括：
获取目标电池数据和目标充电参数，所述目标电池数据用于指示用电设备的电池系统的电池状态，所述目标电池数据包括所述电池系统的剩余电量和充电截止电量；
根据所述目标电池数据和所述目标充电参数，输出目标估算时长，所述目标估算时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述剩余电量提升至所述充电截止电量的估算剩余充电时间。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标电池数据和所述目标充电参数，输出目标估算时长，包括：
将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长，所述目标剩余充电时间估算模型为所述目标充电参数对应的剩余充电时间估算模型。
3.根据权利要求2所述的方法，其特征在于，所述将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长之前，所述方法还包括：
将所述目标充电参数发送给云平台；
接收所述云平台根据所述目标充电参数发送的所述目标剩余充电时间估算模型。
4.根据权利要求2所述的方法，其特征在于，所述将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长之后，所述方法还包括：
按所述目标充电参数给所述用电设备充电，并获取充电过程中的所有充电数据；
将所述所有充电数据和所述目标充电参数发送给云平台，其中，由所述云平台根据所述目标充电参数确定所述目标剩余充电时间估算模型，并根据所述所有充电数据确定所述目标电池数据和实际充电时长，以及根据所述目标电池数据和所述实际充电时长对所述目标剩余充电时间估算模型进行优化。
5.根据权利要求2所述的方法，其特征在于，所述将所述目标电池数据输入至目标剩余充电时间估算模型中，输出目标估算时长之前，所述方法还包括：
获取所述目标充电参数对应的充电样本，所述充电样本包括所述电池系统的样本电池数据和所述样本电池数据对应的样本充电时长，所述样本电池数据用于指示所述电池系统的电池状态，所述样本电池数据包括所述电池系统的样本剩余电量和样本充电截止电量，所述样本充电时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述样本剩余电量提升至所述样本充电截止电量的实际充电时长；
根据所述充电样本，训练得到所述目标剩余充电时间估算模型。
6.根据权利要求5所述的方法，其特征在于，所述充电样本包括所述用电设备的历史充电数据，和/或，与所述用电设备的类型相同的其他用电设备的历史充电数据，和/或，充电测试数据，其中，所述充电测试数据基于所述用电设备的历史充电数据和/或与所述用电设备的类型相同的其他用电设备的历史充电数据得到。
7.根据权利要求5所述的方法，其特征在于，所述获取所述目标充电参数对应的充电样本，包括：
获取多个充电过程数据，一个充电过程数据包括一个充电过程中的充电参数和所述一个充电参数对应的充电样本；
按充电参数，对所述多个充电过程数据进行分类，以得到多个数据分组；
在所述多个数据分组中，确定所述目标充电参数对应的目标数据分组；
将所述目标数据分组中的充电样本，确定为所述目标充电参数对应的充电样本。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述目标电池数据还包括所述电池系统的当前系统温度、最高电池温度、最低电池温度、平均电池温度、当前系统总电压、累计充电次数以及当前所处的环境温度中的一项或多项。
9.根据权利要求1-7任一项所述的方法，其特征在于，所述充电截止电量为基于用户指令得到；或者，
所述充电截止电量为基于电池的老化速率、充电速度或用户充电习惯中的一种或多种得到。
10.一种剩余充电时间估算装置，其特征在于，包括：
参数获取模块，用于获取目标电池数据和目标充电参数，所述目标电池数据用于指示所述电池系统的电池状态，所述目标电池数据包括所述电池系统的剩余电量和充电截止电量，所述目标充电参数为所述充电设备的充电参数；
输出模块，用于根据所述目标电池数据和所述目标充电参数，输出目标估算时长，所述目标估算时长为按所述目标充电参数给所述用电设备充电，使所述电池系统的电量从所述剩余电量提升至所述充电截止电量的估算剩余充电时间。
11.一种计算机设备，其特征在于，包括存储器、处理器以及通信接口，所述存储器、所述通信接口连接至所述处理器，所述处理器用于执行存储在所述存储器中的一个或多个计算机程序，所述处理器在执行所述一个或多个计算机程序时，使得所述计算机设备实现如权利要求1-9所述的方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-9任一项所述的方法。
13.一种目标通信系统，其特征在于，包括目标设备和用电设备，所述目标设备的通信接口与所述用电设备的通信接口连接，所述用电设备包括电池系统；所述目标设备用于执行如权利要求1-9任一项所述的方法。
14.根据权利要求13所述的目标通信系统，所述目标设备为充电设备或云平台。
CN202310118956.0A 2023-01-18 2023-01-18 剩余充电时间估算方法及相关装置 Pending CN116338463A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310118956.0A CN116338463A (zh) 2023-01-18 2023-01-18 剩余充电时间估算方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310118956.0A CN116338463A (zh) 2023-01-18 2023-01-18 剩余充电时间估算方法及相关装置

Publications (1)

Publication Number Publication Date
CN116338463A true CN116338463A (zh) 2023-06-27

Family

ID=86884769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310118956.0A Pending CN116338463A (zh) 2023-01-18 2023-01-18 剩余充电时间估算方法及相关装置

Country Status (1)

Country Link
CN (1) CN116338463A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116723268A (zh) * 2023-08-04 2023-09-08 荣耀终端有限公司 一种终端电池异常管控方法和移动终端
CN118294818A (zh) * 2024-06-05 2024-07-05 中国第一汽车股份有限公司 模型训练方法、剩余充电时间估算方法、装置及电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116723268A (zh) * 2023-08-04 2023-09-08 荣耀终端有限公司 一种终端电池异常管控方法和移动终端
CN116723268B (zh) * 2023-08-04 2024-04-02 荣耀终端有限公司 一种终端电池异常管控方法和移动终端
CN118294818A (zh) * 2024-06-05 2024-07-05 中国第一汽车股份有限公司 模型训练方法、剩余充电时间估算方法、装置及电子设备
CN118294818B (zh) * 2024-06-05 2024-09-13 中国第一汽车股份有限公司 剩余充电时间估算方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN116338463A (zh) 剩余充电时间估算方法及相关装置
CN109754105B (zh) 一种预测方法及终端、服务器
US10527678B2 (en) Apparatus and method for estimating state of battery using battery degradation models
CN111709533A (zh) 机器学习模型的分布式训练方法、装置以及计算机设备
CN112465043B (zh) 模型训练方法、装置和设备
WO2022262583A1 (zh) 电池健康状态测算方法以及相关设备
WO2017003886A1 (en) Training and operation of computational models
CN109001640B (zh) 一种动力电池的数据处理方法和装置
JP7450741B2 (ja) リチウム電池のｓｏｃ推定方法、装置及びコンピュータ読み取り可能な記憶媒体
CN110414569B (zh) 聚类实现方法及装置
CN115453376B (zh) 电动汽车动力电池的状态监控方法、系统及电动汽车
CN116298927B (zh) 一种电池容量估计方法和装置、计算机设备、存储介质
CN116500458B (zh) 动力电池容量评估方法、装置、车辆及电子装置
CN111159481B (zh) 图数据的边预测方法、装置及终端设备
CN110470995A (zh) 电池剩余放电时间获取方法、系统及终端设备
CN113219336A (zh) 电池劣化判断系统、方法及存储有程序的非临时性存储介质
CN116243178A (zh) 动力电池的剩余充电时间估算方法及装置
CN115616409A (zh) 电池荷电状态的计算方法、装置、车辆及存储介质
CN113219338B (zh) 电池劣化判断系统、方法及存储有程序的非临时性存储介质
CN116087809A (zh) 汽车电池的荷电状态值预测方法、装置、设备及存储介质
CN115598531A (zh) 车辆电池健康状态的估计方法及其估计模型的训练方法
CN114764600A (zh) 新能源车电池包的寿命预测方法、装置和电子设备
CN114970648A (zh) 一种新能源设备识别方法、装置及介质
CN113673712B (zh) 剩余电量值计算方法及装置、服务器、存储介质
CN113112001B (zh) 一种充电数据处理方法、装置和电子设备

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