(19)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 202211545896.2 (22)申请日 2022.12.05 (71)申请人 江苏欧力特能源科技有限公司 地址 225600 江苏省扬州市高邮经济开发 区波司登大道8 8号 (72)发明人 钱军　严学庆　袁朝勇　袁朝明　 徐冬冬　 (74)专利代理 机构 上海远诺知识产权代理事务 所(普通合伙) 31397 专利代理师 尹晓雪 (51)Int.Cl. G01R 31/367(2019.01) G01R 31/388(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 电池电量估计方法及装置 (57)摘要 本公开涉及电池技术领域， 公开了一种电池 电量估计方法及装置， 方法包括： 获取电池的工 作参数， 包括电池电压、 电池电流、 电池温度和电 池内阻； 将 工作参数输入电量估计模 型以得到电 池的剩余电量估计值， 电量估计模 型是通过样本 工作参数集对卷积神经网络进行多次迭代更新 得到满足预设条件的卷积神经网络而得到， 多次 迭代更新中任意一次迭代更新包括： 获取上一次 迭代更新后的卷积神经网络执行多个电量估计 任务对应的多个第一损失值， 从多个第一损失值 中确定小于预设损失值的至少一个第二损失值， 根据至少一个第二损失值 以及至少一个第二损 失值各自对应的电量估计任务对上一次迭代更 新后的卷积神经网络进行 更新。 权利要求书2页 说明书8页 附图2页 CN 115542173 A 2022.12.30 CN 115542173 A 1.一种电池电量估计方法， 其特 征在于， 包括： 获取电池在 当前时刻的工作参数， 所述工作参数包括电池电压、 电池电流、 电池温度和 电池内阻； 将所述工作参数输入电量估计模型， 以得到所述电池的剩余电量估计值； 其中， 所述电 量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得到满足预设条件 的卷积神经网络而得到的； 并且其中， 所述多次迭代更新中每一次迭代更新包括： 获取上一 次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损失值， 从所述多个 第一损失值中确定小于预设损失值的至少一个第二损失值， 根据所述至少一个第二损失值 以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭代更新后的卷积 神经网络进行 更新。 2.根据权利要求1所述的电池电量估计方法， 其特征在于， 所述获取上一 次迭代更新后 的卷积神经网络执 行多个电量估计任务对应的多个第一损失值包括： 从所述样本工作参数集中随机抽取样本工作参数以组成多个样本工作参数子集， 每个 所述样本工作参数子集中均包含多个样本工作参数； 其中每个所述样本工作参数子集对应 一个电量估计任务； 基于所述多个样本工作参数子集分别对所述上一次迭代更新后的卷积神经网络进行 更新即执行多个电量估计任务， 计算所述上一次迭代更新后的卷积神经网络进行更新后的 多个损失值作为所述多个第一损失值。 3.根据权利要求2所述的电池电量估计方法， 其特征在于， 所述样本工作参数集包括多 个样本电池电压、 多个样本电池电流、 多个样本电池温度和多个样本电池内阻。 4.根据权利要求1~3任一项所述的电池电量估计方法， 其特征在于， 所述根据所述至少 一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次迭 代更新后的卷积神经网络进行更新包括： 确定所述至少一个第二损失值中的最小损失值， 根据所述最小损失值以及所述最小损失值对应的电量估计任务， 对所述上一次迭代更新后 的卷积神经网络进行基于反向传播的更新。 5.根据权利要求1~3任一项所述的电池电量估计方法， 其特征在于， 所述多次迭代更新 中每一次迭代更新后， 若当前更新后的卷积神经网络不满足所述预设条件， 则对当前更新 后的卷积神经网络进行 下一次迭代更新。 6.根据权利要求5所述的 电池电量估计方法， 其特征在于， 满足所述预设条件是： 更新 后的卷积神经网络的损失值小于或等于预设值。 7.根据权利要求1~3任一项所述的电池电量估计方法， 其特 征在于， 还 包括： 基于获取的所述电池在 当前时刻的电池内阻以及预设关系表， 确定所述电池内阻对应 的电池剩余电量值， 所述预设关系表包含不同剩余电量值与对应的电池内阻之 间的映射关 系； 基于所述剩余电量估计值以及所述电池剩余电量值确定所述电池的实 际剩余电量估 计值。 8.一种电池电量估计装置， 其特 征在于， 包括： 获取模块， 用于获取电池在当前时刻的工作参数， 所述工作参数包括电池电压、 电池电 流、 电池温度和电池内阻；权　利　要　求　书 1/2 页 2 CN 115542173 A 2估计模块， 用于将所述工作参数输入电量估计模型， 以得到所述电池的剩余电量估计 值； 其中， 所述电量估计模型是通过样本工作参数集对卷积神经网络进行多次迭代更新得 到满足预设条件的卷积神经网络而得到的； 并且其中， 所述多次迭代更新中每一次迭代更 新包括： 获取上一次迭代更新后的卷积神经网络执行多个电量估计任务对应的多个第一损 失值， 从所述多个第一损失值中确定小于预设损失值的至少一个第二损失值， 根据所述至 少一个第二损失值以及所述至少一个第二损失值各自对应的电量估计任务对所述上一次 迭代更新后的卷积神经网络进行 更新。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1~7任一项所述电池电量估计方法。 10.一种电子设备， 其特征在于， 包括： 处理器； 以及存储器， 用于存储计算机程序； 其 中， 所述处理器配置为经由执行所述计算机程序来执行权利要求1~7任一项所述电池电量 估计方法。权　利　要　求　书 2/2 页 3 CN 115542173 A 3