一种铅酸蓄电池荷电状态估计方法和系统

1.一种铅酸蓄电池荷电状态估计方法，其特征在于，包括：获取铅酸蓄电池的标准放电数据和放电数据；标准放电数据指的是严格控制的标准化条件下进行完整放电测试所采集的放电数据；放电数据，指的是在放电过程中记录的实时放电数据；通过预先训练好的放电容量检测模型的多尺度特征网络分别对所述标准放电数据和所述放电数据进行特征提取，得到多模态融合特征向量和标准模态融合特征向量；通过所述放电容量检测模型的残差预测器分别对所述多模态融合特征向量和所述标准模态融合特征向量进行放电容量预测，得到放电容量值和标准放电容量值；所述放电容量值，指的是当前时刻铅酸蓄电池的已放电容量；所述标准放电电容值，指的是通过放电容量检测模型预测得到的铅酸蓄电池的最大放电容量；对所述放电容量值和所述标准放电容量值进行荷电状态分析，得到所述铅酸蓄电池对应的荷电状态估计值；所述多尺度特征网络包括电流积分模块、主网络和特征融合层；通过所述电流积分模块分别对所述标准放电数据和所述放电数据进行安时积分运算，得到安时积分向量和标准安时积分向量；通过所述主网络分别对所述标准放电数据和所述放电数据进行多特征提取，得到注意力特征向量、增强特征向量、标准注意力特征向量和标准增强特征向量；通过特征融合层对所述注意力特征向量、所述增强特征向量和所述安时积分向量进行特征融合，得到多模态融合特征向量；通过特征融合层对所述标准注意力特征向量、所述标准增强特征向量和所述标准安时积分向量进行特征融合，得到标准模态融合特征向量；将所述标准放电容量值与所述放电容量值进行差值处理，得到对应的第一差值；将所述第一差值与预设的额定容量进行比值处理，得到所述铅酸蓄电池对应的荷电状态估计值。 2.根据权利要求1所述的铅酸蓄电池荷电状态估计方法，其特征在于，所述主网络包括统计特征模块、温度自适应门控模块和记忆增强恢复模块，所述通过所述主网络分别对所述标准放电数据和所述放电数据进行多特征提取，得到注意力特征向量、增强特征向量、标准注意力特征向量和标准增强特征向量的步骤，包括：通过所述统计特征模块分别对所述标准放电数据和所述放电数据进行特征提取，得到统计特征向量和标准统计特征向量；通过所述温度自适应门控模块分别对所述统计特征向量和所述标准统计特征向量进行温度门控调制，得到温度调制向量和标准温度调制向量；通过所述记忆增强恢复模块对所述统计特征向量和所述温度调制向量进行记忆增强恢复处理，得到注意力特征向量和增强特征向量；通过所述记忆增强恢复模块对所述标准统计特征向量和所述标准温度调制向量进行记忆增强恢复处理，得到标准注意力特征向量和标准增强特征向量。 3.根据权利要求2所述的铅酸蓄电池荷电状态估计方法，其特征在于，所述记忆增强恢复模块包括长短期记忆网络、注意力机制模块和记忆增强模块，所述通过所述记忆增强恢复模块对所述统计特征向量和所述温度调制向量进行记忆增强恢复处理，得到注意力特征向量和增强特征向量的步骤，包括：通过所述长短期记忆网络对所述统计特征向量和所述温度调制向量进行时序特征提取，得到时序特征向量；通过所述注意力机制模块对所述时序特征向量进行关键记忆特征提取，得到注意力特征向量；通过所述记忆增强模块对所述时序特征向量进行容量恢复模拟处理，得到增强特征向量。 4.根据权利要求1所述的铅酸蓄电池荷电状态估计方法，其特征在于，所述放电容量检测模型的训练过程具体为：获取多个历史放电数据，对各个所述历史放电数据进行数据预处理，得到放电特征集；采用所述放电特征集对预设的初始放电容量检测模型进行训练，得到训练放电容量数据；基于预设的平均绝对误差函数，根据所述训练放电容量数据计算所述放电特征集的训练损失函数值；当所述训练损失函数值大于或等于预设的标准损失函数值时，调整所述初始放电容量检测模型的网络参数，并跳转执行所述采用所述放电特征集对预设的初始放电容量检测模型进行训练，得到训练放电容量数据的步骤，直至所述训练损失函数值小于所述标准损失函数值；当所述训练损失函数值小于所述标准损失函数值时，则生成放电容量检测模型。 5.一种铅酸蓄电池荷电状态估计系统，其特征在于，包括：采集模块，用于获取铅酸蓄电池的标准放电数据和放电数据；标准放电数据指的是严格控制的标准化条件下进行完整放电测试所采集的放电数据；放电数据，指的是在放电过程中记录的实时放电数据；特征提取模块，用于通过预先训练好的放电容量检测模型的多尺度特征网络分别对所述标准放电数据和所述放电数据进行特征提取，得到多模态融合特征向量和标准模态融合特征向量；容量预测模块，用于通过所述放电容量检测模型的残差预测器分别对所述多模态融合特征向量和所述标准模态融合特征向量进行放电容量预测，得到放电容量值和标准放电容量值；所述放电容量值，指的是当前时刻铅酸蓄电池的已放电容量；所述标准放电电容值，指的是通过放电容量检测模型预测得到的铅酸蓄电池的最大放电容量；荷电状态估计模块，用于对所述放电容量值和所述标准放电容量值进行荷电状态分析，得到所述铅酸蓄电池对应的荷电状态估计值；所述多尺度特征网络包括电流积分模块、主网络和特征融合层，所述特征提取模块，包括：电流积分子模块，用于通过所述电流积分模块分别对所述标准放电数据和所述放电数据进行安时积分运算，得到安时积分向量和标准安时积分向量；特征提取子模块，用于通过所述主网络分别对所述标准放电数据和所述放电数据进行多特征提取，得到注意力特征向量、增强特征向量、标准注意力特征向量和标准增强特征向量；第一融合子模块，用于通过特征融合层对所述注意力特征向量、所述增强特征向量和所述安时积分向量进行特征融合，得到多模态融合特征向量；第二融合子模块，用于通过特征融合层对所述标准注意力特征向量、所述标准增强特征向量和所述标准安时积分向量进行特征融合，得到标准模态融合特征向量；所述荷电状态估计模块，包括：差值子模块，用于将所述标准放电容量值与所述放电容量值进行差值处理，得到对应的第一差值；比值子模块，用于将所述第一差值与预设的额定容量进行比值处理，得到所述铅酸蓄电池对应的荷电状态估计值。 6.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-4任一项所述的铅酸蓄电池荷电状态估计方法的步骤。 7.一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，所述计算机程序被执行时实现如权利要求1-4任一项所述的铅酸蓄电池荷电状态估计方法。 8.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被计算机执行时，使所述计算机执行如权利要求1-4任一项所述的铅酸蓄电池荷电状态估计方法。