CN108761347B

CN108761347B - 一种处理方法、装置及电子设备

Info

Publication number: CN108761347B
Application number: CN201810714420.4A
Authority: CN
Inventors: 胡宇; 程孝仁; 赵双成
Original assignee: Lenovo Beijing Ltd
Current assignee: Lenovo Beijing Ltd
Priority date: 2018-06-29
Filing date: 2018-06-29
Publication date: 2021-01-15
Anticipated expiration: 2038-06-29
Also published as: CN108761347A

Abstract

本申请提供了一种处理方法、装置及电子设备，该方法包括：检测获得关于电池的目标参数；基于预定参数模型，处理所述目标参数，所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；基于所获取的目标参数，预测所述电池当下和/或未来性能，并执行第一处理。由于预定参数模型是根据电池在使用过程中的性能参数处理获得的，这些性能参数可以表征电池各个性能，因此可以基于该模型预测电池当下和/或未来性能，进而可以快速准确地对电池性能进行预测，从而对电池进行相应处理保证提前改善其性能。

Description

一种处理方法、装置及电子设备

技术领域

本申请主要涉及电池技术领域，更具体地说是涉及一种处理方法、装置及电子设备。

背景技术

如今，电池在数码产品如笔记本、手机和平板等移动终端和电子产品上广泛使用。电池的性能参数是循衡量电池好坏的重要指标。

目前，常用的对电池性能行预测的方法主要有两类。其一是，观察循环容量保持率，其二是，采用交流阻抗跟踪方法。上述两种预测方法都属于结果导向性方法，即只有电池容量出现衰减的时候才能根据相关信号对电池的性能预测，这种对电池性能的预测方法会具有延时性，并且有预知结果的干扰准确性也较差。

发明内容

有鉴于此，本申请提供了一种处理方法、装置及电子设备，实现了能够快速、准确地预测和改善电池性能的目的。

为了实现上述发明目的，本申请提供了以下技术方案：

一种处理方法，包括：

检测获得关于电池的目标参数；

基于预定参数模型，处理所述目标参数，所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；

基于所获取的目标参数，预测所述电池当下和/或未来性能，并执行第一处理。

可选地，所述基于预定参数模型，处理所述目标参数，包括：

基于预定参数模型，生成所述目标参数的第一曲线。

可选地，所述基于预定参数模型，生成所述目标参数的第一曲线，包括：

基于预定参数模型，确定所述电池的记录时间；

确定与所述记录时间对应的静态开路电压；

基于所述记录时间和所述静态开路电压，生成所述目标参数的第一曲线。

可选地，还包括：

根据所述电池的容量保持率和循环次数，生成第二曲线。

可选地，所述基于所获取的目标参数，预测所述电池当下和/或未来性能，并执行第一处理，包括：

对所获取的目标参数与所述循环次数进行拟合，得到第三曲线；

基于所述第二曲线和所述第三曲线，预测所述电池当下和/或未来性能，并执行第一处理。

可选地，所述目标参数包括：第一参数、第二参数和第三参数中的一个或多个，其中，

所述第一参数表征电池的静态开路电位，所述第二参数表征电池在第一条件下的电位，所述第三参数表征电池在第二条件下的电位。

基于所获取的目标参数，预测所述电池当下和/或未来性能，获得预测结果；

若所述预测结果满足预定条件，至少执行干预处理。

可选地，所述若所述预测结果满足预定条件，至少执行干预处理，包括：

若所述预测结果满足预定条件，执行干预处理和/或预警处理，其中，所述执行干预处理，包括：

获取电池满足预定条件时的循环次数；

在所述电池正常循环达到所述循环次数之前，对所述电池执行干预处理。

一种处理装置，包括：

检测单元，用于检测获得关于电池的目标参数；

处理单元，用于基于预定参数模型，处理所述目标参数，所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；

执行单元，用于基于所获取的目标参数，预测所述电池当下和/或未来性能，并执行第一处理。

一种电子设备，包括：电池和处理器，其中，

所述处理器，用于检测获得关于所述电池的目标参数；基于预定参数模型，处理所述目标参数，所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；基于所获取的目标参数，预测所述电池当下和/或未来性能，并执行第一处理。

由此可见，与现有技术相比，本申请提供了一种处理方法、装置和电子设备，通过检测获得关于电池的目标参数，基于预定参数模型对该目标参数进行处理，而该模型是根据电池在使用过程中的性能参数处理获得的，这些性能参数可以表征电池各个性能，因此可以基于该模型预测电池当下和/或未来性能，进而可以快速准确地对电池性能进行预测，从而对电池进行相应处理保证提前改善其性能。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种处理方法的流程示意图；

图2为本申请实施例提供的一种第二曲线的示意图；

图3为本申请实施例提供的一种对锂电池循环寿命预测和改善的方法的流程示意图；

图4为本申请实施例提供的一种处理装置的结构示意图；

图5为本申请实施例提供的一种电子设备的结果示意图。

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清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请实施例中提供了一种处理方法，参见图1，该方法可以包括：

S11、检测获得关于电池的目标参数。

在本发明实施例中的处理方法主要是针对电池的循环寿命进行预测，由于电池的种类较多，不同种类或者不同型号的电池其性能参数是不同的，该性能参数主要用来表征该电池的性能。例如，以锂电池举例说明，其性能参数主要包括：电池内阻、电池容量、开路电压、工作电压、放电平台时间、充放电倍率、自放电率、充放电效率、容量保持率等等。因此，关于电池的参数种类是比较多的，需要对待预测的电池先进行检测，即主要检测该电池的电芯的相关参数，将这些相关参数中的一个或多个作为目标参数。

S12、基于预定参数模型，处理所述目标参数，以得到拟合参数。

其中，该预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型。该性能参数数据是电池正常使用过程中获得的参数信息，这些参数信息可以是记录电池使用过程的历史离线数据，可以实时获取的电池使用中的在线数据，只要是表征该电池使用过程中的性能的参数信息均可。该预定参数模型的建模过程即为对性能参数数据进行学习、数据训练和模型建立的过程。在本实施例中，建立模型的过程具体可以是根据该性能参数数据对不同品牌或者不同型号或者电池电芯数量或者电池使用环境温度进行归类的过程。该建模过程可以采用现有的建模方式进行，例如，根据已知的电池在使用过程中的性能参数数据运用数据挖掘分类算法计算获得数据处理模型。其中，分类算法的训练过程为根据性能参数数据生成训练集，进行特征选取后训练通过分类器得到数据处理模型。数据挖掘分类算法的种类较多，在本申请中不做一一赘述。

由于在预定参数模型的建立过程中会处理不同状态不同条件下的电池使用过程中的性能参数数据。所以在对目标参数进行处理之前，为了能够保证对目标参数数据处理的准确性，使用的预定参数模型需要符合产生该目标参数的电池或电芯的使用环境。例如，该电池为锂电池其主要是应用在处于高温作业的终端或者电子设备上，对该锂电池的循环寿命预测时，其循环寿命肯定要考虑其应用环境的温度，因此选用的预定参数模型需要更能表征该环境下的电池使用过程中的电池电化学性质。同理，对于不同品牌和不同型号的电池也是如此。也就是，在前期的预定参数模型的创建过程中会考虑影响电池循环寿命的各种因素，包括但不局限于电芯材质、电芯数量、使用环境、使用频率等等。基于该目标参数模型，对目标参数进行处理，可以得到目标参数对应的拟合参数，用来对电池的性能进行预测。

S13、基于所获取的拟合参数，预测所述电池当下和/或未来性能，并执行第一处理。

基于预定模型对目标参数的处理可以得到对应的拟合参数，此处的目标参数是检测电池使用过程中获得参数。因此通过处理这些目标参数，得到拟合参数，并基于处理这些拟合参数能够发现在电池后期使用过程中该电池当下和/或未来电池性能，例如，基于拟合参数与预定条件比较发现其出现异常变化，则会预测该电池电芯后期可能会出现循环跳水现象。因此，可以基于该处理方法快速预测电池当下和/未来性能。

在对电池性能进行预测后会得到一预测结果，可以基于该预测结果执行第一处理，即电池使用环境下的用户可以基于该第一处理获知该预测结果及对应的应对措施。例如，若预测结果表征电池未来性能良好，则对应的第一处理可以为输出该性能良好的响应提示处理，也可以为使得电池继续保持当前充放电模式的处理；若预测结果表征电池未来循环寿命会出现异常衰减，则第一处理可以为使得电池延长其循环寿命的充放电处理方式。该第一处理的处理方式生成时也会结合电池未来的使用环境和使用方式等作为参考。

本申请提供了一种处理方法，通过检测获得关于电池的目标参数，基于预定参数模型对该目标参数进行处理，而该模型是根据电池在使用过程中的性能参数处理获得的，这些性能参数可以表征电池各个性能，因此可以基于该模型预测电池当下和/或未来性能，进而可以快速准确地对电池性能进行预测，从而对电池进行相应处理保证提前改善其性能。

在本发明实施例中还提供了一种处理目标参数的方法，包括：

基于预定参数模型，生成所述目标参数的第一曲线。

具体的，生成该第一曲线，可以包括：

基于预定参数模型，确定所述电池的记录时间；

确定与所述记录时间对应的静态开路电压；

在电池充满后，关闭充电电流。电池管理系统会记录满充后静置状态下的静态开路电压。为了取点的一致性，可以设置将电池满充后的静置时间设置为最小为5到10分钟，每隔30秒取一个点。得到记录时间和开路电压（Open circuit voltage ，OCV）的关系，根据该关系生成该目标参数的第一曲线。

电池可以有一个电芯也可以有多个，对于多个电芯的可以生成每个电芯的第一曲线，则此时得到的OCV1和OCV2分别为电芯1和电芯2的电压。

举例说明，拟合参数包括：L0，L1和L3，则OCV和时间t可以存在如下的关系：OCV=L（t），其中，L0，L1和L3为该关系中的常数。

在对目标参数进行处理时，还可以包括：

根据所述电池的容量保持率和循环次数，生成第二曲线。

电池的一个完整的充放电过程被称为其电量的一次循环，循环次数不同其电量的容量保持率是不一样的。例如，参见表1为电池循环次数和容量保持率数据表，电池的循环次数为10次，其容量保持率为99.87%；电池的循环次数为400次，其容量保持率为92.53%；电池的循环次数为1000次，其容量保持率为80.54%。，并且基于该数据可以生成第二曲线，参见图2。因此，电池的容量保持率和循环次数也可以用来预测电池的循环寿命。

表1

循环次数	容量保持率
		10	99.87%
20	99.75%
		30	99.29%
50	99.04%
		100	98.18%
200	95.68%
		300	94.12%
400	92.53%
		500	91.01%
600	86.98%
		800	83.29%
1000	80.54%

基于上述实施例，基于获取的拟合参数，预测所述电池当下和/或未来性能，并执行第一处理，可以包括：

将所获取的拟合参数与所述循环次数进行拟合，得到第三曲线；

将拟合参数与循环次数进行数据拟合，生成拟合曲线记为第三曲线。可以结合第二曲线中的容量保持率和循环次数，以及第三曲线中读取获得的拟合参数，并集合预定条件，对电池当下和/或未来性能进行预测，基于预测结果执行第一处理。

需要说明的值，在本申请实施例中生成曲线并进行数据拟合的方式只是本申请的实施方式之一，除了上述的拟合外还可以基于预定参数模型和目标参数进行数据趋势分析，可以得到趋势模型，或者利用梳理统计中的回归分析都可以得到处理结果，本申请不做一一赘述。

在本发明实施例中的拟合参数可以包括第一参数L0、第二参数L1和第三参数L3，其中，第一参数L0表征电池的静置后的静态开路电位，第二参数L1表征电池在第一条件下的电位，第三参数L3表征电池在第二条件下的电位。

通过对预定参数模型的创建过程中对电池性能参数数据的处理中发现，对于电池循环过程中，随着电芯的老化，电池的液相传质和固相扩散多会变差。溶液中的物质传递通常被称为液相传质。在电极和/或溶液界面，液相传质是通过扩散、电迁移和对流来完成的。固相扩散是当外界提供能量时，固体中的原子或分子偏移平衡位置的周期性振动，作或长或短的迁移现象。因此，第二参数L1可以为液相传质静态开路电位参数，第三参数L3可以为固态扩散液相开路电位。

而目标参数的确定是基于预定参数模型实现的。因为在预定参数模型的创建过程是基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型。基于前期的大量数据的观测、分析和处理可以发现哪些数据能够更好的表征电池循环寿命的性能，因此可以基于该预定参数模型，确定检测电池的哪些参数即获得目标参数，然后再基于该预定参数模型对这些参数进行处理，处理方式包括但不局限于数据拟合、分析、比对、验证等。进而上述列举的三个参数只是本发明实施例中的一种参数，还可以为根据预定模型前期对性能数据的处理中发现的能够表征电池性能的其他参数，例如影响电池性能的温度参数、充放电电压和电流参数等等，在此不做一一赘述。

在本发明实施例中基于所获取的拟合参数，预测所述电池当下和/或未来性能，并执行第一处理，包括：

基于所获取的拟合参数，预测所述电池当下和/或未来性能，获得预测结果；

若所述预测结果满足预定条件，至少执行干预处理。

在基于所获取的拟合参数得到预测结果后，会进行判断该预测结果是否满足预定条件，而该预定条件是基于要考量的电池性能进行设定的。例如考量电池的异常衰减，则该预定条件为满足电池电量异常衰减的条件；若考量电池的温度性能，则该预定条件为满足电池温度性能的条件。

对满足预定条件的电池执行干预处理，因为预定条件满足了电池性能参数处于需要处理的条件，则需要对该电池执行干预处理，保证电池的性能处于较为优良的状态。而该干预处理对应不同的电池性能则处理方式不同，例如，对应的预测结果满足电池处于异常衰减的条件，则干预处理可以为对电池的循环寿命进行干预的处理，比如，降低充电电压，或者启动预设的寿命模型根据该寿命模型指导该电池的电量使用和充放电过程。

在本发明实施例中还包括：若预测结果满足预定条件，执行干预处理和/或预警处理，其中，所述执行干预处理，包括：

获取电池满足预定循环条件时的循环次数；

在预测结果满足预定条件时，除了执行干预处理外，还可以执行预警处理，即使得电池的使用者或者检测人员能够通过该预警处理获知当前和/或未来电池的性能。

在获取到电池满足预定循环条件时的循环次数时，在该电池到达该循环次数之前执行干预处理，以保证该电池的后续的循环性能得到改善。可以根据预测得到的电池性能，分别在该电池不同的循环次数时引入不同的干预处理，也可以设置一个干预处理模型基于该干预处理模型根据获得的预测结果自动执行干预处理。例如，得到的预测结果表征电池存在异常衰减，则会基于预设的循环寿命干预模型对该电池进行处理。在循环次数在150次时，会自动开启第一模式，即在循环次数在150次时，将电压降低0.05V。当循环次数到达400次时启动第二模式，进一步降低电压0.05V，经过第一模式和第二模式的处理后该电池的电压将比其预期设计电压低0.1V。

当然，电池电芯的特性不同，则对应执行的干预处理会有所不同，需要根据实际电芯的使用环境和场景执行对应的处理方式。

若该电池是电子设备中使用的电池，则还在执行第一处理之前还可以分析用户对该电子设备的使用习惯，确定有可能造成影响电池性能的原因，分析得到具体的电池保养计算，例如优化充放电方式、改善电子设备的使用环境等，此时执行第一处理时可以将这些信息生成提示信息，使得用户可以根据该提示信息改变对电池的使用习惯，提高电池的寿命。

本申请提供的处理方法也可以用于与电池实验室对各种电池的循环预测，例如，可以比较若干家电芯生产厂家的相同尺寸电芯，一种有较多数据的电芯作为基准，即根据观测该电芯使用过程或者模拟使用过程中的功能性参数，基于这些功能性参数创建参数模型或者直接选取出具有代表性的参数作为基准参数，然后检测获得其他非基准电芯的参数，将二者的参数进行比较，就可以预测另一个或几个电芯的循环数据。

应用本申请提供的处理方法还可以应用在电池出厂前的各个性能测试中，例如安全测试。那么在前期生成预定参数模型时，就主要采集电池安全性能方面的数据，例如电池的温度系数、电池中的电解液的燃点、沸点或者其电极材料的导电性和耐腐蚀性能参数能，基于电池在使用过程中的这些数据可以对电池的安全性进行预测，从而指导该类电池的研发和生产。

可以将该处理方法应用在电子设备中，这样可以利用该处理方法实时预测该电子设备中的电池的性能，并基于记录该电子设备的使用环境的环境参数、电子设备的使用时间参数，这样预定参数模型生成过程中使用的电池性能参数还可以结合该电子设备的相关性能参数综合进行数据处理，这样可以使得预定参数模型在对检测到的电池相关参数的处理上更为准确，同时由于记录电子设备的各个使用相关参数，可以在检测出电池性能出现异常时，结合该电子设备进行处理，使得电池的性能得到改善。例如，提示关闭某些耗电程序，或者提示用户及时充放电等。这样可以在电池使用过程中进行实时预测，在电池性能还没有出现异常变化时，就可以及时获得该电池当下或者未来的性能预测结果，可以提前获知该电池的性能，使得用户可以有防范措施。

针对具体的应用场景，例如预测电池是否出现异常衰减或跳水现象，参见图3，本发明实施例提供的一种对锂电池循环寿命预测和改善的方法，包括：

S21、对电池进行充电，使得电池达到满充状态；

S22、在无电流作用在该电池的情况下，静置该电池5到10分钟；

S23、检测电池得到目标参数，并基于参数模型处理该目标参数。

本实施例中以两个电芯为例，OCV1和OCV2分别表示电芯C1和电芯C2的电压，则两个电芯的OCV分别为：

OCV1=L1（t），可以得到参数L0＿1，L1＿1，L3＿1；

OCV2=L2（t），可以得到参数L0＿2，L1＿2，L3＿2。

S24、在每次循环时比较电芯的容量保持率、第一参数L0、第二参数L1和第三参数L3。

实时记录两个电芯的容量保持率（Capacity Retention，C.R.）和循环次数N的关系，并对L0、L1和L3与循环次数N做曲线拟合。

S25、在每次循环中，当满足如下三个条件时：

（1）C.R. ＿1- C.R. ＿2<0

（2）L0＿1- L0＿2<0

（3）L1＿1- L1＿2>0或者L3＿1- L3＿2>0

若满足，则需判断循环次数N是否小于正常衰减的循环次数N1，如果是，则执行S26，如果否，则执行S27；

S26、当从某一个循环开始满足上述S25的条件，并且这个趋势一直延续，可以用如下函数来判定：

（1）d(C.R. ＿1- C.R. ＿2)/dN<0

（2）d(L0＿1- L0＿2) /dN <0

（3）d(L1＿1- L1＿2) /dN >0或者d(L3＿1- L3＿2) /dN >0

S27、电池本体衰减，即由于使用时间和循环次数电池产生了正常的衰减。

S28、若满足S26中的条件，则证明电芯出现了异常衰减，执行S29；

S29、引入寿命模型对该电池的循环进行干预。

通过本实施例可以在电池的通常状态下检测得到对应参数，基于预设参数模型进行处理，通过与预定条件比较，可以判断出该电池是否出现了异常衰减，该方法可以不基于电池出现衰减后才去检测电池性能，使得对电池的预测更加准确，并且可以及时引入干预模型改善电池的循环性能。

在本发明实施例中还提供了一种处理装置，参见图4，包括：

检测单元101，用于检测获得关于电池的目标参数；

处理单元102，用于基于预定参数模型，处理所述目标参数，以得到拟合参数，所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；

执行单元103，用于基于所获取的拟合参数，预测所述电池当下和/或未来性能，并执行第一处理。

在本发明实施例中还提供了一种电子设备，参见图5，包括：电池10和处理器20，其中，

所述处理器20，用于检测获得关于所述电池的目标参数；基于预定参数模型，处理所述目标参数，以得到拟合参数，所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；基于所获取的拟合参数，预测所述电池当下和/或未来性能，并执行第一处理。

在本申请提供的一种处理装置和电子设备，通过检测获得关于电池的目标参数，基于预定参数模型对该目标参数进行处理，而该模型是根据电池在使用过程中的性能参数处理获得的，这些性能参数可以表征电池各个性能，因此可以基于该模型预测电池当下和/或未来性能，进而可以快速准确地对电池性能进行预测，从而对电池进行相应处理保证提前改善其性能。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

另外，还需要说明的是，关于上述各实施例中，诸如第一、第二等之类的关系术语仅仅用来将一个操作、单元或模块与另一个操作、单元或模块区分开来，而不一定要求或者暗示这些单元、操作或模块之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者系统中还存在另外的相同要素。

以上所述仅是本申请的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims

1.一种处理方法，其特征在于，包括：

检测获得关于电池的两个电芯的目标参数，所述目标参数包括静态开路电压；

基于预定参数模型，处理所述目标参数，包括：确定每个电芯的记录时间，确定与所述记录时间对应的静态开路电压，基于所述记录时间和所述静态开路电压，生成每个电芯对应的第一曲线，根据所述第一曲线获得电芯对应的拟合参数；所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；

根据所述电池的每个电芯的容量保持率和循环次数，生成每个电芯对应的第二曲线；

将所获取的每个电芯对应的拟合参数与所述循环次数进行拟合，得到每个电芯对应的第三曲线；

基于各个电芯对应的第二曲线和第三曲线，预测所述电池当下和/或未来性能，并执行第一处理；

所述基于各个电芯的第二曲线和第三曲线，预测所述电池当下和/或未来性能，包括：

在每次循环中，比较所述两个电芯的容量保持率、第一拟合参数、第二拟合参数和第三拟合参数的大小，当所述两个电芯的容量保持率的比较结果与所述两个电芯的第一拟合参数的比较结果一致，记为第一比较结果；判断所述两个电芯的第二拟合参数的比较结果或者所述两个电芯的第三拟合参数的比较结果是否与所述第一比较结果相反，得到第一判断结果；

若所述第一判断结果为是，且当前的循环次数小于所述电池正常衰减的循环次数，判断所述两个电芯是否持续得到所述第一判断结果，得到第二判断结果；

若所述第二判断结果为是，确定所述电池出现了异常衰减。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第二曲线和所述第三曲线，预测所述电池当下和/或未来性能，并执行第一处理，包括：

基于所述第二曲线和所述第三曲线，预测所述电池当下和/或未来性能，获得预测结果；

若所述预测结果为所述电池出现了异常衰减，至少执行干预处理。

3.根据权利要求2所述的方法，其特征在于，所述若所述预测结果为所述电池出现了异常衰减，至少执行干预处理，包括：

若所述预测结果为所述电池出现了异常衰减，执行干预处理和/或预警处理，其中，所述执行干预处理，包括：

获取电池满足预定条件时的循环次数；

在所述电池正常循环达到所述电池满足预定条件时的循环次数之前，对所述电池执行干预处理。

4.一种处理装置，其特征在于，包括：

检测单元，用于检测获得关于电池的两个电芯的目标参数，所述目标参数包括静态开路电压；

处理单元，用于基于预定参数模型，处理所述目标参数，包括：确定每个电芯的记录时间，确定与所述记录时间对应的静态开路电压；基于所述记录时间和所述静态开路电压，生成每个电芯对应的第一曲线，根据所述第一曲线获得电芯对应的拟合参数；所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；

执行单元，用于根据所述电池的每个电芯的容量保持率和循环次数，生成每个电芯对应的第二曲线；将所获取的每个电芯对应的拟合参数与所述循环次数进行拟合，得到每个电芯对应的第三曲线；基于各个电芯对应的第二曲线和第三曲线，预测所述电池当下和/或未来性能，并执行第一处理；其中，所述基于各个电芯的第二曲线和第三曲线，预测所述电池当下和/或未来性能，包括：在每次循环中，比较所述两个电芯的容量保持率、第一拟合参数、第二拟合参数和第三拟合参数的大小，当所述两个电芯的容量保持率的比较结果与所述两个电芯的第一拟合参数的比较结果一致，记为第一比较结果；判断所述两个电芯的第二拟合参数的比较结果或者所述两个电芯的第三拟合参数的比较结果是否与所述第一比较结果相反，得到第一判断结果；若所述第一判断结果为是，且当前的循环次数小于所述电池正常衰减的循环次数，判断所述两个电芯是否持续得到所述第一判断结果，得到第二判断结果；若所述第二判断结果为是，确定所述电池出现了异常衰减。

5.一种电子设备，其特征在于，包括：电池和处理器，其中，

所述处理器，用于检测获得关于所述电池的两个电芯的目标参数，所述目标参数包括静态开路电压；基于预定参数模型，处理所述目标参数，包括：确定每个电芯的记录时间，确定与所述记录时间对应的静态开路电压；基于所述记录时间和所述静态开路电压，生成每个电芯对应的第一曲线，根据所述第一曲线获得电芯对应的拟合参数；所述预定参数模型为基于多次观测电池在使用过程中的性能参数数据处理获得的电池电化学性质模型；根据所述电池的每个电芯的容量保持率和循环次数，生成每个电芯对应的第二曲线；将所获取的每个电芯对应的拟合参数与所述循环次数进行拟合，得到每个电芯对应的第三曲线；基于各个电芯对应的第二曲线和第三曲线，预测所述电池当下和/或未来性能，并执行第一处理；其中，所述基于各个电芯的第二曲线和第三曲线，预测所述电池当下和/或未来性能，包括：在每次循环中，比较所述两个电芯的容量保持率、第一拟合参数、第二拟合参数和第三拟合参数的大小，当所述两个电芯的容量保持率的比较结果与所述两个电芯的第一拟合参数的比较结果一致，记为第一比较结果；判断所述两个电芯的第二拟合参数的比较结果或者所述两个电芯的第三拟合参数的比较结果是否与所述第一比较结果相反，得到第一判断结果；若所述第一判断结果为是，且当前的循环次数小于所述电池正常衰减的循环次数，判断所述两个电芯是否持续得到所述第一判断结果，得到第二判断结果；若所述第二判断结果为是，确定所述电池出现了异常衰减。