CN113067383A - 优化用户电池充电习惯的方法、装置、电子设备和介质 - Google Patents
优化用户电池充电习惯的方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN113067383A CN113067383A CN202110347085.0A CN202110347085A CN113067383A CN 113067383 A CN113067383 A CN 113067383A CN 202110347085 A CN202110347085 A CN 202110347085A CN 113067383 A CN113067383 A CN 113067383A
- Authority
- CN
- China
- Prior art keywords
- user
- charging
- battery
- information
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000036541 health Effects 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000013500 data storage Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/005—Detection of state of health [SOH]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B40/00—Technologies aiming at improving the efficiency of home appliances, e.g. induction cooking or efficient technologies for refrigerators, freezers or dish washers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开了一种优化用户电池充电习惯的方法、装置、电子设备和存储介质。所述方法包括:获取用户电池充电数据信息;依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案。本申请能够实现将用户使用电池的情况利用海量数据存储技术以及实时大数据分析技术,对投放使用的电池进行数据收集、实时分析用户充电画像及其对电池使用寿命的影响并推荐给用户优化后的充电方案,增长电池使用寿命。
Description
技术领域
本公开一般涉及电池管理技术领域,具体涉及一种优化用户电池充电习惯的方法、装置、电子设备和介质。
背景技术
现有技术中,锂电池在寿命期内出现故障或者比出厂状态的性能降低的情况,因此大部分厂商都是通过要求和规定电池的使用方法及方式去降低电池的故障率,但是现有的降低电池损耗率的方法还不能满足用户的实际需求,而且其管理效率不高,导致电池的使用寿命比较低,没有结合用户对电池的使用习惯等方面去优化电池的使用管理。
因此,希望有一种更可靠的优化用户电池充电习惯的方法,解决现有技术中存在的问题。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种优化用户电池充电习惯的方法、装置、电子设备和存储介质,能够符合目前优化用户电池使用的具体需求。
基于本发明实施例的一个方面,本申请实施例提供了一种优化用户电池充电习惯的方法,所述方法包括:
获取用户电池充电数据信息;
依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;
依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案。
在一个实施例中,所述获取用户电池充电数据信息,包括:
BMS系统实时监测用户电池状态信息及充电信息;
在BMS系统上加装通讯模块;
依据所述通讯模块,接收所述BMS系统的用户电池充电数据。
在一个实施例中,所述用户电池充电数据信息包括:
电池充电时的电池剩余电量信息;
电池充电时的充电时长信息;
电池充电的充电时段信息;
电池充电前的电池使用时长信息;
电池充电的充电功率参数信息。
在一个实施例中,所述依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息,包括:
依据用户电池充电数据,进行极值归一化处理,将归一化后的数据进行聚类,获取不同类别的用户电池充电数据标签;
依据所述用户电池充电数据标签,将获取的用户电池充电数据进行合并,作为训练输入数据;
构建SVR预测模型,根据所述不同类别的用户电池充电数据标签,分别根据不同类别训练SVR预测模型;
将所述训练输入数据构建虚拟变量,并进行矩阵化;
将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型,得到预测结果;
根据所述预测结果得到用户电池充电习惯、电池健康程度信息。
在一个实施例中,所述将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型,得到预测结果,包括:
将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型后,SVR预测模型的两层卷积层与两层全连接层进行卷积运算;
按照设定次数进行SVR预测模型的训练,得到预测结果。
在一个实施例中,所述依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案,包括:
依据所述用户充电习惯、电池健康程度信息,构建用户充电习惯模型;
依据用户充电习惯模型,分析在不同条件下的用户充电最优方案;
将所述不同条件下的用户充电最优方案推荐给用户。
在一个实施例中,所述用户充电最优方案包括:
电池充电时,最佳剩余电量;
电池充电时,最佳充电时长;
电池充电时,最佳充电功率;
在当前剩余电量情况下,电池充电的最佳充电速度;
在当前剩余电量请款下,电池最佳消耗参数。
基于本发明实施例的另一个方面,公开一种优化用户电池充电习惯的装置,所述装置包括:
获取模块,用于获取用户电池充电数据信息,依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;
推荐模块,用于依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案。
基于本发明实施例的又一个方面,公开一种电子设备,所述电子设备包括一个或者多个处理器和存储器,存储器,用于存储一个或多个程序;当所述一个或多个程序被所述处理器执行时,使得所述处理器实现本发明各实施例提供的优化用户电池充电习惯的方法。
基于本发明实施例的又一个方面,公开一种存储有计算机程序的计算机可读存储介质,该计算机程序被执行时实现本发明各实施例提供的优化用户电池充电习惯的方法。
在本申请实施例中,通过获取用户电池充电数据信息;依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案,能够实现将用户使用电池的情况利用海量数据存储技术以及实时大数据分析技术,对投放使用的电池进行数据收集、实时分析用户充电画像及其对电池使用寿命的影响并推荐给用户优化后的充电方案,增长电池使用寿命。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请一个实施例提供的优化用户电池充电习惯的方法的一个示例性流程图;
图2是本申请一个实施例提供的优化用户电池充电习惯的装置的结构示意图;
图3为一个实施例中电子设备的内部结构图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,其示出了可以应用本申请实施例的优化用户电池充电习惯的方法的示例性流程。
如图1所示,所述优化用户电池充电习惯的方法包括:
在步骤110中,获取用户电池充电数据信息;
具体的,用户电池的充电数据一般是通过获取电池BMS系统中关于电池充电的数据,比如,在每次电池充电时的电池剩余电量,电池充电时长,充电后电池电量,电池的充电功率,以及电池充电的温度变化等,这些数据可以反应电池的充电情况,以及用户每次充电的习惯偏好等。
具体的,在本申请的一个实施例中,所述获取用户电池充电数据信息,包括:
BMS系统实时监测用户电池状态信息及充电信息;BMS系统是专门用于管理电池的电池管理系统,主要就是为了智能化管理及维护各个电池单元,防止电池出现过充电和过放电,延长电池的使用寿命,监控电池的状态,用于实现电池端电压的测量、单体电池间的能量均衡、电池组总电压测量、电池组总电流测量、电池剩余电量、动态监测动力电池组的工作状态、实时数据显示、数据记录及分析、通讯组网功能。
在BMS系统上加装通讯模块;具体的,在实际的运用中,由于BMS系统一般只用于获取电池的参数信息,通过一些数据通信连线发送至相应的处理器模块,并不能直接发送到手机或者远程控制模块,因此,需要在BMS系统上加装通讯模块,通过通讯模块直接将电池充电数据发送至远端控制模块,比如后台云服务器。在本申请的实施例中,通讯模块采用的是无线蓝牙通讯模块,也可以是红外通讯模块,也可以加装WiFi通讯模块或者4G通讯模块、5G通讯模块等。
依据所述通讯模块,接收所述BMS系统的用户电池充电数据。具体的,在后台云服务器与BMS系统建立通讯连接之后,后台云服务器即可获取用户电池的充电数据信息。
具体的,在本申请的一个实施例中,所述用户电池充电数据信息包括:
电池充电时的电池剩余电量信息;用于记录在每一次电池充电时,获取的电池剩余的电量信息;
电池充电时的充电时长信息;用于记录在每一次充电时,电池充电的时间长度;
电池充电的充电时段信息;用于记录在每一次充电时,电池充电的具体时间,比如,每次充电开始的具体时间;
电池充电前的电池使用时长信息;用于记录每一次充电的时间长度;
电池充电的充电功率参数信息;用于记录每一次充电的充电器输出参数,包括充电的电压、电流、温度等参数。
在步骤120中,依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息。
具体的,在获取了用户的电池充电数据以后,即可通过电池的充电数据来获取用户的充电习惯,以及电池健康程度信息,比如,通过获取用户电池充电时的电池剩余电量信息,可以获取用户设定的剩余电量阈值,也就是一旦电池剩余电量到达一定程度,就可以判断用户会选择进行充电;比如,通过获取用户电池充电时的充电时长信息,可以获取用户的充电时间长度习惯,可以了解用户的工作、生活情况,就可以判断在用户充电时一般会多长时间就需要拔掉充电器;比如,电池充电的充电时段信息,可以获取用户的生活习惯,判断到了一定时段用户即开始进行充电;比如,获取用户的电池充电前的电池使用时长信息,可以判断用户在完成依次充电以后,电池的使用状况,判断电池的健康程度;比如,获取用户的电池充电的充电功率参数信息,可以获取用户平常以何种参数进行充电,判断电池的健康状况。
具体的,在本申请的一个实施例中,后台云服务器通过对获取的用户电池充电数据信息进行大数据统计分析,通过SVR算法深层处理后去获取用户充电习惯和电池健康程度,包括:
依据用户电池充电数据,进行极值归一化处理,将归一化后的数据进行聚类,获取不同类别的用户电池充电数据标签;
依据所述用户电池充电数据标签,将获取的用户电池充电数据进行合并,作为训练输入数据;
构建SVR预测模型,根据所述不同类别的用户电池充电数据标签,分别根据不同类别训练SVR预测模型;
将所述训练输入数据构建虚拟变量,并进行矩阵化;
将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型,得到预测结果;
根据所述预测结果得到用户电池充电习惯、电池健康程度信息。
具体的,在本申请的一个实施例中,所述依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息,包括:
在一个实施例中,所述将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型,得到预测结果,包括:
将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型后,SVR预测模型的两层卷积层与两层全连接层进行卷积运算;
按照设定次数进行SVR预测模型的训练,得到预测结果。
在步骤130中,依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案。
具体的,在本申请的一个实施例中,所述依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案,包括:
依据所述用户充电习惯、电池健康程度信息,构建用户充电习惯模型;
依据用户充电习惯模型,分析在不同条件下的用户充电最优方案;
将所述不同条件下的用户充电最优方案推荐给用户。
所述用户充电最优方案包括:电池充电时,最佳剩余电量;电池充电时,最佳充电时长;电池充电时,最佳充电功率;在当前剩余电量情况下,电池充电的最佳充电速度;在当前剩余电量请款下,电池最佳消耗参数。
在本申请实施例中,通过获取用户电池充电数据信息;依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案,能够实现将用户使用电池的情况利用海量数据存储技术以及实时大数据分析技术,对投放使用的电池进行数据收集、实时分析用户充电画像及其对电池使用寿命的影响并推荐给用户优化后的充电方案,增长电池使用寿命。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图2是本申请一个实施例提供的优化用户电池充电习惯的装置的结构示意图,如图2所示,所述优化用户电池充电习惯的装置包括:获取模块、推荐模块;
获取模块,用于获取用户电池充电数据信息,依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;
推荐模块,用于依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案。
在一个具体的实施例中,本申请的获取模块用于获取BMS系统实时监测用户电池状态信息及充电信息;在BMS系统上加装通讯模块;依据所述通讯模块,接收所述BMS系统的用户电池充电数据。
在一个具体的实施例中,本申请的推荐模块用于依据用户电池充电数据,进行极值归一化处理,将归一化后的数据进行聚类,获取不同类别的用户电池充电数据标签;依据所述用户电池充电数据标签,将获取的用户电池充电数据进行合并,作为训练输入数据;构建SVR预测模型,根据所述不同类别的用户电池充电数据标签,分别根据不同类别训练SVR预测模型;将所述训练输入数据构建虚拟变量,并进行矩阵化;将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型,得到预测结果;根据所述预测结果得到用户电池充电习惯、电池健康程度信息。
在一个具体的实施例中,本申请的推荐模块用于将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型后,SVR预测模型的两层卷积层与两层全连接层进行卷积运算;按照设定次数进行SVR预测模型的训练,得到预测结果。
在一个具体的实施例中,本申请的推荐模块用于依据所述用户充电习惯、电池健康程度信息,构建用户充电习惯模型;依据用户充电习惯模型,分析在不同条件下的用户充电最优方案;将所述不同条件下的用户充电最优方案推荐给用户。
在本申请实施例中,通过获取模块获取用户电池充电数据信息;依据所述用户电池充电数据信息,通过推荐模块获取用户电池充电习惯、电池健康程度信息;依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案,能够实现将用户使用电池的情况利用海量数据存储技术以及实时大数据分析技术,对投放使用的电池进行数据收集、实时分析用户充电画像及其对电池使用寿命的影响并推荐给用户优化后的充电方案,增长电池使用寿命。
关于优化用户电池充电习惯的装置的具体限定可以参见上文中对于优化用户电池充电习惯的方法的限定,在此不再赘述。上述优化用户电池充电习惯的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种电子设备,该电子设备内部结构图可以如图3所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种优化用户电池充电习惯的方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的优化用户电池充电习惯的装置可以实现为一种计算机程序的形式,计算机程序可在如图3所示的电子设备上运行。电子设备的存储器中可存储组成该优化用户电池充电习惯的装置的各个程序模块,比如,图2所示的获取模块、推荐模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的优化用户电池充电习惯的方法中的步骤。
在一个具体的实施例中,本申请的处理器在执行一个或多个程序时,用于获取用户电池充电数据信息;依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案。
在一个具体的实施例中,本申请的处理器在执行一个或多个程序时,用于获取BMS系统实时监测用户电池状态信息及充电信息;在BMS系统上加装通讯模块;依据所述通讯模块,接收所述BMS系统的用户电池充电数据。
在一个具体的实施例中,本申请的处理器在执行一个或多个程序时,用于依据用户电池充电数据,进行极值归一化处理,将归一化后的数据进行聚类,获取不同类别的用户电池充电数据标签;依据所述用户电池充电数据标签,将获取的用户电池充电数据进行合并,作为训练输入数据;构建SVR预测模型,根据所述不同类别的用户电池充电数据标签,分别根据不同类别训练SVR预测模型;将所述训练输入数据构建虚拟变量,并进行矩阵化;将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型,得到预测结果;根据所述预测结果得到用户电池充电习惯、电池健康程度信息。
在一个具体的实施例中,本申请的处理器在执行一个或多个程序时,用于将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型后,SVR预测模型的两层卷积层与两层全连接层进行卷积运算;按照设定次数进行SVR预测模型的训练,得到预测结果。
在一个具体的实施例中,本申请的处理器在执行一个或多个程序时,用于依据所述用户充电习惯、电池健康程度信息,构建用户充电习惯模型;依据用户充电习惯模型,分析在不同条件下的用户充电最优方案;将所述不同条件下的用户充电最优方案推荐给用户
特别地,根据本公开的实施例,上述任一实施例描述的优化用户电池充电习惯的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行优化用户电池充电习惯的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。
所述一个或多个程序被存储在只读存储器ROM中的程序或者随机访问存储器RAM中的程序而执行各种适当的动作和处理。在随机访问存储器RAM中,包括服务器完成相应业务的软件程序,还包括车辆驾驶操作所需的各种程序和数据。服务器与其被控制的硬件设备、只读存储器ROM、随机访问存储器RAM通过总线彼此相连,各种输入/输出接口也连接至总线。
以下部件连接至输入/输出接口:包括键盘、鼠标等的输入部分;包括诸如阴极射线管CRT、液晶显示器LCD等以及扬声器等的输出部分;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至输入/输出接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储器。
特别地,根据本公开的实施例,上述任一实施例描述的优化用户电池充电习惯的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行优化用户电池充电习惯的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种优化用户电池充电习惯的方法,其特征在于,所述方法包括:
获取用户电池充电数据信息;
依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;
依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案。
2.根据权利要求1所述的方法,其特征在于,所述获取用户电池充电数据信息,包括:
BMS系统实时监测用户电池状态信息及充电信息;
在BMS系统上加装通讯模块;
依据所述通讯模块,接收所述BMS系统的用户电池充电数据。
3.根据权利要求2所述的方法,其特征在于,所述用户电池充电数据信息包括:
电池充电时的电池剩余电量信息;
电池充电时的充电时长信息;
电池充电的充电时段信息;
电池充电前的电池使用时长信息;
电池充电的充电功率参数信息。
4.根据权利要求1所述的方法,其特征在于,所述依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息,包括:
依据用户电池充电数据,进行极值归一化处理,将归一化后的数据进行聚类,获取不同类别的用户电池充电数据标签;
依据所述用户电池充电数据标签,将获取的用户电池充电数据进行合并,作为训练输入数据;
构建SVR预测模型,根据所述不同类别的用户电池充电数据标签,分别根据不同类别训练SVR预测模型;
将所述训练输入数据构建虚拟变量,并进行矩阵化;
将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型,得到预测结果;
根据所述预测结果得到用户电池充电习惯、电池健康程度信息。
5.根据权利要求4所述的方法,其特征在于,所述将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型,得到预测结果,包括:
将所述矩阵化后的训练输入数据按照不同类别分别输入对应的SVR预测模型后,SVR预测模型的两层卷积层与两层全连接层进行卷积运算;
按照设定次数进行SVR预测模型的训练,得到预测结果。
6.根据权利要求1所述的方法,其特征在于,所述依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案,包括:
依据所述用户充电习惯、电池健康程度信息,构建用户充电习惯模型;
依据用户充电习惯模型,分析在不同条件下的用户充电最优方案;
将所述不同条件下的用户充电最优方案推荐给用户。
7.根据权利要求6所述的方法,其特征在于,所述用户充电最优方案包括:
电池充电时,最佳剩余电量;
电池充电时,最佳充电时长;
电池充电时,最佳充电功率;
在当前剩余电量情况下,电池充电的最佳充电速度;
在当前剩余电量请款下,电池最佳消耗参数。
8.一种优化用户电池充电习惯的装置,其特征在于,所述装置包括:
获取模块,用于获取用户电池充电数据信息,依据所述用户电池充电数据信息,获取用户电池充电习惯、电池健康程度信息;
推荐模块,用于依据所述用户电池充电习惯、电池健康程度信息,优化用户充电习惯,自动推荐用户充电方案。
9.一种电子设备,其特征在于,所述设备包括一个或者多个处理器和存储器,存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述处理器执行时,使得所述处理器实现如权利要求1至7中任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,该计算机程序被执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110347085.0A CN113067383B (zh) | 2021-03-31 | 2021-03-31 | 优化用户电池充电习惯的方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110347085.0A CN113067383B (zh) | 2021-03-31 | 2021-03-31 | 优化用户电池充电习惯的方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113067383A true CN113067383A (zh) | 2021-07-02 |
CN113067383B CN113067383B (zh) | 2024-01-02 |
Family
ID=76564989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110347085.0A Active CN113067383B (zh) | 2021-03-31 | 2021-03-31 | 优化用户电池充电习惯的方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113067383B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116160878A (zh) * | 2023-04-25 | 2023-05-26 | 浙江新诺力电源科技有限公司 | 一种换电控制系统及方法、计算机可读介质及电子设备 |
CN117277519A (zh) * | 2023-11-21 | 2023-12-22 | 深圳鹏城新能科技有限公司 | 一种储能逆变器电池过充保护方法、系统及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160064960A1 (en) * | 2014-09-02 | 2016-03-03 | Apple Inc. | User-behavior-driven battery charging |
US20180090941A1 (en) * | 2016-09-26 | 2018-03-29 | Samsung Electronics Co., Ltd. | Apparatus and method for battery management |
US20180321730A1 (en) * | 2017-05-04 | 2018-11-08 | Samsung Electronics Co., Ltd. | Methods for adaptive battery charging and electronic device thereof |
CN109633448A (zh) * | 2018-11-19 | 2019-04-16 | 深圳智链物联科技有限公司 | 识别电池健康状态的方法、装置和终端设备 |
CN110110915A (zh) * | 2019-04-28 | 2019-08-09 | 上海电力学院 | 一种基于cnn-svr模型的负荷集成预测方法 |
US20190267814A1 (en) * | 2018-02-23 | 2019-08-29 | Asustek Computer Inc. | Electronic apparatus, charging method, and non-transitory computer readable recording medium |
CN110364776A (zh) * | 2019-06-26 | 2019-10-22 | 上海商米科技集团股份有限公司 | 一种锂电池智能充电管理方法及其装置 |
CN110676905A (zh) * | 2019-10-12 | 2020-01-10 | 南昌黑鲨科技有限公司 | 电池充电管理方法、系统、智能终端及计算机可读存储介质 |
-
2021
- 2021-03-31 CN CN202110347085.0A patent/CN113067383B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160064960A1 (en) * | 2014-09-02 | 2016-03-03 | Apple Inc. | User-behavior-driven battery charging |
US20180090941A1 (en) * | 2016-09-26 | 2018-03-29 | Samsung Electronics Co., Ltd. | Apparatus and method for battery management |
US20180321730A1 (en) * | 2017-05-04 | 2018-11-08 | Samsung Electronics Co., Ltd. | Methods for adaptive battery charging and electronic device thereof |
US20190267814A1 (en) * | 2018-02-23 | 2019-08-29 | Asustek Computer Inc. | Electronic apparatus, charging method, and non-transitory computer readable recording medium |
CN109633448A (zh) * | 2018-11-19 | 2019-04-16 | 深圳智链物联科技有限公司 | 识别电池健康状态的方法、装置和终端设备 |
CN110110915A (zh) * | 2019-04-28 | 2019-08-09 | 上海电力学院 | 一种基于cnn-svr模型的负荷集成预测方法 |
CN110364776A (zh) * | 2019-06-26 | 2019-10-22 | 上海商米科技集团股份有限公司 | 一种锂电池智能充电管理方法及其装置 |
CN110676905A (zh) * | 2019-10-12 | 2020-01-10 | 南昌黑鲨科技有限公司 | 电池充电管理方法、系统、智能终端及计算机可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116160878A (zh) * | 2023-04-25 | 2023-05-26 | 浙江新诺力电源科技有限公司 | 一种换电控制系统及方法、计算机可读介质及电子设备 |
CN117277519A (zh) * | 2023-11-21 | 2023-12-22 | 深圳鹏城新能科技有限公司 | 一种储能逆变器电池过充保护方法、系统及介质 |
CN117277519B (zh) * | 2023-11-21 | 2024-02-02 | 深圳鹏城新能科技有限公司 | 一种储能逆变器电池过充保护方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113067383B (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105656111B (zh) | 智能充电器及其充电方法、移动电源 | |
CN113067383B (zh) | 优化用户电池充电习惯的方法、装置、电子设备和介质 | |
CN102098392B (zh) | 一种便携式终端的节能装置和方法 | |
CN104375090B (zh) | 一种充电锂电池剩余电量远程监测方法 | |
US11690018B2 (en) | Systems and methods for power consumption management | |
CN108131781A (zh) | 一种基于智能空调可视化电能控制方法、系统及存储介质 | |
TW201623995A (zh) | 一種兼具電池預診及充電模式自適調制之系統及方法 | |
CN102439781A (zh) | 用于监视和控制能源系统的系统和方法 | |
CN112633573B (zh) | 活跃状态的预测方法以及活跃度阈值的确定方法 | |
CN109934512A (zh) | 一种预测模型的训练方法及系统 | |
CN107113730A (zh) | 能量高效的无线数据传递 | |
WO2009002171A1 (en) | Method and system for predicting the power consumption of a mobile terminal | |
CN104468257A (zh) | 基于移动用户时空行为的云应用可用性预测方法与系统 | |
CN115765085A (zh) | 一种动力电池的过充放电阈值控制方法及装置 | |
CN104954528B (zh) | 终端设备的耗电信息的检测方法和装置 | |
CN117317408A (zh) | 基于大数据和人工智能的电池及热量优化管理方法 | |
CN115610252A (zh) | 一种车辆电池热管理启用方法、装置、设备及存储介质 | |
CN115489356A (zh) | 一种汽车电池充电方法、装置和计算机设备 | |
CN113783707A (zh) | 基于智能网关的传感器供电方法、装置和计算机设备 | |
CN114222978A (zh) | 耗电信息的处理方法、装置、电子设备及存储介质 | |
CN108183952A (zh) | 一种基于云平台的应用耗电分析方法、设备及存储介质 | |
KR101747113B1 (ko) | 클라우드 컴퓨팅 실행 방법 | |
CN110649679B (zh) | 终端温度的控制方法、装置、设备以及存储介质 | |
CN105426400A (zh) | 用户匹配度的判断方法和装置 | |
WO2017143545A1 (zh) | 智能充电器及其充电方法、移动电源 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |