CN114325400B - 电池剩余寿命的确定方法、装置、电子设备及存储介质 - Google Patents
电池剩余寿命的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114325400B CN114325400B CN202111406591.9A CN202111406591A CN114325400B CN 114325400 B CN114325400 B CN 114325400B CN 202111406591 A CN202111406591 A CN 202111406591A CN 114325400 B CN114325400 B CN 114325400B
- Authority
- CN
- China
- Prior art keywords
- battery
- determining
- curve
- parameter
- state
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims description 36
- 238000005259 measurement Methods 0.000 claims description 30
- 238000002372 labelling Methods 0.000 claims description 13
- 239000002253 acid Substances 0.000 claims description 12
- 230000009194 climbing Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 3
- 238000012545 processing Methods 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本公开提供了一种电池剩余寿命的确定方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及深度学习、数据处理等人工智能技术领域。具体实现方案为：获取待测电池当前时刻的运行参数值及历史运行曲线；根据所述当前时刻的运行参数值，确定所述待测电池的状态类型；获取与所述状态类型对应的参考运行曲线；根据所述参考运行曲线与所述历史运行曲线之间的相似度，确定所述待测电池的剩余寿命。由此，通过根据待测电池的运行参数，即可确定待测电池的剩余寿命，从而不仅降低了确定蓄电池剩余寿命的难度，而且提高了确定的蓄电池剩余寿命的准确性和可靠性。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及深度学习、数据处理等人工智能技术领域，具体涉及一种电池剩余寿命的确定方法、装置、电子设备及存储介质。
背景技术
服务器的稳定运行是数据中心安全运营的零号工程，而蓄电池组作为不间断电源、高压直流等设备的备用电源，是数据中心可靠供电、进而保证服务器稳定运行的关键一环。
在数据中心的环境中，蓄电池组一般处于恒温恒湿、长期浮充的状态，虽然在一定程度上减少了反复充放电带来的损耗，但是长期浮充会引起蓄电池电池正极酸度增加，栅格加速减薄，水分损耗增加等问题，从而引起蓄电池的使用寿命难以准确判断。因此，如何准确地确定蓄电池的剩余寿命成为重点的研究方向。
发明内容
本公开提供了一种电池剩余寿命的确定方法、装置、电子设备及存储介质。
根据本公开的第一方面，提供了一种电池剩余寿命的确定方法，包括：
获取待测电池当前时刻的运行参数值及历史运行曲线；
根据所述当前时刻的运行参数，确定所述待测电池的状态类型；
获取与所述状态类型对应的参考运行曲线；
根据所述参考运行曲线与所述历史运行曲线之间的相似度，确定所述待测电池的剩余寿命。
根据本公开的第二方面，提供了一种电池剩余寿命的确定装置，包括：
第一确定单元，用于根据所述待测电池所属的电池类型，确定所述待测电池对应的基准参数，其中，所述基准参数包括基准电压及基准内阻；
第二确定单元，用于根据所述运行参数值中的电压测量值及内阻测量值、所述基准电压及所述基准内阻，确定所述待测电池当前对应的各个参考参数，其中，所述参考参数包括电压偏差值、内阻偏差值、电压方差、内阻方差；
第三确定单元，用于根据预设的参数集与状态类型的映射关系，确定与所述待测电池的所述运行参数、所述基准参数及所述参考参数对应的状态类型。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的电池剩余寿命的确定方法。
根据本公开第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面所述的电池剩余寿命的确定方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令在被处理器执行时实现如第一方面所述的电池剩余寿命的确定方法的步骤。
本公开提供的电池剩余寿命的确定方法、装置、电子设备及存储介质，存在如下有益效果：
本公开实施例中，首先获取待测电池当前时刻的运行参数值及历史运行曲线，之后根据当前时刻的运行参数值，确定待测电池的状态类型，再获取与状态类型对应的参考运行曲线，最后根据参考运行曲线与历史运行曲线之间的相似度，确定待测电池的剩余寿命。由此，通过根据待测电池的运行参数，即可确定待测电池的剩余寿命，从而不仅降低了确定蓄电池剩余寿命的难度，而且提高了确定的蓄电池剩余寿命的准确性和可靠性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开一实施例提供的一种电池剩余寿命的确定方法的流程示意图；
图2是根据本公开又一实施例提供的一种电池剩余寿命的确定方法的流程示意图；
图3是根据本公开又一实施例提供的一种电池剩余寿命的确定方法的流程示意图；
图4是根据本公开一实施例提供的一种电池剩余寿命的确定装置的结构示意图；
图5是用来实现本公开实施例的电池剩余寿命的确定方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开实施例涉及计算机视觉、深度学习等人工智能技术领域。
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
数据处理(data processing)是对数据的采集、存储、检索、加工、变换和传输。数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。
图1是根据本公开一实施例提供的一种电池剩余寿命的确定方法的流程示意图。
其中，需要说明的是，本实施例的电池剩余寿命的确定方法的执行主体为电池剩余寿命的确定装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
如图1所示，该电池剩余寿命的确定方法包括：
S101：获取待测电池当前时刻的运行参数值及历史运行曲线。
其中，运行参数值中可以包括：待测电池当前时刻对应的电压测量值、及内阻测量值。
需要说明的是，可以采用任何可取的方式确定待测电池当前时刻对应的电压测量值、及内阻测量值。比如，用电压传感器获取待测电池当前时刻对应的电压测量值、用内阻仪获取待测电池当前时刻对应的内阻测量值。或者也可以借助其他仪器或设备确定待测电池当前时刻的电压测量值、及内阻测量值等等，本公开对此不做限定。
可选的，历史运行曲线可以为待测电池当前时刻之前预设时段内，电压测量值、内阻测量值的变化曲线。其中，预设时段可以为6个月、8个月等等，本公开对此不做限定。
S102：根据当前时刻的运行参数值，确定待测电池的状态类型。
可选的，状态类型可以包括：爬酸A级、爬酸B级、漏液、低电压、高内阻、正常状态等等，本公开对此不做限定。
其中，不同状态类型对应的状态描述如表1所示。
表1
其中，第一阈值可以为，浮充状态下电池不能正常工作的电压临界值，第二阈值可以为，放电截至情况下电池不能正常工作的电压临界值。需要说明的是，第一阈值与第二阈值可以相同，也可以不同，本公开对此不做限定。
其中，第三阈值可以根据待测电池的初始内阻确定。比如，第三阈值可以为初始内阻的1.5倍等等，本公开对此不做限定。
可以理解的是，表1中的每一个元素、每一条对应关系，都是独立存在的；这些元素、对应关系被示例性的列在同一张表格中，但是并不代表表格中的所有元素、对应关系必须根据表1中所示的同时存在。其中每一个元素的值和每一对应关系，是不依赖于表1中任何其他元素值或对应关系。因此本领域内技术人员可以理解，该表1中的每一个元素的取值、每一条对应关系，各种都是一个独立的实施例。
S103：获取与状态类型对应的参考运行曲线。
其中，参考运行曲线可以为同一状态类型的电池在运行过程中对应的电压测量值、内阻测量值的典型变化曲线。
可选的，可以对同一状态类型的多个电池对应的多条运行曲线进行聚类，以获取该状态类型对应的参考运行曲线。
或者，还可以对同一状态类型的多个电池对应的多条运行曲线进行统计分析，以获取该状态类型对应的参考运行曲线。
S104：根据参考运行曲线与历史运行曲线之间的相似度，确定待测电池的剩余寿命。
可以理解的是，参考运行曲线的时间长度比历史运行曲线的时间长度长，因此可以根据待测电池的历史运行曲线，从参考运行曲线中获取与历史运行曲线相似度最高一段曲线，之后，可以根据该段曲线在参考运行曲线中的位置，确定待测电池的剩余寿命。
可以理解的是，数据中心的蓄电池的数量较多，本公开中，可以直接根据每个蓄电池的运行参数确定其状态类型及对应的参考运行曲线，进而确定其剩余寿命，从而不仅可以及时地对电池进行检测，发现电池存在的故障，提高故障检测的效率，而且可以根据确定的电池的剩余寿命，及时进行电池的更换，从而保障数据中心的安全运行，
本公开实施例中，首先获取待测电池当前时刻的运行参数值及历史运行曲线，之后根据当前时刻的运行参数值，确定待测电池的状态类型，再获取与状态类型对应的参考运行曲线，最后根据参考运行曲线与历史运行曲线之间的相似度，确定待测电池的剩余寿命。由此，通过根据待测电池的运行参数，即可确定待测电池的剩余寿命，从而不仅降低了确定蓄电池剩余寿命的难度，而且提高了确定的蓄电池剩余寿命的准确性和可靠性。
图2是根据本公开又一实施例提供的一种电池剩余寿命的确定方法的流程示意图。如图2所示，该电池剩余寿命的确定方法包括：
S201：获取待测电池当前时刻的运行参数值及历史运行曲线。
其中，步骤S201的具体实现形式，可参照本公开中其他各实施例中的详细描述，此处不再赘述。
S202：根据待测电池所属的电池类型，确定待测电池对应的基准参数，其中，基准参数包括基准电压及基准内阻。
可以理解的是，不同类型的电池在运行过程中，电压及内阻的变化情况不同。因此，可以根据待测电池所属的电池类型，确定待测电池对应的基准电压及基准内阻，进而可以根据基准电压、基准内阻，准确地判断待测电池的运行状态。
S203：根据运行参数值中的电压测量值及内阻测量值、基准电压及基准内阻，确定待测电池当前对应的各个参考参数。
其中，参考参数中可以包括电压偏差值、内阻偏差值、电压方差、内阻方差。
电压偏差值的计算公式可以为：
其中，Ev为电压偏差值，V1为电压测量值，V基为基准电压。
内阻偏差值的计算公式可以为：
其中，ER为内阻偏差值，R1为内阻测量值，R基为基准内阻。
其中，电压方差可以为电压测量值与基准电压之间的方差，内阻方差可以为内阻测量值与基准内阻之间的方差。
S204：根据预设的参数集与状态类型的映射关系，确定与待测电池的运行参数、基准参数及参考参数对应的状态类型。
其中，预设的参数集中可以包含多个样本电池对应的电压测量值、内阻测量值、基准电压、基准内阻、电压偏差值、内阻偏差值、电压方差、内阻方差。
可选的，多个样本电池可以包含爬酸A级状态的多个电池、爬酸B级状态的多个电池、漏液状态的多个电池、低电压状态的多个电池、高内阻状态的多个电池、正常状态的多个电池。本公开对此不做限定。
可以理解的是，根据待测电池的基准电压、基准电阻等，获取待测电池对应的电压偏差值、内阻偏差值、电压方差、内阻方差，从而扩充了待测电池对应的参数，之后即可根据待测电池对应的多个参数，确定待测电池的状态类型，提高了确定待测电池的状态类型的准确性。
S205：获取与状态类型对应的参考运行曲线。
其中，步骤S205的具体实现形式，可参照本公开中其他各实施例中的详细描述，此处不再赘述。
S206：根据历史运行曲线中包含的运行时长，将参考运行曲线划分为多个子曲线。
其中，每个子曲线对应的时间长度与历史运行曲线中包含的运行时长相同。
举例来说，若待测电池对应的历史运行曲线包含的运行时长为6个月，参考运行曲线对应的时间长度为36个月，则可以将参考运行曲线划分为时间长度为6个月的多条子曲线，比如，多条子曲线可以为第1个月至第6个月、第2个月至第7个月、第3个月至第8个月、……、第31个月至第36个月等等。
需要说明的是，上述示例只是简单的举例说明，不能作为本公开实施例中历史运行曲线包含的运行时长，及子曲线的具体限定。
S207：确定历史运行曲线与每个子曲线间的相似度。
可选的，可以采用欧式距离、曼哈顿距离计算历史运行曲线与每个子曲线之间的相似度，或者，还可以通过计算历史运行曲线与每个子曲线之间的余弦相似度，将余弦相似度作为历史运行曲线与每个子曲线之间的相似度，本公开在此不做限定。
S208：根据多个相似度，确定历史运行曲线对应的目标子曲线。
可选的，可以从多个相似度中，获取与待测电池的历史运行曲线相似度最高的子曲线，作为目标子曲线。
可以理解的是，目标子曲线与待测电池的历史运行曲线之间的相似度越高，则根据目标子曲线在参考运行曲线中的位置，确定的待测电池的剩余寿命的准确性越高。
S209：根据目标子曲线在参考运行曲线中的位置，确定待测电池的剩余寿命。
举例来说，若待测电池对应的历史运行曲线包含的运行时长为6个月，参考运行曲线对应的时间长度为36个月，历史运行曲线对应的目标子曲线为第20个月至第25个月对应的曲线，则待测电池的剩余寿命为36-25＝11个月。
需要说明的是，上述示例只是简单的举例说明，不能作为本公开实施例中历史运行曲线包含的运行时长、目标子曲线及待测电池的剩余寿命的具体限定。
本公开实施例中，首先获取待测电池当前时刻的运行参数值及历史运行曲线，之后根据待测电池所属的电池类型，及运行参数值，确定待测电池对应的各个参考参数，再根据预设的参数集与状态类型的映射关系，确定与待测电池的运行参数、基准参数及参考参数对应的状态类型，之后根据历史运行曲线中包含的运行时长，将参考运行曲线划分为多个子曲线，进一步根据历史运行曲线与多个子曲线之间的相似度，确定目标子曲线，最后根据目标子曲线在参考运行曲线中的位置，确定待测电池的剩余寿命。由此，通过将参考运行曲线划分为多个子曲线，根据多个子曲线中包含的目标子曲线在参考运行曲线中的位置，确定待测电池的剩余寿命，从而不仅降低了确定蓄电池剩余寿命的难度，而且进一步提高了确定的蓄电池剩余寿命的准确性和可靠性。
图3是根据本公开又一实施例提供的一种电池剩余寿命的确定方法的流程示意图；如图3所示，该电池剩余寿命的确定方法包括：
S301：获取训练集，其中，训练集中包含多个样本电池对应的数据对，其中，每个数据对中包括互相对应的参数集及标注状态标签。
其中，多个样本电池可以包含爬酸A级状态的多个电池、爬酸B级状态的多个电池、漏液状态的多个电池、低电压状态的多个电池、高内阻状态的多个电池、正常状态的多个电池。本公开对此不做限定。
其中，每个数据对中包含的参数集可以包括样本电池对应的电压测量值、内阻测量值、基准电压、基准内阻、电压偏差值、内阻偏差值、电压方差、内阻方差。标注状态标签为，样本电池对应的状态类型。
可选的，可以先根据样本电池所在的电池组，确定样本电池对应的第一标签集，之后根据样本电池对应的参数集，从第一标签集中确定样本电池对应的标注状态标签；在第一标签集中不包含样本电池对应的标注状态标签的情况下，根据样本电池的类型，确定样本电池对应的第二标签集，之后，根据样本电池对应的参数集，从第二标签集中确定样本电池对应的标注状态标签；在样本电池对应的第一标签集及第二标签集中均不包含样本电池对应的标注状态标签，则确定样本电池的标注状态标签为正常状态。
可选的，可以根据数据中心中每个电池组的历史故障数据，确定每个电池组对应的第一标签集。其中，第一标签集中可以包含爬酸A级、爬酸B级、漏液、低电压、高内阻等5种状态类型。本公开对此不做限定。
可选的，根据不同电池类型对应的使用规范，及运维经验，确定每个电池类型对应的第二标签集。其中，第二状态标签中可以包含低电压、高内阻等2种状态类型。本公开对此不做限定。
S302：将参数集输入初始状态检测模型，以获取预测状态标签。
可以理解的是，在初始状态检测模型构建完成之后，可以将样本电池对应的参数集输入初始状态检测模型，由初始状态检测模型输出样本电池对应的预测状态标签。
可选的，在将参数集输入初始状态检测模型之前，可以先将参数集中包含的各个参数进行独热(one-hot)编码，以得到样本电池对应的数据特征向量，之后，将数据特征向量输入初始状态检测模型，以获取样本电池对应的预测状态标签
可以理解的是，为了防止状态检测模型的过学习，可以从状态检测模型的第一层网络中选取部分数据特征拼接至最后一层网络。
S303：根据预测状态标签与标注状态标签之间的差异，对初始状态检测模型进行修正，以获取状态检测模型。
可以理解的是，在获取样本电池对应的预测状态标签之后，可以根据预测状态标签与标注状态标签之间的差异，对初始状态检测模型进行修正，以提高状态检测模型的鲁棒性及收敛性，进而提高通过状态检测模型获取待测电池对应的状态类型的准确性。
S304：将待测电池的运行参数、基准参数及参考参数输入状态检测模型，以确定与待测电池的运行参数、基准参数及参考参数对应的状态类型。
可以理解的是，在状态检测模型训练完成之后，即可将待测电池的运行参数、基准参数及参考参数输入状态检测模型，由状态检测模型输出待测电池的状态类型，从而提高了确定待测电池对应的状态类型的效率，进而在降低了确定蓄电池剩余寿命的难度同时，提高了确定待测电池的剩余寿命的效率。
S305：获取与状态类型对应的参考运行曲线。
S306：根据参考运行曲线与历史运行曲线之间的相似度，确定待测电池的剩余寿命。
其中，步骤S305及步骤S306的具体实现形式，可参照本公开中其他各实施例中的详细描述，此处不再赘述。
本公开实施例中，首先将样本电池的参数集输入初始状态检测模型，以获取预测状态标签，根据预测状态标签与样本电池的标注状态标签之间的差异，对初始状态检测模型进行修正，以获取状态检测模型，之后将待测电池的运行参数、基准参数及参考参数输入状态检测模型，以确定与待测电池的运行参数、基准参数及参考参数对应的状态类型，最后获取与状态类型对应的参考运行曲线，根据参考运行曲线与历史运行曲线之间的相似度，确定待测电池的剩余寿命。由此，通过状态检测模型，获取待测电池对应的状态类型，提高了确定待测电池对应的状态类型的效率，从而在降低了确定蓄电池剩余寿命的难度同时，提高了确定待测电池的剩余寿命的效率。
图4是根据本公开一实施例提供的一种电池剩余寿命的确定装置的结构示意图。
如图4所示，该电池剩余寿命的确定装置400，包括：第一获取模块410、第一确定模块420、第二获取模块430及第二确定模块440。
第一获取模块410，用于获取待测电池当前时刻的运行参数值及历史运行曲线；
第一确定模块420，用于根据当前时刻的运行参数值，确定待测电池的状态类型；
第二获取模块430，用于获取与状态类型对应的参考运行曲线；
第二确定模块440，用于根据参考运行曲线与历史运行曲线之间的相似度，确定待测电池的剩余寿命。
可选的，第一确定模块420，包括：
第一确定单元，用于根据待测电池所属的电池类型，确定待测电池对应的基准参数，其中，基准参数包括基准电压及基准内阻；
第二确定单元，用于根据运行参数值中的电压测量值及内阻测量值、基准电压及基准内阻，确定待测电池当前对应的各个参考参数，其中，参考参数包括电压偏差值、内阻偏差值、电压方差、内阻方差；
第三确定单元，用于根据预设的参数集与状态类型的映射关系，确定与待测电池的运行参数、基准参数及参考参数对应的状态类型。
可选的，第三确定单元，具体用于：
将待测电池的运行参数、基准参数及参考参数输入状态检测模型，以确定与待测电池的运行参数、基准参数及参考参数对应的状态类型。
可选的，第三确定单元，还具体用于：
获取训练集，其中，训练集中包含多个样本电池对应的数据对，其中，每个数据对中包括互相对应的参数集及标注状态标签；
将参数集输入初始状态检测模型，以获取预测状态标签；
根据预测状态标签与标注状态标签之间的差异，对初始状态检测模型进行修正，以获取状态检测模型。
可选的，第二确定模块440，具体用于：
根据历史运行曲线中包含的运行时长，将参考运行曲线划分为多个子曲线，其中，每个子曲线对应的时间长度与历史运行曲线中包含的运行时长相同；
确定历史运行曲线与每个子曲线间的相似度；
根据多个相似度，确定历史运行曲线对应的目标子曲线；
根据目标子曲线在参考运行曲线中的位置，确定待测电池的剩余寿命。
需要说明的是，前述对电池剩余寿命的确定方法的解释说明也适用于本实施例的电池剩余寿命的确定装置，此处不再赘述。
本公开实施例中的装置，首先获取待测电池当前时刻的运行参数值及历史运行曲线，之后根据当前时刻的运行参数值，确定待测电池的状态类型，再获取与状态类型对应的参考运行曲线，最后根据参考运行曲线与历史运行曲线之间的相似度，确定待测电池的剩余寿命。由此，通过根据待测电池的运行参数，即可确定待测电池的剩余寿命，从而不仅降低了确定蓄电池剩余寿命的难度，而且提高了确定的蓄电池剩余寿命的准确性和可靠性。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如电池剩余寿命的确定方法。例如，在一些实施例中，电池剩余寿命的确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的电池剩余寿命的确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行电池剩余寿命的确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本实施例中，首先获取待测电池当前时刻的运行参数值及历史运行曲线，之后根据当前时刻的运行参数值，确定待测电池的状态类型，再获取与状态类型对应的参考运行曲线，最后根据参考运行曲线与历史运行曲线之间的相似度，确定待测电池的剩余寿命。由此，通过根据待测电池的运行参数，即可确定待测电池的剩余寿命，从而不仅降低了确定蓄电池剩余寿命的难度，而且提高了确定的蓄电池剩余寿命的准确性和可靠性。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本公开的描述中，所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“在……情况下”。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (11)
1.一种电池剩余寿命的确定方法，包括：
获取待测电池当前时刻的运行参数值及历史运行曲线；
根据所述当前时刻的运行参数值，确定所述待测电池的状态类型，所述状态类型包括：爬酸A级、爬酸B级、漏液、低电压、高内阻、正常状态；
获取与所述状态类型对应的参考运行曲线，其中，所述参考运行曲线为同一状态类型的电池在运行过程中对应的电压测量值、内阻测量值的典型变化曲线；
根据所述参考运行曲线与所述历史运行曲线之间的相似度，确定所述待测电池的剩余寿命；
其中，所述根据所述参考运行曲线与所述历史运行曲线之间的相似度，确定所述待测电池的剩余寿命，包括：
根据所述历史运行曲线中包含的运行时长，将所述参考运行曲线划分为多个子曲线，其中，每个子曲线对应的时间长度与所述历史运行曲线中包含的运行时长相同；
确定所述历史运行曲线与每个所述子曲线间的相似度；
根据多个所述相似度，确定所述历史运行曲线对应的目标子曲线；
根据所述目标子曲线在所述参考运行曲线中的位置，确定所述待测电池的剩余寿命。
2.根据权利要求1所述的方法，其中，所述根据所述当前时刻的运行参数，确定所述待测电池的状态类型，包括：
根据所述待测电池所属的电池类型，确定所述待测电池对应的基准参数，其中，所述基准参数包括基准电压及基准内阻；
根据所述运行参数值中的电压测量值及内阻测量值、所述基准电压及所述基准内阻，确定所述待测电池当前对应的各个参考参数，其中，所述参考参数包括电压偏差值、内阻偏差值、电压方差、内阻方差；
根据预设的参数集与状态类型的映射关系，确定与所述待测电池的所述运行参数、所述基准参数及所述参考参数对应的状态类型。
3.根据权利要求2所述的方法，其中，所述根据预设的参数集与状态类型的映射关系，确定与所述待测电池的所述运行参数、所述基准参数及所述参考参数对应的状态类型，包括：
将所述待测电池的所述运行参数、所述基准参数及所述参考参数输入状态检测模型，以确定与所述待测电池的所述运行参数、所述基准参数及所述参考参数对应的状态类型。
4.根据权利要求3所述的方法，其中，在将所述待测电池的所述运行参数、所述基准参数及所述参考参数输入状态检测模型，以确定与所述待测电池的所述运行参数、所述基准参数及所述参考参数对应的状态类型之前，还包括：
获取训练集，其中，所述训练集中包含多个样本电池对应的数据对，其中，每个数据对中包括互相对应的参数集及标注状态标签；
将所述参数集输入初始状态检测模型，以获取预测状态标签；
根据所述预测状态标签与所述标注状态标签之间的差异，对所述初始状态检测模型进行修正，以获取状态检测模型。
5.一种电池剩余寿命的确定装置，包括：
第一获取模块，用于获取待测电池当前时刻的运行参数值及历史运行曲线；
第一确定模块，用于根据所述当前时刻的运行参数值，确定所述待测电池的状态类型，所述状态类型包括：爬酸A级、爬酸B级、漏液、低电压、高内阻、正常状态；
第二获取模块，用于获取与所述状态类型对应的参考运行曲线，其中，所述参考运行曲线为同一状态类型的电池在运行过程中对应的电压测量值、内阻测量值的典型变化曲线；
第二确定模块，用于根据所述参考运行曲线与所述历史运行曲线之间的相似度，确定所述待测电池的剩余寿命；
其中，所述第二确定模块，具体用于：
根据所述历史运行曲线中包含的运行时长，将所述参考运行曲线划分为多个子曲线，其中，每个子曲线对应的时间长度与所述历史运行曲线中包含的运行时长相同；
确定所述历史运行曲线与每个所述子曲线间的相似度；
根据多个所述相似度，确定所述历史运行曲线对应的目标子曲线；
根据所述目标子曲线在所述参考运行曲线中的位置，确定所述待测电池的剩余寿命。
6.根据权利要求5所述的装置，其中，所述第一确定模块，包括：
第一确定单元，用于根据所述待测电池所属的电池类型，确定所述待测电池对应的基准参数，其中，所述基准参数包括基准电压及基准内阻；
第二确定单元，用于根据所述运行参数值中的电压测量值及内阻测量值、所述基准电压及所述基准内阻，确定所述待测电池当前对应的各个参考参数，其中，所述参考参数包括电压偏差值、内阻偏差值、电压方差、内阻方差；
第三确定单元，用于根据预设的参数集与状态类型的映射关系，确定与所述待测电池的所述运行参数、所述基准参数及所述参考参数对应的状态类型。
7.根据权利要求6所述的装置，其中，所述第三确定单元，具体用于：
将所述待测电池的所述运行参数、所述基准参数及所述参考参数输入状态检测模型，以确定与所述待测电池的所述运行参数、所述基准参数及所述参考参数对应的状态类型。
8.根据权利要求7所述的装置，其中，所述第三确定单元，还具体用于：
获取训练集，其中，所述训练集中包含多个样本电池对应的数据对，其中，每个数据对中包括互相对应的参数集及标注状态标签；
将所述参数集输入初始状态检测模型，以获取预测状态标签；
根据所述预测状态标签与所述标注状态标签之间的差异，对所述初始状态检测模型进行修正，以获取状态检测模型。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
11.一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现权利要求1-4中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111406591.9A CN114325400B (zh) | 2021-11-24 | 2021-11-24 | 电池剩余寿命的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111406591.9A CN114325400B (zh) | 2021-11-24 | 2021-11-24 | 电池剩余寿命的确定方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114325400A CN114325400A (zh) | 2022-04-12 |
| CN114325400B true CN114325400B (zh) | 2024-03-19 |
Family
ID=81047420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111406591.9A Active CN114325400B (zh) | 2021-11-24 | 2021-11-24 | 电池剩余寿命的确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114325400B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115015769B (zh) * | 2022-08-10 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 动力电池残值估算方法、装置、设备及介质 |
| CN115343623B (zh) * | 2022-08-31 | 2023-06-16 | 中国长江三峡集团有限公司 | 一种电化学储能电池故障的在线检测方法及装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104502856A (zh) * | 2014-12-26 | 2015-04-08 | 骐俊通联（厦门）科技有限公司 | 一种检测车辆蓄电池寿命的方法和系统 |
| CN107797067A (zh) * | 2016-09-05 | 2018-03-13 | 北京航空航天大学 | 一种基于深度学习的锂离子电池寿命迁移预测方法 |
| CN108957331A (zh) * | 2018-05-16 | 2018-12-07 | 蔚来汽车有限公司 | 电池性能检测方法及电池性能检测系统 |
| CN109604192A (zh) * | 2018-11-21 | 2019-04-12 | 中国科学院自动化研究所 | 基于大数据分析的电池分选方法及系统 |
| CN110333448A (zh) * | 2018-03-30 | 2019-10-15 | 比亚迪股份有限公司 | 电动汽车及动力电池的能量状态soe计算方法、装置 |
| CN110619408A (zh) * | 2018-06-19 | 2019-12-27 | 佛山市顺德区美的电热电器制造有限公司 | 一种信息获取方法、设备和计算机存储介质 |
| CN111060835A (zh) * | 2019-12-31 | 2020-04-24 | 湖州师范学院 | 锂电池剩余寿命的预测方法、系统及可读存储介质 |
| CN111751752A (zh) * | 2020-05-20 | 2020-10-09 | 中国电力科学研究院有限公司 | 一种退役磷酸铁锂动力电池状态评估方法及装置 |
| CN112364567A (zh) * | 2020-11-18 | 2021-02-12 | 浙江大学 | 一种基于退化轨迹相似度一致检验的剩余寿命预测方法 |
| CN112630660A (zh) * | 2020-12-14 | 2021-04-09 | 湖北工业大学 | 一种基于支持向量机的电池故障识别方法 |
| CN112924887A (zh) * | 2021-01-27 | 2021-06-08 | 江西江铃集团新能源汽车有限公司 | 电池包健康检测方法、装置、可读存储介质及电子设备 |
| CN113487084A (zh) * | 2021-07-06 | 2021-10-08 | 新智数字科技有限公司 | 一种设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 |
| CN113671379A (zh) * | 2021-08-20 | 2021-11-19 | 深圳市爱图仕影像器材有限公司 | 确定电池剩余使用时间的方法、介质及一种影视灯设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8577459B2 (en) * | 2011-01-28 | 2013-11-05 | Cyberonics, Inc. | System and method for estimating battery capacity |
| CN107656210B (zh) * | 2017-09-14 | 2020-01-21 | 广州市香港科大霍英东研究院 | 一种估算电池电量状态的方法 |
-
2021
- 2021-11-24 CN CN202111406591.9A patent/CN114325400B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104502856A (zh) * | 2014-12-26 | 2015-04-08 | 骐俊通联（厦门）科技有限公司 | 一种检测车辆蓄电池寿命的方法和系统 |
| CN107797067A (zh) * | 2016-09-05 | 2018-03-13 | 北京航空航天大学 | 一种基于深度学习的锂离子电池寿命迁移预测方法 |
| CN110333448A (zh) * | 2018-03-30 | 2019-10-15 | 比亚迪股份有限公司 | 电动汽车及动力电池的能量状态soe计算方法、装置 |
| CN108957331A (zh) * | 2018-05-16 | 2018-12-07 | 蔚来汽车有限公司 | 电池性能检测方法及电池性能检测系统 |
| CN110619408A (zh) * | 2018-06-19 | 2019-12-27 | 佛山市顺德区美的电热电器制造有限公司 | 一种信息获取方法、设备和计算机存储介质 |
| CN109604192A (zh) * | 2018-11-21 | 2019-04-12 | 中国科学院自动化研究所 | 基于大数据分析的电池分选方法及系统 |
| CN111060835A (zh) * | 2019-12-31 | 2020-04-24 | 湖州师范学院 | 锂电池剩余寿命的预测方法、系统及可读存储介质 |
| CN111751752A (zh) * | 2020-05-20 | 2020-10-09 | 中国电力科学研究院有限公司 | 一种退役磷酸铁锂动力电池状态评估方法及装置 |
| CN112364567A (zh) * | 2020-11-18 | 2021-02-12 | 浙江大学 | 一种基于退化轨迹相似度一致检验的剩余寿命预测方法 |
| CN112630660A (zh) * | 2020-12-14 | 2021-04-09 | 湖北工业大学 | 一种基于支持向量机的电池故障识别方法 |
| CN112924887A (zh) * | 2021-01-27 | 2021-06-08 | 江西江铃集团新能源汽车有限公司 | 电池包健康检测方法、装置、可读存储介质及电子设备 |
| CN113487084A (zh) * | 2021-07-06 | 2021-10-08 | 新智数字科技有限公司 | 一种设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 |
| CN113671379A (zh) * | 2021-08-20 | 2021-11-19 | 深圳市爱图仕影像器材有限公司 | 确定电池剩余使用时间的方法、介质及一种影视灯设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114325400A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114325400B (zh) | 电池剩余寿命的确定方法、装置、电子设备及存储介质 | |
| CN113344862B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
| CN116186200B (zh) | 模型训练方法、装置、电子设备和存储介质 | |
| CN116256661B (zh) | 电池故障检测方法、装置、电子设备和存储介质 | |
| CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
| CN112767935B (zh) | 唤醒指标监测方法、装置及电子设备 | |
| CN115359308A (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
| CN115840867A (zh) | 数学解题模型的生成方法、装置、电子设备和存储介质 | |
| CN117370914A (zh) | 一种电网攻击检测模型测试方法、装置、设备及存储介质 | |
| CN117706460A (zh) | 动力电池采样线虚接的诊断方法、装置、电子设备、介质 | |
| CN114399660A (zh) | 一种故障类型的确定方法、装置、电子设备及存储介质 | |
| CN115984791A (zh) | 自动驾驶感知模型的生成方法、装置及电子设备 | |
| CN115761648A (zh) | 应用于变压器的渗油评估方法、装置、设备、介质及产品 | |
| CN115656834A (zh) | 一种电池容量预测方法、装置及电子设备 | |
| CN114200315A (zh) | 剩余充电时间的预测方法、装置、电子设备和存储介质 | |
| EP4099319A1 (en) | Wake-up index monitoring method and apparatus, and electronic device | |
| CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
| CN118333610A (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
| CN113284509B (zh) | 语音标注的正确率获取方法、装置和电子设备 | |
| CN118152766A (zh) | 一种数据检测方法、装置及电子设备 | |
| CN115856483A (zh) | 智能门锁的故障诊断方法及装置、电子设备和存储介质 | |
| CN116504042A (zh) | 一种异常温度告警的生成方法、装置、设备及介质 | |
| CN118212033A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| CN117054896A (zh) | 一种sop功能测试方法、装置、设备及存储介质 | |
| CN118348309A (zh) | 充放电功率的测试方法及装置、车辆和电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |