CN117148169A - 基于大数据的电池使用时间预测方法、系统、设备及介质 - Google Patents
基于大数据的电池使用时间预测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117148169A CN117148169A CN202311411438.4A CN202311411438A CN117148169A CN 117148169 A CN117148169 A CN 117148169A CN 202311411438 A CN202311411438 A CN 202311411438A CN 117148169 A CN117148169 A CN 117148169A
- Authority
- CN
- China
- Prior art keywords
- battery
- electricity
- interval
- time
- user
- 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 80
- 230000005611 electricity Effects 0.000 claims abstract description 245
- 230000008569 process Effects 0.000 claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 101150087800 TYW3 gene Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 101150030225 TYW1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供基于大数据的电池使用时间预测方法、系统、设备及介质，涉及时间预测技术领域，解决电池使用时间预测不准确的问题，具体如下：对一段时间内用户使用类型以及电池变化信息进行获取，得到用户使用信息以及电池使用信息，对电池使用过程中的温度数值进行获取，得到温度信息；根据用户使用信息对每个使用的用户信息进行分类得到用户分类信息；对用户使用信息以及电池使用信息进行分析，本发明对电池在不同使用类型下的用电和不同温度下的温度进行分析，根据不同使用类型获取耗电速度，根据不同温度获取不同温度下的耗电速度，结合不同的用户信息对用户使用时间进行预测。
Description
技术领域
本发明涉及使用时间预测技术领域，尤其涉及基于大数据的电池使用时间预测方法、系统、设备及介质。
背景技术
大数据，指的是所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。电池在使用过程中随着时间的变化，电池的使用寿命会变化，现有技术中对电池使用过程中存在以下缺陷：
①.在电池使用过程中，根据电池的使用时间变化对电池进行更换，不能够根据电池使用数据进行预测，在电池使用过程中存在安全隐患；
②.电池使用过程中，不同年龄用户、不同性别用户以及不同工作时间的用户每天对于电池的使用时间不同，不能够基于不同用户进行判断分析，导致使用时间预测不准确；
③.在电池使用过程中，不同使用类型对于电池的耗电速度不同，不能根据电池耗电速度进行预测，影响预测准确性；
因此本发明提出了基于大数据的电池使用时间预测方法、系统、设备及介质。
发明内容
针对现有技术存在的不足，本发明目的是提供基于大数据的电池使用时间预测方法、系统、设备及介质，本发明通过对电池变化信息、电池温度信息进行获取，对电池在不同使用类型下的用电和不同温度下的温度进行分析结合不同的用户信息对用户使用时间进行预测，提高对电池使用时间预测的准确性。
为了实现上述目的，本发明是通过如下的技术方案来实现：基于大数据的电池使用时间预测方法，所述预测方法具体步骤如下：
步骤S1：对一段时间内用户使用类型以及电池变化信息进行获取，得到用户使用信息以及电池使用信息，对电池使用过程中的温度数值进行获取，得到温度信息；
步骤S2：根据用户使用信息对每个使用的用户信息进行分类得到用户分类信息；
步骤S3：对用户使用信息以及电池使用信息进行分析，对每个用户使用类型的占比以及每个使用类型的电池耗电速度进行求取，通过温度信息、每个用户使用类型的占比结合用户使用信息对电池使用过程中不同温度下的电池用电总量进行获取；
步骤S4：根据不同时间内每个使用类型的电池耗电速度、不同温度下的电池用电总量以及用户分类信息对电池使用时间进行预测，根据不同时间段内的预测时间不同，对电池进行提醒更换。
进一步地，所述步骤S1中，对用户使用信息和电池使用信息进行获取具体如下：
在t时间内选取n个时间段，获取得到ys个用户使用类型，分别对每个时间段用户使用类型进行获取，用户使用类型包括第一用电类型、第二用电类型、第三用电类型以及第四用电类型，对每个用电类型的使用时间进行获取，得到第一用电时间、第二用电时间、第三用电时间以及第四用电时间，对第一用电时间内的电池用电量进行获取，得到第一用电量，对第二用电时间内的电池用电量进行获取，得到第二用电量，对第三用电时间内的电池用电量进行获取，得到第三用电量，对第四用电时间内的电池用电量进行获取，得到第四用电量；
得到每个用户在每个使用类型的用电时间为用户使用信息，得到的每个用户的用电量为电池使用信息；
每个用电类型进行用电过程中，获取第一用电类型在一天内温度的变化数值，根据温度变化设置第一温度区间、第二温度区间以及第三温度区间，对每个温度区间内的持续时间进行获取，对第一用电类型在第一温度区间内的用电量进行获取，对第二用电类型在第二温度区间内的用电量进行获取，对第三用电类型在第一温度区间内的用电量进行获取，对第四用电类型在第一温度区间内的用电量进行获取；
根据持续时间以及用电量，对第一用电类型每个温度区间的平均用电量进行获取；
对第二用电类型每个温度区间的平均用电量进行获取；
对第三用电类型每个温度区间的平均用电量进行获取；
对第四用电类型每个温度区间的平均用电量进行获取；
获取的每个用电类型在每个温度区间的平均用电量为温度信息。
进一步地，所述步骤S2中，对用户分类信息进行获取，具体如下：
对每个使用用户的年龄、工作时间以及性别进行获取，根据性别以及用户年龄对年龄区间进行划分，分别划分为第一男性年龄区间、第二男性年龄区间、第三男性年龄区间、第四男性年龄区间、第一女性年龄区间、第二女性年龄区间、第三女性年龄区间、第四女性年龄区间；
根据工作时间，将工作时间分为第一工作区间、第二工作区间以及第三工作区间；
分别对第一男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第二男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第三男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第四男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第一女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第二女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第三女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第四女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
获取得到的男性年龄区间和女性年龄区间在每个工作区间内的人数为用户分类信息。
进一步地，对用户使用信息进行分析具体如下：
接收每个用户使用类型的用电时间，分别对第一个用户至第ys个用户的第一用电时间、第二用电时间、第三用电时间以及第四用电时间进行获取，根据用电时间对使用类型的占比进行求取；
依次对第二个用户至第ys个用户的使用类型占比进行获取；
对电池使用信息进行分析具体如下：
对第一个用户的用电量进行获取，得到第一用电量、第二用电量、第三用电量以及第四用电量，根据第一个用户的第一用电时间对第一类型的电池耗电速度进行获取，据第一个用户的第二用电时间对第一类型的电池耗电速度进行获取，据第一个用户的第三用电时间对第一类型的电池耗电速度进行获取，据第一个用户的第四用电时间对第一类型的电池耗电速度进行获取。
进一步地，对不同温度下的电池用电总量进行获取，具体如下：
对每个用电类型在每个温度区间的平均用电量进行获取，对第一位用户一天中电池用电的总时间进行获取，根据每个用户使用类型的占比，获取第一用户使用类型的占比，对第一用户使用类型的时间进行获取，获取第一用户在一天内使用电池的温度变化信息，获取第一温度区间至第三温度区间内第一用电类型的时间、第二用电类型的时间、第三用电类型的时间以及第四用电类型的时间；
根据获取的时间结合每个温度区间的平均用电量对第一用户的一天内的电池用电总量进行获取；
同理，对第二用户至第ys用户一天内的电池用电总量进行获取。
进一步地，基于电池损耗速度进行预测；
对电池第一次使用过程中每个使用类型的电池耗电速度进行获取，得到电池标准耗电速度，对电池在不同类型下的最大耗电速度进行获取，得到耗电临界值；
其中，需要说明的是，电池在使用过程中，根据不同的类型耗电速度不同，因此设定的耗电临界值不同，按照耗电最快的耗电临界值最大，耗电最慢的耗电临界值最小进行取值；
对每种使用类型的电池耗电速度进行比较，若电池耗电速度相同，则判断电池在不同使用过程中耗电速度相同，若电池耗电速度不同，则判断电池在使用过程中，随着使用类型的变化，电池耗电速度不同；
对每种类型的电池使用速度获取，对不同时间内每种类型的电池使用速度进行获取，得到s组耗电速度值；
通过耗电速度值结合标准耗电速度对电池速度差异值进行获取；
根据不同用电类型下的耗电临界值，求得电池速度差异警报值；
若求取的电池速度差异值大于电池速度差异警报值，则判断当前电池需要更换，若没有则无需进行更换；
根据获取s组耗电速度值，得到s个电池速度差异值，对两两电池速度差异值进行求差，得到电池速度增长值，根据不同时间段内电池速度增长值结合电池速度差异警报值对电池使用时间进行预测，得到第一电池寿命预测值。
进一步地，基于用电总量进行预测：
对电池第一次使用过程中不同温度下的用电总量进行获取，得到标准用电总量；
对不同时间段内不同温度下的用电总量进行获取，按照时间的先后顺序对获取的用电总量进行排序，设定最小的用电总量为qydmin，0＞qydmin＜qbzyd；qbzyd表示标准用电总量；
对两两用电总量进行求差，得到用电总量下降值，根据不同时间段内用电总量下降值结合最小的用电总量对电池使用时间进行预测，得到第二电池寿命预测值。
进一步地，基于用户分类进行预测；
接收用户分类信息，对第一男性年龄区间至第四女性年龄区间在第一工作区间、第二工作区间以及第三工作区间内的人数进行分别统计；
获取每个年龄区间在第一工作区间、第二工作区间以及第三工作区间内对应人员的用电时间，根据用电时间对第一工作区间、第二工作区间以及第三工作区间内每个用户的使用类型的占比进行获取，分别求取第一男性年龄区间至第四女性年龄区间的占比平均值，根据占比平均值的大小判断第一工作区间内每个年龄区间对电池的用电类型占比，根据用电类型占比获取对应的耗电速度值；
对不同时间段内对应的耗电速度值进行获取，依次对第一男性年龄区间至第四女性年龄区间内两两电池速度差异值进行求差，得到电池速度增长值，根据不同时间段内电池速度增长值结合电池速度差异警报值对电池使用时间进行预测，得到多个电池寿命预测值，若多个电池寿命预测值不同，则根据电池寿命预测值判断不同年龄段男女对电池的使用寿命不同，根据工作时间结合年龄区间和性别预测电池使用寿命，若相同，则判断在第一工作区间内，不同年龄区间男女对于电池的使用相同。
基于大数据的电池使用时间预测系统，所述预测系统包括使用数据获取模块、分类模块、分析模块、预测模块以及服务器；
使用数据获取模块对一段时间内用户使用类型以及电池变化信息进行获取，得到用户使用信息以及电池使用信息，对电池使用过程中的温度数值进行获取，得到温度信息；
分类模块接收用户使用信息对每个使用的用户信息进行分类得到用户分类信息；
分析模块接收用户使用信息以及电池使用信息进行分析，对每个用户使用类型的占比以及每个使用类型的电池耗电速度进行求取；
分析模块接收温度信息、每个用户使用类型的占比结合用户使用信息对电池使用过程中不同温度下的电池用电总量进行获取；
预测模块接收不同时间内每个使用类型的电池耗电速度、不同温度下的电池用电总量以及用户分类信息对电池使用时间进行预测，根据不同时间段内的预测时间不同，对电池进行提醒更换。
本申请提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上任意一项所述方法中的步骤。
本申请提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如上任意一项所述方法中的步骤。
本发明的有益效果：
1.本发明在电池使用过程中对电池变化信息、电池温度信息进行获取，对电池在不同使用类型下的用电和不同温度下的温度进行分析，根据不同使用类型获取耗电速度，根据不同温度获取不同温度下的耗电速度，结合不同的用户信息对用户使用时间进行预测，提高对电池使用时间预测的准确性。
2.本发明对不同年龄用户、不同性别用户以及不同工作时间的用户每天对于电池的使用时间进行判断分析，从多个方面对电池使用时间进行预测，提高电池使用的安全性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明基于大数据的电池使用时间预测方法步骤图；
图2为本发明基于大数据的电池使用时间预测系统的原理框图；
图3为本发明基于大数据的电池使用时间预测方法中电池耗电速度变化曲线图；
图4为本发明基于大数据的电池使用时间预测方法中用电总量变化曲线图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
本发明中，请参阅图2，基于大数据的电池使用时间预测系统，预测系统包括使用数据获取模块、分类模块、分析模块、预测模块以及服务器；使用数据获取模块、分类模块、分析模块以及预测模块分别与服务器相连；
使用数据获取模块对一段时间内用户使用类型以及电池变化信息进行获取，得到用户使用信息以及电池使用信息，对电池使用过程中的温度数值进行获取，得到温度信息；
对用户使用信息和电池使用信息进行获取具体如下：
在t时间内选取n个时间段，获取得到ys个用户使用类型，分别对每个时间段用户使用类型进行获取，用户使用类型包括第一用电类型、第二用电类型、第三用电类型以及第四用电类型，对每个用电类型的使用时间进行获取，得到第一用电时间、第二用电时间、第三用电时间以及第四用电时间，对第一用电时间内的电池用电量进行获取，得到第一用电量，对第二用电时间内的电池用电量进行获取，得到第二用电量，对第三用电时间内的电池用电量进行获取，得到第三用电量，对第四用电时间内的电池用电量进行获取，得到第四用电量；
得到每个用户在每个使用类型的用电时间为用户使用信息，得到的每个用户的用电量为电池使用信息；
每个用电类型进行用电过程中，获取第一用电类型在一天内温度的变化数值，根据温度变化设置第一温度区间、第二温度区间以及第三温度区间，对每个温度区间内的持续时间进行获取，得到tyw1、tyw2以及tyw3，对第一用电类型在第一温度区间内的用电量进行获取，得到qyw1，对第二用电类型在第二温度区间内的用电量进行获取，得到qyw2，对第三用电类型在第一温度区间内的用电量进行获取，得到qyw3，对第四用电类型在第一温度区间内的用电量进行获取，得到qyw4；
根据持续时间以及用电量，对第一用电类型每个温度区间的平均用电量进行获取，得到qypjz1、qypjz2、qypjz3；
其中qypjz1=qyw1/tyw1；
Qypjz2=qyw2/tyw2；qypjz3=qyw3/tyw3；
同理，对第二用电类型每个温度区间的平均用电量进行获取，得到qepjz1、qepjz2、qepjz3；
对第三用电类型每个温度区间的平均用电量进行获取，得到qspjz1、qspjz2、qspjz3；
对第四用电类型每个温度区间的平均用电量进行获取，得到qapjz1、qapjz2、qapjz3；
获取的每个用电类型在每个温度区间的平均用电量为温度信息；
需要说明的是，t时间为电池使用的一段时间，取值为一周或一月，n个时间段根据t时间的取值而变化，若t取值为一周，则n取值为7，若t取值为一月，则n取值为30；
其中，第一用电类型为视屏用电，第二用电类型为游戏用电，第三用电类型为电话用电，第四用电类型为其他使用用电，其他使用用电具体为小说用电、网页浏览用电以及聊天用电。
分类模块接收用户使用信息对每个使用的用户信息进行分类得到用户分类信息；
对用户分类信息进行获取，具体如下：
对每个使用用户的年龄、工作时间以及性别进行获取，根据性别以及用户年龄对年龄区间进行划分，分别划分为第一男性年龄区间、第二男性年龄区间、第三男性年龄区间、第四男性年龄区间、第一女性年龄区间、第二女性年龄区间、第三女性年龄区间、第四女性年龄区间；
根据工作时间，将工作时间分为第一工作区间、第二工作区间以及第三工作区间，第一工作区间的工作时间在[0，8]小时，第二工作区间的工作时间在(8，12)小时，第三工作区间的工作时间不小于12小时；
分别对第一男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第二男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第三男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第四男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第一女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第二女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第三女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第四女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
获取得到的男性年龄区间和女性年龄区间在每个工作区间内的人数为用户分类信息；
分析模块接收用户使用信息以及电池使用信息进行分析，对每个用户使用类型的占比以及每个使用类型的电池耗电速度进行求取；
对用户使用信息进行分析具体如下：
接收每个用户使用类型的用电时间，分别对第一个用户至第ys个用户的第一用电时间、第二用电时间、第三用电时间以及第四用电时间进行获取，根据用电时间对使用类型的占比进行求取：
对第一个用户的具体求取过程如下：
Yyzb=tyt1/（tyt1+tyt2+tyt3+tyt4）；
Eyzb=tyt2/（tyt1+tyt2+tyt3+tyt4）；
Syzb=tyt3/（tyt1+tyt2+tyt3+tyt4）；
SSyzb=tyt4/（tyt1+tyt2+tyt3+tyt4）；
其中，Yyzb为第一用电类型的占比，Eyzb为第二用电类型的占比，Syzb为第三用电类型的占比，SSyzb为第四用电类型的占比，tyt1为第一用电时间，tyt2为第二用电时间，tyt3为第三用电时间，tyt4为第四用电时间；
依次对第二个用户至第ys个用户的使用类型占比进行获取；
请参阅图3，对电池使用信息进行分析具体如下：
对第一个用户的用电量进行获取，得到第一用电量、第二用电量、第三用电量以及第四用电量，根据第一个用户的第一用电时间对第一类型的电池耗电速度vyd进行获取，据第一个用户的第二用电时间对第一类型的电池耗电速度ved进行获取，据第一个用户的第三用电时间对第一类型的电池耗电速度vsd进行获取，据第一个用户的第四用电时间对第一类型的电池耗电速度vssd进行获取；
分析模块接收温度信息、每个用户使用类型的占比结合用户使用信息对电池使用过程中不同温度下的电池用电总量进行获取；
请参阅图4，对不同温度下的电池用电总量进行获取，具体如下：
对每个用电类型在每个温度区间的平均用电量进行获取，对第一位用户一天中电池用电的总时间进行获取，根据每个用户使用类型的占比，获取第一用户使用类型的占比，对第一用户使用类型的时间进行获取，获取第一用户在一天内使用电池的温度变化信息，获取第一温度区间至第三温度区间内第一用电类型的时间、第二用电类型的时间、第三用电类型的时间以及第四用电类型的时间；
根据获取的时间结合每个温度区间的平均用电量对第一用户的一天内的电池用电总量进行获取；
对电池用电总量进行获取具体如下：
Qyt=（qypjz1×ytx1+qepjz1×etx1+qspjz1×stx1+qapjz1×sstx1）+（qypjz2×ytx2+qepjz2×etx2+qspjz2×stx2+qapjz2×sstx2）+（qypjz3×ytx3+qepjz3×etx3+qspjz3×stx3+qapjz3×sstx3）；
其中，Qyt为一天内的电池用电总量，ytx1为第一温度区间内第一用电类型时间，ytx2为第一温度区间内第二用电类型时间，ytx3为第一温度区间内第三用电类型时间，etx1为第二温度区间内第一用电类型时间，etx2为第二温度区间内第二用电类型时间，etx3为第二温度区间内第三用电类型时间；stx1为第三温度区间内第一用电类型时间，stx2为第三温度区间内第二用电类型时间，stx3为第三温度区间内第三用电类型时间，sstx1为第四温度区间内第一用电类型时间，sstx2为第四温度区间内第二用电类型时间，sstx3为第四温度区间内第三用电类型时间；
同理，对第二用户至第ys用户一天内的电池用电总量进行获取；
预测模块接收不同时间内每个使用类型的电池耗电速度、不同温度下的电池用电总量以及用户分类信息对电池使用时间进行预测，根据不同时间段内的预测时间不同，对电池进行提醒更换。
在进行预测时，具体如下：
一、基于电池损耗速度进行预测；
对电池第一次使用过程中每个使用类型的电池耗电速度进行获取，得到电池标准耗电速度qbz1、qbz2、qbz3以及qbz4，对电池在不同类型下的最大耗电速度进行获取，得到耗电临界值；
其中，需要说明的是，电池在使用过程中，根据不同的使用类型耗电速度不同，因此设定的耗电临界值不同，按照耗电最快的耗电临界值最大，耗电最慢的耗电临界值最小进行取值；
对每种使用类型的电池耗电速度进行比较，若电池耗电速度相同，则判断电池在不同使用过程中耗电速度相同，若电池耗电速度不同，则判断电池在使用过程中，随着使用类型的变化，电池耗电速度不同；
对每种类型的电池使用速度获取，对不同时间内每种类型的电池使用速度进行获取，得到s组耗电速度值；
通过耗电速度值结合标准耗电速度对电池速度差异值进行获取；
对电池速度差异值进行获取请参照以下公式：
Vcy=（qv1-qbz1）+（qv2-qbz2）+（qv3-qbz3）+（qv4-qbz4）（1）；
其中，Vcy为电池速度差异值，qv1为第一用电类型的电池耗电速度值，qbz1为第一用电类型的电池标准耗电速度；qv2为第二用电类型的电池耗电速度值，qbz2为第二用电类型的电池标准耗电速度；qv3为第三用电类型的电池耗电速度值，qbz3为第三用电类型的电池标准耗电速度；qv4为第四用电类型的电池耗电速度值，qbz4为第四用电类型的电池标准耗电速度；
将获取的不同用电类型下的耗电临界值代入公式（1）中，求得电池速度差异警报值；
若求取的电池速度差异值大于电池速度差异警报值，则判断当前电池需要更换，若没有则无需进行更换；
根据获取s组耗电速度值，得到s个电池速度差异值，对两两电池速度差异值进行求差，得到电池速度增长值，根据不同时间段内电池速度增长值结合电池速度差异警报值对电池使用时间进行预测，得到第一电池寿命预测值；
二、基于用电总量进行预测：
对电池第一次使用过程中不同温度下的用电总量进行获取，得到标准用电总量；
对不同时间段内不同温度下的用电总量进行获取，按照时间的先后顺序对获取的用电总量进行排序，设定最小的用电总量为qydmin，0＞qydmin＜qbzyd；qbzyd表示标准用电总量；
对两两用电总量进行求差，得到用电总量下降值，根据不同时间段内用电总量下降值结合最小的用电总量对电池使用时间进行预测，得到第二电池寿命预测值；
三、基于用户分类进行预测；
接收用户分类信息，对第一男性年龄区间至第四女性年龄区间在第一工作区间、第二工作区间以及第三工作区间内的人数进行分别统计；
获取每个年龄区间在第一工作区间、第二工作区间以及第三工作区间内对应人员的用电时间，根据用电时间对第一工作区间、第二工作区间以及第三工作区间内每个用户的使用类型的占比进行获取，分别求取第一男性年龄区间至第四女性年龄区间的占比平均值，根据占比平均值的大小判断第一工作区间内每个年龄区间对电池的用电类型占比，根据用电类型占比获取对应的耗电速度值；
对不同时间段内对应的耗电速度值进行获取，依次对第一男性年龄区间至第四女性年龄区间内两两电池速度差异值进行求差，得到电池速度增长值，根据不同时间段内电池速度增长值结合电池速度差异警报值对电池使用时间进行预测，得到多个电池寿命预测值，若多个电池寿命预测值不同，则根据电池寿命预测值判断不同年龄段男女对电池的使用寿命不同，根据工作时间结合年龄区间和性别预测电池使用寿命，若相同，则判断在第一工作区间内，不同年龄区间男女对于电池的使用相同；
需要说明的是，对第一男性年龄区间至第四女性年龄区间指的是第一男性年龄区间、第二男性年龄区间、第三男性年龄区间、第四男性年龄区间、第一女性年龄区间、第二女性年龄区间、第三女性年龄区间以及第四女性年龄区间。
不同时间指的是在电池使用过程中随机选取多个时间段，每个时间段的时间间隔相同。
需要说明的是，本发明中，电池用电为电子产品的电池用电，具体为手机、电脑等；
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，如存在权重系数和比例系数，其设置的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数和比例系数的大小，只要不影响参数与量化后数值的比例关系即可。
在另一实施例中，请参阅图1，基于大数据的电池使用时间预测方法，具体步骤如下：
步骤S1：对一段时间内用户使用类型以及电池变化信息进行获取，得到用户使用信息以及电池使用信息，对电池使用过程中的温度数值进行获取，得到温度信息；
步骤S2：根据用户使用信息对每个使用的用户信息进行分类得到用户分类信息；
步骤S3：对用户使用信息以及电池使用信息进行分析，对每个用户使用类型的占比以及每个使用类型的电池耗电速度进行求取，通过温度信息、每个用户使用类型的占比结合用户使用信息对电池使用过程中不同温度下的电池用电总量进行获取；
步骤S4：根据不同时间内每个使用类型的电池耗电速度、不同温度下的电池用电总量以及用户分类信息对电池使用时间进行预测，根据不同时间段内的预测时间不同，对电池进行提醒更换。
本申请提供一种电子设备，包括处理器以及存储器，存储器存储有计算机可读取指令，当计算机可读取指令由处理器执行时，运行如上任意一项方法中的步骤。通过上述技术方案，处理器和存储器通过通信总线和/或其他形式的连接机构（未标出）互连并相互通讯，存储器存储有处理器可执行的计算机程序，当电子设备运行时，处理器执行该计算机程序，以执行时执行上述实施例的任一可选的实现方式中的方法。
本申请提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，运行如上任意一项方法中的步骤。通过上述技术方案，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static RandomAccess Memory，简称SRAM），电可擦除可编程只读存储器（Electrically ErasableProgrammable Read-Only Memory，简称EEPROM），可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，简称EPROM），可编程只读存储器（Programmable Red-Only Memory，简称PROM），只读存储器（Read-OnlyMemory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.基于大数据的电池使用时间预测方法，其特征在于，所述预测方法具体步骤如下：
步骤S1：对一段时间内用户使用类型以及电池变化信息进行获取，得到用户使用信息以及电池使用信息，对电池使用过程中的温度数值进行获取，得到温度信息；
步骤S2：根据用户使用信息对每个使用的用户信息进行分类得到用户分类信息；
步骤S3：对用户使用信息以及电池使用信息进行分析，对每个用户使用类型的占比以及每个使用类型的电池耗电速度进行求取，通过温度信息、每个用户使用类型的占比结合用户使用信息对电池使用过程中不同温度下的电池用电总量进行获取；
步骤S4：根据不同时间内每个使用类型的电池耗电速度、不同温度下的电池用电总量以及用户分类信息对电池使用时间进行预测，根据不同时间段内的预测时间不同，对电池进行提醒更换。
2.根据权利要求1所述的基于大数据的电池使用时间预测方法，其特征在于，所述步骤S1中，对用户使用信息和电池使用信息进行获取具体如下：
在t时间内选取n个时间段，获取得到ys个用户使用类型，分别对每个时间段用户使用类型进行获取，用户使用类型包括第一用电类型、第二用电类型、第三用电类型以及第四用电类型，对每个用电类型的使用时间进行获取，得到第一用电时间、第二用电时间、第三用电时间以及第四用电时间，对第一用电时间内的电池用电量进行获取，得到第一用电量，对第二用电时间内的电池用电量进行获取，得到第二用电量，对第三用电时间内的电池用电量进行获取，得到第三用电量，对第四用电时间内的电池用电量进行获取，得到第四用电量；
得到每个用户在每个使用类型的用电时间为用户使用信息，得到的每个用户的用电量为电池使用信息；
获取第一用电类型在一天内温度的变化数值，根据温度变化设置第一温度区间、第二温度区间以及第三温度区间，对每个温度区间内的持续时间进行获取，对第一用电类型在第一温度区间内的用电量进行获取，对第二用电类型在第二温度区间内的用电量进行获取，对第三用电类型在第一温度区间内的用电量进行获取，对第四用电类型在第一温度区间内的用电量进行获取；
根据持续时间以及用电量，对第一用电类型每个温度区间的平均用电量进行获取；
对第二用电类型每个温度区间的平均用电量进行获取；
对第三用电类型每个温度区间的平均用电量进行获取；
对第四用电类型每个温度区间的平均用电量进行获取；
获取的每个用电类型在每个温度区间的平均用电量为温度信息。
3.根据权利要求1所述的基于大数据的电池使用时间预测方法，其特征在于，所述步骤S2中，对用户分类信息进行获取，具体如下：
对每个使用用户的年龄、工作时间以及性别进行获取，根据性别以及用户年龄对年龄区间进行划分，分别划分为第一男性年龄区间、第二男性年龄区间、第三男性年龄区间、第四男性年龄区间、第一女性年龄区间、第二女性年龄区间、第三女性年龄区间、第四女性年龄区间；
根据工作时间，将工作时间分为第一工作区间、第二工作区间以及第三工作区间；
分别对第一男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第二男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第三男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第四男性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第一女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第二女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第三女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
分别对第四女性年龄区间内第一工作区间、第二工作区间以及第三工作区间的用户人数进行获取；
获取得到的男性年龄区间和女性年龄区间在每个工作区间内的人数为用户分类信息。
4.根据权利要求2所述的基于大数据的电池使用时间预测方法，其特征在于，对用户使用信息进行分析具体如下：
接收每个用户使用类型的用电时间，分别对第一个用户至第ys个用户的第一用电时间、第二用电时间、第三用电时间以及第四用电时间进行获取，根据用电时间对使用类型的占比进行求取；
依次对第二个用户至第ys个用户的使用类型占比进行获取；
对电池使用信息进行分析具体如下：
对第一个用户的用电量进行获取，得到第一用电量、第二用电量、第三用电量以及第四用电量，根据第一个用户的第一用电时间对第一类型的电池耗电速度进行获取，据第一个用户的第二用电时间对第一类型的电池耗电速度进行获取，据第一个用户的第三用电时间对第一类型的电池耗电速度进行获取，据第一个用户的第四用电时间对第一类型的电池耗电速度进行获取。
5.根据权利要求2所述的基于大数据的电池使用时间预测方法，其特征在于，对不同温度下的电池用电总量进行获取，具体如下：
对每个用电类型在每个温度区间的平均用电量进行获取，对第一位用户一天中电池用电的总时间进行获取，根据每个用户使用类型的占比，获取第一用户使用类型的占比，对第一用户使用类型的时间进行获取，获取第一用户在一天内使用电池的温度变化信息，获取第一温度区间至第三温度区间内第一用电类型的时间、第二用电类型的时间、第三用电类型的时间以及第四用电类型的时间；
根据获取的时间结合每个温度区间的平均用电量对第一用户的一天内的电池用电总量进行获取；
同理，对第二用户至第ys用户一天内的电池用电总量进行获取。
6.根据权利要求4所述的基于大数据的电池使用时间预测方法，其特征在于，基于电池损耗速度进行预测；
对电池第一次使用过程中每个使用类型的电池耗电速度进行获取，得到电池标准耗电速度，对电池在不同类型下的最大耗电速度进行获取，得到耗电临界值；
对每种使用类型的电池耗电速度进行比较，若电池耗电速度相同，则判断电池在不同使用过程中耗电速度相同，若电池耗电速度不同，则判断电池在使用过程中，随着使用类型的变化，电池耗电速度不同；
对每种类型的电池使用速度获取，对不同时间内每种类型的电池使用速度进行获取，得到s组耗电速度值；
通过耗电速度值结合标准耗电速度对电池速度差异值进行获取；
根据不同用电类型下的耗电临界值，求得电池速度差异警报值；
若求取的电池速度差异值大于电池速度差异警报值，则判断当前电池需要更换，若没有则无需进行更换；
根据获取s组耗电速度值，得到s个电池速度差异值，对两两电池速度差异值进行求差，得到电池速度增长值，根据不同时间段内电池速度增长值结合电池速度差异警报值对电池使用时间进行预测，得到第一电池寿命预测值。
7.根据权利要求5所述的基于大数据的电池使用时间预测方法，其特征在于，基于用电总量进行预测：
对电池第一次使用过程中不同温度下的用电总量进行获取，得到标准用电总量；
对不同时间段内不同温度下的用电总量进行获取，按照时间的先后顺序对获取的用电总量进行排序，设定最小的用电总量为qydmin，0＞qydmin＜qbzyd；qbzyd表示标准用电总量；
对两两用电总量进行求差，得到用电总量下降值，根据不同时间段内用电总量下降值结合最小的用电总量对电池使用时间进行预测，得到第二电池寿命预测值。
8.根据权利要求3所述的基于大数据的电池使用时间预测方法，其特征在于，基于用户分类进行预测；
接收用户分类信息，对第一男性年龄区间至第四女性年龄区间在第一工作区间、第二工作区间以及第三工作区间内的人数进行分别统计；
获取每个年龄区间在第一工作区间、第二工作区间以及第三工作区间内对应人员的用电时间，根据用电时间对第一工作区间、第二工作区间以及第三工作区间内每个用户的使用类型的占比进行获取，分别求取第一男性年龄区间至第四女性年龄区间的占比平均值，根据占比平均值的大小判断第一工作区间内每个年龄区间对电池的用电类型占比，根据用电类型占比获取对应的耗电速度值；
对不同时间段内对应的耗电速度值进行获取，依次对第一男性年龄区间至第四女性年龄区间内两两电池速度差异值进行求差，得到电池速度增长值，根据不同时间段内电池速度增长值结合电池速度差异警报值对电池使用时间进行预测，得到多个电池寿命预测值，若多个电池寿命预测值不同，则根据电池寿命预测值判断不同年龄段男女对电池的使用寿命不同，根据工作时间结合年龄区间和性别预测电池使用寿命，若相同，则判断在第一工作区间内，不同年龄区间男女对于电池的使用相同。
9.基于大数据的电池使用时间预测系统，适用于权利要求1-8任意一项所述的基于大数据的电池使用时间预测方法，其特征在于，所述预测系统包括使用数据获取模块、分类模块、分析模块、预测模块以及服务器；
使用数据获取模块对一段时间内用户使用类型以及电池变化信息进行获取，得到用户使用信息以及电池使用信息，对电池使用过程中的温度数值进行获取，得到温度信息；
分类模块接收用户使用信息对每个使用的用户信息进行分类得到用户分类信息；
分析模块接收用户使用信息以及电池使用信息进行分析，对每个用户使用类型的占比以及每个使用类型的电池耗电速度进行求取；
分析模块接收温度信息、每个用户使用类型的占比结合用户使用信息对电池使用过程中不同温度下的电池用电总量进行获取；
预测模块接收不同时间内每个使用类型的电池耗电速度、不同温度下的电池用电总量以及用户分类信息对电池使用时间进行预测，根据不同时间段内的预测时间不同，对电池进行提醒更换。
10.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-8任一项所述方法中的步骤。
11.一种存储介质，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，运行如权利要求1-8任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311411438.4A CN117148169B (zh) | 2023-10-30 | 2023-10-30 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311411438.4A CN117148169B (zh) | 2023-10-30 | 2023-10-30 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117148169A true CN117148169A (zh) | 2023-12-01 |
| CN117148169B CN117148169B (zh) | 2024-01-30 |
Family
ID=88899064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311411438.4A Active CN117148169B (zh) | 2023-10-30 | 2023-10-30 | 基于大数据的电池使用时间预测方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117148169B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117806220A (zh) * | 2024-03-01 | 2024-04-02 | 连云港市新达电子技术有限公司 | 石油测井仪器供电电源智能控制系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150351037A1 (en) * | 2014-05-29 | 2015-12-03 | Apple Inc. | Adaptive battery life extension |
| KR20160070524A (ko) * | 2014-12-10 | 2016-06-20 | 엘지전자 주식회사 | 사용자의 생활 패턴 분석을 이용한 모바일 디바이스 및 제어 방법 |
| CN113359036A (zh) * | 2021-06-09 | 2021-09-07 | 淮南师范学院 | 一种矿用动力电池组的用电健康状态在线监管系统 |
| CN115754726A (zh) * | 2022-11-01 | 2023-03-07 | 中国第一汽车股份有限公司 | 一种电池寿命预测及维持方法、电子设备和存储介质 |
| CN116381541A (zh) * | 2023-06-05 | 2023-07-04 | 苏州时代华景新能源有限公司 | 一种储能锂电池系统的健康评估方法及系统 |
| CN116859248A (zh) * | 2022-03-28 | 2023-10-10 | 北京小米移动软件有限公司 | 电池循环寿命预测方法、装置及存储介质 |
-
2023
- 2023-10-30 CN CN202311411438.4A patent/CN117148169B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150351037A1 (en) * | 2014-05-29 | 2015-12-03 | Apple Inc. | Adaptive battery life extension |
| KR20160070524A (ko) * | 2014-12-10 | 2016-06-20 | 엘지전자 주식회사 | 사용자의 생활 패턴 분석을 이용한 모바일 디바이스 및 제어 방법 |
| CN113359036A (zh) * | 2021-06-09 | 2021-09-07 | 淮南师范学院 | 一种矿用动力电池组的用电健康状态在线监管系统 |
| CN116859248A (zh) * | 2022-03-28 | 2023-10-10 | 北京小米移动软件有限公司 | 电池循环寿命预测方法、装置及存储介质 |
| CN115754726A (zh) * | 2022-11-01 | 2023-03-07 | 中国第一汽车股份有限公司 | 一种电池寿命预测及维持方法、电子设备和存储介质 |
| CN116381541A (zh) * | 2023-06-05 | 2023-07-04 | 苏州时代华景新能源有限公司 | 一种储能锂电池系统的健康评估方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| JOON-MYUNG KANG: "Personalized Battery Lifetime Prediction for Mobile Devices based on Usage Patterns", JOURNAL OF COMPUTING SCIENCE AND ENGINEERING, vol. 5, no. 4, XP002729792, DOI: 10.5626/JCSE.2011.5.4.338 * |
| 李元元: "基于数据驱动建模的锂离子电池健康管理研究", 中国博士学位论文全文数据库工程科技Ⅱ辑, no. 1 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117806220A (zh) * | 2024-03-01 | 2024-04-02 | 连云港市新达电子技术有限公司 | 石油测井仪器供电电源智能控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117148169B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008408B (zh) | 一种会话推荐方法、系统、设备及介质 | |
| CN117148169B (zh) | 基于大数据的电池使用时间预测方法、系统、设备及介质 | |
| CN111612650B (zh) | 一种基于dtw距离的电力用户分群方法及系统 | |
| CN105869022B (zh) | 一种应用流行度预测方法和装置 | |
| CN114579644B (zh) | 基于深度学习的电池有效充电数据识别方法、设备和介质 | |
| CN104091276A (zh) | 在线分析点击流数据的方法和相关装置及系统 | |
| CN109815631A (zh) | 一种游戏数据的处理方法和装置 | |
| CN111724184A (zh) | 一种转化概率预测方法及装置 | |
| CN111626514A (zh) | 一种电动汽车充电负荷预测方法及装置 | |
| CN110333991A (zh) | 云平台任务最大资源使用率预测方法 | |
| CN117332161A (zh) | 一种社交网络话题讨论影响力检测方法、系统 | |
| CN106301979B (zh) | 检测异常渠道的方法和系统 | |
| CN112182460A (zh) | 资源的推送方法和装置、存储介质及电子装置 | |
| CN116701887B (zh) | 用电量预测方法、装置、电子设备及存储介质 | |
| CN111311318A (zh) | 用户流失预警的方法、装置、设备及存储介质 | |
| CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
| CN111625720A (zh) | 数据决策项目执行策略的确定方法、装置、设备和介质 | |
| CN114764600A (zh) | 新能源车电池包的寿命预测方法、装置和电子设备 | |
| CN111182354B (zh) | 视频评分推荐方法、装置、设备及计算机可读存储介质 | |
| CN107357703A (zh) | 一种终端应用耗电检测方法及服务器 | |
| CN117035434B (zh) | 可疑交易监测方法及装置 | |
| CN114330866B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
| CN115149126B (zh) | 电池组信息处理方法、装置、电子设备和计算机可读介质 | |
| CN118336163B (zh) | 一种应用于储能电池的智能管理方法及相关设备 | |
| CN118296565B (zh) | 基于数据挖掘的动力电池事故溯源管控系统 |
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 |