[發明專利]一種數據處理方法、裝置及電子設備

有效

• 申請號: 201911418635.2
• 申請日: 2019-12-31
• 公開（公告）號: CN111142026B
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 金繼民;楊帆;張成松
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李金

1.一種數據處理方法，包括：

獲得電池的訓練數據，所述訓練數據中包括至少兩組運行數據，所述運行數據包括至少兩項運行參數的參數值和相應的電池健康度值，所述運行數據中的運行參數包括：環境信息、停車信息、汽車行駛信息、充電信息以及放電信息，所述環境信息包括：所述電池運行環境中的天氣信息或/和交通是否擁堵；所述停車信息包括：停放地點、停車方式及停車時長中的任一項或任意多項；所述汽車行駛信息包括：所述電池所在汽車的駕駛時長、駕駛速度、加速度中的任一項或任意多項；所述充電信息及放電信息包括：充放電次數或/和充放電時長；

以所述訓練數據中的運行數據作為預先構建的健康度預測模型的訓練樣本，對所述健康度預測模型進行訓練；

根據所述健康度預測模型的模型參數，獲得所述運行數據中的所述運行參數的參數向量，所述參數向量包括：所述健康度預測模型中的多個運算單元與所述運行參數對應的參數權重值；

以第一運行參數的參數向量為預先構建的評分模型的輸入，以所述第一運行參數的評分值為所述評分模型的輸出，對所述評分模型進行訓練，以得到訓練完成的評分模型，所述第一運行參數為所述至少兩項運行參數中具有評分值的運行參數；所述第一運行參數的評分值表征所述第一運行參數對所述電池的健康度值的影響程度；

其中，所述評分模型用于以第二運行參數的參數向量作為輸入，輸出所述第二運行參數的評分結果，所述第二運行參數為沒有評分值的運行參數；所述評分結果表征所述第二運行參數對所述電池的健康度值的影響程度。

2.根據權利要求1所述的方法，所述健康度預測模型為基于人工神經網絡構建的模型，所述健康度預測模型中包括至少一層隱藏層，所述隱藏層包括多個神經網絡運算單元；

其中，所述參數向量包括：所述健康度預測模型中第一層所述隱藏層的多個神經網絡運算單元與所述運行參數對應的參數權重值。

3.根據權利要求2所述的方法，根據所述健康度預測模型的模型參數，獲得所述運行數據中的所述運行參數的參數向量，包括：

獲得所述健康度預測模型的模型參數，所述模型參數包括所述至少一層隱藏層中的多個所述神經網絡運算單元與所述運行參數對應的參數權重值；

在所述至少一層隱藏層中的多個所述神經網絡運算單元與所述運行參數對應的參數權重值中，獲得第一層所述隱藏層的多個神經網絡運算單元與所述運行參數對應的參數權重值，以組成所述運行數據中的所述運行參數的參數向量。

4.根據權利要求1或2所述的方法，以所述訓練數據中的運行數據作為預先構建的健康度預測模型的訓練樣本，對所述健康度預測模型進行訓練，包括：

對所述訓練數據中所述運行數據內的運行參數進行預處理；所述預處理包括：數據歸一化、數據缺失補充、數據冗余去除、數據降噪和數據異常刪除中的任意一種或任意多種的組合；

將所述訓練數據中所述運行數據內的運行參數作為預先構建的健康度預測模型的輸入，將所述運行數據中的電池健康度值作為所述健康度預測模型的輸出，對所述健康度預測模型進行訓練，以得到訓練完成的健康度預測模型。

5.根據權利要求1或2所述的方法，還包括：

獲得電池的驗證數據，所述驗證數據中包括至少兩組運行數據，所述運行數據包括至少兩項運行參數的參數值和相應的電池健康度值；所述驗證數據與所述訓練數據不同；

將所述驗證數據中的運行數據輸入所述健康度預測模型，以得到所述健康度預測模型輸出的預測結果；

根據所述預測結果，對所述模型參數進行修改。

6.根據權利要求5所述的方法，根據所述預測結果，對所述模型參數進行修改，包括：

將所述預測結果和所述驗證數據中所述運行數據內的電池健康度值進行比對，得到比對結果；

根據所述比對結果，對所述模型參數進行修改。

7.根據權利要求3所述的方法，還包括：

利用預設的優化算法，對訓練完成的健康度預測模型的模型參數進行優化。

8.根據權利要求1所述的方法，還包括：

利用預設的回歸算法，構建所述評分模型。