[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

本申請公開了一種數據處理方法、裝置及電子設備，通過以電池的多組運行數據中的多項運行參數如環境信息、停車信息、充電信息等對能夠預測電池健康度的健康度預測模型進行訓練，進而以訓練成熟的健康度預測模型中的模型參數為樣本訓練能夠預測每項運行參數對電池健康度值影響程度的評分模型，由此利用訓練完成的評分模型就能夠獲得電池在各種環境因素上的運行參數對電池健康度的影響程度，實現本申請目的。

技術領域

本申請涉及電池養護技術領域，尤其涉及一種數據處理方法、裝置及電子設備。

背景技術

為了節能環保，電池已經成為核心的新能源。而在實際應用中，存在各種因素會影響到電池健康度，例如，電池的充電次數和放電次數過多會降低電池健康度等等。

為了減緩電池健康度的下降，如何評估各種環境因素對電池健康度的影響程度，就顯得尤為重要。

發明內容

有鑒于此，本申請提供一種數據處理方法、裝置及電子設備，如下：

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；

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。

上述方法，優選的，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。

上述方法，優選的，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。

上述方法，優選的，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。

上述方法，優選的，還包括：