【技术实现步骤摘要】
本申请涉及电池，特别是涉及一种电池寿命预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、目前，锂电池系统因其高能量密度、低自放电功率、安全性较高等优点，在各个领域得到了广泛应用，其使用寿命也越来越引起人们的关注，因此，需要对电池的剩余寿命进行预测。
2、传统技术中，通常会采集锂电池系统的各项检测数据，通过监测数据构建锂电池系统的机理模型，并锂电池系统的机理模型分析锂电池的退化状态，从而预测锂电池系统的剩余寿命。
3、然而，机理模型为锂电池的理论模型，实际锂电池的性能情况、使用情况较为复杂，因此，通过机理模型预测锂电池系统的剩余寿命，预测准确率较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高电池寿命预测准确率的电池寿命预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种电池寿命预测方法，包括：
3、获取目标电池系统的多个指标的指标数据、以及所述目标电池系统对应的不确定性影响参数；所述不确定性影响参数为表征影响所述目标电池系统使用及寿命预测的影响参数；
4、基于所述多个指标的指标数据和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果，并基于所述不确定性影响参数确定所述不确定性影响参数对应的不确定性影响程度；
5、基于所述初始寿命预测结果和所述不确定性影响程度，确定所述目标电池系统对应的寿命预测结果。
6、在其中一个实施例中，所述不确定性影响参数至少包括模型预测不确定参数、所述指标数据的不确定参数、电池性能不确定参数中的一种或多种。
7、在其中一个实施例中，所述基于所述不确定性影响参数确定所述不确定性影响参数对应的不确定性影响程度，包括：
8、将所述模型预测不确定参数、所述指标数据的不确定参数和所述电池性能不确定参数输入预先训练的影响预测模型，得到所述不确定性影响参数对应的不确定性影响程度。
9、在其中一个实施例中，所述基于所述多个指标的指标数据和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果，包括：
10、通过数据增强策略，对所述多个指标的指标数据进行增强处理，得到样本指标数据；
11、对所述样本指标数据进行特征提取，得到所述样本指标数据的时域特征和频域特征；
12、针对每个指标，根据所述指标的样本指标数据的时域特征和频域特征，确定所述指标对应的相关度；所述相关度用于表征所述指标与所述目标电池系统的寿命的相关程度；
13、将相关度大于预设相关度阈值的指标作为目标指标，并基于所述目标指标的样本指标数据的时域特征和频域特征和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果。
14、在其中一个实施例中，所述混合预测模型包含所述电池系统的机理模型和多个数据驱动模型；所述基于所述多个指标的指标数据和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果，包括：
15、将所述多个指标的指标数据分别输入所述多个数据驱动模型，输出多个第一寿命预测结果，并基于所述机理模型确定第二寿命预测结果；
16、根据所述多个第一寿命预测结果、各所述数据驱动模型对应的权重、以及多个所述第一寿命预测结果对应的置信度，确定第三寿命预测结果；
17、基于所述第二寿命预测结果、所述第三寿命预测结果和融合算法，确定所述目标电池系统对应的初始寿命预测结果。
18、在其中一个实施例中，所述基于所述初始寿命预测结果和所述不确定性影响程度，确定所述目标电池系统对应的寿命预测结果，包括：
19、将所述初始寿命预测结果和所述不确定性影响程度相乘，得到所述目标电池系统对应的寿命预测结果；或者，
20、基于所述不确定性影响程度确定调整因子，将所述调整因子与所述初始寿命预测结果相乘，得到所述目标电池系统对应的寿命预测结果。
21、第二方面，本申请还提供了一种电池寿命预测装置，所述装置包括：
22、获取模块，用于获取目标电池系统的多个指标的指标数据、以及所述目标电池系统对应的不确定性影响参数；所述不确定性影响参数为表征影响所述目标电池系统使用及寿命预测的影响参数；
23、第一确定模块，用于基于所述多个指标的指标数据和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果，并基于所述不确定性影响参数确定所述不确定性影响参数对应的不确定性影响程度；
24、第二确定模块，用于基于所述初始寿命预测结果和所述不确定性影响程度，确定所述目标电池系统对应的寿命预测结果。
25、在其中一个实施例中，所述不确定性影响参数至少包括模型预测不确定参数、所述指标数据的不确定参数、电池性能不确定参数中的一种或多种。
26、在其中一个实施例中，所述第一确定模块，具体用于：
27、将所述模型预测不确定参数、所述指标数据的不确定参数和所述电池性能不确定参数输入预先训练的影响预测模型，得到所述不确定性影响参数对应的不确定性影响程度。
28、在其中一个实施例中，所述第一确定模块，具体用于：
29、通过数据增强策略，对所述多个指标的指标数据进行增强处理，得到样本指标数据；
30、对所述样本指标数据进行特征提取，得到所述样本指标数据的时域特征和频域特征；
31、针对每个指标，根据所述指标的样本指标数据的时域特征和频域特征，确定所述指标对应的相关度；所述相关度用于表征所述指标与所述目标电池系统的寿命的相关程度；
32、将相关度大于预设相关度阈值的指标作为目标指标，并基于所述目标指标的样本指标数据的时域特征和频域特征和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果。
33、在其中一个实施例中，所述混合预测模型包含所述电池系统的机理模型和多个数据驱动模型；所述第一确定模块，具体用于：
34、将所述多个指标的指标数据分别输入所述多个数据驱动模型，输出多个第一寿命预测结果，并基于所述机理模型确定第二寿命预测结果；
35、根据所述多个第一寿命预测结果、各所述数据驱动模型对应的权重、以及多个所述第一寿命预测结果对应的置信度，确定第三寿命预测结果；
36、基于所述第二寿命预测结果、所述第三寿命预测结果和融合算法，确定所述目标电池系统对应的初始寿命预测结果。
37、在其中一个实施例中，所述第二确定模块，具体用于：
38、将所述初始寿命预测结果和所述不确定性影响程度相乘，得到所述目标电池系统对应的寿命预测结果；或者，
39、基于所述不确定性影响程度确定调整因子，将所述调整因子与所述初始寿命预测结果相乘，得到所述目标电池系统对应的寿命预测结果。
40、第三本文档来自技高网...
【技术保护点】
1.一种电池寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述不确定性影响参数至少包括模型预测不确定参数、所述指标数据的不确定参数、电池性能不确定参数中的一种或多种。
3.根据权利要求2所述的方法，其特征在于，所述基于所述不确定性影响参数确定所述不确定性影响参数对应的不确定性影响程度，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述多个指标的指标数据和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述混合预测模型包含所述电池系统的机理模型和多个数据驱动模型；所述基于所述多个指标的指标数据和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述初始寿命预测结果和所述不确定性影响程度，确定所述目标电池系统对应的寿命预测结果，包括：
7.一种电池寿命预测装置，其特征在于，所述装置包括：
8.一种计算机设备，
9.一种计算机可读存储介质，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实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种电池寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述不确定性影响参数至少包括模型预测不确定参数、所述指标数据的不确定参数、电池性能不确定参数中的一种或多种。
3.根据权利要求2所述的方法，其特征在于，所述基于所述不确定性影响参数确定所述不确定性影响参数对应的不确定性影响程度，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述多个指标的指标数据和预先训练的混合预测模型，确定所述目标电池系统对应的初始寿命预测结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述混合预测模型包含所述电池系统的机理模型和多个数据驱动模型；所述基于所述多个指标的指标数据和预先训练的混合预测模型，确定所述目标电池系...
【专利技术属性】
技术研发人员：温馨，王艺霏，张海明，陈重韬，李欣怡，姚艳丽，王森，彭柏，马跃，刑海瀛，李信，那琼澜，于然，王珣，沈宇，王东升，杨峰，娄竞，李坚，吴佳，张宁，姜蕴洲，周子阔，曲洪泽，邵博文，崔彭滔，高亮，王中利，王菁，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。