电池热管理数据处理方法及系统技术方案

本发明专利技术提供的电池热管理数据处理方法及系统，涉及数据处理技术领域。在本发明专利技术中，采集到目标电池对应的多条历史电池热管理数据；依据多条历史电池热管理数据之间的数据相关关系，对多条历史电池热管理数据进行整合处理，以形成多条历史电池热管理数据对应的历史数据分布阵列，历史数据分布阵列包括多行历史电池热管理数据和多列历史电池热管理数据；利用目标电池寿命预测神经网络，对历史数据分布阵列进行分析处理，以输出目标电池对应的电池寿命预测值。基于上述方法，可以在一定程度上提高电池热管理数据处理的可靠度。高电池热管理数据处理的可靠度。高电池热管理数据处理的可靠度。

【技术实现步骤摘要】
电池热管理数据处理方法及系统


[0001]本专利技术涉及数据处理
，具体而言，涉及一种电池热管理数据处理方法及系统。

技术介绍

[0002]电池的热管理数据一般是指记录电池的工作过程中的各个时刻或时段的温度值，其中，电池的热管理数据具有较多的应用，例如，可以用于对充电电流进行管控，还可以用于对电池的寿命进行分析。但是，在现有技术中，一般仅仅是基于对热管理数据进行异常分析，以确定出异常温度的数量和频次等参数，再基于该参数确定出电池的预估寿命，如此，就存在分析的可靠度不佳问题，即电池热管理数据处理的可靠度不佳的问题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种电池热管理数据处理方法及系统，以在一定程度上提高电池热管理数据处理的可靠度。
[0004]为实现上述目的，本专利技术实施例采用如下技术方案：一种电池热管理数据处理方法，包括：采集到目标电池对应的多条历史电池热管理数据，每一条所述历史电池热管理数据基于在历史上对所述目标电池进行热管理监控得到，且每一条历史电池热管理数据至少包括所述目标电池在两个维度的数据；依据所述多条历史电池热管理数据之间的数据相关关系，对所述多条历史电池热管理数据进行整合处理，以形成所述多条历史电池热管理数据对应的历史数据分布阵列，所述历史数据分布阵列包括多行历史电池热管理数据和多列历史电池热管理数据，每一行的历史电池热管理数据的数量大于1，每一列的历史电池热管理数据的数量大于1；利用目标电池寿命预测神经网络，对所述历史数据分布阵列进行分析处理，以输出所述目标电池对应的电池寿命预测值。
[0005]在一些优选的实施例中，在上述电池热管理数据处理方法中，所述采集到目标电池对应的多条历史电池热管理数据的步骤，包括：采集到目标电池对应的多条原始历史电池热管理数据，每一条所述原始历史电池热管理数据包括温度维度对应的历史电池温度数据和体积维度对应的历史电池体积数据；对所述多条原始历史电池热管理数据进行数据对应关系确定处理，以输出所述多条原始历史电池热管理数据对应的目标温度体积对应关系；依据所述目标温度体积对应关系，对所述多条原始历史电池热管理数据进行异常分析处理，以标记出所述多条原始历史电池热管理数据中的每一条异常原始历史电池热管理数据，在存在多条异常原始历史电池热管理数据的情况下，任意两条异常原始历史电池热管理数据在时间是不相邻；将所述多条原始历史电池热管理数据中的每一条异常原始历史电池热管理数据
筛除，以得到所述目标电池对应的多条历史电池热管理数据。
[0006]在一些优选的实施例中，在上述电池热管理数据处理方法中，所述依据所述多条历史电池热管理数据之间的数据相关关系，对所述多条历史电池热管理数据进行整合处理，以形成所述多条历史电池热管理数据对应的历史数据分布阵列的步骤，包括：依据对应的采集时间，对所述多条历史电池热管理数据进行排序处理，以所述多条历史电池热管理数据对应的数据排序序列；分别依据多个预设序列长度中的每一个预设序列长度，对所述数据排序序列进行分割处理，以形成所述多个预设序列长度对应的多个子序列集合，对于所述多个子序列集合中的每一个所述子序列集合，该序列集合包括多个子数据排序序列，该多个子数据排序序列中的每一个子数据排序序列的序列长度等于该子序列集合对应的预设序列长度；对于所述多个子序列集合中的每一个所述子序列集合，分别对该子序列集合包括的每一个子数据排序序列进行体积变化关系的确定处理，所述体积变化关系用于反映对应的子数据排序序列中各历史电池热管理数据包括的历史电池体积数据基于对应的采集时间形成的体积变化；对于所述多个子序列集合中的每一个所述子序列集合，对该子序列集合包括的每两个相邻的子数据排序序列对应的体积变化关系进行关系相关度的确定处理，再对该子序列集合包括的每两个相邻的子数据排序序列对应的体积变化关系之间的关系相关度进行均值计算，以输出该子序列集合对应的关系相关度均值，以及，依据所述多个子序列集合中的每一个所述子序列集合对应的关系相关度均值，筛选出目标子序列集合；基于所述目标子序列集合包括的多个子数据排序序列，构建形成所述多条历史电池热管理数据对应的历史数据分布阵列，在所述历史数据分布阵列中，一行历史数据分布阵列与一个子数据排序序列一致。
[0007]在一些优选的实施例中，在上述电池热管理数据处理方法中，所述利用目标电池寿命预测神经网络，对所述历史数据分布阵列进行分析处理，以输出所述目标电池对应的电池寿命预测值的步骤，包括：对所述历史数据分布阵列进行数据挖掘操作，以输出用于代表所述历史数据分布阵列的阵列挖掘结果代表向量，所述历史数据分布阵列包括至少两个历史数据分布阵列区域，所述阵列挖掘结果代表向量包括至少两个阵列区域挖掘结果代表向量，一个所述历史数据分布阵列区域与一个所述阵列区域挖掘结果代表向量对应；分别分析出所述至少两个阵列区域挖掘结果代表向量中的每一个阵列区域挖掘结果代表向量对应的向量影响力表征参数，再基于对应的所述向量影响力表征参数对所述至少两个阵列区域挖掘结果代表向量进行向量融合操作，以输出对应的融合阵列区域挖掘结果代表向量；对所述至少两个阵列区域挖掘结果代表向量进行分类筛选操作，以输出至少两个代表向量分类集合分别包括的筛选阵列区域挖掘结果代表向量，再基于所述至少两个代表向量分类集合和预先配置的非稠密数据分布阵列，分析输出每一个所述筛选阵列区域挖掘结果代表向量对应的非稠密向量全局影响力，以及，基于分析出的至少两个所述非稠密向量全局影响力形成对应的非稠密数据代表向量，一个所述筛选阵列区域挖掘结果代表向量对应的非稠密向量全局影响力依据对应的代表向量分类集合中的筛选阵列区域挖掘结果
代表向量形成；利用目标电池寿命预测神经网络，并基于所述融合阵列区域挖掘结果代表向量和所述非稠密数据代表向量进行分析处理，以输出所述历史数据分布阵列对应的电池寿命预测值。
[0008]在一些优选的实施例中，在上述电池热管理数据处理方法中，所述对所述历史数据分布阵列进行数据挖掘操作，以输出用于代表所述历史数据分布阵列的阵列挖掘结果代表向量的步骤，包括：检测出所述历史数据分布阵列中的阵列边缘部分和阵列中间部分；基于所述阵列边缘部分和所述阵列中间部分对所述历史数据分布阵列进行阵列区域划分操作，以形成对应的初始阵列中间部分；基于预先配置的区域调整参数对所述初始阵列中间部分进行区域尺寸调整操作，以形成对应的目标阵列中间部分；基于预先配置的历史数据分布阵列区域行数目和历史数据分布阵列区域列数目，对所述目标阵列中间部分进行区域分割操作，以形成对应的至少两个历史数据分布阵列区域，所述历史数据分布阵列区域行数目小于所述目标阵列中间部分的行数目，所述历史数据分布阵列区域列数目小于所述目标阵列中间部分的列数目；对所述至少两个历史数据分布阵列区域分别进行阵列区域数据挖掘操作，以输出所述至少两个历史数据分布阵列区域中的每一个历史数据分布阵列区域对应的阵列区域挖掘结果代表向量，再基于所述至少两个历史数据分布阵列区域分别对应的阵列区域挖掘结果代表向量形成所述历史数据分布阵列对应的阵列挖本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池热管理数据处理方法，其特征在于，包括：采集到目标电池对应的多条历史电池热管理数据，每一条所述历史电池热管理数据基于在历史上对所述目标电池进行热管理监控得到，且每一条历史电池热管理数据至少包括所述目标电池在两个维度的数据；依据所述多条历史电池热管理数据之间的数据相关关系，对所述多条历史电池热管理数据进行整合处理，以形成所述多条历史电池热管理数据对应的历史数据分布阵列，所述历史数据分布阵列包括多行历史电池热管理数据和多列历史电池热管理数据，每一行的历史电池热管理数据的数量大于1，每一列的历史电池热管理数据的数量大于1；利用目标电池寿命预测神经网络，对所述历史数据分布阵列进行分析处理，以输出所述目标电池对应的电池寿命预测值。2.如权利要求1所述的电池热管理数据处理方法，其特征在于，所述采集到目标电池对应的多条历史电池热管理数据的步骤，包括：采集到目标电池对应的多条原始历史电池热管理数据，每一条所述原始历史电池热管理数据包括温度维度对应的历史电池温度数据和体积维度对应的历史电池体积数据；对所述多条原始历史电池热管理数据进行数据对应关系确定处理，以输出所述多条原始历史电池热管理数据对应的目标温度体积对应关系；依据所述目标温度体积对应关系，对所述多条原始历史电池热管理数据进行异常分析处理，以标记出所述多条原始历史电池热管理数据中的每一条异常原始历史电池热管理数据，在存在多条异常原始历史电池热管理数据的情况下，任意两条异常原始历史电池热管理数据在时间是不相邻；将所述多条原始历史电池热管理数据中的每一条异常原始历史电池热管理数据筛除，以得到所述目标电池对应的多条历史电池热管理数据。3.如权利要求1所述的电池热管理数据处理方法，其特征在于，所述依据所述多条历史电池热管理数据之间的数据相关关系，对所述多条历史电池热管理数据进行整合处理，以形成所述多条历史电池热管理数据对应的历史数据分布阵列的步骤，包括：依据对应的采集时间，对所述多条历史电池热管理数据进行排序处理，以所述多条历史电池热管理数据对应的数据排序序列；分别依据多个预设序列长度中的每一个预设序列长度，对所述数据排序序列进行分割处理，以形成所述多个预设序列长度对应的多个子序列集合，对于所述多个子序列集合中的每一个所述子序列集合，该序列集合包括多个子数据排序序列，该多个子数据排序序列中的每一个子数据排序序列的序列长度等于该子序列集合对应的预设序列长度；对于所述多个子序列集合中的每一个所述子序列集合，分别对该子序列集合包括的每一个子数据排序序列进行体积变化关系的确定处理，所述体积变化关系用于反映对应的子数据排序序列中各历史电池热管理数据包括的历史电池体积数据基于对应的采集时间形成的体积变化；对于所述多个子序列集合中的每一个所述子序列集合，对该子序列集合包括的每两个相邻的子数据排序序列对应的体积变化关系进行关系相关度的确定处理，再对该子序列集合包括的每两个相邻的子数据排序序列对应的体积变化关系之间的关系相关度进行均值计算，以输出该子序列集合对应的关系相关度均值，以及，依据所述多个子序列集合中的每
一个所述子序列集合对应的关系相关度均值，筛选出目标子序列集合；基于所述目标子序列集合包括的多个子数据排序序列，构建形成所述多条历史电池热管理数据对应的历史数据分布阵列，在所述历史数据分布阵列中，一行历史数据分布阵列与一个子数据排序序列一致。4.如权利要求1
‑
3任意一项所述的电池热管理数据处理方法，其特征在于，所述利用目标电池寿命预测神经网络，对所述历史数据分布阵列进行分析处理，以输出所述目标电池对应的电池寿命预测值的步骤，包括：对所述历史数据分布阵列进行数据挖掘操作，以输出用于代表所述历史数据分布阵列的阵列挖掘结果代表向量，所述历史数据分布阵列包括至少两个历史数据分布阵列区域，所述阵列挖掘结果代表向量包括至少两个阵列区域挖掘结果代表向量，一个所述历史数据分布阵列区域与一个所述阵列区域挖掘结果代表向量对应；分别分析出所述至少两个阵列区域挖掘结果代表向量中的每一个阵列区域挖掘结果代表向量对应的向量影响力表征参数，再基于对应的所述向量影响力表征参数对所述至少两个阵列区域挖掘结果代表向量进行向量融合操作，以输出对应的融合阵列区域挖掘结果代表向量；对所述至少两个阵列区域挖掘结果代表向量进行分类筛选操作，以输出至少两个代表向量分类集合分别包括的筛选阵列区域挖掘结果代表向量，再基于所述至少两个代表向量分类集合和预先配置的非稠密数据分布阵列，分析输出每一个所述筛选阵列区域挖掘结果代表向量对应的非稠密向量全局影响力，以及，基于分析出的至少两个所述非稠密向量全局影响力形成对应的非稠密数据代表向量，一个所述筛选阵列区域挖掘结果代表向量对应的非稠密向量全局影响力依据对应的代表向量分类集合中的筛选阵列区域挖掘结果代表向量形成；利用目标电池寿命预测神经网络，并基于所述融合阵列区域挖掘结果代表向量和所述非稠密数据代表向量进行分析处理，以输出所述历史数据分布阵列对应的电池寿命预测值。5.如权利要求4所述的电池热管理数据处理方法，其特征在于，所述对所述历史数据分布阵列进行数据挖掘操作，以输出用于代表所述历史数据分布阵列的阵列挖掘结果代表向量的步骤，包括：检测出所述历史数据分布阵列中的阵列边缘部分和阵列中间部分；基于所述阵列边缘部分和所述阵列中间部分对所述历史数据分布阵列进行阵列区域划分操作，以形成对应的初始阵列中间部分；基于预先配置的区域调整参数对所述初始阵列中间部分进行区域尺寸调整操作，以形成对应的目标阵列中间部分；基于预先配置的历史数据分布阵列区域行数目和历史数据分布阵列区域列数目，对所述目标阵列中间部分进行区域分割操作，以形成对应的至少两个历史数...

【专利技术属性】
技术研发人员：刘冬玉，陶林，
申请(专利权)人：泰铂上海环保科技股份有限公司，
类型：发明
国别省市：