本申请公开了一种电池寿命预测方法及相关装置，获取待预测电池的健康状态数据，健康状态数据包括多个预设时间段的健康状态参数。将各个预设时间段的健康状态参数送入改进的灰狼算法，将改进的灰狼算法的寻优结果作为最优健康状态参数，最优健康状态参数包括最优电池温度、最优放电深度、最优充电速率、最优环境温度、和最优环境温度变化率，依据最优健康状态参数，获取寿命预测结果，由于改进的灰狼算法采用预设的混沌映射进行初始种群的生成，使得初始种群可以更加均匀地分布在解空间中，提高了算法全局搜索能力，因此提高最优健康状态参数的准确性，进一步提高了寿命预测结果的准确性。确性。确性。
【技术实现步骤摘要】
一种电池寿命预测方法及相关装置
[0001]本申请涉及人工智能
，尤其涉及一种电池寿命预测方法及相关装置。
技术介绍
[0002]为防止因非可控因素断电导致银行业务办理受阻或业务数据丢失，银行机构大多会配置备用电池，以备不时之需。影响备用电池健康状态的因素包括温度、放电深度和充电速率等状态参数，因此，通过动态监控备用电池的各项状态参数，通过状态参数预测备用电池的寿命是目前电池寿命预测的主流方法。
[0003]但是，由于电池容量的退化过程中会出现局部重生现象，这种现象所产生的波动性会严重影响预测算法的性能，因此，如何从动态的状态参数中寻找最优数据成为提高电池寿命预测结果准确性的重要手段。
技术实现思路
[0004]本申请提供了一种电池寿命预测方法及相关装置，如下：
[0005]一种电池寿命预测方法，包括：
[0006]获取待预测电池的健康状态数据，所述健康状态数据包括多个预设时间段的健康状态参数，所述预设时间段的健康状态参数包括但不限于电池温度、放电深度、充电速率、环境温度、和环境温度变化率；
[0007]将各个所述预设时间段的健康状态参数送入改进的灰狼算法，将所述改进的灰狼算法的寻优结果作为最优健康状态参数，所述最优健康状态参数包括最优电池温度、最优放电深度、最优充电速率、最优环境温度、和最优环境温度变化率，所述改进的灰狼算法采用预设的混沌映射进行初始种群的生成；
[0008]依据所述最优健康状态参数，获取寿命预测结果。
[0009]可选地，改进的灰狼算法的寻优过程包括：
[0010]采用预设的混沌映射进行初始种群的生成；基于预设的适应度函数以及所述初始种群，按照所述改进的灰狼算法在整个解空间进行迭代寻优，直至达到预设的最大迭代次数或满足预设的最优解条件，输出寻优结果；
[0011]其中，所述预设的混沌映射包括改进的Fuch混沌映射；所述改进的Fuch混沌映射的数学模型包括：
[0012]z
i+1
＝(d
i+1+
e
i+1
)mod1
[0013]所述mod表示取模运算，所述z
i+1
表示所述改进的Fuch混沌映射的混沌值，所述d
i+1
表示一次Fuch混沌映射得到的混沌值，e
i+1
表示再一次Fuch混沌映射得到的混沌值。
[0014]可选地，按照所述改进的灰狼算法在整个解空间进行寻优，包括：结合粒子群算法中粒子位置更新方法获取种群位置；
[0015]基于所述种群位置更新灰狼个体的位置。
[0016]可选地，基于所述种群位置更新灰狼个体的位置，包括：
[0017]引入莱维飞行策略优化所述种群位置；
[0018]基于优化后的种群位置更新灰狼个体的位置。
[0019]可选地，基于优化后的种群位置更新灰狼个体的位置，包括：
[0020]使用贪婪选择策略进行位置更新的判断保留，得到一次迭代的最优解。
[0021]一种电池寿命预测装置，包括：
[0022]待测数据获取单元，用于获取待预测电池的健康状态数据，所述健康状态数据包括多个预设时间段的健康状态参数，所述预设时间段的健康状态参数包括但不限于电池温度、放电深度、充电速率、环境温度、和环境温度变化率；
[0023]算法寻优单元，用于将各个所述预设时间段的健康状态参数送入改进的灰狼算法，将所述改进的灰狼算法的寻优结果作为最优健康状态参数，所述最优健康状态参数包括最优电池温度、最优放电深度、最优充电速率、最优环境温度、和最优环境温度变化率，所述改进的灰狼算法采用预设的混沌映射进行初始种群的生成；
[0024]寿命预测单元，用于依据所述最优健康状态参数，获取寿命预测结果。
[0025]可选地，改进的灰狼算法的寻优过程包括：
[0026]采用预设的混沌映射进行初始种群的生成；基于预设的适应度函数以及所述初始种群，按照所述改进的灰狼算法在整个解空间进行迭代寻优，直至达到预设的最大迭代次数或满足预设的最优解条件，输出寻优结果；
[0027]其中，所述预设的混沌映射包括改进的Fuch混沌映射；所述改进的Fuch混沌映射的数学模型包括：
[0028]z
i+1
＝(d
i+1
+e
i+1
)mod1
[0029]所述mod表示取模运算，所述z
i+1
表示所述改进的Fuch混沌映射的混沌值，所述d
i+1
表示一次Fuch混沌映射得到的混沌值，e
i+1
表示再一次Fuch混沌映射得到的混沌值。
[0030]一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如上所述的方法。
[0031]一种处理器，所述处理器用于运行程序，其中，所述程序运行时实现如上所述的方法。
[0032]一种电子设备，包括：
[0033]一个或多个处理器；
[0034]存储装置，其上存储有一个或多个程序；
[0035]当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
[0036]由上述技术方案可以看出，本申请实施例提供的一种电池寿命预测方法及相关装置，获取待预测电池的健康状态数据，健康状态数据包括多个预设时间段的健康状态参数，预设时间段的健康状态参数包括但不限于电池温度、放电深度、充电速率、环境温度、和环境温度变化率。将各个预设时间段的健康状态参数送入改进的灰狼算法，将改进的灰狼算法的寻优结果作为最优健康状态参数，最优健康状态参数包括最优电池温度、最优放电深度、最优充电速率、最优环境温度、和最优环境温度变化率，依据最优健康状态参数，获取寿命预测结果，由于改进的灰狼算法采用预设的混沌映射进行初始种群的生成，使得初始种群可以更加均匀地分布在解空间中，提高了算法全局搜索能力，因此提高最优健康状态参
数的准确性，进一步提高了寿命预测结果的准确性。
附图说明
[0037]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1a示例了灰狼算法中灰狼地位等级示意图；
[0039]图1b示例了灰狼算法狩猎阶段搜索过程示意图；
[0040]图2为本申请实施例提供的一种电池寿命预测方法的流程示意图；
[0041]图3为本申请实施例提供的一种电池寿命预测装置的流程示意图；
[0042]图4为本申请实施例提供的一种电池寿命预测设备的结构示意图。
具体实施方式
[0043]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电池寿命预测方法，其特征在于，包括：获取待预测电池的健康状态数据，所述健康状态数据包括多个预设时间段的健康状态参数，所述预设时间段的健康状态参数包括但不限于电池温度、放电深度、充电速率、环境温度、和环境温度变化率；将各个所述预设时间段的健康状态参数送入改进的灰狼算法，将所述改进的灰狼算法的寻优结果作为最优健康状态参数，所述最优健康状态参数包括最优电池温度、最优放电深度、最优充电速率、最优环境温度、和最优环境温度变化率，所述改进的灰狼算法采用预设的混沌映射进行初始种群的生成；依据所述最优健康状态参数，获取寿命预测结果。2.根据权利要求1所述的方法，其特征在于，所述改进的灰狼算法的寻优过程包括：采用预设的混沌映射进行初始种群的生成；基于预设的适应度函数以及所述初始种群，按照所述改进的灰狼算法在整个解空间进行迭代寻优，直至达到预设的最大迭代次数或满足预设的最优解条件，输出寻优结果；其中，所述预设的混沌映射包括改进的Fuch混沌映射；所述改进的Fuch混沌映射的数学模型包括：z
i+1
＝(d
i+1
+e
i+1
)mod1所述mod表示取模运算，所述z
i+1
表示所述改进的Fuch混沌映射的混沌值，所述d
i+1
表示一次Fuch混沌映射得到的混沌值，e
i+1
表示再一次Fuch混沌映射得到的混沌值。3.根据权利要求1或2所述的方法，其特征在于，所述按照所述改进的灰狼算法在整个解空间进行寻优，包括：结合粒子群算法中粒子位置更新方法获取种群位置；基于所述种群位置更新灰狼个体的位置。4.根据权利要求3所述的方法，其特征在于，所述基于所述种群位置更新灰狼个体的位置，包括：引入莱维飞行策略优化所述种群位置；基于优化后的种群位置更新灰狼个体的位置。5.根据权利要求4所述的方法，其特征在于，所述基于优化后的种群位置更新灰狼个体的位置，包括：使用贪婪选择策略进行位置更新的判断保留，得到一次迭代的最优解。6.一种电池寿命预测装...
【专利技术属性】
技术研发人员：郭一翰，张玉忠，孙晓宁，赵华国，丁浩，
申请(专利权)人：中国农业银行股份有限公司青岛市分行，
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。