一种电池健康状态的预测方法及相关装置制造方法及图纸

本发明专利技术涉及电池管理领域，公开了一种电池健康状态的预测方法及相关装置，用于提高通信基站储能电源的电池健康状态预测准确率。方法包括：对降维参数信息进行特征提取，得到目标参数特征；构建初始电池健康状态监测模型，并对降维参数信息进行数据扩充，得到参数训练集；通过参数训练集对初始电池健康状态监测模型进行模型训练，得到目标电池健康状态监测模型；将目标参数特征输入目标电池健康状态监测模型进行电池工作状态分析，确定目标电池工作状态；对目标电池工作状态进行标准参数采集，通过目标电池健康状态监测模型进行电池健康状态分析，确定目标电池健康状态分析结果。确定目标电池健康状态分析结果。确定目标电池健康状态分析结果。

【技术实现步骤摘要】
一种电池健康状态的预测方法及相关装置


[0001]本专利技术涉及电池管理领域，尤其涉及一种电池健康状态的预测方法及相关装置。

技术介绍

[0002]通信基站是现代社会的重要组成部分，而储能电池则是通信基站备用电源的核心部件。为了确保通信基站的稳定运行，必须对储能电池的状态进行监测和分析。因此，研究如何准确地监测储能电池的健康状态，已成为通信基站运维中的关键问题。
[0003]目前，通信基站的储能电池健康状态监测方法主要有内阻检测、开路电压测试和温度检测等。但这些方法都存在一些缺点。内阻检测需要断开电池连接并安装专用仪表，操作不太方便；开路电压测试只能在电池处于静止状态时进行，不能实时监测电池状态；温度检测也具有一定局限性，容易受到环境温度变化的影响，即现有方案的准确率低。

技术实现思路

[0004]本专利技术提供了一种电池健康状态的预测方法及相关装置，用于提高通信基站储能电源的电池健康状态预测准确率。
[0005]本专利技术第一方面提供了一种电池健康状态的预测方法，所述电池健康状态的预测方法包括：采集通信基站储能电源的电池参数信息，并采集通信基站的通信参数，其中，所述通信参数包括通信信号以及通信频率；通过所述通信信号以及所述通信频率，对所述电池参数信息进行数据降维，得到降维参数信息；对所述降维参数信息进行特征提取，得到目标参数特征；构建初始电池健康状态监测模型，并对所述降维参数信息进行数据扩充，得到参数训练集；通过所述参数训练集对所述初始电池健康状态监测模型进行模型训练，得到目标电池健康状态监测模型；将所述目标参数特征输入所述目标电池健康状态监测模型进行电池工作状态分析，确定目标电池工作状态；对所述目标电池工作状态进行标准参数采集，得到标准参数数据库；基于所述标准参数数据库，通过所述目标电池健康状态监测模型进行电池健康状态分析，确定目标电池健康状态分析结果。
[0006]结合第一方面，在本专利技术第一方面的第一实施方式中，所述通过所述通信信号以及所述通信频率，对所述电池参数信息进行数据降维，得到降维参数信息，包括：分别对所述通信信号以及所述通信频率进行数据提取，得到第一参数信息以及第二参数信息，其中，所述第一参数信息包括通信帧头及通信帧尾，所述第二参数信息包括通信平均频率、通信最大频率以及通信最小频率；
通过所述通信帧头及所述通信帧尾对所述电池参数信息进行滤波处理，得到第一候选电池参数信息；通过所述第二参数信息对所述候选电池参数信息进行归一化处理，得到第二候选电池参数信息；通过主成分分析法对所述第二候选电池参数信息进行数据降维处理，得到降维参数信息。
[0007]结合第一方面，在本专利技术第一方面的第二实施方式中，所述对所述降维参数信息进行特征提取，得到目标参数特征，包括：对所述降维参数信息进行标准化处理，得到标准化参数信息；通过相关系数分析算法对所述标准化参数信息进行相关系数分析，确定至少一个相关系数；通过所述至少一个相关系数对所述标准化参数信息进行特征变换，得到变换特征信息；通过所述变换特征信息对所述降维参数信息进行特征提取，得到目标参数特征。
[0008]结合第一方面，在本专利技术第一方面的第三实施方式中，所述通过所述参数训练集对所述初始电池健康状态监测模型进行模型训练，得到目标电池健康状态监测模型，包括：将所述参数训练集输入所述初始电池健康状态监测模型进行特征提取，得到初始特征向量；对所述初始特征向量进行矩阵转换，得到候选特征向量；基于预置的模板特征向量数据库，通过所述初始电池健康状态监测模型进行向量相似度计算，得到相似度计算结果；将所述相似度计算结果输入所述初始电池健康状态监测模型进行电池健康状态分析，确定待处理分析结果；通过损失函数对所述待处理分析结果进行误差分析，得到目标数据误差；通过所述目标数据误差对所述初始电池健康状态监测模型进行参数调整，得到目标电池健康状态监测模型。
[0009]结合第一方面，在本专利技术第一方面的第四实施方式中，所述将所述目标参数特征输入所述目标电池健康状态监测模型进行电池工作状态分析，确定目标电池工作状态，包括：通过所述目标电池健康状态监测模型对所述目标参数特征进行电池指标分析，确定电池指标数据集合；对所述电池指标数据集合进行聚类分析，确定多个数据类型；基于多个所述数据类型对所述电池指标数据集合进行向量转换，得到多个特征向量；通过所述目标电池健康状态监测模型对多个所述特征向量进行电池工作状态分析，确定目标电池工作状态。
[0010]结合第一方面，在本专利技术第一方面的第五实施方式中，所述对所述目标电池工作状态进行标准参数采集，得到标准参数数据库，包括：对所述目标电池工作状态进行数据标识分析，确定多个数据标识；
通过多个所述数据标识进行列表构建，得到标准参数列表；基于所述标准参数列表进行标准参数采集，得到标准参数数据库。
[0011]结合第一方面，在本专利技术第一方面的第六实施方式中，在所述基于所述标准参数数据库，通过所述目标电池健康状态监测模型进行电池健康状态分析，确定目标电池健康状态分析结果之后，所述电池健康状态的预测方法还包括：对所述目标电池健康状态分析结果进行解析，得到电池健康状态信息；对所述电池健康状态信息进行策略匹配，确定目标处理策略，并将所述目标处理策略传输至数据处理终端。
[0012]本专利技术第二方面提供了一种电池健康状态的预测装置，所述电池健康状态的预测装置包括：采集模块，用于采集通信基站储能电源的电池参数信息，同时，采集通信基站的通信参数，其中，所述通信参数包括通信信号以及通信频率；降维模块，用于通过所述通信信号以及所述通信频率，对所述电池参数信息进行数据降维，得到降维参数信息；提取模块，用于对所述降维参数信息进行特征提取，得到目标参数特征；扩充模块，用于构建初始电池健康状态监测模型，并对所述降维参数信息进行数据扩充，得到参数训练集；训练模块，用于通过所述参数训练集对所述初始电池健康状态监测模型进行模型训练，得到目标电池健康状态监测模型；分析模块，用于将所述目标参数特征输入所述目标电池健康状态监测模型进行电池工作状态分析，确定目标电池工作状态；获取模块，用于对所述目标电池工作状态进行标准参数采集，获取标准参数数据库；确定模块，用于基于所述标准参数数据库，通过所述目标电池健康状态监测模型进行电池健康状态分析，确定目标电池健康状态分析结果。
[0013]本专利技术第三方面提供了一种电池健康状态的预测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电池健康状态的预测设备执行上述的电池健康状态的预测方法。
[0014]本专利技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的电池健康状态的预测方法。
[0015]本专利技术提供的技术方案中，对电池参数信息进行数据降维，得到降维参数信息；对降维参数信息进行特征提取，得到目标参数特征；构建初始电池健康状态监测模型，并对降维参数信息进行数据扩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池健康状态的预测方法，其特征在于，所述电池健康状态的预测方法包括：采集通信基站储能电源的电池参数信息，并采集通信基站的通信参数，其中，所述通信参数包括通信信号以及通信频率；通过所述通信信号以及所述通信频率，对所述电池参数信息进行数据降维，得到降维参数信息；对所述降维参数信息进行特征提取，得到目标参数特征；构建初始电池健康状态监测模型，并对所述降维参数信息进行数据扩充，得到参数训练集；通过所述参数训练集对所述初始电池健康状态监测模型进行模型训练，得到目标电池健康状态监测模型；将所述目标参数特征输入所述目标电池健康状态监测模型进行电池工作状态分析，确定目标电池工作状态；对所述目标电池工作状态进行标准参数采集，得到标准参数数据库；基于所述标准参数数据库，通过所述目标电池健康状态监测模型进行电池健康状态分析，确定目标电池健康状态分析结果。2.根据权利要求1所述的电池健康状态的预测方法，其特征在于，所述通过所述通信信号以及所述通信频率，对所述电池参数信息进行数据降维，得到降维参数信息，包括：分别对所述通信信号以及所述通信频率进行数据提取，得到第一参数信息以及第二参数信息，其中，所述第一参数信息包括通信帧头及通信帧尾，所述第二参数信息包括通信平均频率、通信最大频率以及通信最小频率；通过所述通信帧头及所述通信帧尾对所述电池参数信息进行滤波处理，得到第一候选电池参数信息；通过所述第二参数信息对所述候选电池参数信息进行归一化处理，得到第二候选电池参数信息；通过主成分分析法对所述第二候选电池参数信息进行数据降维处理，得到降维参数信息。3.根据权利要求1所述的电池健康状态的预测方法，其特征在于，所述对所述降维参数信息进行特征提取，得到目标参数特征，包括：对所述降维参数信息进行标准化处理，得到标准化参数信息；通过相关系数分析算法对所述标准化参数信息进行相关系数分析，确定至少一个相关系数；通过所述至少一个相关系数对所述标准化参数信息进行特征变换，得到变换特征信息；通过所述变换特征信息对所述降维参数信息进行特征提取，得到目标参数特征。4.根据权利要求1所述的电池健康状态的预测方法，其特征在于，所述通过所述参数训练集对所述初始电池健康状态监测模型进行模型训练，得到目标电池健康状态监测模型，包括：将所述参数训练集输入所述初始电池健康状态监测模型进行特征提取，得到初始特征向量；
对所述初始特征向量进行矩阵转换，得到候选特征向量；基于预置的模板特征向量数据库，通过所述初始电池健康状态监测模型进行向量相似度计算，得到相似度计算结果；将所述相似度计算结果输入所述初始电池健康状态监测模型进行电池健康状态分析，确定待处理分析结果；通过损失函数对所述待处理分析结果进行误差分析，得到目标数据误差；通过所述目标数据误差对所述初始电池健康状态监测模型进行参数调整，得到目标电池健康状态监测模型。5.根据权利要求1所述的电池健康状态的预测方法，其特...

【专利技术属性】
技术研发人员：唐艳兰，王红军，姚松，常海波，王文，
申请(专利权)人：深圳市伟创源科技有限公司，
类型：发明
国别省市：