锂亚电池存活天数预测模型建立方法、系统、设备及介质技术方案

本发明专利技术公开了一种锂亚电池存活天数预测模型建立方法、系统、设备及介质，方法包括对每个电池供电设备执行：获取电池供电设备整个存活天数耗尽所执行过的若干时间点的特征集合X，构建训练数据集合W=[Q1，Q2,

【技术实现步骤摘要】
锂亚电池存活天数预测模型建立方法、系统、设备及介质


[0001]本专利技术属于机器学习
，尤其涉及一种锂亚电池存活天数预测模型建立方法、系统、设备及介质。

技术介绍

[0002]目前，电池剩余存活天数预测的技术，主要根据电池电压变化数据来间接评估电池的剩余存活天数，或专用存活天数计量芯片来计算电池剩余存活天数；例如专利CN100514082C电池剩余容量计算方法、电池剩余容量计算装置和电池剩余容量计算程序，公开了在低消耗模式中，根据所述输出电压值以及作为二次电池的放电特性的预定参考电压曲线来计算剩余功率。在高消耗模式中，在假定当低消耗模式变化为高消耗模式时的剩余功率的变化几乎为零的情况下，计算所述的剩余功率。专利CN102385040B电池剩余量算出电路，基于电池的输出电压来高精度地算出电池剩余量。
[0003]但对于锂亚电池，无法使用电压、电流等参数利用现有技术计算出剩余存活天数，原因在于该种电池相较于其他铅酸等材料的电池，具有高比能、放电时电压稳定等优点，工作期间电压保持平稳，所以没法利用电压电流变化计算出剩余存活天数。
[0004]若存在一种锂亚电池存活天数预测模型，则可很好的解决锂亚电池剩余存活天数的估算问题，但目前缺乏锂亚电池存活天数预测模型的建立方法。

技术实现思路

[0005]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种锂亚电池存活天数预测模型建立策略，通过利用机器学习方法，使用设备的执行任务为建模训练的特征，建立了可对锂亚电池剩余存活天数进行预测的模型。
[0006]本专利技术第一方面公开了一种锂亚电池存活天数预测模型建立方法，包括以下步骤：步骤一、训练数据构建：对每个电池供电设备执行：获取电池供电设备整个存活天数耗尽所执行过的若干时间点的特征集合X，X=[x1,x2,
…
,x
r
]，x
r
为第r个时间点t
r
对应的任务特征集，任一个任务特征集x
i
包含有从起始时间点t0到当前时间点t
i
产生的所有任务特征；构建训练数据集合W=[Q1，Q2,
…
Qr], 训练数据Qi=（x
i
，y
i
），i=[1，2，
…
，r]，y
i
为第i个时间点时电池剩余存活天数T
剩余
；T
剩余
=T
总存活天数
‑
i*t
时段
，t
时段
指相邻两个时间点之间的时长；获得训练数据总集[W1，W2,
…
WN], WN为第N个电池供电设备对应的训练数据集合；电池供电设备指由电池作为唯一能量源的设备；步骤二、训练集与测试集生成：对训练数据总集中所有训练数据Q按Z1:Z2比例进行划分，生成训练集与测试集；步骤三、模型构建：采用训练集对机器学习模型进行训练，并采用模型优化算法对
训练出的机器学习模型进行参数优化；步骤四、模型验证：采用测试集对参数优化过的机器学习模型进行测试，若测试结果通过，则输出该机器学习模型为电池剩余存活天数预测模型。
[0007]上述锂亚电池存活天数预测模型建立方法，步骤一还包括对特征集合X=[x1,x2,
…
,x
r
]进行特征选择，具体操作为：使用逻辑回归算法模型计算任务特征的权重P=[p1,p2,
…
,p
r
]；根据对应电池供电设备的权重阈值P
s
，去除权重低于权重阈值P
s
的任务特征，获得特征集合X=[x1’
,x2’
,
…
,x
r
’
]，使用特征集合X=[x1’
,x2’
,
…
,x
r
’
]构建训练数据Q。
[0008]上述锂亚电池存活天数预测模型建立方法，所述逻辑回归算法模型通过以下步骤获得：获取电池供电设备在电池整个存活天数H内仅执行单个任务task的最大频次T，构建训练数据E=（task
‑
x，U
耗
），U
耗
=H
÷
T；获得训练数据集F=[E1,E2,
…
,Em]；Em为对应第m个任务的训练数据；使用训练数据集F对逻辑回归算法模型进行训练，所述逻辑回归算法模型为采用softmax函数的逻辑回归算法模型。
[0009]上述锂亚电池存活天数预测模型建立方法，所述电池供电设备所执行过的若干任务分为数据采集任务和数据上传任务两种；步骤一还包括对特征集合X=[x1,x2,
…
,x
r
]进行特征合并，包括以下步骤：任务特征集x
i
=[task1，task2，
…
, task
n
]，task
n
为截止第i个时间点获取到的第n个任务特征；当任务特征为采集任务特征时task
c
=（a
c
，b
c
），a
c
为采集对象标识，b
c
为采集数据时长；当任务特征为上传任务特征时task
s
=（a
s
，b
s
），a
s
为上传对象标识，b
s
为上传数据时长；对于任务特征集x
i
，对采集对象相同的多个采集任务特征task
C
进行合并，对上传对象相同的多个上传任务特征task
s
进行合并；合并后的任务特征集x
i
=[task
c1
，task
c2
,
…
, task
ck
, task
s1
，task
s2
,
…
, task
sL
]，task
ck
为第k个采集任务特征；task
sL
为第L个上传任务特征。
[0010]本专利技术第二方面还公开了一种锂亚电池存活天数预测模型建立系统，包括训练数据构建模块、训练集与测试集生成模块、模型训练模块和模型验证模块：训练数据构建模块，用于对每个电池供电设备执行：获取电池供电设备整个存活天数耗尽所执行过的若干时间点的特征集合X，X=[x1,x2,
…
,x
r
]，x
r
为第r个时间点t
r
对应的任务特征集，任一个任务特征集x
i
包含有从起始时间点t0到当前时间点t
i
产生的所有任务特征；构建训练数据集合W=[Q1，Q2,
…
Qr], 训练数据Qi=（x
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂亚电池存活天数预测模型建立方法，其特征在于，包括以下步骤：步骤一、训练数据构建：对每个电池供电设备执行：获取电池供电设备整个存活天数耗尽所执行过的若干时间点的特征集合X，X=[x1,x2,
…
,x
r
]，x
r
为第r个时间点t
r
对应的任务特征集，任一个任务特征集x
i
包含有从起始时间点t0到当前时间点t
i
产生的所有任务特征；构建训练数据集合W=[Q1，Q2,
…
Qr], 训练数据Qi=（x
i
，y
i
），i=[1，2，
…
，r]，y
i
为第i个时间点时电池剩余存活天数T
剩余
；T
剩余
=T
总存活天数
‑
i*t
时段
，t
时段
指相邻两个时间点之间的时长；获得训练数据总集[W1，W2,
…
WN], WN为第N个电池供电设备对应的训练数据集合；电池供电设备指由电池作为唯一能量源的设备；步骤二、训练集与测试集生成：对训练数据总集中所有训练数据Q按Z1:Z2比例进行划分，生成训练集与测试集；步骤三、模型构建：采用训练集对机器学习模型进行训练，并采用模型优化算法对训练出的机器学习模型进行参数优化；步骤四、模型验证：采用测试集对参数优化过的机器学习模型进行测试，若测试结果通过，则输出该机器学习模型为电池剩余存活天数预测模型。2.按照权利要求1所述的一种锂亚电池存活天数预测模型建立方法，其特征在于，步骤一还包括对特征集合X=[x1,x2,
…
,x
r
]进行特征选择，具体操作为：使用逻辑回归算法模型计算任务特征的权重P=[p1,p2,
…
,p
r
]；根据对应电池供电设备的权重阈值P
s
，去除权重低于权重阈值P
s
的任务特征，获得特征集合X=[x1’
,x2’
,
…
,x
r
’
]，使用特征集合X=[x1’
,x2’
,
…
,x
r
’
]构建训练数据Q。3.按照权利要求2所述的一种锂亚电池存活天数预测模型建立方法，其特征在于，所述逻辑回归算法模型通过以下步骤获得：获取电池供电设备在电池整个存活天数H内仅执行单个任务task的最大频次T，构建训练数据E=（task
‑
x，U
耗
），U
耗
=H
÷
T；获得训练数据集F=[E1,E2,
…
,Em]；Em为对应第m个任务的训练数据；使用训练数据集F对逻辑回归算法模型进行训练，所述逻辑回归算法模型为采用softmax函数的逻辑回归算法模型。4.按照权利要求1所述的一种锂亚电池存活天数预测模型建立方法，其特征在于，所述电池供电设备所执行过的若干任务分为数据采集任务和数据上传任务两种；步骤一还包括对特征集合X=[x1,x2,
…
,x
r
]进行特征合并，包括以下步骤：任务特征集x
i
=[task1，task2，
…
, task
n
]，task
n
为截止第i个时间点获取到的第n个任务特征；当任务特征为采集任务特征时task
c =（a
c
，b
c
），a
c
为采集对象标识，b
c
为采集数据时长；当任务特征为上传任务特征时task
s
=（a
s
，b
s
），a
s
为上传对象标识，b
s
为上传数据时长；对于任务特征集x
i
，对采集对象相同的多个采集任务特征task
C
进行合并，对上传对象相同的多个上传任务特征task
s
进行合并；合并后的任务特征集x
i
=[task
c1
，task
c 2
,
…
, task
c k
, task
s1
，task
s 2
,
…
, task
s L
]，task
c k
为第k个采集任务特征；task
s L
为第L个上传任务特征。5.一种锂亚电池存活天数预测模型建立系统，其特征在于，包括训练数据构建模块、训练集与测试集生成模块、模型训练模块和模型验证模块：
训练数据构建模块，用于对每个电池供电设备执行：获取电池供电设备整个存活天数耗尽所执行过的若干时间点的特征集合X，...

【专利技术属性】
技术研发人员：陈宝，栾星，王子峥，杜庆敏，周翔，
申请(专利权)人：上海叁零肆零科技有限公司，
类型：发明
国别省市：