System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于电池,具体涉及一种电池状态预测模型训练方法、电池状态预测方法及装置。
技术介绍
1、在使用电池为电子设备充电的过程中,需要对电池的状态进行预测,以避免电池处于异常状态下对电子设备充电所造成的安全问题。
2、在相关技术中,获取电池的电流等样本数据,通过人工标注的方式确定样本数据的标签,使用样本数据和标签获取电池状态预测模型。
3、根据相关技术中的方法,在样本数据的数据量比较大的情况下,人工标注会造成成本高和效率低的问题。
技术实现思路
1、本申请旨在提供一种电池状态预测模型训练方法、电池状态预测方法及装置,至少解决相关技术中获取预测模型的效率低且成本高的问题。
2、第一方面,本申请实施例公开了一种电池状态预测模型训练方法,所述方法包括:
3、获取电池样本的多组性能参数样本;
4、对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,每个聚类簇具有对应的状态参数;
5、针对每个聚类簇,将聚类簇对应的状态参数,确定为所述聚类簇包括的性能参数样本的标签;
6、根据所述性能参数样本,以及性能参数样本对应的标签训练机器学习模型,得到电池状态预测模型,所述电池状态预测模型,用于根据待预测电池的性能参数,预测得到所述待预测电池的状态参数。
7、第二方面,本申请实施例公开了一种电池状态预测方法,包括:
8、获取待预测电池的性能参数;
9、将所述待预测电池的
10、其中,电池状态预测模型是根据所述性能参数样本,以及性能参数样本对应的标签训练机器学习模型得到的,所述性能参数样本对应的标签是对电池样本的多组性能参数样本进行聚类操作所得到多个聚类簇中,与性能参数所属的聚类簇对应的状态参数。
11、第三方面,本申请实施例公开了一种电池状态预测模型训练装置,包括:
12、第一获取模块,用于获取电池样本的多组性能参数样本;
13、第二获取模块,用于对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,每个聚类簇具有对应的状态参数;
14、第一确定模块,用于针对每个聚类簇,将聚类簇对应的状态参数,确定为所述聚类簇包括的性能参数样本的标签;
15、第三获取模块,用于根据所述性能参数样本,以及性能参数样本对应的标签训练机器学习模型,得到电池状态预测模型,所述电池状态预测模型,用于根据待预测电池的性能参数,预测得到待预测电池的状态参数。
16、第四方面,本申请实施例提供了一种电池状态预测装置,包括:
17、第四获取模块,用于获取待预测电池的性能参数;
18、第五获取模块,用于将所述待预测电池的性能参数输入电池状态预测模型,得到待预测电池的状态参数;
19、其中,电池状态预测模型是根据电池样本的多组性能参数样本,以及性能参数样本对应的标签训练机器学习模型得到的,所述性能参数样本对应的标签是对电池样本的多组性能参数样本进行聚类操作所得到多个聚类簇中,与性能参数样本所属的聚类簇对应的状态参数。
20、第五方面,本申请实施例还公开了一种电子设备,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面或第二方面所述的方法的步骤。
21、第六方面,本申请实施例还公开了一种可读存储介质,所述可读存储介质上存储有程序或指令,所述程序或指令被处理器执行时实现如第一方面或第二方面所述的方法的步骤。
22、综上,在本实施例中,在获取电池样本的多组性能参数样本后,对多组性能参数样本进行聚类操作,得到多个聚类簇,将聚类簇对应的状态参数,确定为聚类簇包括的性能参数样本的标签,由此,可以实现快速为性能参数确定标签。相对于相关技术中人工确定标签的方法,本实施例节省了人力成本,并提高了确定标签的效率。使用确定标签的性能参数样本训练机器学习模型,可以得到能够准确预测电池的状态参数的电池状态预测模型,基于由此获取的电池状态预测模型,可以准确预测待预测电池的状态参数。解决了相关技术中,在样本数据的数据量比较大的情况下,人工标注会造成成本高和效率低的问题。
本文档来自技高网...【技术保护点】
1.一种电池状态预测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,包括:
3.根据权利要求2所述的方法,其特征在于,根据所述特征向量,对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,包括:
4.根据权利要求2所述的方法,其特征在于,根据所述特征向量,对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,包括:
5.根据权利要求3或4所述的方法,其特征在于,状态参数包括:电池样本处于正常工作状态,或者,电池样本处于异常工作状态;
6.一种电池状态预测方法,其特征在于,包括:
7.根据权利要求6所述的电池状态预测方法,其特征在于,待预测电池的状态参数包括:待预测电池处于正常工作状态,或者,待预测电池处于异常工作状态;
8.一种电池状态预测模型训练装置,其特征在于,包括:
9.一种电池状态预测装置,其特征在于,包括:
10.一种电子设备,其
11.一种可读存储介质,其特征在于,所述可读存储介质上存储有程序或指令,所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种电池状态预测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,包括:
3.根据权利要求2所述的方法,其特征在于,根据所述特征向量,对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,包括:
4.根据权利要求2所述的方法,其特征在于,根据所述特征向量,对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,包括:
5.根据权利要求3或4所述的方法,其特征在于,状态参数包括:电池样本处于正常工作状态,或者,电池样本处于异常工作状态;
6.一种电池状态预测方...
【专利技术属性】
技术研发人员:庄泽潮,
申请(专利权)人:珠海格力电器股份有限公司,
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。