【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及样本数据的生成方法、设备及存储介质。
技术介绍
1、电池作为关键能源存储和供应设备，在电动汽车、智能电网、便携式电子设备等领域发挥重要作用。在相关技术中，电池诊断技术包括电化学分析、电压和电流监测、内阻测试、温度监测等，主要依赖运行中收集的数据来识别潜在故障。此外，电池诊断技术还包括基于机器学习的模式识别、深度学习模型，以及信号处理技术等，主要通过提取电池监测数据中的特征来进行电池故障诊断。然而，在实际使用过程中，电池的正常状态数据远多于故障状态数据，且故障数据难以大量收集，尤其是针对特定类型的电池故障，故障数据更为稀缺。因此，训练诊断模型时可用的故障样本极为有限，导致模型学习不充分且泛化能力受限，从而影响故障诊断的准确性。
技术实现思路
1、本申请的主要目的在于提供一种样本数据的生成方法、设备及存储介质，旨在解决因电池故障数据样本不平衡导致的电池故障诊断准确性受限的技术问题。
2、为实现上述目的，本申请实施例提供一种样本数据的生成方法，所述方法包括：
3、获取电池状态特征数据序列，其中，所述电池状态特征数据序列为电池状态特征数据基于时间的排序结果；
4、将所述电池状态特征数据序列转换为特征向量；
5、将所述特征向量映射至生成器的潜在空间，生成对应的潜在向量，所述潜在向量通过逆向映射形成新的特征向量；
6、将所述新的特征向量重组为样本数据进行输出。
7、本申请实施例中，所述获取电池状
8、将电池状态参数在不同时间点的测量值汇总，构成单个数据点；
9、根据所述数据点附着的时间戳，对所述数据点进行排序；
10、将排序后的数据点依次连接，得到电池状态特征数据序列。
11、本申请实施例中，所述将所述电池状态特征数据序列转换为特征向量的步骤包括：
12、利用视觉点模式，将所述电池状态特征数据序列中的数据点映射到图像的像素上，生成对应的图像数据；
13、提取所述图像数据的特征，生成所述特征向量。
14、本申请实施例中，所述利用视觉点模式，将所述电池状态特征数据序列中的数据点映射到图像的像素上，生成对应的图像数据的步骤包括：
15、将所述电池状态特征数据序列的数据点基于时间顺序映射到图像的行或列上，形成图像的一行或一列；
16、将每个数据点的数值通过线性映射转换为像素亮度值，其中，所述数据点的最大值和最小值分别对应像素的最大亮度和最小亮度；
17、为所述每个数据点生成对应的像素，其中，所述像素的位置由对应数据点在时间序列中的位置决定，所述像素亮度值由对应数据点的数值决定。
18、本申请实施例中，所述提取所述图像数据的特征，生成所述特征向量的步骤包括：
19、将所述图像数据划分为多个单元，并获取所述每个单元的像素亮度值；
20、计算所述每个单元的像素亮度平均值，作为对应单元的特征值；
21、基于所述每个单元在所述图像数据的位置，将所有单元的特征值按序排列，得到对应图像数据的特征向量。
22、本申请实施例中，所述将所述特征向量映射至生成器的潜在空间，生成对应的潜在向量，所述潜在向量通过逆向映射形成新的特征向量的步骤之后，还包括：
23、将所述新的特征向量输入判别模型，确定所述新的特征向量为真实电池状态的特征向量的概率；
24、若所述新的特征向量为真实电池状态的特征向量的概率大于或者等于预设阈值，则执行将所述新的特征向量重组为样本数据进行输出的步骤；
25、若所述新的特征向量为真实电池状态的特征向量的概率小于预设阈值，则跳转执行将所述特征向量映射至生成器的潜在空间，生成对应的潜在向量，所述潜在向量通过逆向映射形成新的特征向量的步骤。
26、本申请实施例中，所述将所述新的特征向量重组为样本数据进行输出的步骤包括：
27、将所述新特征向量按照其在潜在空间中的顺序，通过索引映射回原始时间序列的对应位置；
28、对每个时间序列位置的特征值进行累加或平均处理，以形成每个时间点的样本数据；
29、将处理后的时间序列样本数据按照时间顺序排列，形成完整的样本数据序列进行输出。
30、本申请实施例中，所述将所述新的特征向量重组为样本数据进行输出的步骤之后，包括：
31、对所述样本数据进行质量评估，获取所述样本数据的评估结果；
32、基于所述评估结果以及预设质量评估标准，筛选满足预设质量评估标准的样本数据作为有效样本；
33、将所述电池状态特征数据序列以及所述有效样本分别划分为训练集和测试集，所述训练集用于故障诊断模型的训练，所述测试集用于验证故障诊断模型。
34、本申请实施例还提供一种样本数据的生成设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的样本数据的生成方法的步骤。
35、本申请实施例还提供一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的样本数据的生成方法的步骤。
36、本申请公开了一种样本数据的生成方法、设备及存储介质，通过获取电池状态特征数据序列，其中，所述电池状态特征数据序列为电池状态特征数据基于时间的排序结果；将所述电池状态特征数据序列转换为特征向量；将所述特征向量映射至生成器的潜在空间，生成对应的潜在向量，所述潜在向量通过逆向映射形成新的特征向量；将所述新的特征向量重组为样本数据进行输出。本申请通过将电池状态特征数据序列转换为特征向量，并在生成器的潜在空间中对特征向量进行映射和逆向映射，以此生成了多样化且更接近真实电池状态的样本数据，从而显著提高了故障诊断模型的训练效果和泛化能力，解决了因电池故障数据样本不平衡导致的电池故障诊断准确性受限的问题。
本文档来自技高网...【技术保护点】
1.一种样本数据的生成方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取电池状态特征数据序列的步骤之前，还包括：
3.如权利要求1所述的方法，其特征在于，所述将所述电池状态特征数据序列转换为特征向量的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述利用视觉点模式，将所述电池状态特征数据序列中的数据点映射到图像的像素上，生成对应的图像数据的步骤包括：
5.如权利要求3所述的方法，其特征在于，所述提取所述图像数据的特征，生成所述特征向量的步骤包括：
6.如权利要求1所述的方法，其特征在于，所述将所述特征向量映射至生成器的潜在空间，生成对应的潜在向量，所述潜在向量通过逆向映射形成新的特征向量的步骤之后，还包括：
7.如权利要求1所述的方法，其特征在于，所述将所述新的特征向量重组为样本数据进行输出的步骤包括：
8.如权利要求1所述的方法，其特征在于，所述将所述新的特征向量重组为样本数据进行输出的步骤之后，包括：
9.一种样本数据的生成设备，其特征在于，
10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的样本数据的生成方法的步骤。
...【技术特征摘要】
1.一种样本数据的生成方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取电池状态特征数据序列的步骤之前，还包括：
3.如权利要求1所述的方法，其特征在于，所述将所述电池状态特征数据序列转换为特征向量的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述利用视觉点模式，将所述电池状态特征数据序列中的数据点映射到图像的像素上，生成对应的图像数据的步骤包括：
5.如权利要求3所述的方法，其特征在于，所述提取所述图像数据的特征，生成所述特征向量的步骤包括：
6.如权利要求1所述的方法，其特征在于，所述将所述特征向量映射至生成器的潜在空间，生成对应的潜在向量，所述潜在向量通过逆向映射形...
【专利技术属性】
技术研发人员：高元锐，
申请(专利权)人：中科海能北京科技有限公司，
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。