[发明专利]一种衰减趋势确定模型构建方法、衰减趋势确定方法

权利要求书

1.一种衰减趋势确定模型构建方法，其特征在于，所述方法包括：

获取第一训练数据和使用电池的电池状态数据；其中，所述第一训练数据是根据实验电池的耐久性实验数据确定的；

利用所述第一训练数据对机器学习模型进行训练，得到基础预测模型；

根据所述使用电池的电池状态数据和所述基础预测模型，生成第二训练数据；

根据所述第二训练数据和所述第一训练数据，生成衰减趋势确定模型。

2.根据权利要求1所述的方法，其特征在于，所述第一训练数据包括实验电池的电池状态数据和所述实验电池的标签容量衰减趋势数据；

所述利用第一训练数据对机器学习模型进行训练，得到基础预测模型，包括：

将所述实验电池的电池状态数据输入所述机器学习模型，得到所述机器学习模型输出的所述实验电池的第一预测容量衰减趋势数据；

根据所述实验电池的第一预测容量衰减趋势数据和所述实验电池的标签容量衰减趋势数据，更新所述机器学习模型，并继续执行所述将所述实验电池的电池状态数据输入所述机器学习模型及其后续步骤，直至在达到第一停止条件时，根据所述机器学习模型，确定所述基础预测模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述使用电池的电池状态数据和所述基础预测模型，生成第二训练数据，包括：

将所述使用电池的电池状态数据输入所述基础预测模型，得到所述基础预测模型输出的所述使用电池的第一预测容量衰减趋势数据和所述使用电池的预测置信度；

在确定所述使用电池的预测置信度高于第一阈值时，根据所述使用电池的第一预测容量衰减趋势数据，确定所述使用电池的标签容量衰减趋势数据；

根据所述使用电池的电池状态数据和所述使用电池的标签容量衰减趋势数据，生成所述第二训练数据。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在确定所述使用电池的预测置信度不高于第一阈值时，获取所述使用电池的实际容量衰减趋势数据；

根据所述使用电池的实际容量衰减趋势数据，确定所述使用电池的标签容量衰减趋势数据。

5.根据权利要求3或4所述的方法，其特征在于，所述第一训练数据包括所述实验电池的电池状态数据和所述实验电池的标签容量衰减趋势数据；

所述根据所述第二训练数据和所述第一训练数据，生成衰减趋势确定模型，包括：

将所述实验电池的电池状态数据和所述使用电池的电池状态数据输入所述机器学习模型，得到所述机器学习模型输出的所述实验电池的第二预测容量衰减趋势数据和所述使用电池的第二预测容量衰减趋势数据；根据所述实验电池的第二预测容量衰减趋势数据、所述实验电池的标签容量衰减趋势数据、所述使用电池的第二预测容量衰减趋势数据和所述使用电池的标签容量衰减趋势数据，更新所述机器学习模型，并继续执行所述将所述实验电池的电池状态数据和所述使用电池的电池状态数据输入所述机器学习模型及其后续步骤，直至在达到第二停止条件时，根据所述机器学习模型，确定所述衰减趋势确定模型；

或者，

所述根据所述第二训练数据和所述第一训练数据，生成衰减趋势确定模型，包括：

将所述实验电池的电池状态数据和所述使用电池的电池状态数据输入所述基础预测模型，得到所述基础预测模型输出的所述实验电池的第三预测容量衰减趋势数据和所述使用电池的第三预测容量衰减趋势数据；根据所述实验电池的第三预测容量衰减趋势数据、所述实验电池的标签容量衰减趋势数据、所述使用电池的第三预测容量衰减趋势数据和所述使用电池的标签容量衰减趋势数据，更新所述基础预测模型，并继续执行所述将所述实验电池的电池状态数据和所述使用电池的电池状态数据输入所述基础预测模型及其后续步骤，直至在达到第三停止条件时，根据所述基础预测模型，确定所述衰减趋势确定模型。