[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

说明书

本申请公开了一种衰减趋势确定模型构建方法、衰减趋势确定方法，该方衰减趋势确定模型构建方法包括：在获取根据实验电池的耐久性实验数据确定的第一训练数据和使用电池的电池状态数据之后，先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；再根据该使用电池的电池状态数据和该基础预测模型，生成第二训练数据；最后，根据该第二训练数据和该第一训练数据生成衰减趋势确定模型。其中，因第一训练数据能够表示出车辆电池在耐久性实验下的容量衰减趋势数据，且第二训练数据能够表示出车辆电池在实际应用中的容量衰减趋势数据，使得基于第二训练数据和第一训练数据生成的衰减趋势确定模型能够准确地预测出车辆电池的容量衰减趋势数据。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种衰减趋势确定模型构建方法、衰减趋势确定方法。

背景技术

对于车辆(尤其是电动车辆、混合动力车辆)来说，车辆电池的容量会随着车辆的使用过程逐渐发生衰减，而且当车辆电池的容量衰减至一定程度时该车辆电池将无法被车辆使用。可见，根据车辆电池的容量衰减趋势数据能够确定该车辆电池的使用寿命。

然而，如何确定车辆电池的容量衰减趋势数据成为一个亟待解决的技术问题。

发明内容

为了解决现有技术中存在的以上技术问题，本申请提供一种衰减趋势确定模型构建方法、衰减趋势确定方法，能够准确地确定出车辆电池的容量衰减趋势数据。

为了实现上述目的，本申请实施例提供的技术方案如下：

本申请实施例提供一种衰减趋势确定模型构建方法，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。

在一种可能的实施方式下，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，确定基础预测模型。

在一种可能的实施方式下，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，生成第二训练数据。

在一种可能的实施方式下，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。