[发明专利]数据中心蓄电池容量预测方法、装置及设备

说明书

本申请公开了数据中心蓄电池容量检测方法和蓄电池容量衰减系数预测模型构建方法。其中，模型构建方法基于蓄电池历史充放电过程中的状态监测数据，获取电池容量衰减系数数据及相应的电池状态特征，并从这些数据中学习得到蓄电池容量衰减系数预测模型。这样，就不需要额外的实验或额外加装传感器，工作量小且容易实施，因此，可以有效提升模型构建效率。同时，这种处理方式充分考虑了电池内阻、温度、电压、使用时间、使用次数、电池型号等因素对电池实际容量的影响，因此，可以有效提升模型预测精度。

技术领域

本申请涉及蓄电池管理技术领域，具体涉及蓄电池容量衰减系数预测模型构建方法和装置，数据中心蓄电池容量预测方法和装置，以及电子设备。

背景技术

蓄电池实际容量是数据中心运维过程中的一项重要基础数据。根据蓄电池容量，可计算蓄电池的可放电时长、电池荷电状态等指标，还可找出实际容量过低的电池进行更换，提高数据中心蓄电池的稳定性。蓄电池实际容量的计算方式主要是，先估计电池容量衰减系数，再计算电池额定容量与电池容量衰减系数的乘积得到蓄电池实际容量。因此，如何准确地估计电池容量衰减系数是核心问题。

一种典型的电池容量衰减系数估计方法包括如下步骤：1)对蓄电池做充分放电实验(电池放电放出所有的容量)，每次充分放电后再充满电，记录放电次数、放电前内阻和温度、放电时电流和电压指标，并使用每次放电的放电量除以电池额定容量得到电池容量衰减系数；2)训练数据驱动的电池容量衰减系数预测模型，模型输入是内阻、温度、电池循环次数、电池电流，模型输出是电池容量衰减系数；3)通过模型进行电池容量衰减系数的预测。

然而，在实现本发明过程中，发明人发现上述技术方案均至少存在如下问题：这种方法需要进行充分放电实验，在现场增加传感器等设备采集实验数据，以获取输入模型的特征和对应的电池容量衰减系数数据，且电池循环次数只能在充分放电的场景下获得，工作量大，且总体准确率较低。因此，如何简化模型构建方式，以提升模型构建效率和模型预测精度，成为本领域技术人员迫切需要解决的问题。

发明内容

本申请提供蓄电池容量衰减系数预测模型构建方法，以解决现有技术存在的模型构建效率及模型预测精度均较低的问题。本申请另外提供蓄电池容量衰减系数预测模型构建装置，蓄电池容量预测方法和装置，以及电子设备。

本申请提供一种数据中心蓄电池容量预测方法，包括：

获取待预测蓄电池的起始时刻状态数据和目标时刻状态数据，作为待预测蓄电池的状态特征；

通过电池容量衰减系数预测模型，根据待预测蓄电池的状态特征，确定待预测蓄电池的电池容量衰减系数；

根据待预测蓄电池的电池容量衰减系数，确定待预测蓄电池的电池容量；

其中，所述模型采用如下方式构建：根据蓄电池历史充放电过程中的状态监测数据，获取有两次放电时长大于放电时长阈值的多个目标蓄电池；根据目标蓄电池的放电时长大于放电时长阈值的两次放电数据，确定目标蓄电池的状态特征和电池容量衰减系数；根据多个目标蓄电池的状态特征与电池容量衰减系数之间的对应关系，构建所述模型。

本申请还提供一种蓄电池容量衰减系数预测模型构建方法，包括：

获取蓄电池充放电过程中的历史状态监测数据；

根据所述历史状态监测数据，获取有两次放电时长大于放电时长阈值的多个目标蓄电池；

根据目标蓄电池的放电时长大于放电时长阈值的两次放电数据，确定目标蓄电池的状态特征和电池容量衰减系数；

根据多个目标蓄电池的状态特征与电池容量衰减系数之间的对应关系，构建电池容量衰减系数预测模型。

可选的，所述状态特征包括：电池出厂内阻，两次放电前电池的内阻、温度和/或电压，电池历史放电次数，电池总使用时长，电池额定容量。