[发明专利]蓄电池亏电预测处理方法、装置、设备以及可读存储介质

权利要求书

1.一种蓄电池亏电预测处理方法，其特征在于，包括：

获取车辆的车辆信息，其中，所述车辆信息包括蓄电池的电压信息和车辆行驶状态信息；

将所述车辆信息，输入到预设的亏电预测模型中，输出所述蓄电池亏电风险预测结果；

根据所述亏电风险预测结果，获取亏电风险预测信息。

2.根据权利要求1所述的方法，其特征在于，所述车辆信息中还包括用户行驶习惯信息。

3.根据权利要求1或2所述的方法，其特征在于，在将所述车辆信息，输入到预设的亏电预测模型中，输出所述蓄电池亏电风险预测结果之前，还包括：

获取亏电风险样本和正常样本，其中，所述亏电风险样本中包括至少一个亏电信息，所述亏电信息表征了所述蓄电池的电压在M天内出现多次低于预设电压阈值的情况，所述正常样本中包括至少一个正常电压信息，所述正常电压信息表征了所述蓄电池的电压在N天内均大于所述预设电压阈值的情况，其中，M、N为正整数；

根据所述亏电风险样本和所述正常样本，确定与每一个亏电信息对应的第一特征信息、与每一个正常电压信息对应的第二特征信息；

将所述第一特征信息和所述第二特征信息输入到预设的初始模型中进行训练，得到所述亏电预测模型。

4.根据权利要求3所述的方法，其特征在于，在将所述第一特征信息和所述第二特征信息输入到预设的初始模型中进行训练，得到所述亏电预测模型之前，还包括：

分别对所述第一特征信息和所述第二特征信息进行特征预处理，得到预处理后的第一特征信息和预处理后的第二特征信息；

所述将所述第一特征信息和所述第二特征信息输入到预设的初始模型中进行训练，得到所述亏电预测模型，包括：

将所述预处理后的第一特征信息和所述预处理后的第二特征信息输入到预设的初始模型中进行训练，得到所述亏电预测模型。

5.根据权利要求4所述的方法，其特征在于，根据所述亏电风险样本和所述正常样本，确定与每一个亏电信息对应的第一特征信息、与每一个正常电压信息对应的第二特征信息，包括：

从预设的数据库中，确定与每一个亏电信息对应的第一特征信息、与每一个正常电压信息对应的第二特征信息，其中，所述数据库中包括与不同的亏电信息对应的第一特征信息、与不同的正常电压信息对应的第二特征信息。

6.根据权利要求4所述的方法，其特征在于，所述第一特征信息、所述第二特征信息都分别包括以下的至少一种：

用户的用电行为特征、蓄电池的电压特征、车辆行驶特征、环境特征。

7.根据权利要求4所述的方法，其特征在于，所述特征预处理的方式包括以下至少一种：缺失值填充、相关性分析、方差分析、均值填充、常量填充。

8.根据权利要求1或2所述的方法，其特征在于，所述根据所述亏电风险预测结果，获取亏电风险预测信息，包括：

在获取到指示有亏电风险的亏电预测结果时，获取与所述蓄电池的电压信息和所述车辆行驶状态信息相对应的用车建议信息；

根据所述用车建议信息和所述指示有亏电风险的亏电预测结果，获取亏电风险预测信息，向用户显示所述亏电风险预测信息。

9.一种蓄电池的亏电预测处理装置，其特征在于，包括：

获取模块，用于获取车辆的车辆信息，其中，所述车辆信息包括蓄电池的电压信息和车辆行驶状态信息；

处理模块，用于将所述车辆信息，输入到预设的亏电预测模型中，输出所述蓄电池亏电风险预测结果；

预测模块，用于根据所述亏电风险预测结果，获取亏电风险预测信息。

10.根据权利要求9所述的装置，其特征在于，所述车辆信息中还包括用户行驶习惯信息。