[发明专利]一种数据处理方法、装置及电子设备

说明书

本申请公开了一种数据处理方法、装置及电子设备，通过以电池的多组运行数据中的多项运行参数如环境信息、停车信息、充电信息等对能够预测电池健康度的健康度预测模型进行训练，进而以训练成熟的健康度预测模型中的模型参数为样本训练能够预测每项运行参数对电池健康度值影响程度的评分模型，由此利用训练完成的评分模型就能够获得电池在各种环境因素上的运行参数对电池健康度的影响程度，实现本申请目的。

技术领域

本申请涉及电池养护技术领域，尤其涉及一种数据处理方法、装置及电子设备。

背景技术

为了节能环保，电池已经成为核心的新能源。而在实际应用中，存在各种因素会影响到电池健康度，例如，电池的充电次数和放电次数过多会降低电池健康度等等。

为了减缓电池健康度的下降，如何评估各种环境因素对电池健康度的影响程度，就显得尤为重要。

发明内容

有鉴于此，本申请提供一种数据处理方法、装置及电子设备，如下：

一种数据处理方法，包括：

获得电池的训练数据，所述训练数据中包括至少两组运行数据，所述运行数据包括至少两项运行参数的参数值和相应的电池健康度值；

以所述训练数据中的运行数据作为预先构建的健康度预测模型的训练样本，对所述健康度预测模型进行训练；

根据所述健康度预测模型的模型参数，获得所述运行数据中的所述运行参数的参数向量，所述参数向量包括：所述健康度预测模型中的多个运算单元与所述运行参数对应的参数权重值；

以第一运行参数的参数向量为预先构建的评分模型的输入，以所述第一运行参数的评分值为所述评分模型的输出，对所述评分模型进行训练，以得到训练完成的评分模型，所述第一运行参数为所述至少两项运行参数中具有评分值的运行参数；所述第一运行参数的评分值表征所述第一运行参数对所述电池的健康度值的影响程度；

其中，所述评分模型用于以第二运行参数的参数向量作为输入，输出所述第二运行参数的评分结果，所述第二运行参数为没有评分值的运行参数；所述评分结果表征所述第二运行参数对所述电池的健康度值的影响程度。

上述方法，优选的，所述健康度预测模型为基于人工神经网络构建的模型，所述健康度预测模型中包括至少一层隐藏层，所述隐藏层包括多个神经网络运算单元；

其中，所述参数向量包括：所述健康度预测模型中第一层所述隐藏层的多个神经网络运算单元与所述运行参数对应的参数权重值。

上述方法，优选的，根据所述健康度预测模型的模型参数，获得所述运行数据中的所述运行参数的参数向量，包括：

获得所述健康度预测模型的模型参数，所述模型参数包括所述至少一层隐藏层中的多个所述神经网络运算单元与所述运行参数对应的参数权重值；

在所述至少一层隐藏层中的多个所述神经网络运算单元与所述运行参数对应的参数权重值中，获得第一层所述隐藏层的多个神经网络运算单元与所述运行参数对应的参数权重值，以组成所述运行数据中的所述运行参数的参数向量。

上述方法，优选的，以所述训练数据中的运行数据作为预先构建的健康度预测模型的训练样本，对所述健康度预测模型进行训练，包括：

对所述训练数据中所述运行数据内的运行参数进行预处理；所述预处理包括：数据归一化、数据缺失补充、数据冗余去除、数据降噪和数据异常删除中的任意一种或任意多种的组合；

将所述训练数据中所述运行数据内的运行参数作为预先构建的健康度预测模型的输入，将所述运行数据中的电池健康度值作为所述健康度预测模型的输出，对所述健康度预测模型进行训练，以得到训练完成的健康度预测模型。

上述方法，优选的，还包括：