[发明专利]一种动力电池的数据处理方法和装置

权利要求书

1.一种动力电池的数据处理方法，其特征在于，应用于动力组件，所述动力组件运行有电池管理系统，所述电池管理系统包括数据库，所述数据库中储存有电池历史数据，所述动力组件包括多个动力电池；所述方法包括：

获取所述数据库中的电池历史数据；

提取出所述电池历史数据中的特征序列数据及初始序列数据；

依据所述特征序列数据生成第一训练输入向量及第一训练样本向量；

采用所述第一训练输入向量及第一训练样本向量训练预置的机器学习模型，获得训练后的机器学习模型；

将所述初始序列数据输入至所述训练后的机器学习模型，获得预测电压序列数据；

依据所述预测电压序列数据获得动力电池的电池容量信息；

其中，所述特征序列数据包括电压序列数据、电流序列数据及温度序列数据中的至少一种；

所述依据所述预测电压序列数据获得动力电池的电池容量信息的步骤包括：

获取所述电池历史数据中的时间间隔信息及充放电电流信息；

获取所述预测电压序列数据对应的长度信息；

根据所述时间间隔信息、充放电电流信息及长度信息计算出所述电池容量信息。

2.根据权利要求1所述的方法，其特征在于，所述依据所述特征序列数据生成第一训练输入向量及第一训练样本向量的步骤包括：

提取出所述电压序列数据、电流序列数据及温度序列数据中预设数量的序列数据元素；

将所述序列数据元素组合为第一训练输入向量。

3.根据权利要求1或2所述的方法，其特征在于，所述依据所述特征序列数据生成第一训练输入向量及第一训练样本向量的步骤还包括：

提取出电压序列数据中预设数量的序列数据元素；

将所述序列数据元素组合为第一训练样本向量。

4.根据权利要求1所述的方法，其特征在于，所述采用所述第一训练输入向量及第一训练样本向量训练预置的机器学习模型，获得训练后的机器学习模型的步骤包括：

以所述第一训练样本向量作为训练标签，将所述第一训练输入向量输入预置的机器学习模型进行训练，获得训练后的机器学习模型。

5.根据权利要求1或4所述的方法，其特征在于，所述将所述初始序列数据输入至所述训练后的机器学习模型，获得预测电压序列数据的步骤包括：

当所述预测电压序列数据对应的电压信息符合预设条件时，停止将所述初始序列数据输入至所述训练后的机器学习模型，输出所述预测电压序列数据。

6.一种动力电池的数据处理装置，其特征在于，应用于动力组件，所述动力组件运行有电池管理系统，所述电池管理系统包括数据库，所述数据库中储存有电池历史数据，所述动力组件包括多个动力电池；所述装置包括：

电池历史数据获取模块，用于获取所述数据库中的电池历史数据；

提取模块，用于提取出所述电池历史数据中的特征序列数据及初始序列数据；

生成模块，用于依据所述特征序列数据生成第一训练输入向量及第一训练样本向量；

机器学习模型获得模块，用于采用所述第一训练输入向量及第一训练样本向量训练预置的机器学习模型，获得训练后的机器学习模型；

预测电压序列数据获得模块，用于将所述初始序列数据输入至所述训练后的机器学习模型，获得预测电压序列数据；

电池容量信息获得模块，用于依据所述预测电压序列数据获得动力电池的电池容量信息；

其中，所述特征序列数据包括电压序列数据、电流序列数据及温度序列数据中的至少一种；

所述电池容量信息获得模块包括：

第一获取子模块，用于获取所述电池历史数据中的时间间隔信息及充放电电流信息；

第二获取子模块，用于获取所述预测电压序列数据对应的长度信息；

电池容量信息获得子模块，用于根据所述时间间隔信息、充放电电流信息及长度信息计算出所述电池容量信息。