[发明专利]电池SOH评估模型的构建方法及电池SOH值的评估方法

说明书

本发明提供了一种电池SOH评估模型的构建方法及电池SOH值的评估方法，涉及电池评估技术领域，包括：获取第一训练数据集和第二训练数据集；其中，所述第一训练数据集包括多个未标注SOH标签的第一电池数据样本，所述第二训练数据集包括多个标注SOH标签的第二电池数据样本，所述第二训练数据集的样本数量远小于所述第一训练数据集的样本数量；基于所述第一训练数据集内各个所述第一电池数据样本之间的样本间隔，从所述第一训练数据集中确定多个样本对，并利用各个所述样本对对预先构建的相似度模型进行训练；根据训练得到的相似度模型和/或所述第二训练数据集构建电池SOH评估模型。本发明可以有效降低电池SOH评估的难度和成本。

技术领域

本发明涉及电池评估技术领域，尤其是涉及一种电池SOH评估模型的构建方法及电池SOH值的评估方法。

背景技术

随着科技的进步，电池广泛应用于各种行业并占据重要地位，而电池的性能会随着电池的使用时间、充放电电量、电动车的行驶里程变化。目前，为对SOH(State ofHealth，电池健康度)进行评估，通常需要获取大量在不同条件下的实验标定的SOH标签作为模型训练数据的标签，而在实际应用中，收集大量规模的带有SOH标签的训练数据需要花费大量的成本和时间，从而增加了电池SOH评估的难度和成本。

发明内容

有鉴于此，本发明的目的在于提供一种电池SOH评估模型的构建方法及电池SOH值的评估方法，可以有效降低电池SOH评估的难度和成本。

第一方面，本发明实施例提供了一种电池SOH评估模型的构建方法，包括：获取第一训练数据集和第二训练数据集；其中，所述第一训练数据集包括多个未标注SOH标签的第一电池数据样本，所述第二训练数据集包括多个标注SOH标签的第二电池数据样本，所述第二训练数据集的样本数量远小于所述第一训练数据集的样本数量；基于所述第一训练数据集内各个所述第一电池数据样本之间的样本间隔，从所述第一训练数据集中确定多个样本对，并利用各个所述样本对对预先构建的相似度模型进行训练；根据训练得到的相似度模型和/或所述第二训练数据集构建电池SOH评估模型。

在一种实施方式中，所述基于第一训练数据集内各个所述第一电池数据样本之间的样本间隔，从所述第一训练数据集中确定多个样本对的步骤，包括：从所述第一训练数据集中随机抽取第一电池数据样本作为锚点样本；对于每个锚点样本，根据该锚点样本与所述第一训练数据集中其余第一电池数据样本之间的样本间隔，从所述第一训练数据集中确定该锚点样本分别对应的正样本和负样本；将该锚点样本与该锚点样本对应的正样本和/或负样本组合成样本对。

在一种实施方式中，所述根据该锚点样本与所述第一训练数据集中其余第一电池数据样本之间的样本间隔，从所述第一训练数据集中确定该锚点样本分别对应的正样本和负样本的步骤，包括：对于所述第一训练数据集中除该锚点样本之外的每个第一电池数据样本，根据该锚点样本的使用时间与该第一电池数据样本的使用时间，计算该锚点样本与该第一电池数据样本之间的时间间隔；如果所述时间间隔小于第一间隔阈值，确定该第一电池数据样本为该锚点样本对应的正样本；如果所述时间间隔大于第二间隔阈值，确定该第一电池数据样本为该锚点样本对应的负样本；其中，所述第二间隔阈值大于或等于所述第一间隔阈值；和/或；对于所述第一训练数据集中除该锚点样本之外的每个第一电池数据样本，根据该锚点样本对应的行驶里程与该第一电池数据样本对应的行驶里程，计算该锚点样本与该第一电池数据样本之间的里程间隔；如果所述里程间隔小于第三间隔阈值，确定该第一电池数据样本为该锚点样本对应得到正样本；如果所述里程间隔大于第四间隔阈值，确定该第一电池数据样本为该锚点样本对应的负样本；其中，所述第四间隔阈值大于或等于所述第三间隔阈值。

在一种实施方式中，所述相似度模型包括特征映射层和第一回归层；所述利用各个所述样本对对预先构建的相似度模型进行训练的步骤，包括：通过所述特征映射层对所述样本对进行特征映射，得到所述样本对的样本距离；通过第一回归层根据所述样本距离确定所述样本对中各个样本之间的相似程度；根据所述相似程度和预设损失函数对相似度模型的参数进行更新。