一种容量预测方法、容量预测模型的训练方法及装置与流程

本技术涉及计算机，尤其涉及一种容量预测方法、容量预测模型的训练方法及装置。

背景技术：

1、目前，用户可以通过放电实验来确定电池的容量。

2、但是，在进行放电实验的过程中需要涉及到电池的拆卸，步骤频繁且工作量较大，可能无法快速地确定出电池的容量。

技术实现思路

1、本技术提供一种容量预测方法、容量预测模型的训练方法及装置，解决了相关技术在进行放电实验的过程中需要涉及到电池的拆卸，步骤频繁且工作量较大，可能无法快速地确定出电池的容量的技术问题。

2、第一方面，本技术提供一种容量预测方法，包括：获取待识别电池在多个时刻中每个时刻的电压、该待识别电池对应的m个电池在该每个时刻的电压以及该待识别电池对应的n个电池在该每个时刻的电压，该m个电池与该待识别电池之间的距离小于或等于距离阈值，该n个电池与该待识别电池之间的电压相似度大于或等于相似度阈值，m为大于或等于1的整数，n为大于或等于1的整数；根据该待识别电池在该每个时刻的电压、该m个电池在该每个时刻的电压以及该n个电池在该每个时刻的电压，确定该待识别电池在该每个时刻的聚合特征；基于该待识别电池在该每个时刻的聚合特征、该待识别电池在该每个时刻的内阻特征以及该待识别电池的初始特征，生成该待识别电池在该每个时刻的目标特征；将该待识别电池在该每个时刻的目标特征输入目标容量预测模型，得到该待识别电池在该每个时刻的容量，该目标容量预测模型是基于本技术提供的容量预测模型的训练方法训练得到的。

3、可选地，上述根据该待识别电池在该每个时刻的电压、该m个电池在该每个时刻的电压以及该n个电池在该每个时刻的电压，确定该待识别电池在该每个时刻的聚合特征，具体包括：确定第一特征和第二特征，该第一特征为该待识别电池在目标时刻的电压特征与该m个电池在该目标时刻的电压特征之和，该第二特征为该待识别电池在该目标时刻的电压特征与该n个电池在该目标时刻的电压特征之和，该目标时刻为该多个时刻中的一个，一个电池在一个时刻的电压特征为将该电池在该时刻的电压输入特征提取网络得到的；拼接该第一特征以及该待识别电池在该目标时刻的电压特征得到第一拼接特征，并且拼接该第二特征以及该待识别电池在该目标时刻的电压特征得到第二拼接特征；拼接该第一拼接特征以及该第二拼接特征，得到该待识别电池在该目标时刻的聚合特征。

4、本技术中，由于第一拼接特征可以从空间关系上表征出待识别电池在目标时刻的电压情况，并且第二拼接特征可以从语义关系上表征出待识别电池在目标时刻的电压情况。因此电子设备拼接第一拼接特征以及第二拼接特征得到的待识别电池在目标时刻的聚合特征可以结合空间关系以及语义关系表征待识别电池在目标时刻的电压情况，能够准确、有效地表征出待识别电池在目标时刻的电压情况，进而能够提升容量预测的准确度。

5、可选地，该容量预测方法还包括：确定目标电池与该待识别电池之间的电压相似度满足下述公式：

6、

7、其中，s表示该目标电池与该待识别电池之间的电压相似度，ai表示该目标电池在第i个时刻的电压，ai-1表示该目标电池在第i-1个时刻的电压，bi表示该待识别电池在该第i个时刻的电压，bi-1表示该待识别电池在该第i-1个时刻的电压，该目标电池为该n个电池中的一个，t表示该多个时刻的数量，2≤i≤t。

8、本技术中，电子设备可以基于目标电池在每个时刻(即第i个时刻)的电压、该目标电池在该每个时刻的上一个时刻(即第i-1个时刻)的电压、待识别电池在该每个时刻的电压以及该待识别电池在该上一个时刻的电压，方便、快捷地确定出该目标电池与该待识别电池之间的电压相似度，进而能够提升电子设备确定待识别电池在每个时刻的聚合特征的效率。

9、可选地，该容量预测方法还包括：获取该待识别电池的属性信息，该待识别电池的属性信息包括该待识别电池的标识、该待识别电池的生产厂家、该待识别电池的生产批次、该待识别电池的使用时长以及该待识别电池的放电次数中的至少一项；对该待识别电池的属性信息进行编码处理，得到该待识别电池对应的编码信息；基于该待识别电池的编码信息以及嵌入式特征，得到该待识别电池的初始特征。

10、本技术中，对于某一个电池(例如待识别电池)而言，该待识别电池的属性信息能够表征出该待识别电池的原始状态(包括该待识别电池的生产状态和使用状态等)。如此电子设备基于该属性信息得到的编码信息以及基于该编码信息得到的初始特征，可以准确、有效地表征出待识别电池在生产过程中以及使用过程中的特征情况，进而能够提升容量预测的有效性。

11、第二方面，本技术提供一种容量预测模型的训练方法，包括：获取已识别电池在多个时刻中每个时刻的电压、该已识别电池对应的x个电池在该每个时刻的电压以及该已识别电池对应的y个电池在该每个时刻的电压，该x个电池与该已识别电池之间的距离小于或等于距离阈值，该y个电池与该已识别电池之间的电压相似度大于或等于相似度阈值，x为大于或等于1的整数，y为大于或等于1的整数；根据该已识别电池在该每个时刻的电压、该x个电池在该每个时刻的电压以及该y个电池在该每个时刻的电压，确定该已识别电池在该每个时刻的聚合特征；基于该已识别电池在该每个时刻的聚合特征、该已识别电池在该每个时刻的内阻特征以及该已识别电池的初始特征，生成该已识别电池在该每个时刻的目标特征；基于该已识别电池在该每个时刻的目标特征，对初始容量预测模型训练，以生成目标容量预测模型。

12、本技术中，由于已识别电池在每个时刻的聚合特征可以结合空间关系以及语义关系表征已识别电池在每个时刻的电压情况，另外电子设备基于该待识别在该每个时刻的聚合特征、该已识别电池在该每个时刻的内阻特征以及该已识别电池的初始特征生成的该已识别电池在该每个时刻的目标特征，可以准确、有效地表征出该已识别电池在该每个时刻的实际充放电情况。并且电子设备基于该已识别电池在该每个时刻的目标特征对初始容量预测模型进行训练，能够生成预测准确度较高的容量预测模型(即目标容量预测模型)。进而电子设备基于该目标容量预测模型对电池的容量进行预测，可以提高电池容量的预测效率。

13、可选地，上述基于该已识别电池在该每个时刻的目标特征，对初始容量预测模型训练，以生成目标容量预测模型，具体包括：将该已识别电池在该每个时刻的目标特征输入该初始容量预测模型，得到该已识别电池在该每个时刻的预测值；获取该已识别电池在该每个时刻的真实值；基于该已识别电池在该每个时刻的预测值以及该已识别电池在该每个时刻的真实值，确定目标损失；基于该目标损失更新该初始容量预测模型中的参数，生成该目标容量预测模型。

14、本技术中，由于已识别电池在每个时刻的预测值为初始容量预测模型预测出的该已识别电池在该每个时刻的容量，已识别电池在每个时刻的真实值为该已识别电池在该每个时刻的真实容量。如此电子设备基于该预测值以及该真实值确定出的目标损失，能够准确、有效地表征出初始容量预测模型预测出的结果与真实结果之间的差值。然后电子设备基于该目标损失更新该初始容量预测模型中的参数，能够方便、快捷地生成目标容量预测模型，提升了模型训练的效率。

15、可选地，上述根据该已识别电池在该每个时刻的电压、该x个电池在该每个时刻的电压以及该y个电池在该每个时刻的电压，确定该已识别电池在该每个时刻的聚合特征，具体包括：确定第三特征和第四特征，该第三特征为该已识别电池在目标时刻的电压特征与该x个电池在该目标时刻的电压特征之和，该第四特征为该已识别电池在该目标时刻的电压特征与该y个电池在该目标时刻的电压特征之和，该目标时刻为该多个时刻中的一个，一个电池在一个时刻的电压特征为将该电池在该时刻的电压输入特征提取网络得到的；拼接该第三特征以及该已识别电池在该目标时刻的电压特征得到第三拼接特征，并且拼接该第四特征以及该已识别电池在该目标时刻的电压特征得到第四拼接特征；拼接该第三拼接特征以及该第四拼接特征，得到该已识别电池在该目标时刻的聚合特征。

16、本技术中，由于第三拼接特征可以从空间关系上表征出已识别电池在目标时刻的电压情况，并且第四拼接特征可以从语义关系上表征出已识别电池在目标时刻的电压情况。因此电子设备拼接第三拼接特征以及第四拼接特征得到的已识别电池在目标时刻的聚合特征可以结合空间关系以及语义关系表征已识别电池在目标时刻的电压情况，能够准确、有效地表征出已识别电池在目标时刻的电压情况，进而能够提升模型训练的准确度。

17、可选地，该容量预测模型的训练方法还包括：确定预设电池与该已识别电池之间的电压相似度满足下述公式：

18、

19、其中，s'表示该预设电池与该已识别电池之间的电压相似度，ci表示该预设电池在第i个时刻的电压，ci-1表示该预设电池在第i-1个时刻的电压，di表示该已识别电池在该第i个时刻的电压，di-1表示该已识别电池在该第i-1个时刻的电压，该预设电池为该y个电池中的一个，t表示该多个时刻的数量，2≤i≤t。

20、本技术中，电子设备可以基于预设电池在每个时刻(即第i个时刻)的电压、该预设电池在该每个时刻的上一个时刻(即第i-1个时刻)的电压、已识别电池在该每个时刻的电压以及该已识别电池在该上一个时刻的电压，方便、快捷地确定出该预设电池与该已识别电池之间的电压相似度，进而能够提升电子设备确定已识别电池在每个时刻的聚合特征的效率。

21、可选地，该容量预测模型的训练方法还包括：获取该已识别电池的属性信息，该已识别电池的属性信息包括该已识别电池的标识、该已识别电池的生产厂家、该已识别电池的生产批次、该已识别电池的使用时长以及该已识别电池的放电次数中的至少一项；对该已识别电池的属性信息进行编码处理，得到该已识别电池对应的编码信息；基于该已识别电池的编码信息以及嵌入式特征，得到该已识别电池的初始特征。

22、本技术中，对于某一个电池(例如已识别电池)而言，该已识别电池的属性信息能够表征出该已识别电池的原始状态(包括该已识别电池的生产状态和使用状态等)。如此电子设备基于该属性信息得到的编码信息以及基于该编码信息得到的初始特征，可以准确、有效地表征出已识别电池在生产过程中以及使用过程中的特征情况，进而能够提升模型训练的有效性。

23、第三方面，本技术提供一种容量预测装置，包括：获取模块、确定模块以及处理模块；该获取模块，用于获取待识别电池在多个时刻中每个时刻的电压、该待识别电池对应的m个电池在该每个时刻的电压以及该待识别电池对应的n个电池在该每个时刻的电压，该m个电池与该待识别电池之间的距离小于或等于距离阈值，该n个电池与该待识别电池之间的电压相似度大于或等于相似度阈值，m为大于或等于1的整数，n为大于或等于1的整数；该确定模块，用于根据该待识别电池在该每个时刻的电压、该m个电池在该每个时刻的电压以及该n个电池在该每个时刻的电压，确定该待识别电池在该每个时刻的聚合特征；该处理模块，用于基于该待识别电池在该每个时刻的聚合特征、该待识别电池在该每个时刻的内阻特征以及该待识别电池的初始特征，生成该待识别电池在该每个时刻的目标特征；该处理模块，还用于将该待识别电池在该每个时刻的目标特征输入目标容量预测模型，得到该待识别电池在该每个时刻的容量，该目标容量预测模型是基于本技术提供的容量预测模型的训练方法训练得到的。

24、可选地，该确定模块，具体用于确定第一特征和第二特征，该第一特征为该待识别电池在目标时刻的电压特征与该m个电池在该目标时刻的电压特征之和，该第二特征为该待识别电池在该目标时刻的电压特征与该n个电池在该目标时刻的电压特征之和，该目标时刻为该多个时刻中的一个，一个电池在一个时刻的电压特征为将该电池在该时刻的电压输入特征提取网络得到的；该处理模块，具体用于拼接该第一特征以及该待识别电池在该目标时刻的电压特征得到第一拼接特征，并且拼接该第二特征以及该待识别电池在该目标时刻的电压特征得到第二拼接特征；该处理模块，还具体用于拼接该第一拼接特征以及该第二拼接特征，得到该待识别电池在该目标时刻的聚合特征。

25、可选地，该确定模块，还用于确定目标电池与该待识别电池之间的电压相似度满足下述公式：

26、

27、其中，s表示该目标电池与该待识别电池之间的电压相似度，ai表示该目标电池在第i个时刻的电压，ai-1表示该目标电池在第i-1个时刻的电压，bi表示该待识别电池在该第i个时刻的电压，bi-1表示该待识别电池在该第i-1个时刻的电压，该目标电池为该n个电池中的一个，t表示该多个时刻的数量，2≤i≤t。

28、可选地，该获取模块，还用于获取该待识别电池的属性信息，该待识别电池的属性信息包括该待识别电池的标识、该待识别电池的生产厂家、该待识别电池的生产批次、该待识别电池的使用时长以及该待识别电池的放电次数中的至少一项；该处理模块，还用于对该待识别电池的属性信息进行编码处理，得到该待识别电池对应的编码信息；该处理模块，还用于基于该待识别电池的编码信息以及嵌入式特征，得到该待识别电池的初始特征。

29、第四方面，本技术提供一种容量预测模型的训练装置，包括：获取模块、确定模块以及处理模块；该获取模块，用于获取已识别电池在多个时刻中每个时刻的电压、该已识别电池对应的x个电池在该每个时刻的电压以及该已识别电池对应的y个电池在该每个时刻的电压，该x个电池与该已识别电池之间的距离小于或等于距离阈值，该y个电池与该已识别电池之间的电压相似度大于或等于相似度阈值，x为大于或等于1的整数，y为大于或等于1的整数；该确定模块，用于根据该已识别电池在该每个时刻的电压、该x个电池在该每个时刻的电压以及该y个电池在该每个时刻的电压，确定该已识别电池在该每个时刻的聚合特征；该处理模块，用于基于该已识别电池在该每个时刻的聚合特征、该已识别电池在该每个时刻的内阻特征以及该已识别电池的初始特征，生成该已识别电池在该每个时刻的目标特征；该处理模块，还用于基于该已识别电池在该每个时刻的目标特征，对初始容量预测模型训练，以生成目标容量预测模型。

30、可选地，该处理模块，具体用于将该已识别电池在该每个时刻的目标特征输入该初始容量预测模型，得到该已识别电池在该每个时刻的预测值；该获取模块，还用于获取该已识别电池在该每个时刻的真实值；该确定模块，还用于基于该已识别电池在该每个时刻的预测值以及该已识别电池在该每个时刻的真实值，确定目标损失；该处理模块，还具体用于基于该目标损失更新该初始容量预测模型中的参数，生成该目标容量预测模型。

31、可选地，该确定模块，具体用于确定第三特征和第四特征，该第三特征为该已识别电池在目标时刻的电压特征与该x个电池在该目标时刻的电压特征之和，该第四特征为该已识别电池在该目标时刻的电压特征与该y个电池在该目标时刻的电压特征之和，该目标时刻为该多个时刻中的一个，一个电池在一个时刻的电压特征为将该电池在该时刻的电压输入特征提取网络得到的；该处理模块，还用于拼接该第三特征以及该已识别电池在该目标时刻的电压特征得到第三拼接特征，并且拼接该第四特征以及该已识别电池在该目标时刻的电压特征得到第四拼接特征；该处理模块，还用于拼接该第三拼接特征以及该第四拼接特征，得到该已识别电池在该目标时刻的聚合特征。

32、可选地，该确定模块，还用于确定预设电池与该已识别电池之间的电压相似度满足下述公式：

33、

34、其中，s'表示该预设电池与该已识别电池之间的电压相似度，ci表示该预设电池在第i个时刻的电压，ci-1表示该预设电池在第i-1个时刻的电压，di表示该已识别电池在该第i个时刻的电压，di-1表示该已识别电池在该第i-1个时刻的电压，该预设电池为该y个电池中的一个，t表示该多个时刻的数量，2≤i≤t。

35、可选地，该获取模块，还用于获取该已识别电池的属性信息，该已识别电池的属性信息包括该已识别电池的标识、该已识别电池的生产厂家、该已识别电池的生产批次、该已识别电池的使用时长以及该已识别电池的放电次数中的至少一项；该处理模块，还用于对该已识别电池的属性信息进行编码处理，得到该已识别电池对应的编码信息；该处理模块，还用于基于该已识别电池的编码信息以及嵌入式特征，得到该已识别电池的初始特征。

36、第五方面，本技术提供一种电子设备，包括：处理器和被配置为存储处理器可执行指令的存储器；其中，处理器被配置为执行所述指令，以实现上述第一方面中任一种可选地容量预测方法，或者实现上述第二方面中任一种可选地容量预测模型的训练方法。

37、第六方面，本技术提供一种计算机可读存储介质，计算机可读存储介质上存储有指令，当该计算机可读存储介质中的指令由电子设备执行时，使得该电子设备能够执行上述第一方面中任一种可选地容量预测方法，或者执行上述第二方面中任一种可选地容量预测模型的训练方法。

38、本技术提供的一种容量预测方法、容量预测模型的训练方法及装置，电子设备可以获取待识别电池在多个时刻中每个时刻的电压、该待识别电池对应的m个电池在该每个时刻的电压以及该待识别电池对应的n个电池在该每个时刻的电压；然后电子设备可以根据该待识别电池在该每个时刻的电压、该m个电池在该每个时刻的电压以及该n个电池在该每个时刻的电压，确定该待识别电池在该每个时刻的聚合特征；并且基于该待识别电池在该每个时刻的聚合特征、该待识别电池在该每个时刻的内阻特征以及该待识别电池的初始特征生成该待识别电池在该每个时刻的目标特征；最终电子设备将该待识别电池在该每个时刻的目标特征输入目标容量预测模型，以得到该待识别电池在该每个时刻的容量。本技术中，由于待识别电池在每个时刻的聚合特征可以结合空间关系以及语义关系表征待识别电池在每个时刻的电压情况，另外电子设备基于该待识别在该每个时刻的聚合特征、该待识别电池在该每个时刻的内阻特征以及该待识别电池的初始特征生成的该待识别电池在该每个时刻的目标特征，可以准确、有效地表征出该待识别电池在该每个时刻的实际充放电情况。并且电子设备基于该待识别电池在该每个时刻的目标特征能够准确、有效地确定出该待识别电池在该每个时刻的容量，提升了电池容量的预测效率。