BBU类别识别模型构建、寿命预测方法、装置及设备与流程

本发明涉及计算机，具体涉及bbu类别识别模型构建、寿命预测方法、装置及设备。

背景技术：

1、当前业界存储系统通常采用电脑电源供应单元(pc power supply unit，简称psu)+电池备份单元(batterybackupunit，简称bbu)主备冗余供电，当机房市电掉电，存储系统实时监测到psu供电异常，可无缝切换到bbu供电。现有技术中，需要针对bbu的剩余寿命进行预测，以免因为bbu的性能下降或故障，严重影响存储系统的可靠性和安全性。

2、目前，针对bbu剩余寿命的预测所采用的方法通常为数据驱动方法，该类方法仅能针对单一类型的bbu进行退化数据训练及使用寿命预测。现有技术中，无法识别不同类型的bbu类别，进而无法提取相应类型的测试数据对bbu的寿命进行预测。

技术实现思路

1、有鉴于此，本发明提供了一种bbu类别识别模型构建、寿命预测方法、装置及设备，以解决现有技术中，无法识别不同类型的bbu类别，进而无法提取相应类型的测试数据对bbu的寿命进行预测的问题。

2、第一方面，本发明提供了一种bbu类别识别模型构建方法，该方法包括：

3、获取多种电池备份单元中每一种电池备份单元分别在多组不同的预设条件下工作后生成的容量变化值，以及电压变化值；

4、将第一种电池备份单元分别在每一组预设条件下工作后生成的容量变化值和电压变化值，输入至预构建的初始类别识别模型中，获取多组预设模型参数值，其中，初始类别识别模型包括容量变化参数、电压变化参数，以及预设模型参数，第一种电池备份单元为多种电池备份单元中的任一种电池备份单元；

5、根据多组预设模型参数值、容量变化参数、电压变化参数，以及预设模型参数，构建第一种电池备份单元对应的类别识别模型。

6、本发明提供的一种bbu类别识别模型构建方法，具有如下优点：

7、获取多种电池备份单元中每一种电池备份单元分别在多组不同的预设条件下工作后生成的容量变化值以及电压变化值。将第一种电池备份单元分别在每一组预设条件下工作后生成的容量变化值和电压变化值，输入至预构建的类别识别模型后，可以多组预设模型参数值。根据多组预设模型参数值，获取最终的预设模型参数对应的参数值。将最终的预设模型参数对应的参数值输入至预构建的类别识别模型中，获取一个只有容量变化参数和电压变化参数为未知数的类别识别模型。而该模型恰好是与第一种电池备份单元对应的类别识别模型。类似的道理，通过上述方式可以分别获取与多种电池备份单元中每一种电池备份单元分别对应的类别识别模型。用以后续利用这些类别识别模型，识别电池备份单元的类型。

8、在一种可选的实施方式中，获取多种电池备份单元中每一种电池备份单元分别在多组不同的预设条件下工作后生成的容量变化值，以及电压变化值，包括：

9、在不同预设荷电状态下，分别按照预设电流值对每一种电池备份单元进行恒流放电预设时间段后，获取的容量变化值和电压变化值。

10、具体的，把不同荷电状态下的得到的容量变化值和电压变化值输入至预构建的类别识别模型中，就可以拟合得到不同荷电状态下的预设模型参数，然后可以基于不同荷电状态下的预设模型参数的参数值，获取最终的预设模型参数的参数值，以使最终获取的预设模型参数的参数值更具有代表性，进而使得最终获取的类别识别模型在识别电池备份单元的类别时更加准确。

11、在一种可选的实施方式中，多组预设模型参数值中每一组预设模型参数值均包括第一预设模型参数的参数值，以及第二预设模型参数的参数值，根据多组预设模型参数值、容量变化参数、电压变化参数，以及预设模型参数，构建第一种电池备份单元对应的类别识别模型，包括：

12、根据多组第一预设模型参数的参数值，获取与第一预设模型参数对应的第一平均参数值；以及，根据多组第二预设模型参数的参数值，获取与第二预设模型参数对应的第二平均参数值；

13、根据第一平均参数值、第二平均参数值、容量变化参数，以及电压变化参数构建与第一种电池备份单元对应的类别识别模型。

14、具体的，平均值更加能体现一个参数的普遍性和通用性，因此根据第一平均参数值、第二平均参数值、容量变化参数，以及电压变化参数构建与第一种电池备份单元对应的类别识别模型在进行类型识别时将更加精准。

15、在一种可选的实施方式中，初始类别识别模型采用如下公式表示：

16、δq＝a1·jexp(a2)

17、其中，δq为容量变化参数，j为电压变化参数，a1为第一预设模型参数，a2为第二预设模型参数。第二方面，本发明提供了一种bbu剩余寿命预测方法，该方法包括：

18、获取待识别电池备份单元在预设条件下生成的实际容量变化值和实际电压变化值；

19、将实际容量变化值分别输入至如权利要求1-4任一项的bbu类别识别模型构建方法构建的不同类别识别模型中，获取与每一种类别识别模型对应的参考电压变化值；

20、根据实际电压变化值和每一种类别识别模型对应的参考电压变化值，确定待识别电池备份单元的类型；

21、获取与待识别电池备份单元的类型对应的测试数据；

22、将测试数据输入至目标剩余寿命预测模型中，利用目标剩余寿命预测模型进行多次预测后，获取电池备份单元的剩余寿命预测区间。

23、本发明提供的一种bbu剩余寿命预测方法，具有如下优点：

24、获取待识别电池备份单元在预设条件下生成的实际容量变化值和实际电压变化值。然后将实际容量变化值分别输入至如第一方面任一实施方式的方法构建的不同类别识别模型中，可以分别得到与每一种类别识别模型对应的参考电压值。然后根据实际电压变化值和参考电压值进行比较，从多个类别识别模型中选取其中一个作为目标类别识别模型，并确定目标识别模型对应的电池备份单元的类型为该待识别电池备份单元的类型。然后提取与该待识别电池备份单元的类型对应的测试数据，将测试数据输入至目标剩余寿命预测模型中，利用目标剩余寿命预测模型进行多次预测后，获取电池备份单元的剩余寿命预测区间。剩余寿命预测区间，相较于单个电池剩余寿命数值而言，对于电池的维护或更换等更加具有灵活性，尺度也更宽泛一些。用户在该剩余寿命预测区间内更换和维护电池，可以尽可能的降低更换或维护的滞后性，保证电池备份单元在使用过程中的安全性。也可以尽可能的避免因为尽早的更换所造成对电池的浪费，降低维护成本并减少致命故障的几率。

25、在一种可选的实施方式中，根据实际电压变化值和每一种类别识别模型对应的参考电压变化值，确定待识别电池备份单元的类型，包括：

26、分别将实际电压变化值与每一种类别识别模型生成的参考电压变化值进行比较；

27、当确定实际电压变化值与第一类别识别模型生成的参考电压变化值之间的差值最小时，确定第一类别识别模型对应的电池备份单元的类型为待识别电池备份单元对应的类型。

28、具体的，将实际电压变化值与每一种类别识别模型生成的参考电压变化值进行比较，并选取实际电压变化值最接近的参考电压变化值对应的类别识别模型作为目标识别模型，其选择方式将更贴近于待识别电池备份单元对应的类型。

29、在一种可选的实施方式中，将测试数据输入至目标剩余寿命预测模型中，利用目标剩余寿命预测模型进行多次预测后，获取电池备份单元的剩余寿命预测区间，包括：

30、在当前迭代周期性内，对初始剩余寿命预测模型进行迭代训练，当经过训练后的剩余寿命预测模型符合预设训练停止条件时，获取与当前迭代周期对应的目标剩余寿命预测模型；

31、将测试数据输入至与当前迭代周期对应的目标剩余寿命预测模型中，获取预测结果后，进入下一迭代周期；

32、直至迭代次数达到预设次数阈值时，停止迭代；

33、获取预设数量的预测结果后，对预设数量的预测结果进行大数据统计，输出剩余寿命预测区间。

34、具体的，每一个迭代周期内都对初始剩余寿命预测模型进行训练，当经过训练后的剩余寿命预测模型符合预设训练停止条件时，则获取与当前迭代周期对应的目标剩余寿命预测模型。然后利用与当前迭代周期对应的目标剩余寿命预测模型对测试数据进行预测，获取一个预测结果。然后，再在下一个迭代周期对初始剩余寿命预测模型进行迭代训练。因为剩余寿命预测模型的训练本身就带有随机性。所以，每进行一次预测后，都将再次对剩余寿命预测模型进行训练，并且在训练后的剩余寿命预测模型符合训练停止条件时，获取与下一个迭代周期对应的目标剩余寿命预测模型。重复执行上述操作预设次数后，可以获取到预设数量的预测结果。然后对预设数量的预测结果进行大数据统计，最终可以输出剩余寿命预测区间。

35、在一个可选的实施方式中，该方法还包括：输出与剩余寿命预测区间对应的置信度。

36、在一个可选的实施方式中，测试数据为电池备份单元的容量退化数据。

37、在一个可选的实施方式中，所述预设条件包括：在所述待识别电池备份单元的当前荷电状态下，按照预设电流值对所述待识别电池备份单元进行恒流放电预设时间段。

38、第三方面，本发明提供了一种bbu类别识别模型构建装置，该装置包括：

39、获取模块，用于获取多种电池备份单元中每一种电池备份单元分别在多组不同的预设条件下工作后生成的容量变化值，以及电压变化值；

40、处理模块，用于将第一种电池备份单元分别在每一组预设条件下工作后生成的容量变化值和电压变化值，输入至预构建的初始类别识别模型中，获取多组预设模型参数值，其中，初始类别识别模型包括容量变化参数、电压变化参数，以及预设模型参数，第一种电池备份单元为多种电池备份单元中的任一种电池备份单元；

41、构建模块，用于根据多组预设模型参数值、容量变化参数、电压变化参数，以及预设模型参数，构建第一种电池备份单元对应的类别识别模型。

42、本发明提供的一种bbu类别识别模型构建装置，具有如下优点：

43、获取多种电池备份单元中每一种电池备份单元分别在多组不同的预设条件下工作后生成的容量变化值以及电压变化值。将第一种电池备份单元分别在每一组预设条件下工作后生成的容量变化值和电压变化值，输入至预构建的类别识别模型后，可以多组预设模型参数值。根据多组预设模型参数值，获取最终的预设模型参数对应的参数值。将最终的预设模型参数对应的参数值输入至预构建的类别识别模型中，获取一个只有容量变化参数和电压变化参数为未知数的类别识别模型。而该模型恰好是与第一种电池备份单元对应的类别识别模型。类似的道理，通过上述方式可以分别获取与多种电池备份单元中每一种电池备份单元分别对应的类别识别模型。用以后续利用这些类别识别模型，识别电池备份单元的类型。

44、第四方面，本发明提供了一种bbu剩余寿命预测装置，该装置包括：

45、第一获取模块，用于获取待识别电池备份单元在预设条件下得到实际容量变化值和实际电压变化值；

46、处理模块，用于将实际容量变化值分别输入至如权利要求1-4任一项的bbu类别识别模型构建方法构建的不同类别识别模型中，获取与每一种类别识别模型对应的参考电压变化值；

47、确定模块，用于根据实际电压变化值和每一种类别识别模型对应的参考电压变化值，确定待识别电池备份单元的类型；

48、第二获取模块，用于获取与待识别电池备份单元的类型对应的测试数据；

49、预测模块，用于将测试数据输入至目标剩余寿命预测模型中，利用目标剩余寿命预测模型进行多次预测后，获取电池备份单元的剩余寿命预测区间。

50、本发明提供的一种bbu剩余寿命预测装置，具有如下优点：

51、获取待识别电池备份单元在预设条件下生成的实际容量变化值和实际电压变化值。然后将实际容量变化值分别输入至如第一方面任一实施方式的方法构建的不同类别识别模型中，可以分别得到与每一种类别识别模型对应的参考电压值。然后根据实际电压变化值和参考电压值进行比较，从多个类别识别模型中选取其中一个作为目标类别识别模型，并确定目标识别模型对应的电池备份单元的类型为该待识别电池备份单元的类型。然后提取与该待识别电池备份单元的类型对应的测试数据，将测试数据输入至目标剩余寿命预测模型中，利用目标剩余寿命预测模型进行多次预测后，获取电池备份单元的剩余寿命预测区间。剩余寿命预测区间，相较于单个剩余寿命数值而言，对于电池的维护或更换等更加具有灵活性，尺度也更宽泛一些。用户在该剩余寿命预测区间内更换和维护电池，可以尽可能的降低更换或维护的滞后性，保证电池备份单元在使用过程中的安全性。也可以尽可能的避免因为尽早的更换所造成对电池的浪费，降低维护成本并减少致命故障的几率。

52、第五方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的bbu类别识别模型构建方法；或者，执行上述第二方面或其对应的任一实施方式的bbu剩余寿命预测方法。

53、第六方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的bbu类别识别模型构建方法；或者，执行上述第二方面或其对应的任一实施方式的bbu剩余寿命预测方法。