一种蓄电池的状态计算方法和装置与流程

1.本技术实施例涉及蓄电池监控技术，尤指一种蓄电池的状态计算方法和装置。


背景技术：

2.eps(emergency power supply，应急电源)设备是地铁站的重要设备，在市电故障和发生供电异常时能够继续向负载和照明系统进行供电，确保不停电，保证地铁站能继续平稳运行。蓄电池组是eps设备中的重要部件，因此，对于蓄电池设备的健康状况的监控和管理就成为了eps设备运维工作中的重点内容。
3.目前，eps设备中对于蓄电池设备的健康状况的评估方法主要是基于蓄电池厂家提供的充放电循环曲线图，结合检修人员经验进行粗略评估。这种方法没有考虑不同电池的工况环境有差异，也忽略了电池的个体差异，泛化能力不足，实际实施过程中电池实际循环次数也难以确切统计。不能对健康状态给出直观具体的数字化描述，也无法给出预估的失效时间，从而不能为蓄电池的维修和替换留下充足的时间。


技术实现要素：

4.本技术实施例提供了一种蓄电池的状态计算方法和装置，能够直观地给出蓄电池的健康状态和剩余寿命，为维保人员提前提供维保的有用信息，从而为提高eps设备运行的安全可靠性，降低检修维保成本提供了技术基础。
5.本技术实施例提供了一种蓄电池的状态计算方法，所述方法可以包括：
6.采用预设的蓄电池实际容量推理模型周期性获取待计算的蓄电池的当前实际容量，并由获取的多组当前实际容量组成容量时间序列；
7.将所述当前实际容量输入预设的蓄电池健康评估模型，对所述蓄电池的健康度进行打分；
8.将所述容量时间序列输入预设的蓄电池剩余寿命估计模型，获取所述蓄电池的剩余寿命。
9.在本技术的示例性实施例中，所述采用预设的蓄电池实际容量推理模型周期性获取待计算的蓄电池的当前实际容量，可以包括：周期性执行以下操作：
10.获取待计算的蓄电池的实时运行数据；
11.将每次获取的所述实时运行数据输入所述蓄电池实际容量推理模型，获取蓄电池的当前实际容量。
12.在本技术的示例性实施例中，所述获取待计算的蓄电池的实时运行数据，可以包括：
13.通过预设的监控系统提供的接口获取预设时长内所述待计算的蓄电池全部的实时运行监测数据；
14.对所述实时运行监测数据进行预处理，获取所述实时运行数据；其中，所述预处理包括以下任意一种或多种：忽略缺失值、偏差检测、数据集成、数据规约和数据变换。
15.在本技术的示例性实施例中，预先创建所述蓄电池实际容量推理模型，可以包括：
16.获取具有容量标签的蓄电池运行数据组成的第一训练数据集；
17.采用所述第一训练数据集对预先建立的第一回归模型进行训练，获取所述蓄电池实际容量推理模型；所述第一回归模型是以蓄电池运行数据作为输入，以具有蓄电池容量和健康度打分的数据作为输出的网络模型。
18.在本技术的示例性实施例中，所述获取具有容量标签的蓄电池运行数据组成的第一训练数据集，可以包括：
19.对同型号的蓄电池样本进行充放电实验，并在实验过程中检测所述蓄电池样本的运行数据；
20.每隔预设时长根据所述蓄电池样本的运行数据记录所述蓄电池样本的容量，获取完整充放电过程中不同时段的实际容量；
21.根据记录的不同时段的实际容量对所述蓄电池样本的运行数据设置所述容量标签，并由设置有所述容量标签的蓄电池样本的运行数据组成所述第一训练数据集。
22.在本技术的示例性实施例中，预先创建所述蓄电池健康评估模型，可以包括：
23.获取具有健康因子标签的蓄电池实际容量组成的第二训练数据集；
24.采用所述第二训练数据集对预先建立的第二回归模型进行训练，获取所述蓄电池健康评估模型；所述第二回归模型是以蓄电池容量数据作为输入，以健康度打分数据作为输出的网络模型。
25.在本技术的示例性实施例中，所述获取具有健康因子标签的蓄电池实际容量组成的第二训练数据集，可以包括：
26.对同型号的蓄电池样本进行充放电实验，并在实验过程中检测所述蓄电池样本的运行数据；
27.根据所述蓄电池样本的运行数据提取所述蓄电池样本的健康因子；并每隔预设时长根据所述蓄电池样本的运行数据记录所述蓄电池样本的容量，获取完整充放电过程中不同时段的实际容量；
28.根据不同时段提取的健康因子对不同时段的实际容量设置所述健康因子标签，并由设置有所述健康因子标签的蓄电池样本的实际容量组成所述第二训练数据集。
29.在本技术的示例性实施例中，所述由获取的多组当前实际容量组成容量时间序列，可以包括：
30.将所述多组当前实际容量按照获取的时间先后顺序进行排序，获取所述容量时间序列。
31.在本技术的示例性实施例中，在将所述容量时间序列输入预设的蓄电池剩余寿命估计模型之前，所述方法还可以包括：
32.对获取的所述容量时间序列进行序列平稳性判断；
33.当判定所述容量时间序列中存在非平稳数据时，对所述非平稳数据进行平稳化处理。
34.在本技术的示例性实施例中，预先创建所述蓄电池剩余寿命估计模型，可以包括：
35.获取由均为平稳数据的容量时间序列样本组成的第三训练数据集；
36.采用所述第三训练数据集对预先建立的机器学习模型进行训练，获取所述蓄电池
剩余寿命估计模型的初始模型；所述机器学习模型是以容量时间序列作为输入，以蓄电池剩余寿命作为输出，并基于自相关函数和偏自相关函数进行参数调整的网络模型；
37.对获取的所述初始模型的模型残差序列进行白噪声检验，当所述模型残差序列确定为白噪声序列时判定所述初始模型有效，并将该有效的初始模型作为所述蓄电池剩余寿命估计模型。
38.在本技术的示例性实施例中，所述获取由均为平稳数据的容量时间序列样本组成的第三训练数据集，可以包括：
39.对同型号的蓄电池样本进行充放电实验，并在实验过程中检测所述蓄电池样本的运行数据；
40.每隔预设时长根据所述蓄电池样本的运行数据记录所述蓄电池样本的容量，获取所述蓄电池样本完整充放电过程中不同时段的实际容量；
41.将标定有不同时段的实际容量按照时间先后顺序进行排序，获取容量时间序列样本；
42.对所述容量时间序列样本进行序列平稳性判断，并对所述容量时间序列样本中的非平稳数据进行平稳化处理；
43.采用均为平稳数据的容量时间序列样本组成所述第三训练数据集。
44.本技术实施例还提供了一种蓄电池的状态计算装置，可以包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现上述任意一项所述的蓄电池的状态计算方法。
45.与相关技术相比，本技术实施例可以包括：采用预设的蓄电池实际容量推理模型周期性获取待计算的蓄电池的当前实际容量，并由获取的多组当前实际容量组成容量时间序列；将所述当前实际容量输入预设的蓄电池健康评估模型，对所述蓄电池的健康度进行打分；将所述容量时间序列输入预设的蓄电池剩余寿命估计模型，获取所述蓄电池的剩余寿命。通过该实施例方案，实现了直观地给出蓄电池的健康状态和剩余寿命，为维保人员提前提供了维保的有用信息，从而为提高eps设备运行的安全可靠性，降低检修维保成本提供了技术基础。
46.本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
47.附图用来提供对本技术技术方案的理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本技术的技术方案，并不构成对本技术技术方案的限制。
48.图1为本技术实施例的蓄电池的状态计算方法流程图；
49.图2为本技术实施例的预先创建所述蓄电池实际容量推理模型的方法流程图；
50.图3为本技术实施例的预先创建所述蓄电池健康评估模型的方法流程图；
51.图4为本技术实施例的预先创建所述蓄电池剩余寿命估计模型的方法流程图；
52.图5为本技术实施例的蓄电池的状态计算装置组成框图。
具体实施方式
53.本技术描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本技术所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
54.本技术包括并设想了与本领域普通技术人员已知的特征和元件的组合。本技术已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本技术中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
55.此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本技术实施例的精神和范围内。
56.本技术实施例提供了一种蓄电池的状态计算方法，如图1所示，所述方法可以包括步骤s101-s103：
57.s101、采用预设的蓄电池实际容量推理模型周期性获取待计算的蓄电池的当前实际容量，并由获取的多组当前实际容量组成容量时间序列；
58.s102、将所述当前实际容量输入所述蓄电池健康评估模型，对所述蓄电池的健康度进行打分；
59.s103、将所述容量时间序列输入预设的蓄电池剩余寿命估计模型，获取所述蓄电池的剩余寿命。
60.在本技术的示例性实施例中，提出了一种蓄电池健康状态的评估方法以及蓄电池剩余寿命估计的方法，可以预先建立蓄电池评估模型，该蓄电池评估模型可以包括但不限于：蓄电池实际容量推理模型、蓄电池健康评估模型和蓄电池剩余寿命估计模型；可以利用预先建立的蓄电池实际容量推理模型推理蓄电池的当前实际容量，并利用蓄电池健康评估模型对蓄电池的当前实际容量进行数字化打分；利用推理出的当前实际容量构成的容量时间序列通过蓄电池剩余寿命估计模型推导蓄电池的剩余寿命。
61.在本技术的示例性实施例中，该蓄电池健康状态数字化评估以及剩余寿命估计方法解决了现有技术存在的如下问题：基于循环次数统计与循环充放电曲线进行比较的方法对人力物力资源消耗很高，不但费时费力，而且不能对健康状态给出直观具体的数字化描述，也不能给出剩余寿命的估计。难以进行设备状态的数字化展示，且不能为运维人员提供直观的时间规划。
62.在本技术的示例性实施例中，所述采用预设的蓄电池实际容量推理模型周期性获取待计算的蓄电池的当前实际容量，可以包括：周期性执行以下操作：
63.获取待计算的蓄电池的实时运行数据；
64.将每次获取的所述实时运行数据输入所述蓄电池实际容量推理模型，获取蓄电池的当前实际容量。
65.在本技术的示例性实施例中，可以预先创建该蓄电池实际容量推理模型，对于待评估的蓄电池(可以为单个蓄电池也可以为蓄电池组)，可以首先获取蓄电池运行的实时数据；并利用蓄电池实际容量推理模型对蓄电池实时运行数据进行分析，推理出蓄电池的当前实际容量。
66.在本技术的示例性实施例中，如图2所示，预先创建所述蓄电池实际容量推理模型，可以包括步骤s201-s202：
67.s201、获取具有容量标签的蓄电池运行数据组成的第一训练数据集。
68.在本技术的示例性实施例中，所述获取具有容量标签的蓄电池运行数据组成的第一训练数据集，可以包括：
69.对同型号的蓄电池样本进行充放电实验，并在实验过程中检测所述蓄电池样本的运行数据；
70.每隔预设时长根据所述蓄电池样本的运行数据记录所述蓄电池样本的容量，获取完整充放电过程中不同时段的实际容量；
71.根据记录的不同时段的实际容量对所述蓄电池样本的运行数据设置所述容量标签，并由设置有所述容量标签的蓄电池样本的运行数据组成所述第一训练数据集。
72.在本技术的示例性实施例中，可以根据收集的蓄电池的历史运行数据来获得该第一训练数据集，也可以通过进行充放电实验获取蓄电池运行过程中获得的实验数据，并通过这些实验数据来获得该第一训练数据集。
73.在本技术的示例性实施例中，针对根据实验数据来获得第一训练数据集的方案，在构建蓄电池实际容量推理模型之前，可以对蓄电池样本(即，进行实验的蓄电池)进行动态工况下的老化试验(具体可以为反复的充放电实验)，在实验过程中监测并记录实验过程中蓄电池样本的运行数据，并且每隔一段时间，对蓄电池样本的实际容量进行标定。将不同时段的实际容量标记在蓄电池样本的运行数据中，将大量的进行标记后的蓄电池样本的运行数据作为该第一训练数据集。
74.s202、采用所述第一训练数据集对预先建立的第一回归模型进行训练，获取所述蓄电池实际容量推理模型；所述第一回归模型是以蓄电池运行数据作为输入，以蓄电池容量数据作为输出的网络模型。
75.在本技术的示例性实施例中，可以使用开源数据科学包scikit-learn进行机器学习方式的模型训练。
76.在本技术的示例性实施例中，所述获取待计算的蓄电池的实时运行数据，可以包括：
77.通过预设的监控系统提供的接口获取预设时长内所述待计算的蓄电池全部的实时运行监测数据；
78.对所述实时运行监测数据进行预处理，获取所述实时运行数据；其中，所述预处理
包括以下任意一种或多种：忽略缺失值、偏差检测、数据集成、数据规约和数据变换。
79.在本技术的示例性实施例中，在对待计算(即待评估)的蓄电池进行评估之前，可以对待评估的蓄电池上具有的相应测点的传感器进行数据实时采集与实时传输，以获取待评估的蓄电池的实时运行数据。为了保证各个测点数据的可用性，在获取原始数据之后，可以对采集到的实时运行监测数据进行数据预处理，该预处理可以包括如下步骤：
80.(1)偏差检测：由于人工填写的工单会出现人为的数据输入错误、有意的错误以及数据退化等问题，从而导致偏差，数据集成时也可能导致数据不一致，所以需要进行偏差检测，以此可以消除噪声、离群点和需要考察的异常值；
81.(2)数据变换和数据离散化：对于模拟量数据，是在某个区间内进行震荡波动，为了方便特征提取，可以对模拟量数据进行变换。
82.在本技术的示例性实施例中，蓄电池实际容量推理模型可以按照固定周期进行调用，将每次获取的实时运行数据输入所述蓄电池实际容量推理模型，获取蓄电池的当前实际容量。
83.在本技术的示例性实施例中，蓄电池健康评估模型在蓄电池投入现场使用时即可开始运作，并可以实时根据蓄电池实际容量推理模型推理出的蓄电池的当前实际容量得到蓄电池的健康度，具体地可以通过打分的形式对蓄电池的健康度进行评估。
84.在本技术的示例性实施例中，在此之前，可以预先创建所述蓄电池健康评估模型。
85.在本技术的示例性实施例中，如图3所示，预先创建所述蓄电池健康评估模型，可以包括步骤s301-s302：
86.s301、获取具有健康因子标签的蓄电池实际容量组成的第二训练数据集。
87.在本技术的示例性实施例中，所述获取具有健康因子标签的蓄电池实际容量组成的第二训练数据集，可以包括：
88.对同型号的蓄电池样本进行充放电实验，并在实验过程中检测所述蓄电池样本的运行数据；
89.根据所述蓄电池样本的运行数据提取所述蓄电池样本的健康因子；并每隔预设时长根据所述蓄电池样本的运行数据记录所述蓄电池样本的容量，获取完整充放电过程中不同时段的实际容量；
90.根据不同时段提取的健康因子对不同时段的实际容量设置所述健康因子标签，并由设置有所述健康因子标签的蓄电池样本的实际容量组成所述第二训练数据集。
91.s302、采用所述第二训练数据集对预先建立的第二回归模型进行训练，获取所述蓄电池健康评估模型；所述第二回归模型是以蓄电池容量数据作为输入，以健康度打分数据作为输出的网络模型。
92.在本技术的示例性实施例中，可以根据收集的蓄电池的历史运行数据来获得该第二训练数据集，也可以通过进行充放电实验获取蓄电池运行过程中获得的实验数据，并通过这些实验数据来获得该第二训练数据集。
93.在本技术的示例性实施例中，针对根据实验数据来获得第二训练数据集的方案，在构建蓄电池健康估计模型之前，可以对蓄电池样本(即，进行实验的蓄电池)进行动态工况下的老化试验(具体可以为反复的充放电实验)，在实验过程中监测并记录实验过程中蓄电池样本的运行参数(例如，包括但不限于蓄电池的内阻)，提取健康因子(可以根据运行参
数和预设的提取算法进行提取)，并且每隔一段时间，对蓄电池样本的实际容量进行标定。将提取的健康因子标记在蓄电池样本的实际容量中，将大量的进行标记后的蓄电池样本的实际容量作为该第二训练数据集。
94.在本技术的示例性实施例中，蓄电池健康评估模型在蓄电池投入现场使用时即可开始运作，并可以实时根据推理出的蓄电池的当前实际容量得到蓄电池当前的健康度评分。
95.在本技术的示例性实施例中，蓄电池剩余寿命估计模型必须积累一定的蓄电池实际容量，即，组成蓄电池的容量时间序列后进行剩余寿命估计，在未具备足够的数据量积累时无法进行使用。因此，对于待评估的蓄电池，可以通过蓄电池实际容量推理模型进行一段时间的实际容量推理之后，获取大量的蓄电池实际容量，组成该容量时间序列，在将该容量时间序列输入所述蓄电池剩余寿命估计模型，评估蓄电池的剩余寿命。蓄电池的预测起始点到蓄电池的失效阀值点之间的时长可以作为蓄电池(如锂离子电池)的剩余寿命。
96.在本技术的示例性实施例中，所述由获取的多组当前实际容量组成容量时间序列，可以包括：
97.将所述多组当前实际容量按照获取的时间先后顺序进行排序，获取所述容量时间序列。
98.在本技术的示例性实施例中，可以将每次蓄电池实际容量推理模型推理获得的当前实际容量作为一组当前实际容量，并且可以将每次通过蓄电池实际容量推理模型得到的当前实际容量按时间排序储存在预设的数据库中。数据库中的数据可以用于后续的剩余寿命模型训练和推理。
99.在本技术的示例性实施例中，在通过所述蓄电池剩余寿命估计模型评估蓄电池的剩余寿命之前，需要预先创建所述蓄电池剩余寿命估计模型。
100.在本技术的示例性实施例中，如图4所示，预先创建所述蓄电池剩余寿命估计模型，可以包括步骤s401-s403：
101.s401、获取由均为平稳数据的容量时间序列样本组成的第三训练数据集。
102.在本技术的示例性实施例中，所述获取由均为平稳数据的容量时间序列样本组成的第三训练数据集，可以包括：
103.对同型号的蓄电池样本进行充放电实验，并在实验过程中检测所述蓄电池样本的运行数据；
104.每隔预设时长根据所述蓄电池样本的运行数据记录所述蓄电池样本的容量，获取所述蓄电池样本完整充放电过程中不同时段的实际容量；
105.将标定有不同时段的实际容量按照时间先后顺序进行排序，获取容量时间序列样本；
106.对所述容量时间序列样本进行序列平稳性判断，并对所述容量时间序列样本中的非平稳数据进行平稳化处理；
107.采用均为平稳数据的容量时间序列样本组成所述第三训练数据集。
108.在本技术的示例性实施例中，可以根据收集的蓄电池的历史运行数据来获得该第三训练数据集，也可以通过进行充放电实验获取蓄电池运行过程中获得的实验数据，并通过这些实验数据来获得该第三训练数据集。
109.在本技术的示例性实施例中，针对根据实验数据来获得第三训练数据集的方案，在构建蓄电池剩余寿命估计模型之前，可以对蓄电池样本(即，进行实验的蓄电池)进行动态工况下的老化试验(具体可以为反复的充放电实验)，在实验过程中监测并记录实验过程中蓄电池样本的运行参数(例如，包括但不限于蓄电池的内阻)，并且每隔一段时间，对蓄电池样本的实际容量进行标定，将大量的进行标记后的蓄电池样本的实际容量存储到预设的数据库中。与蓄电池健康评估模型不同的是，该蓄电池剩余寿命估计模型以实际容量值的序列，即容量时间序列(或称容量退化序列)为输入数据，因此，在获取大量的蓄电池样本的实际容量以后，可以将这些蓄电池样本的实际容量按照时间先后顺序进行排序，获取容量时间序列样本。
110.在本技术的示例性实施例中，获取容量时间序列样本以后，可以进一步对该容量时间序列样本进行数据处理，例如，该数据处理可以包括序列的平稳性判断，如果判定该容量时间序列样本为非平稳的数据，则可以对这些非平稳的数据进行平稳化处理；以使得容量时间序列样本包含的均为平稳数据，并采用均为平稳数据的容量时间序列样本组成所述第三训练数据集。
111.s402、采用所述第三训练数据集对预先建立的机器学习模型进行训练，获取所述蓄电池剩余寿命估计模型的初始模型；所述机器学习模型是以容量时间序列作为输入，以蓄电池剩余寿命作为输出，并基于自相关函数和偏自相关函数进行参数调整的网络模型。
112.s403、对获取的所述初始模型的模型残差序列进行白噪声检验，当所述模型残差序列确定为白噪声序列时判定所述初始模型有效，并将该有效的初始模型作为所述蓄电池剩余寿命估计模型。
113.在本技术的示例性实施例中，在训练过程中，可以主要通过自相关函数和偏自相关函数进行初始模型的参数调整；初始模型参数确定后，可以对初始模型的适应性进行检验，即，对初始模型残差序列进行白噪声检验，如果初始模型残差序列确定为白噪声序列，则表明该初始模型有效，可以用作为最终的蓄电池剩余寿命估计模型。
114.在本技术的示例性实施例中，在对机器学习模型进行训练后，例如，获取有效的初始模型以后，可以对该有效的初始模型进行相应的性能评估，采用的手段可以包括但不限于roc(受试者工作特征曲线)曲线等，可以在性能评估通过后再将有效的初始模型作为最终的蓄电池剩余寿命估计模型。
115.在本技术的示例性实施例中，通过以上方案便创建了所述蓄电池剩余寿命估计模型。基于该蓄电池剩余寿命估计模型，以及前述方案获得的待评估的蓄电池的容量时间序列，便可以将待评估的蓄电池的容量时间序列作为该蓄电池剩余寿命估计模型的输入，由该蓄电池剩余寿命估计模型输出蓄电池剩余寿命。
116.在本技术的示例性实施例中，在将所述容量时间序列输入预设的蓄电池剩余寿命估计模型之前，所述方法还可以包括：
117.对获取的所述容量时间序列进行序列平稳性判断；
118.当判定所述容量时间序列中存在非平稳数据时，对所述非平稳数据进行平稳化处理。
119.在本技术的示例性实施例中，在进行剩余寿命评估之前，也可以首先对待输入的容量时间序列进行数据处理，以确保输入数据的稳定性，从而保证了评估结果的精确性。
120.在本技术的示例性实施例中，本技术实施例方案至少具有以下几点优势：
121.1、通过建立蓄电池健康评估模型来对蓄电池的健康状态进行数字表示，根据健康度评分，及时发现蓄电池的运行异常和潜在故障。
122.2、通过建立蓄电池剩余寿命估计模型对蓄电池达到报废标准所剩时间进行估计，为维保人员提供准备备件提供了提前量，从而为提高eps设备运行的安全可靠性，降低检修维保成本提供了技术基础。
123.3、可对蓄电池组内的每一个单体电池进行健康状态的数字评分，并给出剩余寿命天数。
124.4、节省大量人力物力资源。
125.5、可对蓄电池组进行全寿命周期的记录和分析，提供宝贵的蓄电池数据资料。
126.本技术实施例还提供了一种蓄电池的状态计算装置1，如图5所示，可以包括处理器11和计算机可读存储介质12，所述计算机可读存储介质12中存储有指令，当所述指令被所述处理器11执行时，实现上述任意一项所述的蓄电池的状态计算方法。
127.在本技术的示例性实施例中，前述的方法实施例中的任意实施例均适用于该装置实施例中，在此不再一一赘述。
128.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。