一种电池系统性能评估的方法和系统与流程

1.本说明书涉及数据处理领域，特别涉及一种电池系统性能评估的方法和系统。


背景技术：

2.目前，随着人们环保意识的增强，新能源车辆的发展越来越迅速，越来越多的人选择新能源车辆作为出行的交通工具，其中，新能源车辆以电能作为主要能源，因此，新能源车辆的电池健康状态预估显得尤为重要。


技术实现要素：

3.本说明书实施例之一提供一种电池系统性能评估方法。所述电池系统包括一个或多个电池模块，每个所述电池模块包括多个并联的单体电池，所述方法包括：获取所述电池系统的电池特征参数，所述电池特征参数表示电池系统的充电特征；获取性能评估模型；根据所述性能评估模型和所述电池特征参数，评估所述电池系统的电池性能参数，所述电池性能参数表示所述电池系统的所述一个或多个电池模块或单体电池的健康状态。
4.本说明书实施例之一提供一种电池系统性能评估系统，电池系统包括一个或多个电池模块，每个所述电池模块包括一个或多个并联的单体电池，所述系统包括：参数获取模块，用于获取所述电池系统的电池特征参数，所述电池特征参数表示电池系统的充电特征；模型获取模块，用于获取性能评估模型；性能评估模块，用于根据所述性能评估模型和所述电池特征参数，评估所述电池系统的电池性能参数，所述电池性能参数表示所述电池系统的所述一个或多个电池模块或单体电池的健康状态。
5.本说明书实施例之一提供一种电池系统性能评估装置，包括处理器，所述处理器用于执行电池系统性能评估方法。
附图说明
6.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
7.图1是根据本说明书一些实施例所示的电池系统性能评估系统的应用场景示意图；
8.图2是根据本说明书一些实施例所示的电池系统性能评估方法的示例性流程图；
9.图3是根据本说明书一些实施例所示的评估电池系统的电池性能参数方法的示例性流程图；
10.图4是根据本说明书一些实施例所示的性能评估模型训练方法的示例性流程图；
11.图5是根据本说明书一些实施例所示的电池系统性能评估系统的模块图；
12.图6是根据本说明书的一些实施例所示的性能评估模型训练系统的应用场景示意图。
具体实施方式
13.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
14.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
15.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
16.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
17.在一些实施例中，电池系统(也可以称为电池包)可以包括一个或多个电池模组，每个电池模组可以包括一个或多个串联的单体电池和/或电池模块。每个电池模块包括一个或多个并联的单体电池。通常情况下可以用电池系统的健康状态(state of health，soh)描述电池系统的剩余寿命。soh代表电池系统当前所能承载的电池容量与该电池系统原始出厂标定容量的比值，可以反映该电池系统的性能。当soh降到一定数值(例如，80％)时，电池系统需要从电动汽车上退役，由汽车厂商负责进行电池更换。由此，电池系统的soh的预估尤为重要。
18.本说明书一些实施例中，提出一种电池系统健康状态预估方法和系统，通过机器学习模型，可以预估电池系统中的每个电池模块或单体电池的健康状态。进一步地，还可以通过机器学习模型，根据电池系统中的每个电池模块或单体电池的健康状态，预估电池系统的健康状态。以下是对本说明书的一些实施例进行的详细描述。
19.图1是根据本说明书一些实施例所示的电池系统性能评估系统的应用场景示意图。
20.电池系统性能评估系统100可以应用于电池系统技术领域，具体地，可以应用于需要电池进行供能的场景中，例如，电动汽车、电动单车、电动摩托车等交通设备。具体的，通过获取电池系统的充电特征与性能评估模型，根据性能评估模型对以及电池系统的充电特征，评估电池系统的一个或多个电池模组或单体电池的健康状态，和/或所述电池系统的健康状态。
21.电池系统性能评估系统100可以包含服务器110、网络120、电池系统130、存储设备140以及终端150。服务器110可包含处理设备。
22.在一些实施例中，服务器110可以用于获取电池系统的充电特征与性能评估模型，以及根据性能评估模型对以及电池系统的充电特征，评估电池系统的一个或多个电池模组
或单体电池的健康状态，和/或所述电池系统的健康状态。服务器110可以是独立的服务器或者服务器组。该服务器组可以是集中式的或者分布式的(如：服务器110可以是分布系统)。在一些实施例中该服务器110可以是区域的或者远程的。例如，服务器110可通过网络访问存储于存储设备140中的信息和/或资料。在一些实施例中，服务器110可直接与存储设备140直接连接以访问存储于其中的信息和/或资料。在一些实施例中，服务器110可在云平台上执行。例如，该云平台可包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
23.在一些实施例中，服务器110可包含处理设备。该处理设备可处理根据性能评估模型对以及电池系统的充电特征，评估电池系统的电池系统的一个或多个电池模组或单体电池的健康状态，和/或所述电池系统的健康状态。例如，处理设备可以根据性能评估模型和电池特征参数，确定一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个。在一些实施例中，处理设备可包含一个或多个子处理设备(例如，单芯处理设备或多核多芯处理设备)。仅仅作为范例，处理设备可包含中央处理器(cpu)、专用集成电路(asic)、专用指令处理器(asip)、图形处理器(gpu)、物理处理器(ppu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、可编辑逻辑电路(pld)、控制器、微控制器单元、精简指令集电脑(risc)、微处理器等或以上任意组合。
24.网络120可促进数据和/或信息的交换，数据和/或信息可以包括服务器110获取到的电池系统130的电池特征参数。在一些实施例中，电池系统性能评估系统100中的一个或多个组件(服务器110、电池系统130、存储设备140、终端150等)可通过网络120发送数据和/或信息给电池系统性能评估系统100中的其他组件。在一些实施例中，网络120可是任意类型的有线或无线网络。例如，网络120可包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(lan)、广域网络(wan)、无线区域网络(wlan)、都会区域网络(man)、公共电话交换网络(pstn)、蓝牙网络、zigbee网络、近场通讯(nfc)网络等或以上任意组合。在一些实施例中，网络120可包括一个或多个网络进出点。例如，网络120可包含有线或无线网络进出点，如基站和/或网际网络交换点120-1、120-2、
…
，通过这些进出点，电池系统性能评估系统100的一个或多个组件可连接到网络120上以交换数据和/或信息。
25.电池系统(也可以称为电池包)130可以是储能装置，用于为特定设备供电，例如，电动汽车，油电混合动力汽车，电动单车，电动摩托车等。在一些实施例中，电池系统可以包括一个或多个电池模组，其中每个电池模组可以由多个单体电池133和/或电池模块串联获得。进一步地，每个电池模块可以由多个单体电池并联获得，所述一个或多个电池模组可以协同运作进行供电。在一些实施例中，电池系统可以仅包括多个电池模组，其中每个电池模组通过多个单体电池串联获得。在一些实施例中，电池系统可以进一步包括一个或多个传感器，和/或电池管理系统(battery management system，bms)。所述单体电池可以用于存储电能。每个单体电池上可以包括正极端口和负极端口。在本说明书一些实施例中，单体电池可以是任何类型的电池，例如，铅酸单体电池、镍金属氢化物单体电池、锂离子(li-ion)单体电池等，本技术不作限制。bms可以用于管理电池系统130的充电、放电行为，收集电池系统130的与充电、放电相关的数据，传输收集的数据等。在一些实施例中，电池系统130可以通过bms传输数据。在一些实施例中，bms可以将数据传输至电池系统性能评估系统100的一个或多个设备，例如，存储设备140，服务器110，终端150。在一些实施例中，bms也可以将
数据传输至其他设备，例如，电池系统130与充电设备进行充电时(例如，电动汽车在充电桩中充电时)，可以通过充电设备(例如，充电桩)将数据和/或信息发送给服务器110或存储设备140。电池系统130内的一个或多个传感器可以检测电池系统130的一种或多种特性。例如，所述一个或多个传感器可以包括温度传感器，配置为检测电池系统130在充、放电时内部整体温度，和/或内部一个或多个位置的温度。又例如，所述一个或多个传感器可以检测电池系统130的充、放电电流、电压、电量等。所述一个或多个传感器可以将检测的数据发送至bms。
26.存储设备140是用于为电池系统性能评估系统100提供信息的来源。存储设备140可以用于为系统100提供与电池系统性能评估方法的信息，例如，提供电池系统130的电池特征参数。存储设备140可以在单个中央服务器、通过通信链路连接的多个服务器或多个个人设备中实现。存储设备140可以由多个个人设备和云服务器生成。在一些实施例中，存储设备140可以用于存储电池系统130在进行充电时上传的电池特征参数。在一些实施例中，存储设备140中可以包含多个数据池，用于存储上述的多个电池的特征参数。在一些实施例中，存储设备140可存储供服务器110执行或使用的信息和/或指令，以执行本说明书中描述的示例性方法。在一些实施例中，存储设备140可包括大容量存储器、可移动存储器、挥发性读写存储器(例如，随机存取存储器ram)、只读存储器(rom)等或以上任意组合。在一些实施例中，存储设备140可在云平台上实现。例如，该云平台可包括私有云、公共云、混合云、社区云、分散式云、内部云等或以上任意组合。
27.在一些实施例中，存储设备140可与网络120连接以与系统100的一个或多个组件(例如，服务器110、电池系统130等)通讯。电池系统性能评估系统100的一个或多个组件可通过网络120访问存储于存储设备140中的资料或指令。在一些实施例中，存储设备140可直接与电池系统性能评估系统100中的一个或多个组件(例如，服务器110、电池系统130等)连接或通讯。在一些实施例中，存储设备140可以是服务器110的一部分。
28.终端150可以是各类具有信息接收和/或发送功能的设备。用户可以通过终端150与服务器110交互。例如，用户可以通过终端150接收电池系统健康状态预估结果。又例如，用户可以通过终端150可以发送评估电池系统健康状态的请求。在一些实施例中，终端150可以包括手机150-1、平板电脑150-2、个人电脑150-3、以及其他电子设备，例如，车载设备。在一些实施例中，所述用户可以包括电池使用者(例如，电动汽车使用者)、电池制造商、电动汽车制造商等。
29.图2是根据本说明书一些实施例所示的电池系统性能评估方法的示例性流程图。在一些实施例中，流程200可以由图1中所示的服务器110执行。例如，流程200可以以程序或指令的形式存储在存储装置(如存储设备140，服务器110的自带存储单元，或外接存储设备)中，所述程序或指令在被执行时，可以实现流程200。在一些实施例中，流程200可以由服务器110的处理设备执行。如图2所示，流程200可以包括下述步骤。
30.步骤202，获取电池系统(例如，电池系统130)的电池特征参数，所述电池特征参数表示所述电池系统的充放电特征。在一些实施例中，该步骤可由参数获取模块510执行。
31.电池特征参数可以是电池系统在使用过程(例如，充电、放电)中产生的数据。
32.在一些实施例中，电池特征参数可以包括充放电特征参数和系统特征参数。
33.其中，充放电特征参数可以包括电池系统在充电和/或放电时产生的相关数据。
34.系统特征参数可以包括与电池系统的历史数据和/或累计数据相关的参数。
35.在一些实施例中，充放电特征参数可以包括充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重(可以表示充电过程的平均温度)、充电电流等中的一个或多个的组合。在一些实施例中，系统特征参数可以包括累计充放电量、累计充放电次数、行驶里程等中的一个或多个的组合。单体电池在充电过程中，因材料固有属性，会表现出来不同的充电电压。充电过程特征电压可以包括充电过程中瞬时或实时充电电压变化和/或充电过程的平均充电电压。
36.在一些实施例中，服务器110中的处理设备可以通过一种或多种方法，直接或间接地获取到电池系统130的电池特征参数。例如，在充电过程中，电池系统130的一个或多个传感器可以检测充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重、充电电流等中的至少一个。所述一个或多个传感器可以将检测的数据发送至电池系统130的bms。又例如，电池系统130的bms可以获取电池系统130的累计充放电量、累计充放电次数、行驶里程等中的至少一个。bms可以通过网络120直接将获取或接收的电池特征参数发送至服务器110。或者，bms可以通过充电设备(例如，充电桩)将获取或接收的电池特征参数发送至服务器110。
37.步骤204，获取性能评估模型。在一些实施例中，该步骤可由模型获取模块520执行。
38.在一些实施例中，性能评估模型可以是训练好的机器学习模型，性能评估模型可以包括神经网络、迁移学习模型、深度学习模型、梯度下降树木(gradient boosting decision tree，gbdt)、支持向量机、离群算法、聚类算法、特征间相似度的匹配模型等中的任意一个，在本说明书实施例中不做限定。
39.在一些实施例中，可以获取初始模型，并根据训练样本对初始模型进行一次或多次的迭代训练，得到训练好的性能评估模型。其中，性能评估模型的训练方法在图4中进行详细描述，在此不做赘述。在一些实施例中，所述性能评估模型的训练可以由服务器110执行，也可以由系统100的外部设备执行。
40.步骤206，根据所述性能评估模型和所述电池特征参数，评估所述电池系统的电池性能参数，所述电池性能参数表示所述电池系统的所述一个或多个电池模块或单体电池的健康状态。在一些实施例中，该步骤可由性能评估模块530执行。
41.在一些实施例中，电池性能参数可以表示电池系统中的一个或多个电池模块或单体电池的健康状态，进一步地，电池性能参数也可以表示整个电池系统的健康状态。
42.在一些实施例中，电池系统的电池性能参数可以包括一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个。在一些实施例中，电池系统的电池性能参数可以进一步包括电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个。
43.可以理解的，一个或多个电池单体或模块的剩余容量可表述为电池单体或模块衰减后的最大可用容量
。
进一步地，电池系统的剩余容量可表述为电池系统衰减后的最大可用容量。其中，剩余容量与额定容量之间的差距越小(即出厂时的标准容量)，单体电池或模块、电池系统的健康程度越高。
44.电池单体或模块的容量偏移量可以指系统充电截至或放电截止时，未达到充电/
放电截至电压的单体或模块与首先触发充电/放电截至条件的单体或模块之间的荷电状态之间的差异。可以理解的，电池系统由多个单体电池构成，这些单体在充放电情况下存在工作电压不一致的情况。在一个完整的充电或放电过程中，因为单体间存在电压不一致，这样电压高/低的单体会先被充满电/放空，从而触发电池管理系统的充电/放电截止动作，这时电压低的单体电池因为充电截止而没有充满电，或电压高的单体电池因放电截止未放空电，造成了容量的偏移。在一些实施例中，容量偏移量可以评估多个单体电池或模块的一致性，容量偏移量越小则说明电池系统协同充电/放电性能越好，一致性越高，充放/放电功率能力约强。同理可以理解的，系统容量偏移量可以由电池系统中一个或多个单体电池或模块的容量偏移量的平均值获得，可以用于评估电池系统整体的一致性。
45.内阻可以指直流阻抗(dcr)，可以理解的，单体电池或模块中的内阻相对越大，单体电池或模块中一致性越低，健康程度越低；反之，内阻相对越小，单体电池或模块中一致性越高，健康程度越高。可以理解的，电池系统内阻一致性可以反映电池系统中的单体电池或模块的内阻之间的差异。同样地，电池系统内阻一致性越低，健康程度越低；反之，健康程度越高。
46.内阻偏移量可以是指单体电池或模块的内阻与平均内阻的差值(平均内阻可以是电池系统中所有单体电池或模块的内阻的平均值)。例如，一个电池模块的内阻偏移量可以指该电池模块的内阻与电池系统中所有电池模块平均内阻的差值。又例如，一个单体电池的内阻偏移量可以指该单体电池的内阻与电池系统中所有单体电池的平均内阻的差值。在一些实施例中，内阻偏移量可以评估多个单体电池或模块的一致性。例如，内阻偏移量越小，则电池系统的多个电池或模块的协同充电或放电时的流通电流越高，健康程度越大。
47.系统压差可以是指电池系统中单体电池或模块的最高电压与单体电池或模块的最低电压的差值。可以理解的，当多个单体电池或模块的电压差值越大，表示多个单体电池或模块的匹配程度越低，电池系统的健康程度越低；反之，电压差值越小，表示多个单体电池或模块匹配程度越高，电池系统的健康程度越高。
48.自放电量可以是指电池系统中的一个或多个单体电池或模块，在无使用情况下，电量自动减少的百分比。例如，一个或多个单体电池或模块充满电在1个月内，每隔昼夜容量降低超过3％，视为健康程度低；反之，每隔昼夜容量降低低于3％，视为健康程度高。在一些实施例中，电池系统中的一个或多个单体电池或模块的自放电量所占百分比越接近，例如，自放电量所占百分比均在3％左右，说明电池系统的自放电一致性越高，健康程度越高；反之，自放电电量所占百分比差异越大，说明电池系统的自放电一致性越低，健康程度越低。
49.温度状态可以是指电池系统当前产生的温度。可以理解的，电池系统的温度超高预设温度阈值(例如，50℃)且越高时，健康程度越低；反之，低于预设阈值时，健康程度越高。
50.剩余寿命可以是指电池系统评估的剩余寿命。可以理解的，剩余寿命越长时，电池系统的健康程度越高；反之，则越低。
51.在一些实施例中，服务器110中的处理设备可以根据所述性能评估模型和所述电池特征参数，通过一种或多个方法评估所述电池系统的电池性能参数。例如，处理设备可以将电池系统130的电池特征参数，输入训练好的性能评估模型，获取到从性能评估模型输出
的电池性能参数，例如，电池系统130中的每个单体电池或模块的剩余容量、容量偏移量、内阻、内阻偏移量等中的至少一个，进而判断电池系统130中的每个单体电池或模块的健康状态，由此，可以发现存在健康问题的单体电池或模块，在后续维修时更加具有针对性。
52.在一些实施例中，处理设备还可以将电池系统130的电池特征参数，以及电池系统130中的每个单体电池或模块的剩余容量、容量偏移量、内阻、内阻偏移量等中的至少一个，输入所述性能评估模型，得到电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个，从而进一步判断整个电池系统的健康状态。关于根据性能评估模型和电池特征参数，评估电池系统的剩余容量的详细描述，请参照图3中的相关描述，在此不做赘述。
53.在一些实施例中，电池系统性能评估方法进一步包括：基于步骤206中评估出的电池性能特征参数，发出预警提示。该步骤可由发送模型540执行。
54.预警提示可以是一种具有提示功能的传播媒介。在一些实施例中，预警提示可以包括提示预警类型、预警等级、异常电池模块或单体电池的位置。
55.进一步地，预警类型可以是声音预警、文字预警、图像预警、视频预警等，预警提示的类型和实施方法在本说明书中不做限定。
56.预警等级可以根据电池系统或异常电池模块或单体电池的健康状态的健康程度，来对本次预警进行评级，可以理解的，预警等级越高，本次预警越重要。例如，健康程度为极高、偏高、偏低、极低，相应的对应预警等级为一、二、三、四。
57.在一些实施例中，服务器110中的处理设备可以通过一种或多种方法，直接或间接的基于电池性能参数，发出预警提示。
58.在一些实施例中，服务器110可以直接将预估的电池性能参数发送至终端150。在一些实施例中，服务器110可以对电池性能参数进行分析，评估电池系统的健康状态，将分析结果发送至终端150。例如，服务器110可以判断单体电池、电池模块或电池系统的剩余容量是否小于容量阈值，若小于容量阈值，则发送预警提示至终端150，提示用户对所述单体电池、电池模块或电池系统进行更换或维修。又例如，服务器110可以判断单体电池或电池模块的内阻是否大于内阻阈值，若大于内阻阈值，则发送预警提示至终端150，提示用户对所述单体电池或电池模块进行更换或维修。又例如，服务器110可以判断单体电池或电池模块的内阻偏移量是否大于第一偏移阈值，若大于第一偏移阈值，则发送预警提示至终端150，提示用户对所述单体电池或电池模块进行更换或维修。又例如，服务器110可以判断单体电池或电池模块的容量偏移量是否大于第二偏移阈值，若大于第二偏移阈值，则发送预警提示至终端150，提示用户对所述单体电池或电池模块进行更换或维修。又例如，服务器110可以确定电池系统中单体电池或电池模块的最大内阻偏移量和最小内阻偏移量，判断最大内阻偏移量和最小内阻偏移量的差值是否大于第一差值阈值，若大于第一差值阈值，则发送预警提示至终端150，提示用户所述电池系统的一致性较差。又例如，服务器110可以确定电池系统中单体电池或电池模块的最大容量偏移量和最小容量偏移量，判断最大容量偏移量和最小容量偏移量的差值是否大于第二差值阈值，若大于第二差值阈值，则发送预警提示至终端150，提示用户所述电池系统的一致性较差。服务器110也可以先确定最大内阻偏移量和最小内阻偏移量的第一差值，以及最大容量偏移量和最小容量偏移量的第二差值，然后确定第一差值和第二差值的加权平均值，若加权平均值大于第三差值阈值，则发送
预警提示至终端150，提示用户所述电池系统的一致性较差。
59.在一些实施例中，处理设备可以对电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量进行综合评估，例如，对每一项进行打分，确定分数的加权平均值，若加权平均值小于分数阈值，则发送预警提示至终端150，提示用户对所述单体电池或电池模块进行更换或维修。
60.在一些实施例中，预警提示可以包括提示异常电池单体或模块的位置。例如，通过声音、文字、图像的方式将异常电池单体或模块在电池系统中的编号或位置发送至终端150，以提示用户出现异常的电池单体或模块。
61.作为示例，对于电池系统中的多个电池模块，电池模块的标称容量为105ah。性能评估模型可以根据电池特征参数输出每个电池模块的剩余容量和容量偏移量，其中，最小剩余容量为87.12ah，最大剩余容量为92.84ah，电池模块剩余容量的平均值为85.32ah，每个电池模块之间的容量差异在5％左右，可判断电池系统中的单体电池或电池模块整体衰减。模块最小偏移容量为0.16ah，模块的最大偏移容量3.73ah，二者差值为3.57ah，小于第二差值阈值(例如，5ah)，可判断电池系统一致性较好。性能评估模型可以进一步根据输出的模块的剩余容量和容量偏移量，确定最大模块容量、最小模块容量、最大偏移容量、最小偏移容量，综合评估系统最大可用容量为86.4ah。作为又一示例，电池系统中的多个电池模块，性能评估模型可以根据电池特征参数输出每个电池模块的内阻，其中，电池模块最小内阻为0.154mω，最大内阻为0.173mω，模块平均内阻为0.163mω，模块之间最大内阻差异(最大内阻和最小内阻的差值与平均内阻的比值)为12％左右，大于阈值10％，可判断电池系统一致性较差。
62.图3是根据本说明书一些实施例所示的评估电池系统的电池性能参数的方法的示例性流程图。在一些实施例中，如图所示，流程300包括步骤302、步骤304，以下是对流程300的详细说明。
63.在一些实施例中，性能评估模型可以用于评估电池系统中的每一个电池单体或模块的健康状态，即步骤302中的一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个。在另一些实施例中，性能评估模型还可以用于评估整个电池系统的健康状态，即步骤304中的电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个。步骤302与步骤304是对上述一些实施例的详细说明。
64.步骤302，根据所述性能评估模型和所述电池特征参数，确定所述一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个。
65.在一些实施例中，性能评估模型可以用于评估电池系统中包括的一个或多个单体电池或模块的健康状态。例如，根据性能评估模型和所述电池特征参数，确定一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个。
66.在一些实施例中，性能评估模型的输入可以是电池系统的电池特征参数，其输出可以是该系统包含的一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个。
67.由此，通过性能评估模型获取到一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量，进一步地得可以评估一个或多个电池单体或模块的健康程度。该
步骤的详细描述，可以参照步骤206中的相关描述，在此不做赘述。
68.步骤304，根据所述性能评估模型、所述电池特征参数、以及所述一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个，确定所述电池系统的剩余容量，系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个。
69.在一些实施例中，性能评估模型还可以用于评估整个电池系统的健康程度，例如，电池系统的剩余容量，系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个。
70.在一些实施例中，性能评估模型的输入可以是电池系统的电池特征参数，以及从模型输出的一个或多个电池单体或模块的健康特征(即，剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个)，其输出可以是该电池系统对应的剩余容量，系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个，进而可以基于此对电池系统的健康状态进行评估。
71.综合步骤302与步骤304，在一些实施例中，性能评估模型可以包括第一子模型、第二子模型，其中第一子模型如步骤302所述，通过输入电池系统的电池特征参数，获得该系统包含的一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量，作为第一子模型的输出，进一步评估一个或多个电池单体或模块的健康状态。第二子模型如步骤304所述，可以在获取到电池单体或模块的健康状态后，再将其与电池系统的电池特征参数共同作为输入，获得电池系统的健康状态(例如，例如电池系统的剩余容量，系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个)，作为第二子模型的输出。由此，可以通过性能评估模型可以获得电池系统的健康状态，以及电池单体或模块的健康状态。
72.图4是根据本说明书一些实施例所示的性能评估模型训练方法的示例性流程图。在一些实施例中，如图所示，流程400包括步骤402、步骤404，以下是对流程400的详细说明。
73.步骤402，获取训练样本以及初始模型。
74.初始模型可以是原始的机器学习模型，即训练前的性能评估模型。可以理解的，初始模型中参数均为原始参数，初始模型可以经过一次或多次进行训练，更新模型参数，以获得训练好的模型(例如，步骤202中的性能评估模型)。
75.训练样本可以是用于训练初始模型的训练数据。在一些实施例中，训练样本包括标签，用于作为模型训练的参考数据。
76.可以理解的，训练样本及其中的标签与性能评估模型的输入与输出相关联。在一些实施例中，训练样本可以是多个样本电池系统的电池特征参数，样本中的标签可以包括样本电池系统的电池性能参数，例如，样本电池系统的电池模块或单体的剩余容量、容量偏移量、内阻、内阻偏移量，和/或样本电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命。
77.在一些实施例中，训练样本可以包括：样本电池系统进行多次循环充电放电实验的充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重、充电电流、累计充放电量、累积充放电次数，该样本电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命，以及该样本电池系统的各个单
体或模块的剩余容量、容量偏移量、内阻、内阻偏移量。
78.可以理解的，训练样本中的标签为，样本电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命，以及样本电池系统中的各个单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量等。
79.可以理解的，通过对多个样本电池系统进行多次循环的充电放电实验，即对样本电池系统充电、又对电池系统放电，在放电到一定阈值时，再对电池系统进行第二次的充放电。在每一次充电时，对电池系统中的充电特征进行测量，获取到上述的充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重、充电电流、累计充放电量、累积充放电次数，作为训练样本。
80.进一步地，在每一次充放电时，对样本电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命，以及样本电池系统的各个单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量等进行测量，将其测量结果作为训练样本的标签。
81.在另一些实施例中，训练样本可以包括，特定类型电池系统在投入使用中的充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重、充电电流、累积充放电量、累积充放电次数、行驶里程，以及所述特定类型电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个。
82.可以理解的，训练样本中的标签为，特定类型电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个。
83.其中，特定类型电池系统，可以根据实际需要指定的一类电池系统，例如，当前市面上电池性能发挥最稳定的一款电池系统；又例如，投入使用数量最多的一类电池系统，以保证获取足够的训练样本。在该电池系统使用的过程中通过充电设备(例如，充电桩)进行充电放电时，可以通过充电桩获取到该电池系统的充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重、充电电流、累积充放电量、累积充放电次数、行驶里程等，并将其通过网络进行存储，例如，通过网络120于数据库中进行存储。
84.进一步地，在特定类型电池系统投入市面使用的过程中，在获取到上述的充电特征的同时，还会通过充电设备或其它线上平台确定该电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命，作为样本的标签。
85.步骤404，基于所述训练样本对所述初始模型进行训练，获得所述性能评估模型。
86.在一些实施例中，可以通过一种或多种方式基于训练样本对初始模型进行训练，获得性能评估模型。例如，可以基于梯度下降法进行训练。
87.在一些实施例中，可以通过基于多个训练样本对初始模型进行多次训练，以不断更新初始模型的模型参数。例如，可以将训练样本中的电池特征参数输入初始模型，初始模型输出预估结果，将预估结果和标签数据进行比较，确定损失函数，根据损失函数更新初始模型的参数。在达到预设条件时，结束训练，将训练好的初始模型作为性能评估模型。在一些实施例中，预设条件可以是模型收敛(例如，损失函数值小于阈值)，或者是在训练次数达到预设阈值时(例如，训练次数达到5000次)，或者是模型参数达到预设阈值时。
88.在一些实施例中，在性能评估模型的实际使用过程中，可以基于新的训练样本继
续优化性能评估模型，以使性能评估模型不断进行优化，以使其可以获取到更加精确的评估结果。
89.作为示例，对于性能评估模型的第一子模型的训练过程，可以将训练样本中的电池特征参数输入第一初始子模型，第一初始子模型输出预估的电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个，将预估结果和标签数据(例如，训练样本中的电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个)进行比较，确定损失函数，根据损失函数更新第一初始子模型的参数。作为又一示例，对于性能评估模型的第二子模型的训练过程，可以将训练样本中的电池特征参数以及电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个输入第二初始子模型，第二初始子模型输出预估的电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命等中的至少一个，将预估结果和标签数据(例如，训练样本中样本电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命等中的至少一个)进行比较，确定损失函数，根据损失函数更新第二初始子模型的参数。
90.在一些实施例中，用于训练第一子模型和第二子模型的训练样本可以是同一组训练样本，也可以是不同组的训练样本。例如，用于训练第一子模型的训练样本可以包括第一组样本电池系统的电池特征参数和电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个；用于训练第二子模型的训练样本可以包括第二组样本电池系统的电池特征参数、电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个、以及电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命等中的至少一个。又例如，训练样本可以包括第三组样本电池系统的电池特征参数、电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个、以及电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命等中的至少一个。所述训练样本可以用于第一子模型和第二子模型的训练。在第一子模型的训练中，所述第三组样本电池系统的电池特征参数作为训练数据，电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个作为标签数据；在第二子模型的训练中，所述第三组样本电池系统的电池特征参数以及电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个作为训练数据，所述第三组样本电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命等中的至少一个作为标签数据。在一些实施例中，可以将第一子模型和第二子模型进行联合训练。例如，训练样本可以包括样本电池系统的电池特征参数、电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个、以及电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命等中的至少一个。所述训练样本可以用于第一子模型和第二子模型的训练。在第一子模型的训练中，所述样本电池系统的电池特征参数作为训练数据，电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个作为标签数据；在第二子模型的训练中，将所述样本电池系统的电池特征参数以及第一子模型在训练过程中输出的电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个作为训练数据，所述样本电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命等中的至少一个作为标签数
据。可以根据第二子模型训练过程中的损失函数，更新第一子模型和第二子模型的参数。
91.图5是根据本说明书一些实施例所示的电池系统性能评估系统的模块图。
92.如图5所示，该电池系统性能评估系统500可以包括参数获取模块510、模型获取模块520和性能评估模块530。所述电池系统包括一个或多个电池模块，每个所述电池模块包括一个或多个单体电池。
93.参数获取模块510可以用于获取所述电池系统的电池特征参数，所述电池特征参数表示所述电池系统的充放电特征。
94.模型获取模块520可以用于获取性能评估模型。
95.性能评估模块530可以用于根据所述性能评估模型和所述电池特征参数，评估所述电池系统的电池性能参数，所述电池性能参数表示所述电池系统的所述一个或多个电池模块或单体电池的健康状态。
96.在一些实施例中，所述电池特征参数包括充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重、充电电流、累计充放电量、累计充放电次数、行驶里程中的至少一个。
97.在一些实施例中，所述电池性能参数包括所述一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个。
98.在一些实施例中，所述电池性能参数进一步包括：所述电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个。
99.在一些实施例中，所述根据所述性能评估模型和所述电池特征参数，评估所述电池系统的电池性能参数，包括：根据所述性能评估模型和所述电池特征参数，确定所述一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个；根据所述性能评估模型、所述电池特征参数、以及所述一个或多个电池单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量中的至少一个，确定所述电池系统的剩余容量、系统容量偏移量、系统压差、自放电及一致性、内阻一致性、温度状态、剩余寿命中的至少一个。
100.在一些实施例中，所述系统进一步包括：发送模块540，用于基于所述电池性能参数，发送预警提示。
101.在一些实施例中，所述预警提示包括提示预警类型、预警等级、异常电池模块或单体电池的位置。
102.在一些实施例中，所述获取性能评估模型包括：获取训练样本以及初始模型；基于所述训练样本对所述初始模型进行训练，获得所述性能评估模型。
103.在一些实施例中，所述训练样本包括：样本电池系统多次循环充放电实验的充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重、充电电流、累计充放电量、累积充放电次数、电池系统的剩余容量，以及所述样本电池系统的各个单体或模块的剩余容量、容量偏移量、内阻、内阻偏移量。
104.在一些实施例中，所述训练样本包括：特定类型电池系统在投入使用中的充电起始电压、充电过程特征电压、充电截止电压、充电起始温度、充电过程温度权重、充电电流、累积充放电量、累积充放电次数，以及所述特定类型电池系统的剩余容量。
105.应当理解，图5所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可
以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
106.需要注意的是，以上对于电池性能评估系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，例如，图5中披露的参数获取模块510、模型获取模块520、性能评估模块530和发送模块540可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，参数获取模块510、模型获取模块520可以是两个模块，也可以是一个模块同时具有参数获取功能和模型获取的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
107.图6是根据本说明书的一些实施例所示的性能评估模型训练系统的应用场景示意图。
108.性能评估模型训练系统600可以通过实施本说明书披露的方法和/或过程，训练得到性能评估模型。
109.如图6所示，系统600可以包括第一计算系统620、第二计算系统630。第一计算系统620和第二计算系统630可以相同也可以不同。第一计算系统620和第二计算系统630可以是同一个计算系统，也可以是不同的计算系统。
110.第一计算系统620和第二计算系统630是指具有计算能力的系统，可以包括各种计算机，比如服务器、个人计算机，也可以是由多台计算机以各种结构连接组成的计算平台。
111.第一计算系统620和第二计算系统630中可以包括处理器，处理器可以执行程序指令。处理器可以包括各种常见的通用中央处理器(central processing unit，cpu)，图形处理器(graphics processing unit，gpu)，微处理器，特殊应用集成电路(application-specific integrated circuit，asic)，或其他类型的集成电路。第一计算系统620和第二计算系统630中可以包括存储介质，存储介质可以存储指令，也可以存储数据。存储介质可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(rom)等或其任意组合。第一计算系统620和第二计算系统630还可以包括用于内部连接和与外部连接的网络。网络可以是有线网络或无线网络中的任意一种或多种。
112.第一计算系统620可以获取样本数据610(例如，402中的训练样本)，样本数据610可以是用于训练模型的数据。在第一计算系统620中可以训练模型622，更新模型622的参数，得到训练好的模型632。示例的，模型622可以是初始模型(例如，402中的初始模型)，模型632可以是性能评估模型。
113.第二计算系统630可以获取数据640(例如，202中的电池系统的电池特征参数)和
模型632(例如，204中的性能评估模型)。第二计算系统630基于模型632，生成结果650(例如，206中的电池系统的电池性能参数)。在一些实施例中，服务器110可以基于第二计算系统630实现。
114.模型(例如，模型622或/和模型632)可以指基于处理设备而进行的若干方法的集合。这些方法可以包括大量的参数。在执行模型时，所使用的参数可以是被预先设置好的，也可以是可以动态调整的。一些参数可以通过训练的方法获得，一些参数可以在执行的过程中获得。关于本说明书中涉及模型的具体说明，可参见本说明书的相关部分。本说明书实施例可能带来的有益效果包括但不限于：
115.(1)使用训练样本对机器学习模型进行训练，获得性能评估模型，通过该模型对电池系统的健康状态进行评估，可以更精确得获取到电池系统的健康状态。
116.(2)其中，训练样本中包括电池系统中的多个单体电池或模块的数据及其健康状态的标签，通过训练好的性能评估模型可以进一步地对电池系统中的多个电池单体或模块进行健康评估，以使在后续维修时，更加具备针对性，维修效率更高。
117.(3)训练样本通过将样本电池系统进行多次循环充电实验，以及将特定类型电池系统投入市面使用，而获取得到。由此，训练样本更加具备真实性和准确性，具备更强的利用价值。以使训练好的性能评估模型的评估更加准确和符合实际。
118.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
119.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
120.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
121.此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
122.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用
的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
123.本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
124.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
125.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
126.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
127.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
128.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。