电池标称容量的确定方法、装置和电子设备与流程

1.本发明涉及电池的技术领域，尤其是涉及一种电池标称容量的确定方法、装置和电子设备。


背景技术：

2.近年来，随着能源危机越来越严重，电动车以其优良的节能环保特点，已成为未来车辆产业的发展重点。其中，准确评估搭载在电动车上的电池的soh(state of health，健康度)极其重要。实际使用中一般采用电池容量与电池标称容量的比值的百分比的方式计算电池的soh，且一般来说，电池的soh的初始状态为100％，在电池使用的过程中，电池的soh逐渐衰减，当电池的soh的值达到80％时，说明该电池的寿命终止。
3.但是，上述计算电池的soh的方式中，电池标称容量有时无法获取，或获取的不准确。不同的厂家对电池标称容量的定义可能不同，有的厂家为了使所有的电池达标，采用批次电池最小容量作为电池标称容量，若采用这种方式定义的电池标称容量计算电池的soh，则很多电池的soh的初始状态大于100％，显然不符合通常的电池的soh的意义。
4.综上，如何准确的确定电池标称容量成为目前亟需解决的技术问题。


技术实现要素：

5.有鉴于此，本发明的目的在于提供一种电池标称容量的确定方法、装置和电子设备，以缓解现有技术无法准确的确定电池标称容量的技术问题。
6.第一方面，本发明实施例提供了一种电池标称容量的确定方法，所述方法包括：
7.获取待测电池在前预设区间内的目标充电明细数据，并根据所述目标充电明细数据确定所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征，其中，一个所述充电行程中包含多条连续的目标充电明细数据；
8.根据所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型；
9.在所有所述充电行程中，统计分布最集中的目标温度特征和目标电流特征；
10.采用所述标称容量预测模型对所述目标温度特征和所述目标电流特征进行标称容量预测，得到所述待测电池的标称容量。
11.进一步的，获取待测电池在前预设区间内的目标充电明细数据，包括：
12.获取所述待测电池所属的电动车的实时监控数据，并对所述实时监控数据进行清洗，得到清洗后的实时监控数据；
13.对所述清洗后的实时监控数据进行转换处理，得到转换处理后的实时监控数据；
14.根据所述转换处理后的实时监控数据中所包含的数据状态信息对所述转换处理后的实时监控数据进行分类，得到充电明细数据和放电明细数据；
15.当所述预设区间为预设时间区间时，根据所述充电明细数据中的时间信息从所述充电明细数据中筛选出前预设时间区间的充电明细数据，并将所述前预设时间区间的充电
明细数据作为所述目标充电明细数据；
16.当所述预设区间为预设里程区间时，根据所述充电明细数据中的里程信息从所述充电明细数据中筛选出前预设里程区间的充电明细数据，并将所述前预设里程区间的充电明细数据作为所述目标充电明细数据。
17.进一步的，根据所述目标充电明细数据确定所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征，包括：
18.将所述目标充电明细数据中时间连续的目标充电明细数据作为一个充电行程内的目标充电明细数据；
19.根据每个所述充电行程内的目标充电明细数据中的电流信息和时间信息计算所述待测电池在每个充电行程的电池容量；
20.根据每个所述充电行程内的目标充电明细数据中的温度信息确定所述待测电池在每个充电行程的温度特征；
21.根据每个所述充电行程内的目标充电明细数据中的电流信息确定所述待测电池在每个充电行程的电流特征。
22.进一步的，所述标称容量预测模型包括神经网络模型，根据所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型，包括：
23.将所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征作为训练样本；
24.采用所述训练样本对初始标称容量预测模型进行训练，得到所述标称容量预测模型。
25.进一步的，所述标称容量预测模型包括标称容量函数模型，根据所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型，包括：
26.获取预设标称容量函数模型，其中，所述预设标称容量函数模型为标称容量与温度、电流之间的函数，且所述预设标称容量函数模型中包含未知参数；
27.根据所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征对所述预设标称容量函数模型中的未知参数进行求解，得到所述未知参数的值，进而得到未知参数已知的预设标称容量函数模型；
28.将所述未知参数已知的预设标称容量函数模型作为所述标称容量预测模型。
29.进一步的，在所有所述充电行程中，统计分布最集中的目标温度特征和目标电流特征，包括：
30.根据所有所述充电行程内的目标充电明细数据中的温度信息，统计分布最集中的目标温度特征；
31.根据所有所述充电行程内的目标充电明细数据中的电流信息，统计分布最集中的目标电流特征。
32.进一步的，在得到所述待测电池的标称容量之后，所述方法还包括：
33.基于所述待测电池的标称容量计算所述待测电池的soh。
34.第二方面，本发明实施例还提供了一种电池标称容量的确定装置，所述装置包括：
35.获取和确定单元，用于获取待测电池在前预设区间内的目标充电明细数据，并根据所述目标充电明细数据确定所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征，其中，一个所述充电行程中包含多条连续的目标充电明细数据；
36.模型构建单元，用于根据所述待测电池在每个充电行程的电池容量、所述待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型；
37.统计单元，用于在所有所述充电行程中，统计分布最集中的目标温度特征和目标电流特征；
38.标称容量预测单元，用于采用所述标称容量预测模型对所述目标温度特征和所述目标电流特征进行标称容量预测，得到所述待测电池的标称容量。
39.第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
40.第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
41.在本发明实施例中，提供了一种电池标称容量的确定方法，该方法包括：获取待测电池在前预设区间内的目标充电明细数据，并根据目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，其中，一个充电行程中包含多条连续的目标充电明细数据；根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型；在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征；采用标称容量预测模型对目标温度特征和目标电流特征进行标称容量预测，得到待测电池的标称容量。通过上述描述可知，本发明的电池标称容量的确定方法先根据前预设区间内的目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，进而根据确定的上述信息构建标称容量预测模型，然后，在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征，最后，将分布最集中的目标温度特征和目标电流特征输入至标称容量预测模型，就能得到待测电池的标称容量，该方法是先构建标称容量预测模型，进而将分布最集中的目标温度特征和目标电流特征输入至标称容量预测模型，输出得到待测电池的标称容量，这样得到的待测电池的标称容量更加准确，缓解了现有技术无法准确的确定电池标称容量的技术问题。
附图说明
42.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1为本发明实施例提供的一种电池标称容量的确定方法的流程图；
44.图2为本发明实施例提供的获取待测电池在前预设区间内的目标充电明细数据的
方法流程图；
45.图3为本发明实施例提供的根据目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征的方法流程图；
46.图4为本发明实施例提供的一种电池标称容量的确定装置的示意图；
47.图5为本发明实施例提供的一种电子设备的示意图。
具体实施方式
48.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
49.现有的标称容量确定方法一般是采用批次电池最小容量作为电池标称容量，而根据上述方式确定的电池标称容量进行电池soh的计算时，很多电池的soh的初始状态大于100％，显然不符合通常的电池的soh的意义，也就是说上述方式确定的电池标称容量存在较大的偏差。
50.基于此，本发明的电池标称容量的确定方法先根据前预设区间内的目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，进而根据确定的上述信息构建标称容量预测模型，然后，在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征，最后，将分布最集中的目标温度特征和目标电流特征输入至标称容量预测模型，就能得到待测电池的标称容量，该方法是先构建标称容量预测模型，进而将分布最集中的目标温度特征和目标电流特征输入至标称容量预测模型，输出得到待测电池的标称容量，这样得到的待测电池的标称容量更加准确。
51.为便于对本实施例进行理解，首先对本发明实施例所公开的一种电池标称容量的确定方法进行详细介绍。
52.实施例一：
53.根据本发明实施例，提供了一种电池标称容量的确定方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
54.图1是根据本发明实施例的一种电池标称容量的确定方法的流程图，如图1所示，该方法包括如下步骤：
55.步骤s102，获取待测电池在前预设区间内的目标充电明细数据，并根据目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，其中，一个充电行程中包含多条连续的目标充电明细数据；
56.在本发明实施例中，上述待测电池是针对于同一型号的多个电池，前预设区间内可以为前预设时间区间内，例如，前x天内，也可以是前预设里程区间内，例如，前y里程内，还可以是两种方式的结合，例如，前x天内且前y里程内。
57.具体的，本发明的方案是以电动车在前x天/前y公里的区间内，电池容量衰减非常小，近似于出厂容量(即标称容量)的前提下进行的，另外，容量在不同的条件下会有所不
同，本发明是以温度和电流作为影响容量的主要条件的。所以，需要根据目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征。
58.步骤s104，根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型；
59.上述标称容量预测模型可以为神经网络模型，还可以为标称容量函数模型，下文中再对该过程进行详细描述，在此不再赘述。
60.步骤s106，在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征；
61.上述统计分布最集中的目标温度特征和目标电流特征是为了得到待测电池最经常工作的温度和最经常工作的电流，以此作为确定准确的待测电池的标称容量的依据。
62.步骤s108，采用标称容量预测模型对目标温度特征和目标电流特征进行标称容量预测，得到待测电池的标称容量。
63.在本发明实施例中，提供了一种电池标称容量的确定方法，该方法包括：获取待测电池在前预设区间内的目标充电明细数据，并根据目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，其中，一个充电行程中包含多条连续的目标充电明细数据；根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型；在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征；采用标称容量预测模型对目标温度特征和目标电流特征进行标称容量预测，得到待测电池的标称容量。通过上述描述可知，本发明的电池标称容量的确定方法先根据前预设区间内的目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，进而根据确定的上述信息构建标称容量预测模型，然后，在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征，最后，将分布最集中的目标温度特征和目标电流特征输入至标称容量预测模型，就能得到待测电池的标称容量，该方法是先构建标称容量预测模型，进而将分布最集中的目标温度特征和目标电流特征输入至标称容量预测模型，输出得到待测电池的标称容量，这样得到的待测电池的标称容量更加准确，缓解了现有技术无法准确的确定电池标称容量的技术问题。
64.上述内容对本发明的电池标称容量的确定方法进行了简要介绍，下面对其中涉及到的具体内容进行详细描述。
65.在本发明的一个可选实施例中，参考图2，上述步骤s102，获取待测电池在前预设区间内的目标充电明细数据，具体包括如下步骤：
66.步骤s201，获取待测电池所属的电动车的实时监控数据，并对实时监控数据进行预处理分类，得到充电明细数据和放电明细数据；
67.由于待测电池为同一型号的多个电池，所以待测电池所属的电动车即为同一型号电池所属的电动车。国家监控平台能够对所有电动车的相关数据进行监控，所以，可以获取到待测电池所属的电动车的实时监控数据(即rtm数据)。
68.上述预处理分类包括：清洗、转换和分类，具体包括以下过程：
69.(1)对实时监控数据进行清洗，得到清洗后的实时监控数据；
70.具体的，实时监控数据中包括：电流、电压、时间、里程、soc、温度和状态等，每隔10
秒钟监控一次，其中的各项都有统一的单位，例如，对于电流项来说，单位就是安。
71.上述清洗是指将明显存在错误的数据进行过滤删除，例如，实时监控数据中前面的4条数据中，里程项分别为：1，2，10000，4，显然里程10000对应的那条数据存在明显的错误，通过清洗的方式将其过滤删除。
72.(2)对清洗后的实时监控数据进行转换处理，得到转换处理后的实时监控数据；
73.上述转换处理可以是数据格式的转换处理，例如，将时间的数据转换成年月日时分秒的形式等等。
74.(3)根据转换处理后的实时监控数据中所包含的数据状态信息对转换处理后的实时监控数据进行分类，得到充电明细数据和放电明细数据。
75.具体的，上述数据状态信息可以表征其对应的数据为充电数据，还是放电数据，如此，便可以将转换处理后的实时监控数据分类为充电明细数据和放电明细数据。
76.步骤s202，从充电明细数据中筛选出前预设区间的充电明细数据，并将前预设区间的充电明细数据作为目标充电明细数据。
77.可选地，当预设区间为预设时间区间时，从充电明细数据中筛选出前预设区间的充电明细数据，包括：根据充电明细数据中的时间信息从充电明细数据中筛选出前预设时间区间的充电明细数据；
78.具体的，从一个待测电池所属的电动车的充电明细数据中的时间信息中，先确定最小时间(或者说最靠前的时间)，将该最小时间作为起始使用时间，在将该待测电池所属的电动车的充电明细数据中的其它时间信息与该最小时间做差，就能得到该待测电池所属的电动车的各个充电明细数据所对应的使用天数，从使用天数中筛选得到小于预设天数阈值的目标使用天数对应的充电明细数据，即为该待测电池的前预设时间区间的充电明细数据。
79.可选地，当预设区间为预设里程区间时，从充电明细数据中筛选出前预设区间的充电明细数据，包括：根据充电明细数据中的里程信息从充电明细数据中筛选出前预设里程区间的充电明细数据。
80.具体的，里程是从0开始的，所以充电明细数据中的里程信息即为里程数据，从该里程数据中筛选得到小于预设里程阈值的目标里程对应的充电明细数据，即为该待测电池的前预设里程区间的充电明细数据。
81.在本发明的一个可选实施例中，参考图3，上述步骤s102，根据目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，具体包括如下步骤：
82.步骤s301，将目标充电明细数据中时间连续的目标充电明细数据作为一个充电行程内的目标充电明细数据；
83.步骤s302，根据每个充电行程内的目标充电明细数据中的电流信息和时间信息计算待测电池在每个充电行程的电池容量；
84.具体的，本发明是根据安时积分法计算的待测电池在每个充电行程的电池容量的，还可以采用其它现有技术的方法进行电池容量的计算。
85.步骤s303，根据每个充电行程内的目标充电明细数据中的温度信息确定待测电池在每个充电行程的温度特征；
86.具体的，上述温度特征包括以下至少之一：平均温度、最大温度、最小温度。
87.需要说明的是，上述温度特征还可以是其它温度特征，本发明实施例对上述温度特征不进行具体限定。
88.步骤s304，根据每个充电行程内的目标充电明细数据中的电流信息确定待测电池在每个充电行程的电流特征。
89.具体的，上述电流特征包括以下至少之一：平均电流、最大电流、最小电流。
90.需要说明的是，上述电流特征还可以是其它电流特征，本发明实施例对上述电流特征不进行具体限定。
91.在本发明的一个可选实施例中，标称容量预测模型包括神经网络模型，上述步骤s104，根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型，具体包括如下步骤：
92.(1)将待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征作为训练样本；
93.(2)采用训练样本对初始标称容量预测模型进行训练，得到标称容量预测模型。
94.在本发明的一个可选实施例中，标称容量预测模型包括标称容量函数模型，上述步骤s104，根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型，具体包括如下步骤：
95.(1)获取预设标称容量函数模型，其中，预设标称容量函数模型为标称容量与温度、电流之间的函数，且预设标称容量函数模型中包含未知参数；
96.(2)根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征对预设标称容量函数模型中的未知参数进行求解，得到未知参数的值，进而得到未知参数已知的预设标称容量函数模型；
97.具体的，将待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征带入预设标称容量函数模型，联立方程组，便能求解得到未知参数的值。
98.(3)将未知参数已知的预设标称容量函数模型作为标称容量预测模型。
99.在本发明的一个可选实施例中，在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征，具体包括：
100.(1)根据所有充电行程内的目标充电明细数据中的温度信息，统计分布最集中的目标温度特征；
101.(2)根据所有充电行程内的目标充电明细数据中的电流信息，统计分布最集中的目标电流特征。
102.需要说明的是，如果温度特征为平均温度，目标温度特征也为分布最集中的平均温度，如果温度特征为最大温度，目标温度特征也为分布最集中的最大温度，如果电流特征为平均电流，目标电流特征也为分布最集中的平均电流，如果电流特征为最大电流，目标电流特征也为分布最集中的最大电流，即目标温度特征与上述温度特征的参量相对应，目标电流特征与上述电流特征的参量相对应。
103.上述统计得到的目标温度特征和目标电流特征表示待测电池最经常工作的温度和最经常工作的电流，这样，后续基于目标温度特征和目标电流特征确定的待测电池的标称容量才更准确。
104.在本发明的一个可选实施例中，在得到待测电池的标称容量之后，该方法还包括：基于待测电池的标称容量计算待测电池的soh。
105.经过大数据测试表明，使用这种方法得到的标称容量来计算soh，得到的不同车辆soh整体初始集中在100％，可见，本发明的方法确定的待测电池的标称容量更加准确。
106.实施例二：
107.本发明实施例还提供了一种电池标称容量的确定装置，该电池标称容量的确定装置主要用于执行本发明实施例一中所提供的电池标称容量的确定方法，以下对本发明实施例提供的电池标称容量的确定装置做具体介绍。
108.图4是根据本发明实施例的一种电池标称容量的确定装置的示意图，如图4所示，该装置主要包括：获取和确定单元10、模型构建单元20、统计单元30和标称容量预测单元40，其中：
109.获取和确定单元，用于获取待测电池在前预设区间内的目标充电明细数据，并根据目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，其中，一个充电行程中包含多条连续的目标充电明细数据；
110.模型构建单元，用于根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型；
111.统计单元，用于在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征；
112.标称容量预测单元，用于采用标称容量预测模型对目标温度特征和目标电流特征进行标称容量预测，得到待测电池的标称容量。
113.在本发明实施例中，提供了一种电池标称容量的确定装置，该装置包括：获取待测电池在前预设区间内的目标充电明细数据，并根据目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，其中，一个充电行程中包含多条连续的目标充电明细数据；根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征构建标称容量预测模型；在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征；采用标称容量预测模型对目标温度特征和目标电流特征进行标称容量预测，得到待测电池的标称容量。通过上述描述可知，本发明的电池标称容量的确定装置先根据前预设区间内的目标充电明细数据确定待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征，进而根据确定的上述信息构建标称容量预测模型，然后，在所有充电行程中，统计分布最集中的目标温度特征和目标电流特征，最后，将分布最集中的目标温度特征和目标电流特征输入至标称容量预测模型，就能得到待测电池的标称容量，该方法是先构建标称容量预测模型，进而将分布最集中的目标温度特征和目标电流特征输入至标称容量预测模型，输出得到待测电池的标称容量，这样得到的待测电池的标称容量更加准确，缓解了现有技术无法准确的确定电池标称容量的技术问题。
114.可选地，获取和确定单元还用于：获取待测电池所属的电动车的实时监控数据，并对实时监控数据进行预处理分类，得到充电明细数据和放电明细数据；从充电明细数据中筛选出前预设区间的充电明细数据，并将前预设区间的充电明细数据作为目标充电明细数据。
115.可选地，获取和确定单元还用于：对实时监控数据进行清洗，得到清洗后的实时监控数据；对清洗后的实时监控数据进行转换处理，得到转换处理后的实时监控数据；根据转换处理后的实时监控数据中所包含的数据状态信息对转换处理后的实时监控数据进行分类，得到充电明细数据和放电明细数据。
116.可选地，当预设区间为预设时间区间时，获取和确定单元还用于：根据充电明细数据中的时间信息从充电明细数据中筛选出前预设时间区间的充电明细数据；当预设区间为预设里程区间时，获取和确定单元还用于：根据充电明细数据中的里程信息从充电明细数据中筛选出前预设里程区间的充电明细数据。
117.可选地，获取和确定单元还用于：将目标充电明细数据中时间连续的目标充电明细数据作为一个充电行程内的目标充电明细数据；根据每个充电行程内的目标充电明细数据中的电流信息和时间信息计算待测电池在每个充电行程的电池容量；根据每个充电行程内的目标充电明细数据中的温度信息确定待测电池在每个充电行程的温度特征；根据每个充电行程内的目标充电明细数据中的电流信息确定待测电池在每个充电行程的电流特征。
118.可选地，标称容量预测模型包括神经网络模型，模型构建单元还用于：将待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征作为训练样本；采用训练样本对初始标称容量预测模型进行训练，得到标称容量预测模型。
119.可选地，标称容量预测模型包括标称容量函数模型，模型构建单元还用于：获取预设标称容量函数模型，其中，预设标称容量函数模型为标称容量与温度、电流之间的函数，且预设标称容量函数模型中包含未知参数；根据待测电池在每个充电行程的电池容量、待测电池在每个充电行程的温度特征和电流特征对预设标称容量函数模型中的未知参数进行求解，得到未知参数的值，进而得到未知参数已知的预设标称容量函数模型；将未知参数已知的预设标称容量函数模型作为标称容量预测模型。
120.可选地，温度特征包括以下至少之一：平均温度、最大温度、最小温度；电流特征包括以下至少之一：平均电流、最大电流、最小电流。
121.可选地，统计单元还用于：根据所有充电行程内的目标充电明细数据中的温度信息，统计分布最集中的目标温度特征；根据所有充电行程内的目标充电明细数据中的电流信息，统计分布最集中的目标电流特征。
122.可选地，该装置还用于：基于待测电池的标称容量计算待测电池的soh。
123.本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
124.如图5所示，本技术实施例提供的一种电子设备600，包括：处理器601、存储器602和总线，所述存储器602存储有所述处理器601可执行的机器可读指令，当电子设备运行时，所述处理器601与所述存储器602之间通过总线通信，所述处理器601执行所述机器可读指令，以执行如上述电池标称容量的确定确定方法的步骤。
125.具体地，上述存储器602和处理器601能够为通用的存储器和处理器，这里不做具体限定，当处理器601运行存储器602存储的计算机程序时，能够执行上述电池标称容量的确定确定方法。
126.处理器601可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上
述的处理器601可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现成可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602，处理器601读取存储器602中的信息，结合其硬件完成上述方法的步骤。
127.对应于上述电池标称容量的确定确定方法，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述电池标称容量的确定确定方法的步骤。
128.本技术实施例所提供的电池标称容量的确定确定装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本技术实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
129.在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
130.再例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
131.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。
132.另外，在本技术提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
133.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述车辆标记方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
134.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
135.最后应说明的是：以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的范围。都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。