训练模型的方法、预测电池容量的方法、装置及介质与流程

本技术属于电池，尤其涉及一种训练模型的方法、预测电池容量的方法、装置及介质。

背景技术：

1、随着电池技术的不断发展，电池在许多领域得到了广泛的应用，例如：交通、储能以及医疗领域等，尤其是新能源汽车领域。电池容量是衡量电池性能的重要指标之一，对电池容量进行预测可以确定电池是否符合使用要求。

2、目前，电池容量预测方法是通过实际充放电数据对电池容量进行预测的，而获取实际充放电数据需要对电池进行充电并放电，在电池生产制造过程中对电池进行充电并放电会损耗电池的电能和寿命。

技术实现思路

1、鉴于上述技术问题，本技术实施例提供一种训练模型的方法、预测电池容量的方法、装置及介质，能够在电池生产制造早期阶段对电池容量进行预测，且避免损耗电池的电能和寿命。

2、第一方面，本技术实施例提供了一种训练模型的方法，该方法包括：

3、获取多组电池样本数据，每组电池样本数据中包括同一电池在生产过程中的多个第一特征参数；

4、根据多组电池样本数据中的部分电池样本数据和多个电池的电池容量真实值，训练得到第二模型；

5、将多组电池样本数据中的另一部分电池样本数据输入至第二模型，得到多个电池的电池容量的预测值；

6、根据多个电池的电池容量预测值与多个电池的电池容量真实值之间的容量误差值确定多个第二特征参数；

7、根据多组电池样本数据、多个电池的电池容量真实值、多个第二特征参数，训练得到第一模型，第一模型用于在生产过程中对待测电池的容量进行预测。

8、基于上述技术方案，获取多组电池样本数据并且确定多个第二特征参数，将多组电池样本数据和多个第二特征参数作为样本数据，多个电池的电池容量真实值作为标签，训练得到第一模型。相比于只将多组电池样本数据作为样本数据，本技术将第二特征参数也作为样本数据训练第一模型，使得训练第一模型时使用的样本数据更多，能够使训练得到的第一模型的准确度更高。在实际生产过程中，在获取待测电池在生产过程中的一些第一特征参数之后，可以应用第一模型对待测电池的电池容量进行预测，从而实现在电池生产制造中对电池容量进行预测，无需获取充电工况数据，避免损耗电池的电能和寿命，此外，在生产早期阶段应用第一模型，能够尽早识别出容量异常的电池，将容量异常的电池移出生产线，无需进行后续生产流程，能够节省资源。

9、其中，多个第一特征参数中包括工艺参数，工艺参数可以包括电池极片的材料参数，如材料比容量、比表面积、粒径情况等；电池极片涂布浆料的配比参数，如浆料中各材料的重量配比；电池极片涂布重量密度，如主体区、削薄区的涂布重量密度，其中，涂布重量密度是指单位面积的涂布重量，主体区是指极片的非边缘区域，削薄区是指极片边缘具有较小涂布重量密度的区域；电池极片涂膜区的尺寸参数，如极片涂膜区的长度和宽度，其中，涂膜区是指实际涂覆了电极材料的区域；电池极片烘烤的相关参数，如烘烤温度、烘烤时间、烘烤过程的真空度；电池的注液和浸润参数，如一次注液量、二次注液量、浸润温度、浸润时间，其中，注液是指向电池内部注入电解液的过程，注液后需静置一段时间保证电解液浸润，注液包括一次注液和二次注液两个步骤；化成工序相关参数，如化成前后以及化成过程中的电压，其中，化成过程是指电池的首次充电过程，化成期间会产生逐渐变化的电压数据，等。

10、其中，第一模型可以是决策树模型、随机森林模型、神经网络模型等，本技术对此不做限定。第二模型可以是决策树模型、随机森林模型、神经网络模型等，本技术对此不做限定。第二模型可以与第一模型相同，也可以不同。

11、其中，一个电池可以有零个、一个或多个第二特征参数。

12、在一些实施例中，多个第二特征参数中包括多个电池中的每个电池的第二特征参数，上述方法还包括：

13、重复执行根据多组电池样本数据中的部分电池样本数据和多个电池的电池容量真实值，训练得到第二模型，将多组电池样本数据中的另一部分电池样本数据输入至第二模型，得到多个电池的电池容量的预测值，直至确定多个电池中每个电池的电池容量的预测值。

14、在一些实施例中，在同一电池确定出多个电池容量预测值的情况下，将多个电池容量预测值的平均预测值确定为同一电池的电池容量的预测值。

15、在一些实施例中，同一电池在生产过程中的多个第一特征参数中的部分参数是在生产过程中获取的原始参数，另一部分参数是根据原始参数生成的。

16、原始参数即上述工艺参数，多个第一特征参数中除了工艺参数之外，还包括基于上述工艺参数计算得到的特征参数，例如，可以通过涂布重量密度乘以浆料中阴极材料的重量配比得到阴极材料的涂布重量密度；可以通过一次注液量与二次注液量相加得到电池的总注液量，等等。

17、在一些实施例中，在获取多组电池样本数据之后，上述训练模型的方法还包括：剔除多组电池样本数据中的异常数据。

18、本技术中，可以在获取多个电池的工艺参数之后对获取的所有工艺进行清洗，剔除异常数据，之后根据各电池的工艺参数衍生出新的特征参数；也可以先根据各电池的工艺参数衍生出新的特征参数，之后，对所有工艺参数和新的特征参数进行清洗，剔除异常数据。

19、其中，异常数据指的是超出指定区间范围的数据。异常数据可以通过多种方法进行判定，如四分位距法、3σ原则法等。

20、第二方面，本技术实施例提供一种预测电池容量的方法，包括：

21、获取待测电池在生产过程中的多个第一特征参数；

22、将多个第一特征参数输入至第一模型，得到待测电池的电池容量，其中，第一模型是通过上述第一方面所述的方法训练得到的。

23、基于上述技术方案，预先训练第一模型，在电池生产制造的多道工序中获取第一特征参数，在指定工序使用第一模型对电池容量进行预测，无需获取充放电工况数据，能够避免损耗电池的电能和寿命，此外，根据实际情况在电池生产早期阶段应用第一模型，能够尽早识别出容量异常的电池，从而可以将容量异常的电池移出生产线，无需进行后续生产流程，能够节省资源。

24、第三方面，本技术实施例还提供了一种预测电池容量的装置，包括：

25、获取模块，用于获取待测电池在生产过程中的多个第一特征参数；

26、处理模块，用于将多个第一特征参数输入至第一模型，得到待测电池的电池容量，其中，第一模型是通过上述第一方面所述的方法训练得到的。

27、第四方面，本技术实施例还提供了一种训练模型的装置，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。

28、第五方面，本技术实施例还提供了一种预测电池容量的装置，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述第二方面所述的方法。

29、第六方面，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计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机执行如上述第一方面或上述第二方面所述的方法。

30、第七方面，本技术实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，当所述计算机程序产品在计算机上运行时，实现如上述第一方面或上述第二方面所述的方法。