申请/专利权人:珠海格力电器股份有限公司;珠海零边界集成电路有限公司
申请日:2023-11-20
公开(公告)日:2024-04-02
公开(公告)号:CN117808116A
主分类号:G06N20/00
分类号:G06N20/00;G01R31/367;G06F18/23213;G06N3/0442;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本申请提供了一种电池状态预测模型训练方法、电池状态预测方法及装置,方法包括:获取电池样本的多组性能参数样本;对多组性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,每个聚类簇具有对应的状态参数;针对每个聚类簇,将聚类簇对应的状态参数,确定为聚类簇包括的性能参数样本的标签;根据性能参数样本,以及性能参数样本对应的标签训练机器学习模型,得到电池状态预测模型,电池状态预测模型,用于根据待预测电池的性能参数,预测得到待预测电池的状态参数。方法提高了获取电池状态预测模型的处理效率。
主权项:1.一种电池状态预测模型训练方法,其特征在于,包括:获取电池样本的多组性能参数样本;对多组所述性能参数样本进行聚类操作,得到多个包括性能参数样本的聚类簇,每个聚类簇具有对应的状态参数;针对每个聚类簇,将聚类簇对应的状态参数,确定为所述聚类簇包括的性能参数样本的标签;根据所述性能参数样本,以及性能参数样本对应的标签训练机器学习模型,得到电池状态预测模型,所述电池状态预测模型,用于根据待预测电池的性能参数,预测得到所述待预测电池的状态参数。
全文数据:
权利要求:
百度查询: 珠海格力电器股份有限公司;珠海零边界集成电路有限公司 电池状态预测模型训练方法、电池状态预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。