基于大数据的电池数据处理方法、装置、设备及存储介质与流程

1.本发明涉及大数据领域，尤其涉及一种基于大数据的电池数据处理方法、装置、设备及存储介质。


背景技术：

2.电动两轮车给普通大众的日常生活带来了很大便利。锂离子电池作为其核心部件，电池的荷电状态信息直接决定了电动两轮车的续航情况，一旦预估错误，轻则出现趴窝耽误行程，重则因为动力中断出现安全事故。现有荷电状态预测都是由电池的管理系统完成，由于电池使用的工况不固定，容易出现误差不断增大的问题。电池是一种化工产品，很多特征是过程量，与其过去的使用历史数据相关，了解电池的历史对于其剩余容量的评估极为重要。
3.现有方案中由于电池的电动势具有滞回效应，某一时刻电池的电动势取决于在此之前相当长时间内的充放电操作，而如果这些历史数据不充分，则难以评估当前的电动势，从而难以通过工作电压或开路电压对电池的荷电状态进行评估，即现有方案的准确率较低。


技术实现要素：

4.本发明提供了一种基于大数据的电池数据处理方法、装置、设备及存储介质，用于提高电池分析的准确率。
5.本发明第一方面提供了一种基于大数据的电池数据处理方法，所述基于大数据的电池数据处理方法包括：获取多个第一电池的运行数据，得到每个第一电池对应的初始运行数据，并将每个第一电池对应的初始运行数据发送至预置的电池管理平台；对每个第一电池对应的初始运行数据进行数据筛选，得到每个第一电池对应的标准运行数据，并将所述每个第一电池对应的标准运行数据存储至第一数据源；根据所述第一数据源构建电池分析模型集，其中，所述电池分析模型集包括多个子电池分析模型；从所述多个第一电池中选取待分析的电池作为第二电池，并从所述第一数据源中获取所述第二电池对应的目标运行数据，以及从预置的第二数据源中获取所述第二电池的电池参数数据；将所述电池参数数据和所述目标运行数据输入所述电池分析模型集，并通过所述电池分析模型集中的多个子电池分析模型对所述第二电池进行电池状态分析，得到目标电池状态分析结果；将所述目标电池状态分析结果发送至所述电池管理平台。
6.本发明提供的基于大数据的电池数据处理方法，通过对多个第一电池的运行数据进行数据筛选，然后构建电池分析模型集进行电池状态的计算分析，使目标电池状态分析结果的分析更加准确。
7.结合第一方面，在本发明第一方面的第一实施方式中，所述对每个第一电池对应的初始运行数据进行数据筛选，得到每个第一电池对应的标准运行数据，并将所述每个第一电池对应的标准运行数据存储至第一数据源，包括：对每个第一电池对应的初始运行数
据进行数据清洗，得到清洗后的初始运行数据；对所述清洗后的初始运行数据进行重复值清除和缺失值填充，得到预处理后的初始运行数据；对所述预处理后的初始运行数据进行特征筛选，得到每个第一电池对应的标准运行数据；将所述每个第一电池对应的标准运行数据存储至第一数据源。
8.本方案中，服务器分别对初始运行数据进行数据筛选、数据清洗、重复值清除、缺失值填充以及特征筛选，使得本步骤生成的标准运行数据的精确度更高，进而可以进一步提升电池状态分析的准确率。
9.结合第一方面，在本发明第一方面的第二实施方式中，所述根据所述第一数据源构建电池分析模型集，其中，所述电池分析模型集包括多个子电池分析模型，包括：从所述第一数据源中提取多个训练数据集合，并获取多个训练模型，其中，所述训练数据集合与所述训练模型一一对应；根据每个训练数据集合对每个训练模型进行模型训练，得到每个训练模型对应的子电池分析模型；对多个子电池分析模型进行模型集成，生成电池分析模型集。
10.本方案中，服务器首先根据每个训练数据集合对每个训练模型进行模型训练，得到每个训练模型对应的子电池分析模型，再对多个子电池分析模型进行模型集成，使得多个子电池分析模型可以集成为一个电池分析模型集，进而提高了电池分析结果的计算准确率。
11.结合第一方面，在本发明第一方面的第三实施方式中，所述将所述电池参数数据和所述目标运行数据输入所述电池分析模型集，并通过所述电池分析模型集中的多个子电池分析模型对所述第二电池进行电池状态分析，得到目标电池状态分析结果，包括：将所述电池参数数据和所述目标运行数据输入所述电池分析模型集；对所述电池参数数据和所述电池分析模型集进行模型匹配，得到第一子电池分析模型，其中，所述电池参数数据包括：电芯出厂内阻、电芯出厂容量和电芯出厂材质；对所述目标运行数据进行数据分类，得到第一运行数据和第二运行数据；对所述第一运行数据进行模型匹配，得到第二子电池分析模型，以及对所述第二运行数据进行模型匹配，得到第三子电池分析模型；将所述电池参数数据输入所述第一子分析模型进行电池标准状态预测，得到标准状态数据；将所述第一运行数据和所述标准状态数据输入所述第二子电池分析模型进行电池充放电习惯分析，得到充放电分析结果；将所述第二运行数据和所述标准状态数据输入所述第三子电池分析模型进行用户使用习惯分析，得到使用习惯分析结果；根据所述充放电分析结果和所述使用习惯分析结果生成所述第二电池对应的目标电池状态分析结果。
12.本方案中，首先对电池参数数据进行模型匹配，生成用于标准比对的标准状态数据，然后对目标运行数据进行数据分类，再采用对应的子电池分析模型进行分析，最后对分析结果进行结果融合，使得电池状态分析的准确率提高。
13.结合第一方面的第三实施方式，在本发明第一方面的第四实施方式中，所述将所述第一运行数据和所述标准状态数据输入所述第二子电池分析模型进行电池充放电习惯分析，得到充放电分析结果，包括：对所述第一运行数据进行特征提取，得到所述第一运行数据对应的多个第一特征数据，其中，所述多个第一特征数据包括：充放电循环片段、充电时长、充电次数和周行驶公里数；根据所述多个第一特征数据和所述标准状态数据生成第一输入数据；将所述第一输入数据输入所述第二子电池分析模型，并通过所述第二子电池
分析模型对所述第一输入数据进行电池充放电习惯分析，得到充放电分析结果。
14.结合第一方面的第三实施方式，在本发明第一方面的第五实施方式中，所述将所述第二运行数据和所述标准状态数据输入所述第三子电池分析模型进行用户使用习惯分析，得到使用习惯分析结果，包括：对所述第二运行数据进行特征提取，得到所述第二运行数据对应的多个第二特征数据，其中，所述多个第二特征数据包括：充电开始时间、能耗、急加速和行驶里程；根据所述多个第二特征数据和所述标准状态数据生成第二输入数据；将所述第二输入数据输入所述第三子电池分析模型，并通过所述第三子电池分析模型对所述第二输入数据进行用户使用习惯分析，得到使用习惯分析结果。
15.结合第一方面，在本发明第一方面的第六实施方式中，所述基于大数据的电池数据处理方法还包括：根据所述目标电池状态分析结果从多个候选电池维护方案中匹配目标电池维护方案；根据所述目标电池维护方案对所述目标电池进行全生命周期监控。
16.本发明第二方面提供了一种基于大数据的电池数据处理装置，所述基于大数据的电池数据处理装置包括：获取模块，用于获取多个第一电池的运行数据，得到每个第一电池对应的初始运行数据，并将每个第一电池对应的初始运行数据发送至预置的电池管理平台；筛选模块，用于对每个第一电池对应的初始运行数据进行数据筛选，得到每个第一电池对应的标准运行数据，并将所述每个第一电池对应的标准运行数据存储至第一数据源；构建模块，用于根据所述第一数据源构建电池分析模型集，其中，所述电池分析模型集包括多个子电池分析模型；选取模块，用于从所述多个第一电池中选取待分析的电池作为第二电池，并从所述第一数据源中获取所述第二电池对应的目标运行数据，以及从预置的第二数据源中获取所述第二电池的电池参数数据；分析模块，用于将所述电池参数数据和所述目标运行数据输入所述电池分析模型集，并通过所述电池分析模型集中的多个子电池分析模型对所述第二电池进行电池状态分析，得到目标电池状态分析结果；发送模块，用于将所述目标电池状态分析结果发送至所述电池管理平台。
17.结合第二方面，在本发明第二方面的第一实施方式中，所述筛选模块具体用于：对每个第一电池对应的初始运行数据进行数据清洗，得到清洗后的初始运行数据；对所述清洗后的初始运行数据进行重复值清除和缺失值填充，得到预处理后的初始运行数据；对所述预处理后的初始运行数据进行特征筛选，得到每个第一电池对应的标准运行数据；将所述每个第一电池对应的标准运行数据存储至第一数据源。
18.结合第二方面，在本发明第二方面的第二实施方式中，所述构建模块具体用于：从所述第一数据源中提取多个训练数据集合，并获取多个训练模型，其中，所述训练数据集合与所述训练模型一一对应；根据每个训练数据集合对每个训练模型进行模型训练，得到每个训练模型对应的子电池分析模型；对多个子电池分析模型进行模型集成，生成电池分析模型集。
19.结合第二方面，在本发明第二方面的第三实施方式中，所述分析模块还包括：输入单元，用于将所述电池参数数据和所述目标运行数据输入所述电池分析模型
集；对所述电池参数数据和所述电池分析模型集进行模型匹配，得到第一子电池分析模型，其中，所述电池参数数据包括：电芯出厂内阻、电芯出厂容量和电芯出厂材质；对所述目标运行数据进行数据分类，得到第一运行数据和第二运行数据；对所述第一运行数据进行模型匹配，得到第二子电池分析模型，以及对所述第二运行数据进行模型匹配，得到第三子电池分析模型；将所述电池参数数据输入所述第一子分析模型进行电池标准状态预测，得到标准状态数据；第一分析单元，用于将所述第一运行数据和所述标准状态数据输入所述第二子电池分析模型进行电池充放电习惯分析，得到充放电分析结果；第二分析单元，用于将所述第二运行数据和所述标准状态数据输入所述第三子电池分析模型进行用户使用习惯分析，得到使用习惯分析结果；生成单元，用于根据所述充放电分析结果和所述使用习惯分析结果生成所述第二电池对应的目标电池状态分析结果。
20.结合第二方面的第三实施方式，在本发明第二方面的第四实施方式中，所述第一分析单元具体用于：对所述第一运行数据进行特征提取，得到所述第一运行数据对应的多个第一特征数据，其中，所述多个第一特征数据包括：充放电循环片段、充电时长、充电次数和周行驶公里数；根据所述多个第一特征数据和所述标准状态数据生成第一输入数据；将所述第一输入数据输入所述第二子电池分析模型，并通过所述第二子电池分析模型对所述第一输入数据进行电池充放电习惯分析，得到充放电分析结果。
21.结合第二方面的第三实施方式，在本发明第二方面的第五实施方式中，所述第二分析单元具体用于：对所述第二运行数据进行特征提取，得到所述第二运行数据对应的多个第二特征数据，其中，所述多个第二特征数据包括：充电开始时间、能耗、急加速和行驶里程；根据所述多个第二特征数据和所述标准状态数据生成第二输入数据；将所述第二输入数据输入所述第三子电池分析模型，并通过所述第三子电池分析模型对所述第二输入数据进行用户使用习惯分析，得到使用习惯分析结果。
22.结合第二方面，在本发明第二方面的第六实施方式中，所述基于大数据的电池数据处理装置还包括：匹配模块，用于根据所述目标电池状态分析结果从多个候选电池维护方案中匹配目标电池维护方案；根据所述目标电池维护方案对所述目标电池进行全生命周期监控。
23.本发明第三方面提供了一种基于大数据的电池数据处理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于大数据的电池数据处理设备执行上述的基于大数据的电池数据处理方法。
24.本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于大数据的电池数据处理方法。
25.本发明提供的技术方案中，对每个第一电池对应的初始运行数据进行数据筛选，得到标准运行数据，并将每个第一电池对应的标准运行数据存储至第一数据源；根据第一数据源构建电池分析模型集，其中，电池分析模型集包括多个子电池分析模型；从多个第一电池中选取第二电池，并从第一数据源中获取目标运行数据，以及从预置的第二数据源中
获取第二电池的电池参数数据；将电池参数数据和目标运行数据输入电池分析模型集，并通过电池分析模型集中的多个子电池分析模型对第二电池进行电池状态分析，得到目标电池状态分析结果，本发明通过对多个第一电池的运行数据进行数据筛选，然后构建电池分析模型集进行电池状态的计算分析，使目标电池状态分析结果的分析更加准确。
附图说明
26.图1为本发明实施例中基于大数据的电池数据处理方法的一个实施例示意图；图2为本发明实施例中电池状态分析过程的流程图；图3为本发明实施例中电池充放电习惯分析过程的流程图；图4为本发明实施例中用户使用习惯分析过程的流程图；图5为本发明实施例中基于大数据的电池数据处理装置的一个实施例示意图；图6为本发明实施例中基于大数据的电池数据处理装置的另一个实施例示意图；图7为本发明实施例中基于大数据的电池数据处理设备的一个实施例示意图。
具体实施方式
27.本发明实施例提供了一种基于大数据的电池数据处理方法、装置、设备及存储介质，用于提高电池分析的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
28.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于大数据的电池数据处理方法的一个实施例包括：s101、获取多个第一电池的运行数据，得到每个第一电池对应的初始运行数据，并将每个第一电池对应的初始运行数据发送至预置的电池管理平台；可以理解的是，本发明的执行主体可以为基于大数据的电池数据处理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
29.具体的，需要说明的是，在本技术方案中，运行数据主要包括电池的欧姆电阻、容量增量峰值、差分电压拐点、等电压充放时间差、等时间充放电压差和电池充放电次数等数据信息，其中，服务器获取多个第一电池的运行数据，从多个第一电池的运行数据中获取电池充电过程中电池电压和充电量之间的变化曲线，对电池电压和充电量之间的变化曲线进行多项式拟合，得到与电池电压和充电量之间变化曲线相对应的多项式，对得到的多项式求导，得到用于表示电池容量增量的ic曲线，最终服务器根据该ic曲线得到每个第一电池对应的初始运行数据，并将每个第一电池对应的初始运行数据发送至预置的电池管理平台。
30.s102、对每个第一电池对应的初始运行数据进行数据筛选，得到每个第一电池对
应的标准运行数据，并将每个第一电池对应的标准运行数据存储至第一数据源；具体的，服务器对每个第一电池对应的初始运行数据进行数据筛选，其中，服务器是根据数据清洗规则库中的数据规则进行数据筛选的， 需要说明的是，数据清洗规则库是为了针对数据多样性而建立的，包括合并清洗规则，该规则用来处理相似重复的数据，以及缺失数据处理规则，进一步的，服务器得到每个第一电池对应的标准运行数据，并将每个第一电池对应的标准运行数据存储至第一数据源。
31.s103、根据第一数据源构建电池分析模型集，其中，电池分析模型集包括多个子电池分析模型；需要说明的是，服务器预先选择用于电池分析的模型参数、设定并优化参数取值范围、构建不同的电池分析模型，结合不同电池的历史运行监测数据与预测数据，利用贝叶斯多模型集更新不同模型的模型权重，最终，服务器根据不同模型更新后的模型权重，构建电池分析模型集。
32.s104、从多个第一电池中选取待分析的电池作为第二电池，并从第一数据源中获取第二电池对应的目标运行数据，以及从预置的第二数据源中获取第二电池的电池参数数据；具体的，服务器从多个第一电池中选取待分析的电池作为第二电池,进一步的，需要说明的是，待分析的电池对应的运行数据及参数数据分别存储于不同的数据源中，其中，当服务器确定第二电池后，对该第二电池进行标识确认，确定与第二电池对应的电池标识，并根据该电池标识确定对应的第一数据源及第二数据源，进一步的，服务器从第一数据源中获取第二电池对应的目标运行数据，以及从预置的第二数据源中获取第二电池的电池参数数据。
33.s105、将电池参数数据和目标运行数据输入电池分析模型集，并通过电池分析模型集中的多个子电池分析模型对第二电池进行电池状态分析，得到目标电池状态分析结果；具体的，服务器将电池参数数据和目标运行数据输入电池分析模型集，进一步的，服务器通过电池参数数据和目标运行数据进行分析模型匹配，确定对应的多个子电池分析模型，进一步的，服务器通过该多个子电池分析模型分别对电池参数数据及目标运行数据进行电池状态分析，得到充放电分析结果和使用习惯分析结果，最终服务器根据充放电分析结果和使用习惯分析结果确定对应的目标电池状态分析结果。
34.s106、将目标电池状态分析结果发送至电池管理平台。
35.本发明实施例中，对每个第一电池对应的初始运行数据进行数据筛选，得到标准运行数据，并将每个第一电池对应的标准运行数据存储至第一数据源；根据第一数据源构建电池分析模型集，其中，电池分析模型集包括多个子电池分析模型；从多个第一电池中选取第二电池，并从第一数据源中获取目标运行数据，以及从预置的第二数据源中获取第二电池的电池参数数据；将电池参数数据和目标运行数据输入电池分析模型集，并通过电池分析模型集中的多个子电池分析模型对第二电池进行电池状态分析，得到目标电池状态分析结果，本发明通过对多个第一电池的运行数据进行数据筛选，然后构建电池分析模型集进行电池状态的计算分析，使目标电池状态分析结果的分析更加准确。
36.在一具体实施例中，执行步骤s102的过程可以具体包括如下步骤：
（1）对每个第一电池对应的初始运行数据进行数据清洗，得到清洗后的初始运行数据；（2）对清洗后的初始运行数据进行重复值清除和缺失值填充，得到预处理后的初始运行数据；（3）对预处理后的初始运行数据进行特征筛选，得到每个第一电池对应的标准运行数据；（4）将每个第一电池对应的标准运行数据存储至第一数据源。
37.具体的，服务器对每个第一电池对应的初始运行数据进行数据清洗，得到清洗后的初始运行数据，其中，根据预先确定的数据清洗规则库检测获取的初始运行数据的完整性，以得到清洗后的初始运行数据，进一步的，服务器对该清洗后的初始运行数据进行重复值清除和缺失值填充，得到预处理后的初始运行数据，获取预处理后的初始运行数据，基于预处理后的预处理后的初始运行数据进行特征筛选处理，筛选出重要性满足预设条件的预处理后的初始运行数据，作为感兴趣特征数据，得到每个第一电池对应的标准运行数据，将每个第一电池对应的标准运行数据存储至第一数据源。本技术方案中，能够提高初始运行数据中缺失数据预测的准确性，并能够快速完成缺失数据的填充。
38.在一具体实施例中，执行步骤s103的过程可以具体包括如下步骤：（1）从第一数据源中提取多个训练数据集合，并获取多个训练模型，其中，训练数据集合与训练模型一一对应；（2）根据每个训练数据集合对每个训练模型进行模型训练，得到每个训练模型对应的子电池分析模型；（3）对多个子电池分析模型进行模型集成，生成电池分析模型集。
39.具体的，服务器对多个第一训练数据集合进行旋转自监督处理，以形成处理后的多个第一训练数据集合，确定与第二训练数据集合相对应的多个第一训练数据集合，根据多个第一训练数据集合，通过训练数据处理网络，确定与所述多个第一训练数据集合相匹配的梯度参数，对多个第一训练数据集合进行更新，确定与目标神经网络模型相匹配的目标训练数据集合，由此，服务器根据训练数据集合对每个训练模型进行模型训练，得到每个训练模型对应的子电池分析模型，并对多个子电池分析模型进行模型集成，生成电池分析模型集。
40.在一具体实施例中，如图2所示，执行步骤s105的过程可以具体包括如下步骤：s201、将电池参数数据和目标运行数据输入电池分析模型集；s202、对电池参数数据和电池分析模型集进行模型匹配，得到第一子电池分析模型，其中，电池参数数据包括：电芯出厂内阻、电芯出厂容量和电芯出厂材质；s203、对目标运行数据进行数据分类，得到第一运行数据和第二运行数据；s204、对第一运行数据进行模型匹配，得到第二子电池分析模型，以及对第二运行数据进行模型匹配，得到第三子电池分析模型；s205、将电池参数数据输入第一子分析模型进行电池标准状态预测，得到标准状态数据；s206、将第一运行数据和标准状态数据输入第二子电池分析模型进行电池充放电习惯分析，得到充放电分析结果；
s207、将第二运行数据和标准状态数据输入第三子电池分析模型进行用户使用习惯分析，得到使用习惯分析结果；s208、根据充放电分析结果和使用习惯分析结果生成第二电池对应的目标电池状态分析结果。
41.具体的，服务器将电池参数数据和目标运行数据输入电池分析模型集，对电池参数数据和电池分析模型集进行模型匹配，得到第一子电池分析模型，其中，电池参数数据包括：电芯出厂内阻、电芯出厂容量和电芯出厂材质，对目标运行数据进行数据分类，得到第一运行数据和第二运行数据，其中，服务器获取目标运行数据，对目标运行数据进行分词处理，得到目标运行数据对应的分词结果，将目标运行数据对应的分词结果与预设关键词库中的关键词进行匹配，并根据匹配结果确定目标运行数据的标签，标签用于表征目标运行数据对应的类别，关键词库包括与至少一个类别相关的至少一个关键词，得到第一运行数据和第二运行数据，对第一运行数据进行模型匹配，得到第二子电池分析模型，以及对第二运行数据进行模型匹配，得到第三子电池分析模型，将第一运行数据和标准状态数据输入第二子电池分析模型进行电池充放电习惯分析，得到充放电分析结果，具体的，服务器将电池在不同温度和不同电流下进行电池充放电性能测试，并将第一运行数据和标准状态数据输入第二子电池分析模型进行电池充放电习惯分析，其中，服务器预先设置电池充放电过程的切断点，根据不同切断点的反应机理方程式，从而推断电极反应的机理，并根据该电极反映机理，得到充放电分析结果，将第二运行数据和标准状态数据输入第三子电池分析模型进行用户使用习惯分析，得到使用习惯分析结果，根据充放电分析结果和使用习惯分析结果生成第二电池对应的目标电池状态分析结果。
42.在一具体实施例中，如图3所示，执行步骤s206的过程可以具体包括如下步骤：s301、对第一运行数据进行特征提取，得到第一运行数据对应的多个第一特征数据，其中，多个第一特征数据包括：充放电循环片段、充电时长、充电次数和周行驶公里数；s302、根据多个第一特征数据和标准状态数据生成第一输入数据；s303、将第一输入数据输入第二子电池分析模型，并通过第二子电池分析模型对第一输入数据进行电池充放电习惯分析，得到充放电分析结果。
43.具体的，服务器获取第一运行数据，利用数据的空间特征提取方法确定当前第一运行数据空间特征库，获取历史数据空间特征库，利用预设敏感数据特征及历史数据空间特征库，确定敏感数据空间特征库，将当前第一运行数据空间特征库与敏感数据空间特征库进行模运算，得到第一运行数据对应的多个第一特征数据，并根据多个第一特征数据和标准状态数据生成第一输入数据，将第一输入数据输入第二子电池分析模型，并通过第二子电池分析模型对第一输入数据进行电池充放电习惯分析，得到充放电分析结果。
44.在一具体实施例中，如图4所示，执行步骤s207的过程可以具体包括如下步骤：s401、对第二运行数据进行特征提取，得到第二运行数据对应的多个第二特征数据，其中，多个第二特征数据包括：充电开始时间、能耗、急加速和行驶里程；s402、根据多个第二特征数据和标准状态数据生成第二输入数据；s403、将第二输入数据输入第三子电池分析模型，并通过第三子电池分析模型对第二输入数据进行用户使用习惯分析，得到使用习惯分析结果。
45.具体的，服务器对第二运行数据进行特征提取，得到第二运行数据对应的多个第
二特征数据，其中，多个第二特征数据包括：充电开始时间、能耗、急加速和行驶里程，根据多个第二特征数据和标准状态数据生成第二输入数据，之后，在服务器通过第三子电池分析模型对第二输入数据进行用户使用习惯分析时，服务器将第二输入数据发送至第三子电池分析模型，第三子电池分析模型分析第二输入数据，建立使用习惯模型，进行用户使用习惯分析，得到使用习惯分析结果。
46.在一具体实施例中，在步骤s106之后，基于大数据的电池数据处理方法还包括如下步骤：（1）根据目标电池状态分析结果从多个候选电池维护方案中匹配目标电池维护方案；（2）根据目标电池维护方案对目标电池进行全生命周期监控。
47.具体的，服务器对目标电池状态分析结果进行方案匹配，从多个候选电池维护方案中匹配目标电池维护方案，最终根据该目标电池维护方案确定周期时间，最终服务器通过该周期时间对目标电池进行全生命周期监控。
48.上面对本发明实施例中基于大数据的电池数据处理方法进行了描述，下面对本发明实施例中基于大数据的电池数据处理装置进行描述，请参阅图5，本发明实施例中基于大数据的电池数据处理装置一个实施例包括：获取模块501，用于获取多个第一电池的运行数据，得到每个第一电池对应的初始运行数据，并将每个第一电池对应的初始运行数据发送至预置的电池管理平台；筛选模块502，用于对每个第一电池对应的初始运行数据进行数据筛选，得到每个第一电池对应的标准运行数据，并将所述每个第一电池对应的标准运行数据存储至第一数据源；构建模块503，用于根据所述第一数据源构建电池分析模型集，其中，所述电池分析模型集包括多个子电池分析模型；选取模块504，用于从所述多个第一电池中选取待分析的电池作为第二电池，并从所述第一数据源中获取所述第二电池对应的目标运行数据，以及从预置的第二数据源中获取所述第二电池的电池参数数据；分析模块505，用于将所述电池参数数据和所述目标运行数据输入所述电池分析模型集，并通过所述电池分析模型集中的多个子电池分析模型对所述第二电池进行电池状态分析，得到目标电池状态分析结果；发送模块506，用于将所述目标电池状态分析结果发送至所述电池管理平台。
49.通过上述各个组成部分的协同合作，对每个第一电池对应的初始运行数据进行数据筛选，得到标准运行数据，并将每个第一电池对应的标准运行数据存储至第一数据源；根据第一数据源构建电池分析模型集，其中，电池分析模型集包括多个子电池分析模型；从多个第一电池中选取第二电池，并从第一数据源中获取目标运行数据，以及从预置的第二数据源中获取第二电池的电池参数数据；将电池参数数据和目标运行数据输入电池分析模型集，并通过电池分析模型集中的多个子电池分析模型对第二电池进行电池状态分析，得到目标电池状态分析结果，本发明通过对多个第一电池的运行数据进行数据筛选，然后构建电池分析模型集进行电池状态的计算分析，使目标电池状态分析结果的分析更加准确。
50.请参阅图6，本发明实施例中基于大数据的电池数据处理装置另一个实施例包括：
获取模块501，用于获取多个第一电池的运行数据，得到每个第一电池对应的初始运行数据，并将每个第一电池对应的初始运行数据发送至预置的电池管理平台；筛选模块502，用于对每个第一电池对应的初始运行数据进行数据筛选，得到每个第一电池对应的标准运行数据，并将所述每个第一电池对应的标准运行数据存储至第一数据源；构建模块503，用于根据所述第一数据源构建电池分析模型集，其中，所述电池分析模型集包括多个子电池分析模型；选取模块504，用于从所述多个第一电池中选取待分析的电池作为第二电池，并从所述第一数据源中获取所述第二电池对应的目标运行数据，以及从预置的第二数据源中获取所述第二电池的电池参数数据；分析模块505，用于将所述电池参数数据和所述目标运行数据输入所述电池分析模型集，并通过所述电池分析模型集中的多个子电池分析模型对所述第二电池进行电池状态分析，得到目标电池状态分析结果；发送模块506，用于将所述目标电池状态分析结果发送至所述电池管理平台。
51.可选的，所述筛选模块502具体用于：对每个第一电池对应的初始运行数据进行数据清洗，得到清洗后的初始运行数据；对所述清洗后的初始运行数据进行重复值清除和缺失值填充，得到预处理后的初始运行数据；对所述预处理后的初始运行数据进行特征筛选，得到每个第一电池对应的标准运行数据；将所述每个第一电池对应的标准运行数据存储至第一数据源。
52.可选的，所述构建模块503具体用于：从所述第一数据源中提取多个训练数据集合，并获取多个训练模型，其中，所述训练数据集合与所述训练模型一一对应；根据每个训练数据集合对每个训练模型进行模型训练，得到每个训练模型对应的子电池分析模型；对多个子电池分析模型进行模型集成，生成电池分析模型集。
53.可选的，所述分析模块504还包括：输入单元，用于将所述电池参数数据和所述目标运行数据输入所述电池分析模型集；对所述电池参数数据和所述电池分析模型集进行模型匹配，得到第一子电池分析模型，其中，所述电池参数数据包括：电芯出厂内阻、电芯出厂容量和电芯出厂材质；对所述目标运行数据进行数据分类，得到第一运行数据和第二运行数据；对所述第一运行数据进行模型匹配，得到第二子电池分析模型，以及对所述第二运行数据进行模型匹配，得到第三子电池分析模型；将所述电池参数数据输入所述第一子分析模型进行电池标准状态预测，得到标准状态数据；第一分析单元，用于将所述第一运行数据和所述标准状态数据输入所述第二子电池分析模型进行电池充放电习惯分析，得到充放电分析结果；第二分析单元，用于将所述第二运行数据和所述标准状态数据输入所述第三子电池分析模型进行用户使用习惯分析，得到使用习惯分析结果；生成单元，用于根据所述充放电分析结果和所述使用习惯分析结果生成所述第二电池对应的目标电池状态分析结果。
54.可选的，所述第一分析单元具体用于：
对所述第一运行数据进行特征提取，得到所述第一运行数据对应的多个第一特征数据，其中，所述多个第一特征数据包括：充放电循环片段、充电时长、充电次数和周行驶公里数；根据所述多个第一特征数据和所述标准状态数据生成第一输入数据；将所述第一输入数据输入所述第二子电池分析模型，并通过所述第二子电池分析模型对所述第一输入数据进行电池充放电习惯分析，得到充放电分析结果。
55.可选的，所述第二分析单元具体用于：对所述第二运行数据进行特征提取，得到所述第二运行数据对应的多个第二特征数据，其中，所述多个第二特征数据包括：充电开始时间、能耗、急加速和行驶里程；根据所述多个第二特征数据和所述标准状态数据生成第二输入数据；将所述第二输入数据输入所述第三子电池分析模型，并通过所述第三子电池分析模型对所述第二输入数据进行用户使用习惯分析，得到使用习惯分析结果。
56.可选的，所述基于大数据的电池数据处理装置还包括：匹配模块507，用于根据所述目标电池状态分析结果从多个候选电池维护方案中匹配目标电池维护方案；根据所述目标电池维护方案对所述目标电池进行全生命周期监控。
57.本发明实施例中，对每个第一电池对应的初始运行数据进行数据筛选，得到标准运行数据，并将每个第一电池对应的标准运行数据存储至第一数据源；根据第一数据源构建电池分析模型集，其中，电池分析模型集包括多个子电池分析模型；从多个第一电池中选取第二电池，并从第一数据源中获取目标运行数据，以及从预置的第二数据源中获取第二电池的电池参数数据；将电池参数数据和目标运行数据输入电池分析模型集，并通过电池分析模型集中的多个子电池分析模型对第二电池进行电池状态分析，得到目标电池状态分析结果，本发明通过对多个第一电池的运行数据进行数据筛选，然后构建电池分析模型集进行电池状态的计算分析，使目标电池状态分析结果的分析更加准确。
58.上面图5和图6从模块化功能实体的角度对本发明实施例中的基于大数据的电池数据处理装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于大数据的电池数据处理设备进行详细描述。
59.图7是本发明实施例提供的一种基于大数据的电池数据处理设备的结构示意图，该基于大数据的电池数据处理设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，cpu）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对基于大数据的电池数据处理设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在基于大数据的电池数据处理设备600上执行存储介质630中的一系列指令操作。
60.基于大数据的电池数据处理设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图7示出的基于大数据的电池数据处理设备结构并不构成对基于大数据的
电池数据处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
61.本发明还提供一种基于大数据的电池数据处理设备，所述基于大数据的电池数据处理设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于大数据的电池数据处理方法的步骤。
62.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性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，当所述指令在计算机上运行时，使得计算机执行所述基于大数据的电池数据处理方法的步骤。
63.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，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
64.所述集成的单元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，本发明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全部或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计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述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， rom）、随机存取存储器（random acces memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。
65.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。