本發(fā)明涉及新能源動力電池健康監(jiān)測和管理，具體而言，涉及一種動力電池檢測方法、裝置、非易失性存儲介質(zhì)。

背景技術(shù)：

1、近年來，全球?qū)Νh(huán)境與能源的關(guān)注不斷增強，電動汽車由于其清潔能源優(yōu)勢而得到了廣泛的認可。尤其是三元鋰電池，因其高能量密度、優(yōu)秀的循環(huán)性能和良好的低溫耐受性，成為電動汽車首選的電能存儲設(shè)備。盡管如此，電動汽車由于電池系統(tǒng)的故障而導(dǎo)致的熱失控事件頻發(fā)，這使得其安全性成為人們關(guān)注的焦點，但是目前對于電池的維護主要依賴于發(fā)生故障后的反應(yīng)性措施或定期檢查，通常需要大量的專家經(jīng)驗和人工投入，從而導(dǎo)致維護流程中的咨詢、診斷、決策和服務(wù)過程消耗了大量的時間和人力資源。

2、針對上述的問題，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供了一種動力電池檢測方法、裝置、非易失性存儲介質(zhì)，以至少解決動力電池的故障檢測方法效率較低的技術(shù)問題。

2、根據(jù)本發(fā)明實施例的一個方面，提供了一種動力電池檢測方法，包括：獲取目標動力電池的多種運行數(shù)據(jù)；確定分別用于描述多種運行數(shù)據(jù)的多組文本數(shù)據(jù)，其中，多種運行數(shù)據(jù)與多組文本數(shù)據(jù)一一對應(yīng)；將多組文本數(shù)據(jù)導(dǎo)入目標大語言模型，由目標大語言模型輸出目標動力電池的檢測結(jié)果，其中，目標大語言模型通過微調(diào)數(shù)據(jù)庫對大語言模型的參數(shù)微調(diào)得到，微調(diào)數(shù)據(jù)庫包括樣本文本數(shù)據(jù)和樣本檢測結(jié)果。該實施例利用目標大語言模型對動力電池進行檢測，實現(xiàn)了提高檢測效率的技術(shù)效果。

3、可選地，確定分別用于描述多種運行數(shù)據(jù)的多組文本數(shù)據(jù)，包括：將多種運行數(shù)據(jù)分別轉(zhuǎn)化為時間序列數(shù)據(jù)，得到與多種運行數(shù)據(jù)一一對應(yīng)的多個時間序列數(shù)據(jù)；對多個時間序列數(shù)據(jù)分別進行特征提取，得到與多個時間序列數(shù)據(jù)一一對應(yīng)的多個特征數(shù)據(jù)；分別將多個特征數(shù)據(jù)轉(zhuǎn)化為文本，得到多組文本數(shù)據(jù)，其中，多組文本數(shù)據(jù)用于描述多個時間序列各自的特征。該實施例將動力電池的運行數(shù)據(jù)轉(zhuǎn)化為能夠被目標大語言模型所識別并分析的文本數(shù)據(jù)，提高目標大語言模型工作進行故障檢測的準確性。

4、可選地，對多個時間序列數(shù)據(jù)分別進行特征提取，得到與多個時間序列數(shù)據(jù)一一對應(yīng)的多個特征數(shù)據(jù)，包括：采用如下從多個時間序列數(shù)據(jù)中目標時間序列數(shù)據(jù)提取目標特征數(shù)據(jù)的方式，對多個時間序列數(shù)據(jù)分別進行特征提取，得到與多個時間序列數(shù)據(jù)一一對應(yīng)的多個特征數(shù)據(jù)：將目標時間序列數(shù)據(jù)分解，得到目標時間序列數(shù)據(jù)的趨勢因子和季節(jié)性因子，其中，趨勢因子表征目標時間序列數(shù)據(jù)的變化趨勢，季節(jié)性因子表征目標時間序列數(shù)據(jù)的周期性變化；對趨勢因子進行特征提取，得到目標時間序列數(shù)據(jù)的趨勢特征；對季節(jié)性因子進行特征提取，得到目標時間序列數(shù)據(jù)的季節(jié)性特征；根據(jù)目標時間序列數(shù)據(jù)的趨勢特征和目標時間序列數(shù)據(jù)的季節(jié)性特征，得到目標特征數(shù)據(jù)。該實施例說明了如何提取時間序列數(shù)據(jù)的特征數(shù)據(jù)，為后續(xù)分析提供更準確的數(shù)據(jù)。

5、可選地，目標大語言模型通過如下方式得到：獲取樣本文本數(shù)據(jù)和樣本檢測結(jié)果；根據(jù)樣本文本數(shù)據(jù)和樣本檢測結(jié)果，生成微調(diào)數(shù)據(jù)庫；根據(jù)微調(diào)數(shù)據(jù)庫，對大語言模型的參數(shù)進行微調(diào)，得到目標大語言模型。該實施例說明了如何根據(jù)大語言模型得到目標大語言模型，即對大語言模型進行定制化，更好的將大語言模型應(yīng)用于電池檢測場景，實現(xiàn)了提高檢測準確性的技術(shù)效果。

6、可選地，根據(jù)微調(diào)數(shù)據(jù)庫，對大語言模型的參數(shù)進行微調(diào)，得到目標大語言模型，包括：獲取大語言模型的參數(shù)對應(yīng)的第一權(quán)重矩陣；構(gòu)建與第一權(quán)重矩陣維度一致的第二權(quán)重矩陣；根據(jù)微調(diào)數(shù)據(jù)庫，對第二權(quán)重矩陣進行調(diào)節(jié)，確定目標大語言模型。該實施例說明了對大語言模型的參數(shù)進行微調(diào)的過程，在保證不失去原有的大語言模型學(xué)到的知識的基礎(chǔ)上，使得大語言模型更為適用于動力電池檢測場景，實現(xiàn)了提高目標大語言模型檢測準確性的技術(shù)效果。

7、可選地，根據(jù)微調(diào)數(shù)據(jù)庫，對第二權(quán)重矩陣進行調(diào)節(jié)，確定目標大語言模型，包括：基于預(yù)設(shè)的迭代次數(shù)，根據(jù)微調(diào)數(shù)據(jù)庫，對設(shè)置有第一權(quán)重矩陣和第二權(quán)重矩陣的大語言模型進行迭代訓(xùn)練，并對第二權(quán)重矩陣進行迭代調(diào)節(jié)，得到第三權(quán)重矩陣；根據(jù)第三權(quán)重矩陣，確定目標大語言模型。該實施例是對大語言模型的參數(shù)所作的進一步調(diào)節(jié)，據(jù)此得到的大語言模型，能夠更好的適用于動力電池檢測場景，實現(xiàn)了提高動力電池檢測效率和動力電池檢測結(jié)果準確度的技術(shù)效果。

8、根據(jù)本發(fā)明實施例的另一方面，提供了一種動力電池檢測裝置，包括：第一獲取模塊，用于獲取目標動力電池的多種運行數(shù)據(jù)；第一確定模塊，用于確定分別用于描述多種運行數(shù)據(jù)的多組文本數(shù)據(jù)，其中，多種運行數(shù)據(jù)與多組文本數(shù)據(jù)一一對應(yīng)；第一導(dǎo)入模塊，用于將多組文本數(shù)據(jù)導(dǎo)入目標大語言模型，由目標大語言模型輸出目標動力電池的檢測結(jié)果，其中，目標大語言模型通過微調(diào)數(shù)據(jù)庫對大語言模型的參數(shù)微調(diào)得到，微調(diào)數(shù)據(jù)庫包括樣本文本數(shù)據(jù)和樣本檢測結(jié)果。

9、根據(jù)本發(fā)明實施例的另一方面，提供了一種非易失性存儲介質(zhì)，非易失性存儲介質(zhì)存儲有多條指令，指令適于由處理器加載并執(zhí)行任意一項的動力電池檢測方法。

10、根據(jù)本發(fā)明實施例的另一方面，提供了一種電子設(shè)備，包括：一個或多個處理器和存儲器，存儲器用于存儲一個或多個程序，其中，當一個或多個程序被一個或多個處理器執(zhí)行時，使得一個或多個處理器實現(xiàn)任意一項的動力電池檢測方法。

11、根據(jù)本發(fā)明實施例的再一方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)上述中任意一項的動力電池檢測方法。

12、在本發(fā)明實施例中，通過獲取目標動力電池的多種運行數(shù)據(jù)；確定分別用于描述多種運行數(shù)據(jù)的多組文本數(shù)據(jù)，其中，多種運行數(shù)據(jù)與多組文本數(shù)據(jù)一一對應(yīng)；將多組文本數(shù)據(jù)導(dǎo)入目標大語言模型，由目標大語言模型輸出目標動力電池的檢測結(jié)果，其中，目標大語言模型通過微調(diào)數(shù)據(jù)庫對大語言模型的參數(shù)微調(diào)得到，微調(diào)數(shù)據(jù)庫包括樣本文本數(shù)據(jù)和樣本檢測結(jié)果。解決了動力電池的故障檢測方法效率較低的技術(shù)問題，實現(xiàn)了快速對動力電池可能出現(xiàn)的故障進行檢測的目的，進而實現(xiàn)了提高動力電池故障檢測效率的技術(shù)結(jié)果。

技術(shù)特征：

1.一種動力電池檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定分別用于描述所述多種運行數(shù)據(jù)的多組文本數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，對所述多個時間序列數(shù)據(jù)分別進行特征提取，得到與所述多個時間序列數(shù)據(jù)一一對應(yīng)的多個特征數(shù)據(jù)，包括：

4.根據(jù)權(quán)利要求1或2或3所述的方法，其特征在于，所述目標大語言模型通過如下方式得到：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述微調(diào)數(shù)據(jù)庫，對所述大語言模型的參數(shù)進行微調(diào)，得到所述目標大語言模型，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述微調(diào)數(shù)據(jù)庫，對所述第二權(quán)重矩陣進行調(diào)節(jié)，確定所述目標大語言模型，包括：

7.一種動力電池檢測裝置，其特征在于，包括：

8.一種非易失性存儲介質(zhì)，其特征在于，所述非易失性存儲介質(zhì)存儲有多條指令，所述指令適于由處理器加載并執(zhí)行權(quán)利要求1至6中任意一項所述的動力電池檢測方法。

9.一種電子設(shè)備，其特征在于，包括：一個或多個處理器和存儲器，所述存儲器用于存儲一個或多個程序，其中，當所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述一個或多個處理器實現(xiàn)權(quán)利要求1至6中任意一項所述的動力電池檢測方法。

10.一種計算機程序產(chǎn)品，包括計算機指令，其特征在于，所述計算機指令被處理器執(zhí)行權(quán)利要求1至6中任意一項所述的動力電池檢測方法。

技術(shù)總結(jié)
本發(fā)明公開了一種動力電池檢測方法、裝置、非易失性存儲介質(zhì)。其中，該方法包括：獲取目標動力電池的多種運行數(shù)據(jù)；確定分別用于描述多種運行數(shù)據(jù)的多組文本數(shù)據(jù)，其中，多種運行數(shù)據(jù)與多組文本數(shù)據(jù)一一對應(yīng)；將多組文本數(shù)據(jù)導(dǎo)入目標大語言模型，由目標大語言模型輸出目標動力電池的檢測結(jié)果，其中，目標大語言模型通過微調(diào)數(shù)據(jù)庫對大語言模型的參數(shù)微調(diào)得到，微調(diào)數(shù)據(jù)庫包括樣本文本數(shù)據(jù)和樣本檢測結(jié)果。本發(fā)明解決了動力電池的故障檢測方法效率較低的技術(shù)問題。

技術(shù)研發(fā)人員：盛麗,董世民,蔣晨,吳寶,呂希祥
受保護的技術(shù)使用者：合肥國軒高科動力能源有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9