本發(fā)明屬于數(shù)據(jù)處理，具體涉及一種新能源電源測試數(shù)據(jù)管理方法及系統(tǒng)。

背景技術：

1、現(xiàn)階段新能源可以分為太陽能、風能、生物質(zhì)能、化工能、核能等多個類別，目前對于汽車行業(yè)，也逐步開始邁入新能源領域，汽車能源采用新能源電池。新能源電池是指以可再生能源為主要能源的電池，新能源電池可以分為鋰離子電池、電池（磷酸鐵鋰）、錳酸鋰電池等，新能源電池具有高能量密度、較低的傳輸損失、較高安全性的特點，目前廣泛應用在光伏發(fā)電、新能源汽車等行業(yè)。為保證新能源電池的安全、高效的使用，需要對新能源電池進行多方面的檢測，新能源的檢測包括電壓檢測、電流檢測、短路測試、防爆安全測試以及沖擊測試等。在現(xiàn)有技術中，往往對新能源電池進行測試之后，采用人工分析方法對測試數(shù)據(jù)進行分析，從而確定電源性能特征，以電源性能特征作為依據(jù)，對電源做出改進。但是采用人工分析方法，不僅存在效率低下的問題，還需要具備比較專業(yè)的知識，導致容易出現(xiàn)誤分析的問題。

技術實現(xiàn)思路

1、本發(fā)明提供一種新能源電源測試數(shù)據(jù)管理方法及系統(tǒng)，用以解決現(xiàn)有技術中存在的問題。

2、一方面，本發(fā)明提供一種新能源電源測試數(shù)據(jù)管理方法，包括：

3、獲取歷史新能源電源測試數(shù)據(jù)以及人工標簽；其中，所述人工標簽用于表征工作人員通過人機交互輸入的新能源電源性能指標；

4、采用深度學習算法構建初始數(shù)據(jù)分析規(guī)則，并采用所述初始數(shù)據(jù)分析規(guī)則對所述歷史新能源電源測試數(shù)據(jù)與人工標簽之間的關系進行識別，得到電源數(shù)據(jù)分析規(guī)則；

5、采集實時新能源電源測試數(shù)據(jù)，并采用電源數(shù)據(jù)分析規(guī)則對實時新能源電源測試數(shù)據(jù)進行識別，得到新能源電源測試數(shù)據(jù)對應的分析結果；

6、以新能源電源測試數(shù)據(jù)對應的分析結果為基礎，采用查表匹配方法確定分析結果所對應的新能源電源改進措施；

7、將實時新能源電源測試數(shù)據(jù)、實時新能源電源測試數(shù)據(jù)對應的分析結果以及新能源電源改進措施進行關聯(lián)存儲，完成新能源電源測試數(shù)據(jù)的管理。

8、進一步地，獲取歷史新能源電源測試數(shù)據(jù)以及人工標簽時，還包括：獲取每個歷史新能源電源測試數(shù)據(jù)對應的新能源電源改進措施，并根據(jù)所有歷史新能源電源測試數(shù)據(jù)對應的新能源電源改進措施，確定每種類型的人工標簽所對應的至少一種新能源電源改進措施，并建立人工標簽與新能源電源改進措施之間的關聯(lián)關系表。

9、進一步地，采用深度學習算法構建初始數(shù)據(jù)分析規(guī)則，包括：采用cnn算法構建初始數(shù)據(jù)分析規(guī)則。

10、進一步地，采用所述初始數(shù)據(jù)分析規(guī)則對所述歷史新能源電源測試數(shù)據(jù)與人工標簽之間的關系進行識別，得到電源數(shù)據(jù)分析規(guī)則，包括：

11、對所述初始數(shù)據(jù)分析規(guī)則的規(guī)則參數(shù)進行初始化，確定規(guī)則參數(shù)編碼，并獲取多個不同的規(guī)則參數(shù)編碼；

12、針對任意一個規(guī)則參數(shù)編碼，采用正弦函數(shù)進行鄰域搜索，得到鄰域搜索之后的規(guī)則參數(shù)編碼；

13、針對鄰域搜索之后的規(guī)則參數(shù)編碼，為每個規(guī)則參數(shù)編碼匹配另一個其他規(guī)則參數(shù)編碼，并根據(jù)得到的其他規(guī)則參數(shù)編碼對規(guī)則參數(shù)編碼進行協(xié)作搜索，得到協(xié)作搜索之后的規(guī)則參數(shù)編碼；

14、針對協(xié)作搜索之后的規(guī)則參數(shù)編碼，獲取最優(yōu)規(guī)則參數(shù)編碼，并使所有規(guī)則參數(shù)編碼圍繞最優(yōu)規(guī)則參數(shù)編碼進行鏈式搜索，得到鏈式搜索之后的規(guī)則參數(shù)編碼；

15、針對鏈式搜索之后的規(guī)則參數(shù)編碼，采用多個隨機規(guī)則參數(shù)編碼進行變異搜索，得到變異搜索之后的規(guī)則參數(shù)編碼；

16、判斷當前學習次數(shù)是否大于預設的最大學習次數(shù)，若是，則重新獲取最優(yōu)規(guī)則參數(shù)編碼，并將最優(yōu)規(guī)則參數(shù)編碼應用至初始數(shù)據(jù)分析規(guī)則中，得到電源數(shù)據(jù)分析規(guī)則，否則返回鄰域搜索的步驟。

17、進一步地，針對任意一個規(guī)則參數(shù)編碼，采用正弦函數(shù)進行鄰域搜索，得到鄰域搜索之后的規(guī)則參數(shù)編碼為：

18、

19、其中，表示第 t次學習過程中的第 i個規(guī)則參數(shù)編碼，表示鄰域搜索之后的規(guī)則參數(shù)編碼，表示規(guī)則參數(shù)編碼對應的上限編碼，上限編碼由每個維度上限組成，表示隨機的規(guī)則參數(shù)編碼，表示（0,1）之間的第一隨機數(shù)，表示（0,1）之間的第二隨機數(shù)，表示圓周率。

20、進一步地，針對鄰域搜索之后的規(guī)則參數(shù)編碼，為每個規(guī)則參數(shù)編碼匹配另一個其他規(guī)則參數(shù)編碼，并根據(jù)得到的其他規(guī)則參數(shù)編碼對規(guī)則參數(shù)編碼進行協(xié)作搜索，得到協(xié)作搜索之后的規(guī)則參數(shù)編碼，包括：

21、針對鄰域搜索之后的規(guī)則參數(shù)編碼，為每個規(guī)則參數(shù)編碼匹配另一個其他規(guī)則參數(shù)編碼；

22、根據(jù)得到的其他規(guī)則參數(shù)編碼對規(guī)則參數(shù)編碼進行協(xié)作搜索為：

23、

24、其中，表示第m個鄰域搜索之后的規(guī)則參數(shù)編碼，表示按正態(tài)分布n(0,1)產(chǎn)生的隨機數(shù)，表示(0,1)之間的隨機數(shù)，表示預設的最大優(yōu)化次數(shù)。

25、進一步地，針對協(xié)作搜索之后的規(guī)則參數(shù)編碼，獲取最優(yōu)規(guī)則參數(shù)編碼，并使所有規(guī)則參數(shù)編碼圍繞最優(yōu)規(guī)則參數(shù)編碼進行鏈式搜索，得到鏈式搜索之后的規(guī)則參數(shù)編碼，包括：

26、針對協(xié)作搜索之后的規(guī)則參數(shù)編碼，獲取每個規(guī)則參數(shù)編碼對應的誤差函數(shù)值，并確定誤差函數(shù)值最小的規(guī)則參數(shù)編碼為最優(yōu)規(guī)則參數(shù)編碼；

27、根據(jù)每個規(guī)則參數(shù)編碼對應的誤差函數(shù)值，將協(xié)作搜索之后的規(guī)則參數(shù)編碼按照誤差函數(shù)值從小到大的順序排列，并使所有規(guī)則參數(shù)編碼圍繞最優(yōu)規(guī)則參數(shù)編碼進行鏈式搜索為：

28、

29、

30、其中，表示排序后的第n個規(guī)則參數(shù)編碼，表示鏈式搜索之后的規(guī)則參數(shù)編碼，表示最優(yōu)規(guī)則參數(shù)編碼，表示（0,1）之間的第三隨機數(shù)，表示控制系數(shù)，表示排序后的第n-1個規(guī)則參數(shù)編碼，表示（0,1）之間的第四隨機數(shù)，表示圓周率。

31、進一步地，針對鏈式搜索之后的規(guī)則參數(shù)編碼，采用多個隨機規(guī)則參數(shù)編碼進行變異搜索，得到變異搜索之后的規(guī)則參數(shù)編碼為：

32、

33、其中，表示第 h個鏈式搜索之后的規(guī)則參數(shù)編碼對應的變異搜索值，表示第一隨機規(guī)則參數(shù)編碼，表示第二隨機規(guī)則參數(shù)編碼，表示第三隨機規(guī)則參數(shù)編碼，，表示步長控制因子，表示預設步長；

34、判斷變異搜索值的誤差函數(shù)值是否小于規(guī)則參數(shù)編碼的誤差函數(shù)值，若是，則采用該變異搜索值替換原有的規(guī)則參數(shù)編碼，得到變異搜索之后的規(guī)則參數(shù)編碼，否則直接將原有的規(guī)則參數(shù)編碼作為變異搜索之后的規(guī)則參數(shù)編碼。

35、進一步地，以新能源電源測試數(shù)據(jù)對應的分析結果為基礎，采用查表匹配方法確定分析結果所對應的新能源電源改進措施，包括：

36、新能源電源測試數(shù)據(jù)對應的分析結果為基礎，在人工標簽與新能源電源改進措施之間的關聯(lián)關系表進行查找，確定分析結果所對應的新能源電源改進措施。

37、另一方面，本發(fā)明提供一種新能源電源測試數(shù)據(jù)管理系統(tǒng)，包括：歷史數(shù)據(jù)獲取模塊、數(shù)據(jù)關系學習模塊、數(shù)據(jù)分析模塊、改進措施推薦模塊以及數(shù)據(jù)存儲模塊；

38、所述歷史數(shù)據(jù)獲取模塊，用于獲取歷史新能源電源測試數(shù)據(jù)以及人工標簽；其中，所述人工標簽用于表征工作人員通過人機交互輸入的新能源電源性能指標；

39、所述數(shù)據(jù)關系學習模塊，用于采用深度學習算法構建初始數(shù)據(jù)分析規(guī)則，并采用所述初始數(shù)據(jù)分析規(guī)則對所述歷史新能源電源測試數(shù)據(jù)與人工標簽之間的關系進行識別，得到電源數(shù)據(jù)分析規(guī)則；

40、所述數(shù)據(jù)分析模塊，用于采集實時新能源電源測試數(shù)據(jù)，并采用電源數(shù)據(jù)分析規(guī)則對實時新能源電源測試數(shù)據(jù)進行識別，得到新能源電源測試數(shù)據(jù)對應的分析結果；

41、所述改進措施推薦模塊，用于以新能源電源測試數(shù)據(jù)對應的分析結果為基礎，采用查表匹配方法確定分析結果所對應的新能源電源改進措施；

42、所述數(shù)據(jù)存儲模塊，用于將實時新能源電源測試數(shù)據(jù)、實時新能源電源測試數(shù)據(jù)對應的分析結果以及新能源電源改進措施進行關聯(lián)存儲，完成新能源電源測試數(shù)據(jù)的管理。

43、本發(fā)明提供的一種新能源電源測試數(shù)據(jù)管理方法以及系統(tǒng)，通過采集歷史新能源電源測試數(shù)據(jù)以及人工標簽，并對新能源電源測試數(shù)據(jù)以及人工標簽之間的數(shù)據(jù)關系進行學習之后，形成可以分析新能源電源測試數(shù)據(jù)的電源數(shù)據(jù)分析規(guī)則，并通過所述電源數(shù)據(jù)分析規(guī)則對后續(xù)的實時新能源電源測試數(shù)據(jù)進行分析，從而確定新能源電源性能指標，輔助工作人員對電池進行改進，不僅有效地提高了新能源電源測試數(shù)據(jù)的分析效率，還降低了對專業(yè)知識的要求，避免了人工分析導致的誤判問題。