本申请涉及汽车故障与健康管理技术领域，特别涉及一种动力电池保养模式生成系统和方法。
背景技术：
在汽车的故障预测与健康管理(prognosticshealthmanagement，phm)系统中，动力电池的健康管理是最为重要的组成部分之一。由于动力电池在汽车整车中具有较高的价值，因此，为动力电池制定合适的保养模式(也称保养策略)极为重要，合适的保养模式能够有效地保证动力电池的工作性能，延长动力电池的使用寿命。
现阶段，对于动力电池保养模式的制定停留在实验室阶段，即通过对相关实验结果进行合理推断，制定动力电池的保养模式；在实验室阶段，主要采用的保养模式制定方法包括电化学分析法和数据驱动的策略生成方法，其中，电化学分析法从电池内部物理化学过程的角度出发，分析电池的动力学参数、传质过程、热力学特性参数、材料的机械、热、电特性等参数的变化规律，根据分析得到的参数变化规律构建电池退化模型，进而利用该电池退化模型的输出数据，制定动力电池保养模式；数据驱动的策略生成方法通过对各组动力电池的相关特征进行对比测试、区间统计等数据处理，基于所获得的数据处理结果确定动力电池的保养模式。
上述方法具体实现时均需要基于实验室中的测试数据制定保养策略，而在实验室中所能够得到的测试数据通常较少，仅基于这些测试数据制定保养模式，通常难以保证所制定的保养策略在实际应用中的可行性，即通过上述方法制定出的保养模式，在实际应用中难以有效地对动力电池进行保养；此外，采用上述方法针对每个动力电池制定的保养策略基本一致，但是，对于不同的动力电池来说，地域的不同、用户使用习惯的不同等因素均会对电池的保养策略有所影响，可见，上述方法没有针对每个动力电池的保养模式做个性化处理。
技术实现要素：
为了解决上述技术问题，本申请提供了一种动力电池保养模式生成系统，能够根据车辆上传的动力电池特征数据，相应地针对每个动力电池确定个性化保养模式。
本申请实施例公开了如下技术方案：
第一方面，本申请实施例提供了一种动力电池保养模式生成系统，所述系统包括有效保养策略识别装置以及优化策略匹配装置；所述有效保养策略识别装置包括个性化策略识别装置以及通用策略识别装置；
所述个性化策略识别装置，用于从动力电池集合中筛选soh大于目标动力电池的soh的动力电池，组成个性化样本集合；所述动力电池集合包括多台车辆上传的动力电池标识以及各动力电池的特征数据；根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组；根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式；
所述通用策略识别装置，用于根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式；计算各个通用样本群组中动力电池的soh均值，按照从大到小的顺序对各个通用样本群组各自对应的soh均值进行排序，将排序靠前的n个通用样本群组对应的保养模式，作为第二保养模式；
所述优化策略匹配装置，用于根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式。
可选的，所述个性化策略识别装置具体用于：
根据所述个性化样本集合中各动力电池的特征数据，将各动力电池分别映射至多维空间；根据所述多维空间中各个动力电池的分布位置，对所述个性化样本集合进行聚类处理，生成所述个性化样本群组；
根据所述个性化样本集合中各动力电池的特征数据，计算背景特征数据；根据每个个性化样本群组中各动力电池的特征数据和所述背景特征数据，确定每个个性化样本群组的显著特征；根据每个个性化样本群组的显著特征，相应地确定每个个性化样本群组对应的第一保养模式。
可选的，所述通用策略识别装置具体用于：
采用kmeans聚类法根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；
根据所述动力电池集合中各动力电池的特征数据，计算背景特征数据；根据每个通用样本群组中各动力电池的特征数据和所述背景特征数据，确定每个通用样本群组的显著特征；根据每个通用样本群组的显著特征，相应地确定每个通用样本群组对应的保养模式。
可选的，所述优化策略匹配装置具体用于：
计算所述目标动力电池当前的保养模式与各个第一保养模式之间的相似度，以及所述目标动力电池当前的保养模式与各个第二保养模式之间的相似度；
将相似度大于预设阈值的第一保养模式和第二保养模式，作为候选保养模式；
根据所述目标动力电池当前的保养模式与各候选保养模式，计算各候选保养模式各自对应的可达路径代价；所述可达路径代价表征从所述目标动力电池当前的保养模式切换至候选保养模式所需耗费的代价；
计算所述目标动力电池在当前的保养模式下的预期soh，以及所述目标动力电池在各候选保养模式下的预期soh，计算各候选保养模式下的预期soh与所述目标动力电池在当前的保养模式下的预期soh之间的差值；
根据各候选保养模式各自对应的可达路径代价以及各候选保养模式各自对应的差值，确定所述目标保养模式。
第二方面，本申请实施例提供了一种动力电池保养模式生成方法，所述方法包括：
从动力电池集合中筛选soh大于目标动力电池的soh的动力电池，组成个性化样本集合；所述动力电池集合包括多台车辆上传的动力电池标识以及各动力电池的特征数据；根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组；根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式；
根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式；计算各个通用样本群组中动力电池的soh均值，按照从大到小的顺序对各个通用样本群组各自对应的soh均值进行排序，将排序靠前的n个通用样本群组对应的保养模式，作为第二保养模式；
根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式。
可选的，所述根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组，包括：
根据所述个性化样本集合中各动力电池的特征数据，将各动力电池分别映射至多维空间；根据所述多维空间中各个动力电池的分布位置，对所述个性化样本集合进行聚类处理，生成所述个性化样本群组；
所述根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式，包括：
根据所述个性化样本集合中各动力电池的特征数据，计算背景特征数据；根据每个个性化样本群组中各动力电池的特征数据和所述背景特征数据，确定每个个性化样本群组的显著特征；根据每个个性化样本群组的显著特征，相应地确定每个个性化样本群组对应的第一保养模式。
可选的，所述根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组，包括：
采用kmeans聚类法根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；
所述根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式，包括：
根据所述动力电池集合中各动力电池的特征数据，计算背景特征数据；根据每个通用样本群组中各动力电池的特征数据和所述背景特征数据，确定每个通用样本群组的显著特征；根据每个通用样本群组的显著特征，相应地确定每个通用样本群组对应的保养模式。
可选的，所述根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式，包括：
计算所述目标动力电池当前的保养模式与各个第一保养模式之间的相似度，以及所述目标动力电池当前的保养模式与各个第二保养模式之间的相似度；
将相似度大于预设阈值的第一保养模式和第二保养模式，作为候选保养模式；
根据所述目标动力电池当前的保养模式与各候选保养模式，计算各候选保养模式各自对应的可达路径代价；所述可达路径代价表征从所述目标动力电池当前的保养模式切换至候选保养模式所需耗费的代价；
计算所述目标动力电池在当前的保养模式下的预期soh，以及所述目标动力电池在各候选保养模式下的预期soh，计算各候选保养模式下的预期soh与所述目标动力电池在当前的保养模式下的预期soh之间的差值；
根据各候选保养模式各自对应的可达路径代价以及各候选保养模式各自对应的差值，确定所述目标保养模式。
由上述技术方案可以看出，本申请实施例提供的动力电池保养模式生成系统，基于有效保养策略识别装置和优化策略匹配装置，利用大量车辆上传的动力电池特征数据，为目标动力电池确定其适用的目标保养策略。具体的，动力电池保养模式生成系统利用有效保养策略识别装置中的个性化策略识别装置，针对性地为目标动力电池确定可供选择的保养模式，即第一保养模式；利用有效保养策略识别装置中的通用策略识别装置，为目标动力电池确定可供选择的较优的通用保养模式，即第二保养模式；最终利用优化策略匹配装置，结合目标动力电池当前的保养模式，在第一保养模式和第二保养模式中选择最适用于目标动力电池的保养模式。由此，基于实际应用中产生的动力电池特征数据，为目标动力电池确定目标保养模式，能够有效地保证所确定的目标保养模式适用于实际应用，并且在确定目标保养模式的过程中充分考虑目标动力电池自身的特点，保证所确定出的目标保养模式有针对性地适用于目标动力电池。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的动力电池保养模式生成系统的结构示意图；
图2为本申请实施例提供的动力电池保养模式生成方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请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，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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。
现有技术中，针对动力电池制定保养策略主要停留在实验室阶段，这些保养策略的制定方法目前还不够成熟、不够自动化；目前在实验室阶段，针对动力电池制定保养策略的方法主要包括电化学分析法和数据驱动的策略生成方法。
其中，电化学分析法从电池内部物理化学反应过程出发，根据动力电池的动力学参数、传质过程、热力学特性参数、材料的机械、热、电特性等参数的变化规律，分析动力电池的运行机理，进而建立动力电池的退化模型，利用该退化模型对动力电池状态影响因素进行分析，从而推断动力电池的保养策略。然而，在实验室中所能获取到的样本数量通常较少，仅依据这些样本进行实验，所获取的结论往往置信度较低；并且，实际应用的情况区别于实验室中的实验情况，在实验室中确定的保养策略在实际应用中的可行性通常较低。
其中，数据驱动的策略生成方法利用统计学方法，根据在实验过程中得到的各组动力电池的相关特征，做对比测试以及区间统计，进而根据统计数据生成适用于动力电池的优化保养策略。然而，这种方法所采用的数据通常不是在实际应用中测得的数据，相应地，基于这些数据确定的优化保养策略在实际应用中的可行性通常较低；并且由于实验室中的样本数量较少，这些方法确定出的优化保养策略的置信度也通常不高。
为了解决上述现有技术存在的问题，本申请实施例提供了一种动力电池保养模式生成系统，该系统能够根据车辆在实际应用中生成的动力电池特征数据，相应地针对目标动力电池确定其适用的保养模式。
具体的，本申请实施例提供的动力电池保养模式生成系统包括有效保养策略识别装置以及优化策略匹配装置，其中，有效保养策略识别装置包括个性化策略识别装置和通用策略识别装置；个性化策略识别装置，具体用于从动力电池集合中筛选soh(stateofhealth)大于目标动力电池的soh的动力电池，组成个性化样本集合，然后根据个性化样本集合中各动力电池的特征数据，对个性化样本集合进行聚类，生成个性化样本群组，进而根据个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式；通用策略识别装置，具体用于根据动力电池集合中各动力电池的特征数据，对动力电池集合中的动力电池进行聚类，生成通用样本群组，然后根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式，接着按照从大到小的顺序对各个通用样本群组各自对应的soh均值进行排序，将排序靠前的n个通用样本群组对应的保养模式，作为第二保养模式；优化策略匹配装置，用于根据目标动力电池当前的保养模式、上述第一保养模式和第二保养模式，确定适用于目标动力电池的目标保养模式。
上述动力电池保养模式生成系统，基于有效保养策略识别装置和优化策略匹配装置，利用大量车辆上传的动力电池特征数据，为目标动力电池确定其适用的目标保养策略；其中，有效保养策略识别装置中的个性化优化策略识别装置，可以针对性地为目标动力电池确定可供选择的保养模式，即第一保养模式，有效策略识别装置中的通用策略识别装置，可以为目标动力电池确定可供选择的通用保养模式，即第二保养模式；最终，优化策略匹配装置可以结合目标动力电池自身的保养模式，在第一保养模式和第二保养模式中为目标动力电池匹配出其适用的保养模式。由此，基于实际应用中产生的动力电池特征数据，为目标动力电池确定目标保养模式，能够有效地保证所确定的目标保养模式具有较高的可行性，并且在确定目标保养模式的过程中，充分考虑了目标动力电池自身的特点，保证所确定出的目标保养模式有针对性地适用于该目标动力电池。
为了便于了解本申请实施例提供的动力电池保养模式生成系统，下面先对该系统所使用的应用场景进行介绍。
本申请实施例提供的动力电池保养模式生成系统通常运行于服务器，服务器通过该动力电池保养模式生成系统，可以相应地为各个动力电池确定其适用的保养模式。当用户需要了解适用于自身车辆中动力电池即目标动力电池的保养模式时，用户可以通过终端设备上运行的特定的应用程序(application，app)，向服务器发送保养模式获取请求，相应地，响应于终端设备发送的保养模式获取请求，服务器调用其自身运行的动力电池保养模式生成系统，依据该目标动力电池自身的特点，为其确定使用的目标保养模式。
应理解，本申请实施例提供的动力电池保养模式生成系统除了可以应用于上述应用场景外，还可以应用于其他需要为动力电池确定保养模式的应用场景，在此不对本申请实施例提供的动力电池保养模式生成系统的应用场景做任何限定。
下面通过实施例的方式对本申请提供的动力电池保养模式生成系统进行介绍：
参见图1，图1为本申请实施例提供的动力电池保养模式生成系统的结构示意图。如图1所示，该动力电池保养模式生成系统包括有效保养策略识别装置110和优化策略匹配装置120，其中，有效保养策略识别装置110中包括个性化策略识别装置111和通用策略识别装置112。
个性化策略识别装置111，用于从动力电池集合中筛选出soh大于目标动力电池的soh的动力电池，组成个性化样本集合；所述动力电池集合包括多台车辆上传的动力电池标识以及各动力电池的特征数据；根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组；根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式。
soh是用于表征蓄电池容量、健康度以及性能状态的参数，即蓄电池满充容量相对于额定容量的百分比，新出厂的蓄电池的soh为100％，完全报废的蓄电池的soh为0％。
动力电池集合中通常包括大量车辆上传的动力电池标识以及动力电池的特征数据，此处的动力电池标识具体可以表现为车辆识别号码(vehicleidentificationnumber，vin)，此处的动力电池的特征数据具体可以包括动力电池的soh、车辆停车时动力电池的剩余电量、车辆的停车时间以及均衡时长等，除了这些数据外，动力电池集合中特征数据还可以包括其他能够对动力电池性能状态产生影响的数据，在此不对动力电池的特征数据做具体限定。
个性化策略识别装置111从动力电池集合中筛选出soh大于目标动力电池的soh的动力电池，利用所筛选出的动力电池组成个性化样本集合；然后，对个性化样本集合进行聚类处理，生成个性化样本群组。
具体的，个性化策略识别装置111可以根据个性化样本集合中各动力电池的特征数据，相应地将各动力电池映射至多维空间，进而根据多维空间中各个动力电池的分布位置，对个性化样本集合进行聚类处理，生成个性化样本群组。在一种可能的实现方式中，可以在多维空间中选取距离最远的两个动力电池作为极点，然后确定与极点之间的距离在预设范围内的动力电池，对这些动力电池做一级聚类，生成一级个性化样本群组；然后，再改变预设范围的大小，继续按照上述方式对各一级个性化样本群组中的动力电池做二级聚类，生成二级个性化样本群组；以此类推，直至所生成的n级个性化样本群组中所包括的动力电池的数量小于或等于预设数量时，可以将该n级个性化样本群组作为个性化样本群组。
应理解，上述预设范围和预设数量可以根据实际需求进行设定，在此不对预设范围和预设数量做具体限定。
进而，个性化策略识别装置111根据个性化样本集合中各动力电池的特征数据，以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式。
具体的，个性化策略识别装置111可以根据个性化样本集合中各动力电池的特征数据，计算背景特征数据；例如，可以对个性化样本集合中各动力电池对应的停车电量做平均计算，确定平均停车电量作为一个背景特征数据；又例如，可以对个性化样本集合中各动力电池对应的停车时间做平均计算，确定平均停车时间作为一个背景特征数据。
应理解，个性化策略识别装置111需要针对每种特征数据相应地计算一个与该种特征数据对应的背景特征数据，即通常情况下，背景特征数据包括多个；背景特征数据的类型与动力电池对应的特征数据的类型相对应。
个性化策略识别装置111进而可以根据每个个性化样本群组中各动力电池的特征数据与其对应的背景特征数据，相应地确定每个个性化样本群组对应的显著特征，进而，将每个个性化样本群组对应的显著特征作为第一保养模式。例如，假设某个个性化样本群组中各个动力电池的停车电量均高于停车电量对应的背景特征数据，则该个性化样本群组的显著特征即为停车电量较高，相应地，根据该显著特征确定该个性化样本群组对应的保养模式，作为第一保养模式。
应理解，不同的个性化样本群组对应的显著特征可能不同，相应地，所确定出的各个性化样本群组各自对应的保养模式不同。
通用策略识别装置112，用于根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式；计算各个通用样本群组中动力电池的soh均值，按照从大到小的顺序对各个通用样本群组各自对应的soh均值进行排序，将排序靠前的n个通用样本群组对应的保养模式，作为第二保养模式。
具体的，通用策略识别装置112将动力电池集合中的所有动力电池均作为样本，即取全量的样本做样本空间，采用kmeans聚类法根据动力电池集合中各动力电池的特征数据，对动力电池集合中的动力电池进行聚类，生成多个通用样本群组，每个通用样本群组中所包括的动力电池均具有某个或某些相近的特征。
应理解，在实际应用中，通用策略识别装置112也可以采用其他聚类方式对动力电池集合中的动力电池进行聚类，上述聚类方法仅为一种示例，在此不对所采用的聚类方法做具体限定。
进而，通用策略识别装置112根据动力电池集合中各动力电池的特征数据，计算对应于动力电池集合的背景特征数据；根据每个通用样本群组中各动力电池的特征数据和背景特征数据，确定每个通用样本群组对应的显著特征。具体确定通用样本群组对应的显著特征的方式与上述确定个性化样本群组对应的显著特征的方式相类似，详细参见上文确定个性化样本群组对应的显著特征的方式，此处不再赘述。
确定出各个通用样本群组各自对应的显著特征后，进一步确定每个通用样本群组对应的保养模式，具体确定通用样本群组对应的保养模式的方式与上文确定每个个性化样本群组对应的保养方式的实现方式相类似，只不过确定通用样本群组对应的保养模式时，是基于动力电池集合对应的背景特征数据确定的，详细参见上文相关描述，此处不再赘述。
接下来，通用策略识别装置112针对每个通用样本群组，相应地计算每个通用样本群组中动力电池的soh均值；进而，对各个通用样本群组各自对应的soh均值按照从大到小的顺序进行排列，确定排序靠前的n个soh均值，并进一步确定这些soh均值对应的通用样本群组，将这些通用样本群组对应的保养模式作为第二保养模式。
优化策略匹配装置120，用于根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式。
具体应用时，优化策略匹配装置120可以先计算目标动力电池当前的保养模式与个性化策略识别装置111确定的各第一保养模式之间的相似度，以及目标动力电池当前的保养模式与通用策略识别装置112所确定的各第二保养模式之间的相似度；进而，将相似度大于预设阈值的第一保养模式和第二保养模式作为候选保养模式。
应理解，保养模式对应的相似度越高则说明目标动力电池当前的保养模式与该保养模式越相近，将目标动力电池当前的保养模式切换为相似度较高的保养模式的难度较低，依据保养模式的相似度，从第一保养模式和第二保养模式中筛选出候选保养模式，初步保证最终确定出的目标保养模式更适用于目标动力电池，且目标动力电池在切换保养模式时无需太高的难度。
接下来，优化策略匹配装置120根据目标动力电池当前的保养模式与各候选保养模式，计算各候选保养模式各自对应的可达路径代价，该可达路径代价表征从目标动力电池当前的保养模式切换至候选保养模式所需耗费的代价。
具体的，优化策略匹配装置120可以针对每个候选保养模式，确定从目标动力电池当前的保养模式切换至该候选保养模式，需要耗费的路径代价，即从另一个角度出发，确定将目标动力电池切换至各个候选保养模式所需耗费的代价，所耗费的代价越小，则说明将目标动力电池当前的保养模式切换至该候选保养模式越容易。
优化策略匹配装置120还可以计算目标动力电池在当前的保养模式下的预期soh，以及目标动力电池在各候选保养模式下的预期soh，进而计算目标动力电池在各候选保养模式下的预期soh与目标动力电池在当前保养模式下的预期soh的差值。应理解，候选保养模式下的soh与当前保养模式下的预期soh之间的差值越大，则说明候选保养模式所起到的保养效果更优。
最终，优化策略匹配装置120根据各候选保养模式各自对应的可达路径代价，以及各候选保养模式各自对应的预期soh的差值，从候选保养模式中选择最适用于目标动力电池的保养模式，作为目标保养模式。应理解，优化策略匹配装置120会综合考虑可达路径代价以及预期soh，在保证可达路径代价较低的同时，保证在该候选保养模式下目标动力电池的预期soh较高。
上述动力电池保养模式生成系统，基于有效保养策略识别装置和优化策略匹配装置，利用大量车辆上传的动力电池特征数据，为目标动力电池确定其适用的目标保养策略。具体的，动力电池保养模式生成系统利用有效保养策略识别装置中的个性化策略识别装置，针对性地为目标动力电池确定可供选择的保养模式，即第一保养模式；利用有效保养策略识别装置中的通用策略识别装置，为目标动力电池确定可供选择的较优的通用保养模式，即第二保养模式；最终利用优化策略匹配装置，结合目标动力电池当前的保养模式，在第一保养模式和第二保养模式中选择最适用于目标动力电池的保养模式。由此，基于实际应用中产生的动力电池特征数据，为目标动力电池确定目标保养模式，能够有效地保证所确定的目标保养模式适用于实际应用，并且在确定目标保养模式的过程中充分考虑目标动力电池自身的特点，保证所确定出的目标保养模式有针对性地适用于目标动力电池。
针对上文所述的动力电池保养模式生成系统，本申请实施例还相应地提供了动力电池保养模式生成方法，参见图2，图2为本申请实施例提供的动力电池保养模式生成方法的流程示意图，如图2所示，该动力电池保养模式生成方法包括以下步骤：
步骤201：从动力电池集合中筛选soh大于目标动力电池的soh的动力电池，组成个性化样本集合；所述动力电池集合包括多台车辆上传的动力电池标识以及各动力电池的特征数据；根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组；根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式。
步骤202：根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式；计算各个通用样本群组中动力电池的soh均值，按照从大到小的顺序对各个通用样本群组各自对应的soh均值进行排序，将排序靠前的n个通用样本群组对应的保养模式，作为第二保养模式。
步骤203：根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式。
可选的，所述根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组，包括：
根据所述个性化样本集合中各动力电池的特征数据，将各动力电池分别映射至多维空间；根据所述多维空间中各个动力电池的分布位置，对所述个性化样本集合进行聚类处理，生成所述个性化样本群组；
所述根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式，包括：
根据所述个性化样本集合中各动力电池的特征数据，计算背景特征数据；根据每个个性化样本群组中各动力电池的特征数据和所述背景特征数据，确定每个个性化样本群组的显著特征；根据每个个性化样本群组的显著特征，相应地确定每个个性化样本群组对应的第一保养模式。
可选的，所述根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组，包括：
采用kmeans聚类法根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；
所述根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式，包括：
根据所述动力电池集合中各动力电池的特征数据，计算背景特征数据；根据每个通用样本群组中各动力电池的特征数据和所述背景特征数据，确定每个通用样本群组的显著特征；根据每个通用样本群组的显著特征，相应地确定每个通用样本群组对应的保养模式。
可选的，所述根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式，包括：
计算所述目标动力电池当前的保养模式与各个第一保养模式之间的相似度，以及所述目标动力电池当前的保养模式与各个第二保养模式之间的相似度；
将相似度大于预设阈值的第一保养模式和第二保养模式，作为候选保养模式；
根据所述目标动力电池当前的保养模式与各候选保养模式，计算各候选保养模式各自对应的可达路径代价；所述可达路径代价表征从所述目标动力电池当前的保养模式切换至候选保养模式所需耗费的代价；
计算所述目标动力电池在当前的保养模式下的预期soh，以及所述目标动力电池在各候选保养模式下的预期soh，计算各候选保养模式下的预期soh与所述目标动力电池在当前的保养模式下的预期soh之间的差值；
根据各候选保养模式各自对应的可达路径代价以及各候选保养模式各自对应的差值，确定所述目标保养模式。
上述动力电池保养模式生成方法，利用大量车辆上传的动力电池特征数据，为目标动力电池确定其适用的目标保养策略。具体的，先针对性地为目标动力电池确定可供选择的保养模式，即第一保养模式；然后为目标动力电池确定可供选择的较优的通用保养模式，即第二保养模式；最终结合目标动力电池当前的保养模式，在第一保养模式和第二保养模式中选择最适用于目标动力电池的保养模式。由此，基于实际应用中产生的动力电池特征数据，为目标动力电池确定目标保养模式，能够有效地保证所确定的目标保养模式适用于实际，并且在确定目标保养模式的过程中充分考虑目标动力电池自身的特点，保证所确定出的目标保养模式有针对性地适用于目标动力电池。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
1.一种动力电池保养模式生成系统，其特征在于，所述系统包括有效保养策略识别装置以及优化策略匹配装置；所述有效保养策略识别装置包括个性化策略识别装置以及通用策略识别装置；
所述个性化策略识别装置，用于从动力电池集合中筛选soh大于目标动力电池的soh的动力电池，组成个性化样本集合；所述动力电池集合包括多台车辆上传的动力电池标识以及各动力电池的特征数据；根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组；根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式；
所述通用策略识别装置，用于根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式；计算各个通用样本群组中动力电池的soh均值，按照从大到小的顺序对各个通用样本群组各自对应的soh均值进行排序，将排序靠前的n个通用样本群组对应的保养模式，作为第二保养模式；
所述优化策略匹配装置，用于根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式。
2.根据权利要求1所述的系统，其特征在于，所述个性化策略识别装置具体用于：
根据所述个性化样本集合中各动力电池的特征数据，将各动力电池分别映射至多维空间；根据所述多维空间中各个动力电池的分布位置，对所述个性化样本集合进行聚类处理，生成所述个性化样本群组；
根据所述个性化样本集合中各动力电池的特征数据，计算背景特征数据；根据每个个性化样本群组中各动力电池的特征数据和所述背景特征数据，确定每个个性化样本群组的显著特征；根据每个个性化样本群组的显著特征，相应地确定每个个性化样本群组对应的第一保养模式。
3.根据权利要求1所述的系统，其特征在于，所述通用策略识别装置具体用于：
采用kmeans聚类法根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；
根据所述动力电池集合中各动力电池的特征数据，计算背景特征数据；根据每个通用样本群组中各动力电池的特征数据和所述背景特征数据，确定每个通用样本群组的显著特征；根据每个通用样本群组的显著特征，相应地确定每个通用样本群组对应的保养模式。
4.根据权利要求1所述的系统，其特征在于，所述优化策略匹配装置具体用于：
计算所述目标动力电池当前的保养模式与各个第一保养模式之间的相似度，以及所述目标动力电池当前的保养模式与各个第二保养模式之间的相似度；
将相似度大于预设阈值的第一保养模式和第二保养模式，作为候选保养模式；
根据所述目标动力电池当前的保养模式与各候选保养模式，计算各候选保养模式各自对应的可达路径代价；所述可达路径代价表征从所述目标动力电池当前的保养模式切换至候选保养模式所需耗费的代价；
计算所述目标动力电池在当前的保养模式下的预期soh，以及所述目标动力电池在各候选保养模式下的预期soh，计算各候选保养模式下的预期soh与所述目标动力电池在当前的保养模式下的预期soh之间的差值；
根据各候选保养模式各自对应的可达路径代价以及各候选保养模式各自对应的差值，确定所述目标保养模式。
5.一种动力电池保养模式生成方法，其特征在于，所述方法包括：
从动力电池集合中筛选soh大于目标动力电池的soh的动力电池，组成个性化样本集合；所述动力电池集合包括多台车辆上传的动力电池标识以及各动力电池的特征数据；根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组；根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式；
根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式；计算各个通用样本群组中动力电池的soh均值，按照从大到小的顺序对各个通用样本群组各自对应的soh均值进行排序，将排序靠前的n个通用样本群组对应的保养模式，作为第二保养模式；
根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式。
6.根据权利要求5所述的方法，其特征在于，所述根据所述个性化样本集合中各动力电池的特征数据，对所述个性化样本集合进行聚类，生成个性化样本群组，包括：
根据所述个性化样本集合中各动力电池的特征数据，将各动力电池分别映射至多维空间；根据所述多维空间中各个动力电池的分布位置，对所述个性化样本集合进行聚类处理，生成所述个性化样本群组；
所述根据所述个性化样本集合中各动力电池的特征数据以及各个性化样本群组中动力电池的特征数据，确定各个性化样本群组各自对应的保养模式，作为第一保养模式，包括：
根据所述个性化样本集合中各动力电池的特征数据，计算背景特征数据；根据每个个性化样本群组中各动力电池的特征数据和所述背景特征数据，确定每个个性化样本群组的显著特征；根据每个个性化样本群组的显著特征，相应地确定每个个性化样本群组对应的第一保养模式。
7.根据权利要求5所述的方法，其特征在于，所述根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组，包括：
采用kmeans聚类法根据所述动力电池集合中各动力电池的特征数据，对所述动力电池集合中的动力电池进行聚类，生成通用样本群组；
所述根据各个通用样本群组中动力电池的特征数据，确定各个通用样本群组各自对应的保养模式，包括：
根据所述动力电池集合中各动力电池的特征数据，计算背景特征数据；根据每个通用样本群组中各动力电池的特征数据和所述背景特征数据，确定每个通用样本群组的显著特征；根据每个通用样本群组的显著特征，相应地确定每个通用样本群组对应的保养模式。
8.根据权利要求5所述的方法，其特征在于，所述根据目标动力电池当前的保养模式、所述第一保养模式和所述第二保养模式，确定适用于所述目标动力电池的目标保养模式，包括：
计算所述目标动力电池当前的保养模式与各个第一保养模式之间的相似度，以及所述目标动力电池当前的保养模式与各个第二保养模式之间的相似度；
将相似度大于预设阈值的第一保养模式和第二保养模式，作为候选保养模式；
根据所述目标动力电池当前的保养模式与各候选保养模式，计算各候选保养模式各自对应的可达路径代价；所述可达路径代价表征从所述目标动力电池当前的保养模式切换至候选保养模式所需耗费的代价；
计算所述目标动力电池在当前的保养模式下的预期soh，以及所述目标动力电池在各候选保养模式下的预期soh，计算各候选保养模式下的预期soh与所述目标动力电池在当前的保养模式下的预期soh之间的差值；
根据各候选保养模式各自对应的可达路径代价以及各候选保养模式各自对应的差值，确定所述目标保养模式。
技术总结