本申请涉及电动汽车动力电池，特别是涉及一种基于机器学习的健康状态确定方法、装置和计算机设备。
背景技术：
1、退役电池（即退役动力电池）可以理解为电池容量衰减至初始容量的预设程度的电池，例如电池容量衰减至初始容量的80%的电池就可以退役了。退役电池健康状态估计是将电池进行分选、拆解、重组和梯次利用前的关键环节。退役动力电池健康状态评估可以理解为将性能较好且特征参数相似的电池进行筛选，并分成不同等级，然后应用到对应的实际场合中。
2、现有技术中，对退役动力电池健康状态估计存在状态评估不准确的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于机器学习的健康状态确定方法、装置和计算机设备，能够提高退役动力电池健康状态评估的准确性。
2、第一方面，本申请提供了一种基于机器学习的健康状态确定方法，所述方法包括：
3、获取目标退役电池的电池参数；其中，所述目标退役电池的电池参数包括所述目标退役电池的电池容量、电压、内阻参数、使用环境、使用时间和电池类型；
4、将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态。
5、在其中一个实施例中，所述目标电池评估模型通过以下方式训练得到：
6、获取样本退役电池的电池参数和样本健康状态；
7、对所述样本退役电池的电池参数进行特征提取，得到所述样本退役电池的电池特征；
8、以所述样本退役电池的电池特征为输入数据，以所述样本退役电池的样本健康状态为标签数据，对初始电池评估模型进行训练，得到所述目标电池评估模型。
9、在其中一个实施例中，所述将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态，包括：
10、根据所述目标退役电池的电池类型，从候选电池评估模型中选择目标电池评估模型；
11、将所述目标退役电池的电池容量、电压、内阻参数、使用环境和使用时间，输入至所述目标电池评估模型，得到所述目标退役电池的目标健康状态。
12、在其中一个实施例中，所述获取目标退役电池的电池参数，包括：
13、从所述目标退役电池关联的车载终端中，获取所述目标退役电池的运行信息、维修信息和出险信息；
14、根据所述目标退役电池的运行信息、维修信息和出险信息，确定所述目标退役电池的电池参数。
15、在其中一个实施例中，所述将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态，包括：
16、对所述目标退役电池的电池参数进行预处理；其中，所述预处理包括数据清洗、数据转换和数据填充中的至少一种；
17、将预处理后的所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态。
18、在其中一个实施例中，所述方法还包括：
19、基于候选健康状态与候选使用等级之间的对应关系，根据所述目标退役电池的目标健康状态，确定所述目标退役电池的目标使用等级；
20、基于候选使用等级与候选使用场景之间的对应关系，根据所述目标使用等级，确定所述目标退役电池的目标使用场景。
21、在其中一个实施例中，所述方法还包括：
22、根据所述目标退役电池的目标健康状态，确定所述目标退役电池的维护方式；
23、根据所述维护方式，对所述目标退役电池进行维护。
24、第二方面，本申请还提供了一种基于机器学习的健康状态确定装置，所述装置包括：
25、获取模块，用于获取目标退役电池的电池参数；其中，所述目标退役电池的电池参数包括所述目标退役电池的电池容量、电压、内阻参数、使用环境、使用时间和电池类型；
26、评估模块，用于将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态。
27、第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
28、获取目标退役电池的电池参数；其中，所述目标退役电池的电池参数包括所述目标退役电池的电池容量、电压、内阻参数、使用环境、使用时间和电池类型；
29、将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态。
30、第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
31、获取目标退役电池的电池参数；其中，所述目标退役电池的电池参数包括所述目标退役电池的电池容量、电压、内阻参数、使用环境、使用时间和电池类型；
32、将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态。
33、第五方面，本申请还提供了一种计算机程序产品，所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
34、获取目标退役电池的电池参数；其中，所述目标退役电池的电池参数包括所述目标退役电池的电池容量、电压、内阻参数、使用环境、使用时间和电池类型；
35、将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态。
36、上述基于机器学习的健康状态确定方法、装置和计算机设备，在对目标退役电池的健康状态进行评估时，获取目标退役电池的电池容量、电压、内阻参数、使用环境、使用时间和电池类型等电池参数，并将上述电池参数输入目标电池评估模型中，以获取目标退役电池的目标健康状态，用于确定目标退役电池的目标健康状态的电池参数可以从多个维度反应目标退役电池的健康状态，使得影响退役电池健康状态评估的因素得到了充分的考量，从而使得确定的目标退役电池的健康状态更加准确，进而提高了退役电池健康状态评估的准确性。
1.一种基于机器学习的健康状态确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标电池评估模型通过以下方式训练得到：
3.根据权利要求1所述的方法，其特征在于，所述将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态，包括：
4.根据权利要求1所述的方法，其特征在于，所述获取目标退役电池的电池参数，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述目标退役电池的电池参数输入至目标电池评估模型中，得到所述目标退役电池的目标健康状态，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种基于机器学习的健康状态确定装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
