健康检测方法、数据处理方法、相关装置、设备及介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种健康检测方法、数据处理方法、相关装置、设备及介质。


背景技术：

2.为了实现对电池或其他目标对象测试结果的准确性，很多时候需要通过多个测试条件对电池或其他目标对象进行测试，例如将不同测试条件放入不同的测试流程中，多次测试之后可以得到不同流程下的测试数据。因为每一流程中测试条件存在区别，导致不同测试条件下获取到的电池或其他目标对象的测试数据存在差异。若在不同测试流程下的数据混合或者无法区分的情况下，直接使用获取到的测试数据对电池或其他目标对象进行性能分析，则很可能测试数据偏差较大导致检测结果不准确或者其他数据处理结果不准确。


技术实现要素：

3.本技术至少提供一种健康检测方法、数据处理方法、相关装置、设备及介质。
4.本技术提供了一种健康检测方法，包括：获取对电池进行测试产生的原始测试数据组，原始测试数据组中包括多个时刻下的原始测试数据；基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型；利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组；基于目标测试数据组对电池进行健康检测，得到健康检测结果。
5.在上述方案中，通过确定获取到的原始测试数据组所属的数据类型，并根据所属数据类型对应的数据处理方式对获取到的测试数据进行处理得到的目标测试数据，相对于原始测试数据组而言，目标测试数据的质量更高，后续利用目标测试数据对电池的健康检测得到的健康检测结果相对于利用原始测试数据组得到的健康检测结果而言更为准确。
6.在一些实施例中，原始测试数据组中包括分别在至少两个测试流程下获取到的原始测试数据，利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组，包括：利用目标数据处理方式，对原始测试数据组中属于不同测试流程的原始测试数据进行区分，确定各测试流程对应的原始测试数据；选择其中一个测试流程对应的原始测试数据进行组合，得到目标测试数据组。
7.在上述方案中，利用目标数据处理方式对原始测试数据组中属于不同流程的测试数据进行筛选，然后将其中一个测试流程下的原始测试数据作为目标测试数据组，相比于原始测试数据组而言，目标测试数据组中的测试数据只属于一个测试流程，故利用该目标测试数据组得到的健康检测结果更为准确。
8.在一些实施例中，健康检测方法还包括：对于每种候选数据类型，确定候选数据类型中由不同测试流程对应的原始测试数据的变化规律差异，候选数据类型包括目标数据类型；基于变化规律差异，确定候选数据类型的数据处理方式，数据处理方式用于区别候选数据类型中不同测试流程对应的原始测试数据。
9.在上述方案中，通过根据不同测试流程下的测试数据在时间上的变化规律差异，制定对应的数据处理方法，方便后续利用对应的数据处理方式对两个测试流程下的原始测试数据进行筛选，从而得到目标测试数据组。
10.在一些实施例中，基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型，包括：将目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到原始测试数据组属于各候选数据类型的置信度；响应于原始测试数据组与各候选数据类型之间的置信度满足预设条件，将最大的置信度对应的数据类型作为原始测试数据组所属的目标数据类型，最大的置信度为原始测试数据组与各候选数据类型之间的最大置信度。
11.在上述方案中，通过根据原始测试数据组的变化规律与各候选数据类型的预设变化规律进行匹配，能够得到原始测试数据组属于各候选数据类型的置信度，从而根据各置信度确定原始测试数据组所属的数据类型。
12.在一些实施例中，将目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到原始测试数据组属于各候选数据类型的置信度，包括：按照预设采样参数对原始测试数据组中的原始测试数据进行采样，得到多组待测数据组，预设采样参数包括采样长度和/或采样次数；分别将每个待测数据组的变化规律与各候选数据类型的预设变化规律进行匹配，得到每个待测数据组分别属于各候选数据类型的置信度；对于每一候选数据类型，将各待测数据组与候选数据类型的置信度进行统计，得到原始测试数据组与候选数据类型的置信度。
13.在上述方案中，通过对原始测试数据组进行采样，得到多个待测数据组，然后根据待测数据组属于每个数据类型的置信度确定原始测试数据组属于各数据类型的目标置信度，相对于直接确定原始测试数据组与各数据类型的置信度而言，根据各待测数据组确定得到的原始测试数据组属于各数据类型的置信度更为准确。
14.在一些实施例中，健康检测方法还包括：响应于原始测试数据与各候选数据类型的置信度不满足预设条件，调整预设采样参数和/或预设条件；利用调整后的预设采样参数和/或预设条件，确定原始测试数据组所属的目标数据类型。
15.在上述方案中，通过在各目标置信度满足调整条件的情况下，调整预设采样参数以及预设条件中的一者或多者，然后再利用调整后的预设采样参数和/或预设条件，重新确定原始测试数据组所属的数据类型，使得确定得到的原始测试数据组所属的数据类型更为准确。
16.在一些实施例中，健康检测方法还包括：响应于预设采样参数和/或预设条件的调整总次数达到调整次数阈值，新增候选数据类型并制定新增的候选数据类型对应的数据处理方式；将新增的候选数据类型作为原始测试数据组所属的目标数据类型。
17.在上述方案中，若调整了多次还没确定原始测试数据组所属的数据类型，则很可能是各数据类型中确实不存在原始测试数据组对应的数据类型，故通过新增数据类型的方式以及指定新增的数据类型对应的数据处理方式能够实现对数据类型的补充，提高对原始测试数据组的数据处理的准确度。
18.在一些实施例中，预设条件包括原始测试数据只与其中一个候选数据类型的置信度大于或等于预设置信度。
19.在上述方案中，若原始测试数据组两个或两个以上的数据类型之间的置信度大于或等于预设置信度，则很可能将错误的数据类型作为原始测试数据组所属的数据类型，或者原始测试数据组与各数据类型的置信度都小于预设置信度可能是采样得到的数据可能存在噪音等问题，导致置信度不准确，通过调整采样次数、采样长度以及预设条件中的一者或多者能够提高获取得到的置信度的准确度。
20.在一些实施例中，原始测试数据为放电数据，健康检测结果包括电池的电量存在跳水问题或电池的电量不存在跳水问题，基于目标测试数据组对电池进行健康检测，得到健康检测结果，包括：获取目标测试数据组中至少两个原始测试数据之间的斜率；响应于斜率大于或等于预设斜率，确定电池的容量存在跳水问题；或，响应于斜率小于预设斜率，确定电池的容量不存在跳水问题。
21.在上述方案中，通过对电池的放电数据进行分析，若电池单体的放电数据波动较大则斜率可能就较大，若斜率大于预设斜率则电池的电量很大可能出现跳水问题，否则电池的电量不存在跳水问题。
22.在一些实施例中，健康检测方法还包括：基于目标测试数据组中原始测试数据在时间上的变化规律，预测电池在未来预设时间段内多个时间点的目标放电数据；基于目标放电数据，确定电池在未来预设时间段内存在跳水问题的概率。
23.在上述方案中，通过对电池未来的放电数据进行预测，能够预估电池在未来的一段时间内存在跳水问题的概率。
24.本技术提供了一种数据处理方法，包括：获取对目标对象进行测试产生的原始测试数据组，原始测试数据组中包括多个时刻下的原始测试数据；基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型；利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组。
25.本技术提供了一种健康检测装置，包括第一数据获取模块、第一类型确定模块、第一数据处理模块以及健康检测模块；第一数据获取模块，用于获取对电池进行测试产生的原始测试数据组，原始测试数据组中包括多个时刻下的原始测试数据；第一类型确定模块，用于基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型；第一数据处理模块，用于利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组；健康检测模块，用于基于目标测试数据组对电池进行健康检测，得到健康检测结果。
26.本技术提供了一种数据处理装置，包括第二数据获取模块、第二类型确定模块以及第二数据处理模块；第二数据获取模块，用于获取对目标对象进行测试产生的原始测试数据组，原始测试数据组中包括多个时刻下的原始测试数据；第二类型确定模块，用于基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型；第二数据处理模块，用于利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组。
27.本技术提供了一种设备，包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述数据处理方法或上述任意的健康检测方法。
28.本技术提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理
器执行时实现上述数据处理方法或上述任意的健康检测方法。
29.在上述方案中，通过确定获取到的原始测试数据组所属的数据类型，并根据所属数据类型对应的数据处理方式对获取到的测试数据进行处理得到的目标测试数据相对于原始测试数据组而言，目标测试数据的质量更高，后续利用目标测试数据对电池的健康检测得到的健康检测结果相对于利用原始测试数据组得到的健康检测结果而言更为准确。
30.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本技术。
附图说明
31.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本技术的实施例，并与说明书一起用于说明本技术的技术方案。
32.图1是本技术一些实施例提供的健康检测方法的流程示意图；图2是本技术一些实施例提供的健康检测方法的另一流程示意图；图3是1eh类型下原始测试数据组与目标测试数据组的示意图；图4是1tp类型下原始测试数据组与目标测试数据组的示意图；图5是1tg类型下原始测试数据组与目标测试数据组的示意图；图6是01x类型下原始测试数据组与目标测试数据组的示意图；图7是1sp类型下原始测试数据组与目标测试数据组的示意图；图8是1rr类型下原始测试数据组与目标测试数据组的示意图；图9是1tr类型下原始测试数据组与目标测试数据组的示意图；图10是1mj类型下原始测试数据组与目标测试数据组的示意图；图11是原始测试数据组与拟合数据的示意图；图12是目标测试数据组与拟合数据的示意图；图13是本技术一些实施例提供的数据处理方法的流程示意图；图14是本技术一些实施例提供的健康检测装置的结构示意图；图15是本技术一些实施例提供的数据处理装置的结构示意图；图16是本技术一些实施例提供的设备的结构示意图；图17是本技术一些实施例计算机可读存储介质的结构示意图。
具体实施方式
33.下面结合说明书附图，对本技术实施例的方案进行详细说明。
34.以下描述中，为了说明而不是为了限定，提出了诸如特定子系统结构、接口、技术之类的具体细节，以便透彻理解本技术。
35.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
36.考虑到为了实现对目标对象测试结果的准确性，很多时候需要通过多个测试条件对电池进行测试，例如将不同测试条件放入不同的测试流程中，多次测试之后可以得到不同流程下的测试数据。因为每一流程中测试条件存在区别，导致不同测试条件下获取到的电池的测试数据存在差异。若在不同测试流程下的数据混合或者无法区分的情况下，直接使用获取到的测试数据对目标对象进行性能分析，则很可能导致健康检测结果不准确。
37.本实施例中，电池可以是电池单体、电池模块或电池模组。其中，电池单体可以认为是组成电池的最小单元。每个电池单体可以为二次电池或一次电池；还可以是锂硫电池、钠离子电池或镁离子电池，但不局限于此。电池模块可以认为是多个电池单体之间可串联或并联或混联得到的整体并容纳于箱体内。混联是指多个电池单体中既有串联又有并联。例如，多个电池单体之间可直接串联或并联或混联在一起，再将多个电池单体构成的整体容纳于箱体内。电池模组也可以是多个电池单体先串联或并联或混联组成电池模块形式，多个电池模块再串联或并联或混联形成一个整体，并容纳于箱体内。
38.不同测试流程之间的测试条件可以不同，示例性地，测试流程a中测试条件为电池快充快放，测试流程b中测试条件为电池慢充慢放，测试流程c中测试条件为电池所处环境温度为第一环境温度，测试流程d中测试条件为电池所处环境温度为第二环境温度，第一环境温度和第二环境温度不同，测试流程e中测试条件为电池的满充电量为第一满充电量，测试流程f中测试条件为电池的满充电量为第二满充电量，第一满充电量和第二满充电量不同
……
故，本技术提出了一种能够对获取到的原始测试数据组进行数据处理，得到目标测试数据组之后，利用目标测试数据组进行健康检测的方法，相比于直接利用原始测试数据组而言，本方案得到的健康检测结果更为准确。
39.请参阅图1，本技术提供的数据处理方法可以包括以下步骤s11至步骤s13的内容。步骤s11：获取到对电池进行测试产生的原始测试数据组。其中，原始测试数据组中包括多个时刻下的原始测试数据。步骤s12：基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型。步骤s13：利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组。步骤s14：基于目标测试数据组对电池进行健康检测，得到健康检测结果。
40.对电池进行测试产生的原始测试数据组可以是电池单体的充电数据和/或放电数据。示例性地，可以是对电池在充放电中是否存在跳水问题进行测试，则测试产生的原始测试数据可以是放电数据，例如放电过程中电池在多个时刻的容量数据。示例性地，可以是对电池进行充电速率进行测试产生的原始测试数据，例如可以是充电过程中不同时刻已充电量数据。当然，电池在出厂之前可能会进行很多种不同性能的测试，本技术中的原始测试数据并不仅限于上述列举的数据，只要是对电池进程测试产生的原始测试数据均可。其中，原始测试数据组可以是一段时间内的时序数据，时序可以是以测试开始为起点，测试结束为终点，也就是即便两个流程的数据并非是一个自然时间段内获取得到，若将两组原始测试数据混合在一起，将两个流程的测试起点进程重合。也可以组成同一段时序内的数据。变化规律包括但不限于数据在时间上的变化速率或者数据所处的范围等规律。不同的测试流程可能导致获取到的电池产生的测试数据在时间上的变化规律可能不同，而分别由不同测试流程下的原始测试数据构成的不同原始测试数据组之间也会在时间上呈现不同的变化规
律，例如某一测试流程下电池产生的测试数据普遍数值较低，或另一测试流程下电池产生的测试数据普遍呈现某种特定的波动或再某个数值区间内，该规律仅为举例，故由这两个流程下的原始测试数据构成的原始测试数据组在时间上的变化规律就是这两个规律融合得到。目标数据类型可以是原始测试数据组的数据类型，或者原始测试数据组中某个流程对应的数据类型。示例性地，原始测试数据组中包括流程a和流程b下获取到的原始测试数据，数据类型可以是这两个流程共同构成中的原始测试数据所属的类型，另一原始测试数据组中包括流程b和流程c下获取到的原始测试数据，数据类型也可以是这两流程共同构成的原始测试数据组所属的数据类型。预先可以确定数据类型对应的数据处理方式，方便在确定原始测试数据组所属的目标数据类型之后，根据目标数据类型对应的数据处理方式对原始测试数据组中的原始测试数据进行筛选，以区分不同流程下的原始测试数据，从而得到目标测试数据组。利用目标测试数据组对电池进行健康检测，得到健康检测结果的方式可以是判断目标测试数据组中是否存在异常的原始测试数据或者原始测试数据在时间上的变化规律是否存在异常，从而实现对电池进行健康检测。
41.在上述方案中，通过确定获取到的原始测试数据组所属的数据类型，并根据所属数据类型对应的数据处理方式对获取到的测试数据进行处理得到的目标测试数据组相对于原始测试数据组而言，目标测试数据组的质量更高，后续利用目标测试数据组对电池的健康检测得到的健康检测结果相对于利用原始测试数据组得到的健康检测结果而言更为准确。
42.在一些实施例中，原始测试数据组中包括分别在至少两个测试流程下获取到的原始测试数据。上述步骤s13可以包括以下步骤：利用目标数据处理方式，对原始测试数据组中属于不同测试流程的原始测试数据进行区分，确定各测试流程对应的原始测试数据。选择其中一个测试流程对应的原始测试数据进行组合，得到目标测试数据组。
43.换言之，目标数据类型对应的目标数据处理方式能够对该目标数据类型下属于不同流程的原始测试数据进行区分，得到不同流程对应的原始测试数据。然后可以选择其中一个流程对应的原始测试数据作为目标测试数据组。将其中一个流程对应的原始测试数据进行组合的方式可以是将该流程下的原始测试数据按照各自产生的时间顺序进行组合，得到该目标测试数据组。选择的方式可以是随机选择，或者选择该目标数据类型下特定的流程，还可以是将两个流程的原始测试数据先后作为目标测试数据组，先后根据两个流程下的原始测试数据对电池进行健康检测，然后结合两个健康检测结果，作为电池最终的健康检测结果。
44.在上述方案中，利用目标数据处理方式对原始测试数据组中属于不同流程的测试数据进行筛选，然后将其中一个测试流程下的原始测试数据作为目标测试数据组，相比于原始测试数据组而言，目标测试数据组中的测试数据只属于一个测试流程，故利用该目标测试数据组得到的健康检测结果更为准确。
45.在一些实施例中，健康检测方法还包括：对于每种候选数据类型，确定候选数据类型中由不同测试流程对应的原始测试数据的变化规律差异。其中，候选数据类型包括目标数据类型。基于变化规律差异，确定候选数据类型的数据处理方式。其中，数据处理方式用于区别候选数据类型中不同测试流程对应的原始测试数据。
46.如上述，数据类型可以是由两个或多个流程下的原始测试数据构成的原始测数据
组对应的数据类型。因为不同流程下的原始测试数据在时间上的变化规律存在差异，例如数据在时间上变动的速率不同、或者所处的数据变动范围不同等。通过确定候选数据类型下不同流程的原始测试数据之间的变化规律差异，能够确定区别各流程对应的原始测试数据的数据处理方式。示例性地，数据处理方式可以是回归、随机森林、分类、特征筛选等方法，此处不做具体限定。
47.在上述方案中，通过根据不同测试流程下的测试数据在时间上的变化规律差异，制定对应的数据处理方法，方便后续利用对应的数据处理方式对两个测试流程下的原始测试数据进行筛选，从而得到目标测试数据组。
48.在一些实施例中，上述步骤s12可以包括以下步骤：将目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到原始测试数据组属于各候选数据类型的置信度。响应于原始测试数据组与各候选数据类型之间的置信度满足预设条件，将最大的置信度对应的数据类型作为原始测试数据组所属的目标数据类型。其中，最大的置信度为原始测试数据组与各候选数据类型之间的最大置信度。
49.可选地，不同候选数据类型下包含的流程和流程数量可以不同。各候选数据类型的预设变化规律不同。匹配的方式包括但不限于聚类算法、神经网络算法、分类算法，回归算法、拟合算法以及特征筛选等方法中的一者或多者。预设条件可以根据实际需求自行设定，例如置信度大于或等于一定的置信度阈值等等。原始测试数据组与各候选数据类型分别存在一个置信度，各置信度中最大的一个置信度即为本实施例所述的最大置信度。
50.在上述方案中，通过根据原始测试数据组的变化规律与各候选数据类型的预设变化规律进行匹配，能够得到原始测试数据组属于各候选数据类型的置信度，从而根据各置信度确定原始测试数据组所属的数据类型。
51.在一些实施例中，上述将目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到原始测试数据组属于各候选数据类型的置信度的方式可以是：按照预设采样参数对原始测试数据组中的原始测试数据进行采样，得到多组待测数据组。其中，预设采样参数包括采样长度和/或采样次数。然后，分别将每个待测数据组的变化规律与各候选数据类型的预设变化规律进行匹配，得到每个待测数据组分别属于各候选数据类型的置信度。对于每一候选数据类型，将各待测数据组与候选数据类型的置信度进行统计，得到原始测试数据组与候选数据类型的置信度。
52.采样长度指的是每次采样得到的待测数据组中包含的原始测试数据个数。采样次数指的是采样得到的待测数据组的个数。采样次数和采样长度可以根据需要进行调整，当然，采样长度小于或等于原始测试数据组的长度，例如采样长度可以是原始测试数据组长度的70%至90%之间。对于每一个待测数据组，获取该待测数据组属于每一个数据类型的置信度。其中，采样长度可以为多个，也就是采样得到的待测数据组中包含的原始测试数据个数可以不同。分别将每个待测数据组的变化规律与各候选数据类型的预设变化规律之间的匹配方式可参考上述，此处不再赘述。可选地，不同数据类型对应的计算置信度的方式可以是不同。例如有的数据类型计算各待测数据组类型与其之间的置信度的方式可以是分类算法，其他数据类型对应的置信度计算方式还可以是回归算法、拟合算法以及特征筛选等方法中的一者或多者。预设统计值可以是平均值、众数、中位数等等，本实施例以统计平均值为例。
53.在上述方案中，通过对原始测试数据组进行采样，得到多个待测数据组，然后根据待测数据组属于每个数据类型的置信度确定原始测试数据组属于各数据类型的目标置信度，相对于直接确定原始测试数据组与各数据类型的置信度而言，根据各待测数据组确定得到的原始测试数据组属于各数据类型的置信度更为准确。
54.在一些实施例中，健康检测方法还包括：响应于原始测试数据与各候选数据类型的置信度不满足预设条件，调整预设采样参数和/或预设条件。然后，利用调整后的预设采样参数和/或预设条件，确定原始测试数据组所属的目标数据类型。
55.调整预设采样参数可以是采样次数、采样长度中的一者或两者。响应于原始测试数据与各候选数据类型的置信度不满足预设条件，调整预设采样参数和/或预设条件可以是调整采样次数、采样长度、预设条件中的一者，或者调整采样次数、采样长度、预设条件中的两者或多者。调整采样次数可以是在可允许的采样次数范围内增加或减少采样次数。采样次数范围可以预先设定。采样长度可以是允许的长度范围内增加或减少采样长度。另一些实施例中，采样次数中可以设置多个采样长度，例如采样次数为3次，第一次采样的采样长度为a1，第一次采样的采样长度为a2，第三次采样的采样长度为a3，a1、a2以及a3可以相等也可以不等。调整预设条件可以是放宽条件也可以是更严格条件。利用调整后的采样次数、采样长度和/或预设条件，确定原始测试数据组所属的数据类型具体可以是对原始测试数据组按照最新的采样次数以及采样长度进行采样，以及最新的预设条件确定所属的数据类型。
56.在上述方案中，通过在各目标置信度满足调整条件的情况下，调整预设采样参数以及预设条件中的一者或多者，然后再利用调整后的预设采样参数和/或预设条件，重新确定原始测试数据组所属的数据类型，使得确定得到的原始测试数据组所属的数据类型更为准确。
57.在一些实施例中，健康检测方法还包括：响应于预设采样参数和/或预设条件的调整总次数达到调整次数阈值，新增候选数据类型并制定新增的候选数据类型对应的数据处理方式。将新增的候选数据类型作为原始测试数据组所属的目标数据类型。
58.如上述，在原始测试数据组与各数据类型的目标置信度不满足预设条件的情况下，需要调整采样次数、采样长度和/或预设条件，若对于该原始测试数据组，若在调整采样次数时同时调整了采样长度，则调整次数加1并非加2。示例性地，假设调整次数阈值为3，若在判断原始测试数据组与各数据类型的目标置信度不满足预设条件，则对采样次数、采样长度和/或预设条件进行第一次调整，然后利用第一次调整后的所述采样次数、所述采样长度和/或所述预设条件，重新对原始测试数据组进行采样并判断此次原始测试数据组与各数据类型之间的目标置信度是否满足预设条件，若判断结果为不满足，则对采样次数、采样长度和/或预设条件进行第二次调整，利用第二次调整后的所述采样次数、所述采样长度和/或所述预设条件，重新对原始测试数据组进行采样并判断此次原始测试数据组与各数据类型之间的目标置信度是否满足预设条件，若判断结果为不满足，则对采样次数、采样长度和/或预设条件进行第三次调整，利用第三次调整后的所述采样次数、所述采样长度和/或所述预设条件，重新对原始测试数据组进行采样并判断此次原始测试数据组与各数据类型之间的目标置信度是否满足预设条件，若还不满足预设条件，并且调整总次数3次达到了调整次数阈值，则新增数据类型并制定新增的数据类型对应的数据处理方式。也就是在调
整总次数达到调整次数阈值，并且依据最新的采样次数、采样长度以及预设条件仍无法确定原始测试数据组所属的数据类型，则新增数据类型作为原始测试数据组所属的数据类型。新增的数据类型对应的数据处理方式可以根据新增数据类型中包含的不同流程的原始测试数据之间的变化规律差异确定。
59.在上述方案中，若调整了多次还没确定原始测试数据组所属的数据类型，则很可能是各数据类型中确实不存在原始测试数据组对应的数据类型，故通过新增数据类型的方式以及指定新增的数据类型对应的数据处理方式能够实现对数据类型的补充，提高对原始测试数据组的数据处理的准确度。
60.在一些实施例中，预设条件包括原始测试数据只与其中一个候选数据类型的置信度大于或等于预设置信度。
61.若存在原始测试数据组与两个或两个以上的数据类型之间的目标置信度大于或等于预设置信度，或者原始测试数据组与各数据类型之间的目标置信度均小于预设置信度，则确定原始测试数据组与各数据类型之间的置信度不满足预设条件。预设置信度的大小可以根据需要调整。
62.在上述方案中，若原始测试数据组两个或两个以上的数据类型之间的置信度大于或等于预设置信度，则很可能将错误的数据类型作为原始测试数据组所属的数据类型，或者原始测试数据组与各数据类型的置信度都小于预设置信度可能是采样得到的数据可能存在噪音等问题，导致置信度不准确，通过调整采样次数、采样长度以及预设条件中的一者或多者能够提高获取得到的置信度的准确度。
63.在一些实施例中，原始测试数据为放电数据，健康检测结果包括电池的电量存在跳水问题或电池的电量不存在跳水问题。上述步骤s14可以包括以下步骤：获取目标测试数据组中至少两个原始测试数据之间的斜率。响应于斜率大于或等于预设斜率，确定电池的容量存在跳水问题。或，响应于斜率小于预设斜率，确定电池的容量不存在跳水问题。
64.活性锂损失是电池单体循环容量衰减的最常见和最主要的来源。充电析锂，锂单质不能完全放电，导致放电容量低于充电容量，因此由于电池单体在充放电过程中存在损耗，放电更能体现电池单体的真实容量。具体可以是两个在时间上相邻原始测试数据之间的斜率。一些应用场景中，可以获取多组相邻原始测试数据之间的斜率，若其中一组斜率大于或等于预设斜率，则确定电池的容量存在跳水问题。一些应用场景中，至少两个测试数据之间的斜率包括但不限于拟合数据中各相邻数据之间的斜率、最大值与最小值之间的斜率或处于时序中间的值与时序末尾值之间的斜率。若斜率变化较大，则意味着电池容量在时间上变动异常，存在跳水问题。若斜率较小，则意味着电池容量在时间上变动正常，不存在跳水问题。
65.在上述方案中，通过对电池的放电数据进行分析，若电池单体的放电数据波动较大则斜率可能就较大，若斜率大于预设斜率则电池的电量很大可能出现跳水问题，否则电池的电量不存在跳水问题。
66.在一些实施例中，健康检测方法还包括：基于目标测试数据组中原始测试数据在时间上的变化规律，预测电池在未来预设时间段内多个时间点的目标放电数据。基于目标放电数据，确定电池在未来预设时间段内存在跳水问题的概率。
67.一般认为电池在原始测试数据在时间上的变化规律存在持续性，故可以通过当前
时间段内的变化规律，预测电池在未来预设时间段内的变化规律，从而确定未来预设时间段内多个时间点的放电数据。具体地，可以对目标测试数据组进行拟合，得到拟合数据，具体可以拟合出未来预设时间段内多个时间点的放电数据。获取拟合数据中至少两个数据之间的斜率。然后，响应于斜率大于或等于预设斜率，确定在未来预设时间段内出现跳水问题的概率大于第一预设概率。或响应于斜率小于预设斜率，确定电池在未来预设时间段内出现跳水问题的概率小于第二预设概率。第一预设概率可以相同也可以不同。
68.在上述方案中，通过对电池未来的放电数据进行预测，能够预估电池在未来的一段时间内存在跳水问题的概率。
69.在一些实施例中，基于多种已知类型的测试数据进行特征提取得到各已知类型的数据特征。将需要识别和处理的原始测试数据组根据其各自已知类型的数据特性进行特征匹配，例如根据不同特征对应的数据类型判断出测试数据的类型概率，根据不同类型数据的阈值k确定原始特征数据所属的数据类型，再有针对性地进行数据处理，大大提高了数据质量，提高电池单体跳水预警准确率。
70.如上述，可以对原始测试数据组进行采样，采样的次数可以是随机选择的总次数或预先确定的总次数，随机数取的总次数σc以及预先确定的总次数 d对应于不同测试数据会有不同处理方法，随机次数可以默认取值3，此时计算量较小且只取到异常数据区的概率也不大，当然，随机次数取值也会根据实际情况作相应调整。
71.上述方案可以使混乱、糅杂的数据进一步清晰，可以应用于数据预处理、电池单体在线预警（判断电池单体的风险）或其他具有特征规律的数据识别，通过将不同测试流程导致周期波动的数据按类型识别，并能根据不同类型数据特征实现不同的数据处理，能用于其他行业基于数据特征提取提供具体的数据识别及数据处理方法的需求场景。
72.请参阅图2，如图2所示本实施例提供的数据处理方法还可包括以下步骤：步骤s21：获取原始测试数据组。
73.原始测试数据组可以是未知类型的电池单体的放电数据。
74.步骤s22：设置采样长度、采样次数以及预设置信度。
75.具体设置方式可以是在预设的采样长度区间内随机选择一个采样长度作为此次对原始测试数据组的采样长度，采样次数以及预设置信度同理，此处不做赘述。
76.步骤s23：对原始测试数据组进行采样，得到若干待测数据组。
77.采样的起始位置可以是原始测试数据组的长度与采样长度之差对应的范围内，也就是采样的起始位置需要保障采样得到的待测数据组的采样长度达到设置的采样长度。
78.步骤s24：分别获取每个待测数据组属于各候选数据类型的置信度。
79.获取每个待测数据组属于各候选数据类型的置信度的方式如上述，此处不再赘述。置信度可以是概率。对于n种候选数据类型，根据每种候选数据类型的特征写出对应的匹配算法，当待测数据组输入时，分别经过每个特征算法计算出待测数据组对应每种候选数据类型的概率，每匹配一次，计算出本次匹配的概率值，作为置信度。计算每种候选数据类型概率的算法可以用分类、回归、拟合、特征筛选等方法。
80.步骤s25：基于每个待测数据组属于各候选数据类型的置信度，确定原始测试数据组属于各候选数据类型的目标置信度。
81.对于每一候选数据类型，将各待测数据组与候选数据类型的置信度的预设统计值
作为原始测试数据组与候选数据类型的目标置信度。预设统计值可以是平均值。
82.步骤s26：判断原始测试数据组与各候选数据类型之间的置信度是否满足预设条件。
83.判断原始测试数据组与各候选数据类型之间的置信度是否满足预设条件的方式如上述，此处不再赘述。判断结果为原始测试数据组与各候选数据类型之间的置信度满足预设条件，则执行步骤s27，否则执行步骤s34。若不满足预设条件，则可以调整匹配长度、匹配次数和预设置信度，直到满足预设条件，若调整多次之后仍然不存在，则需补充新的候选数据类型。
84.步骤s27：将最大的目标置信度对应的候选数据类型作为原始测试数据组所属的目标数据类型。
85.步骤s28：利用目标数据类型对应的数据处理方式对原始测试数据组进行处理得到目标测试数据组。
86.将原始测试数据组进行对应数据处理，得到质量较好的数据。不同数据类型对应的数据处理的算法可以用回归、随机森林、分类、特征筛选等方法。请参阅图3至图10，图3至图10示出了8种数据类型对应的数据处理方法。如图3所示，原始测试数据组（原始数据1eh）属于1eh类型，本实施例中将数据的特征是三大一小的原始测试数据的数据类型定义为1eh类型，该1eh数据类型对应的数据处理方式是去小。也就是1eh数据类型中获取到的时序数据在时序上是连续三个较大数据，然后第四个数据是较小数据。其中，较大数据大于较小数据，且较大数据之间差值以及较小数据之间的差值均小于较大数据与较小数据之间的差值，具体可以认为这种1eh类型的数据是每四个数据为一个周期，每个周期内的数据基本都呈现这一规律，数据处理的方式是每个周期内去除第四个数据，得到目标测试数据组（预期达成1eh）。如图4所示，原始测试数据组属于1tp类型，本实施例中将数据的特征是一大四小的原始测试数据的数据类型定义为1tp类型，1tp类型对应的数据处理方式是去大，与图3同理，可以认为1tp类型的数据是每五个数据为一个周期，每个周期内的数据基本都是第一个数据为较大数据，而后四个数据为较小数据，很明显图4中第一个数据处于101.5%与102.00%之间，而后四个数据处于100.50%以下，此种类型的数据处理方式为去除每个周期内的较大数据得到目标测试数据组（预期达成1tp），其中，下方图5至图10中各数据类型的数据特征一大九小、三大十四小或三大十二小、三小一大、一小三大、一大九小以及三大十四小或三大十二小的相关描述可参考图3中对应的三大一小和图4中的一大四小。如图5所示，原始测试数据组为1tg类型，本实施例中将数据特征为一大九小的原始测试数据的数据类型定义为1tg类型，1tg类型对应的数据处理方式为去大，得到目标测试数据组（预期达成1tg），同上可以认为1tg类型的数据为十个数据为一个周期，每一周期内的数据呈现一大九小的特征。如图6所示，原始测试数据组为01x类型，本实施例中将数据特征为三大十四小或三大十二小的原始测试数据的数据类型定义为01x类型，01x类型对应的数据处理方式为去小，得到目标测试数据组（预期达成01x），也就是可以认为是01x类型的每十五个或十七个数据为一个周期，每个周期呈现的数据特征是三大十四小或三大十二小，也就是每个周期中三个较较大数据后会连续存在十四个或十二个较小数据，较大数据和较小数据之间的差值较大，较大数据之间的差值或较小数据之间的差值小于较大数据和较小数据之间的差值。如图7所示，原始测试数据组所属的类型为1sp类型，本实施例中将数据特征为三小一大
的原始测试数据的数据类型定义为1sp类型，可以认为1sp类型下的原始测试数据以每四个原始测试数据为一个周期，其中，较大数据大于较小数据，且较大数据之间差值以及较小数据之间的差值均小于较大数据与较小数据之间的差值。1sp类型的数据处理方式为去小，得到目标测试数据组（预期达成），也就是去除每个周期中的较小数据。如图8所示，原始测试数据组为1rr类型，本实施例中将数据特征为一小三大的原始测试数据的数据类型定义为1rr类型，也就是一个较小数据之后会连续存在三个较大数据，其中，较大数据大于较小数据，且较大数据之间差值以及较小数据之间的差值均小于较大数据与较小数据之间的差值，1rr类型对应的数据处理方式为去小，也就是去除每个周期中的较小数据。如图9所示，原始测试数据组类型为1tr类型，本实施例中将数据特征为一大九小的原始测试数据的数据类型定义为1tr类型，也就是每十个原始测试数据为一个周期，每个周期中一个较大数据后会存在连续的九个较小数据，其中，较大数据大于较小数据，且较大数据之间差值以及较小数据之间的差值均小于较大数据与较小数据之间的差值。1tr类型对应的数据处理方式为去小，也就是去除每个周期中的较小数据。如图10所示，原始测试数据组类型为1mj类型，本实施例中将数据特征为三大十四小或三大十二小的原始测试数据的数据类型定义为1mj类型，也就是1mj类型以每十七或十五个原始测试数据为一个周期，一个周期内的数据特征为连续三个较大数据之后会存在连续十四个或连续十二个较小数据，1mj类型对应的数据处理方式为去小，也就是去除每个周期中的较小数据。
87.步骤s29：对目标测试数据组进行拟合，得到拟合数据。
88.数据拟合方法可以用不同拟合函数进行求解，此处不做具体限定。直接根据原始测试数据组拟合得到的拟合数据如图11所示，根据目标测试数据组得到的拟合数据如图12所示。很明显图11中原始测试数据组存在噪音，经过数据处理得到的目标测试数据组噪音明显降低。
89.步骤s30：获取拟合数据中至少两个数据之间的斜率。
90.步骤s31：判断斜率是否大于或等于预设斜率。
91.在判断结果为斜率大于或等于预设斜率的情况下，执行步骤s32，否则执行步骤s33。
92.步骤s32：确定电池的电量出现跳水问题。
93.步骤s33：确定电池的电量未出现跳水问题。
94.如图11和图12所示的拟合数据，分析或预警是基于拟合数据来判断，拟合效果越好，预估越准确，预警越可靠，未经过数据预处理的数据及拟合见图11（准确率仅27.5%），数据处理后的数据及拟合见图12（对于处理后的数据准确率达99.1%）。
95.步骤s34：判断采样次数、采样长度和/或预设条件的调整总次数是否达到调整次数阈值。
96.在判断结果为采样次数、采样长度和/或预设条件的调整总次数达到调整次数阈值，执行步骤s35，否则执行步骤s22。
97.步骤s35：新增数据类型并制定新增的数据类型对应的数据处理方式。
98.在一些实施例中，执行步骤s35之前还可通过人工等方式判断该原始测试数据组是否属于已知数据类型，如果人工判断结果为不属于已知数据类型，则可以执行步骤s35，若人工判断结果为该测试数据属于某种数据类型，则可以执行步骤s22。新增数据类型并制
定新增的数据类型对应的数据处理方式之后，可以重新确定各待测数据组与各数据类型之间的置信度，也可以直接将新增的数据类型作为原始测试数据组所属的数据类型。
99.本实施例提供的数据处理方法可以应用于预警电池单体跳水数据预处理，提高数据质量，以便更精准地评估电池单体的风险，及时停测并开展失效分析。也可以用于具有固定特征数据类型识别，实际业务中，由于循环测试流程的交替操作，导致数据出现一定的循环交替，但是数据分析时，往往需要进行分开分析，而实际数据往往会因为交替流程夹杂在一起，未分离的数据不便进行单流程的分析，这时候针对这种不同流程导致混杂的数据处理就显得尤为重要，除了这些情况以外，其他具有明显周期特征的数据也同样适用。
100.请参阅图13，本实施例提供的数据处理方法可以包括以下步骤：步骤s101：获取对目标对象进行测试产生的原始测试数据组。原始测试数据组中包括多个时刻下的原始测试数据；步骤s102：基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型。步骤s103：利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组。
101.目标对象可以是电池、空调、工件等任意需要进行性能测试的物品。一些应用场景中，目标对象为电池，对电池进行不同测试产生的原始测试数据组为放电或充电数据。一些应用场景中，目标对象为空调，对空调进行测试产生的原始测试数据可以是空调在不同测试条件下实际制冷温度或制热温度在时间上的变化情况。一些应用场景中，目标对象为工件，原始测试数据为工件在受到不同外力的作用下导致变形的情况下，工件在时间上的变形恢复情况。对目标对象进行测试产生的原始测试数据组可以包括不同测试流程下获取到的原始测试数据。变化规律包括但不限于数据在时间上的变化速率或者数据所处的范围等规律。不同的测试流程可能导致获取到的目标对象产生的测试数据在时间上的变化规律可能不同，而分别由不同测试流程下的原始测试数据构成的不同原始测试数据组之间也会在时间上呈现不同的变化规律。不同的测试流程可能导致获取到的电池产生的测试数据在时间上的变化规律可能不同，而分别由不同测试流程下的原始测试数据构成的不同原始测试数据组之间也会在时间上呈现不同的变化规律，例如某一测试流程下电池产生的测试数据普遍数值较低，或另一测试流程下电池产生的测试数据普遍呈现某种特定的波动或再某个数值区间内，该规律仅为举例，故由这两个流程下的原始测试数据构成的原始测试数据组在时间上的变化规律就是这两个规律融合得到。目标数据类型可以是原始测试数据组的数据类型，或者原始测试数据组中某个流程对应的数据类型。示例性地，原始测试数据组中包括流程a和流程b下获取到的原始测试数据，数据类型可以是这两个流程共同构成中的原始测试数据所属的类型，另一原始测试数据组中包括流程b和流程c下获取到的原始测试数据，数据类型也可以是这两流程共同构成的原始测试数据组所属的数据类型。预先可以确定数据类型对应的数据处理方式，方便在确定原始测试数据组所属的目标数据类型之后，根据目标数据类型对应的数据处理方式对原始测试数据组中的原始测试数据进行筛选，以区分不同流程下的原始测试数据，从而得到目标测试数据组。方便后续利用目标测试数据组对目标对象进行健康检测，得到健康检测结果或其他数据处理得到其他数据处理结果等，例如判断目标测试数据组中是否存在异常的原始测试数据或者原始测试数据在时间上的变化规律是否存在异常，从而实现对目标对象进行健康检测。对电池进行健康检测的结果可以是电池是否出现跳水问题。对空调进行健康检测的结果可以是空调是否存在制热或
制冷不佳的问题。对工件进行健康检测的结果可以是工件的弹性能力是否达标等。
102.在上述方案中，通过确定获取到的原始测试数据组所属的数据类型，并根据所属数据类型对应的数据处理方式对获取到的测试数据进行处理得到的目标测试数据相对于原始测试数据组而言，目标测试数据的质量更高，后续利用目标测试数据对目标对象的健康检测得到的健康检测结果相对于利用原始测试数据组得到的健康检测结果而言更为准确。
103.在一些实施例中，原始测试数据组中包括分别在至少两个测试流程下获取到的原始测试数据，利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组，包括：利用目标数据处理方式，对原始测试数据组中属于不同测试流程的原始测试数据进行区分，确定各测试流程对应的原始测试数据；选择其中一个测试流程对应的原始测试数据进行组合，得到目标测试数据组。
104.在上述方案中，利用目标数据处理方式对原始测试数据组中属于不同流程的测试数据进行筛选，然后将其中一个测试流程下的原始测试数据作为目标测试数据组，相比于原始测试数据组而言，目标测试数据组中的测试数据只属于一个测试流程，故利用该目标测试数据组得到的健康检测结果更为准确。
105.在一些实施例中，数据处理方法还包括：对于每种候选数据类型，确定候选数据类型中由不同测试流程对应的原始测试数据的变化规律差异，候选数据类型包括目标数据类型；基于变化规律差异，确定候选数据类型的数据处理方式，数据处理方式用于区别候选数据类型中不同测试流程对应的原始测试数据。
106.在上述方案中，通过根据不同测试流程下的测试数据在时间上的变化规律差异，制定对应的数据处理方法，方便后续利用对应的数据处理方式对两个测试流程下的原始测试数据进行筛选，从而得到目标测试数据组。
107.在一些实施例中，基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型，包括：将目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到原始测试数据组属于各候选数据类型的置信度；响应于原始测试数据组与各候选数据类型之间的置信度满足预设条件，将最大的置信度对应的数据类型作为原始测试数据组所属的目标数据类型，最大的置信度为原始测试数据组与各候选数据类型之间的最大置信度。
108.在上述方案中，通过根据原始测试数据组的变化规律与各候选数据类型的预设变化规律进行匹配，能够得到原始测试数据组属于各候选数据类型的置信度，从而根据各置信度确定原始测试数据组所属的数据类型。
109.在一些实施例中，将目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到原始测试数据组属于各候选数据类型的置信度，包括：按照预设采样参数对原始测试数据组中的原始测试数据进行采样，得到多组待测数据组，预设采样参数包括采样长度和/或采样次数；分别将每个待测数据组的变化规律与各候选数据类型的预设变化规律进行匹配，得到每个待测数据组分别属于各候选数据类型的置信度；对于每一候选数据类型，将各待测数据组与候选数据类型的置信度进行统计，得到原始测试数据组与候选数据类型的置信度。
110.在上述方案中，通过对原始测试数据组进行采样，得到多个待测数据组，然后根据
待测数据组属于每个数据类型的置信度确定原始测试数据组属于各数据类型的目标置信度，相对于直接确定原始测试数据组与各数据类型的置信度而言，根据各待测数据组确定得到的原始测试数据组属于各数据类型的置信度更为准确。
111.在一些实施例中，数据处理方法还包括：响应于原始测试数据与各候选数据类型的置信度不满足预设条件，调整预设采样参数和/或预设条件；利用调整后的预设采样参数和/或预设条件，确定原始测试数据组所属的目标数据类型。
112.在上述方案中，通过在各目标置信度满足调整条件的情况下，调整预设采样参数以及预设条件中的一者或多者，然后再利用调整后的预设采样参数和/或预设条件，重新确定原始测试数据组所属的数据类型，使得确定得到的原始测试数据组所属的数据类型更为准确。
113.在一些实施例中，数据处理方法还包括：响应于预设采样参数和/或预设条件的调整总次数达到调整次数阈值，新增候选数据类型并制定新增的候选数据类型对应的数据处理方式；将新增的候选数据类型作为原始测试数据组所属的目标数据类型。
114.在上述方案中，若调整了多次还没确定原始测试数据组所属的数据类型，则很可能是各数据类型中确实不存在原始测试数据组对应的数据类型，故通过新增数据类型的方式以及指定新增的数据类型对应的数据处理方式能够实现对数据类型的补充，提高对原始测试数据组的数据处理的准确度。
115.在一些实施例中，预设条件包括原始测试数据只与其中一个候选数据类型的置信度大于或等于预设置信度。
116.在上述方案中，若原始测试数据组两个或两个以上的数据类型之间的置信度大于或等于预设置信度，则很可能将错误的数据类型作为原始测试数据组所属的数据类型，或者原始测试数据组与各数据类型的置信度都小于预设置信度可能是采样得到的数据可能存在噪音等问题，导致置信度不准确，通过调整采样次数、采样长度以及预设条件中的一者或多者能够提高获取得到的置信度的准确度。
117.为更好地理解图13提供的数据处理方法，本实施例以目标对象为电池，数据类型包括如图3至图10所示的8种数据类型，数据对应的数据处理方法可以是图3至图10所示的8种数据类型对应的数据处理方法。请继续参阅图3至图10，如图3所示，原始测试数据组（原始数据1eh）属于1eh类型，本实施例中将数据的特征是三大一小的原始测试数据的数据类型定义为1eh类型，该1eh数据类型对应的数据处理方式是去小。也就是1eh数据类型中获取到的时序数据在时序上是连续三个较大数据，然后第四个数据是较小数据。其中，较大数据大于较小数据，且较大数据之间差值以及较小数据之间的差值均小于较大数据与较小数据之间的差值，具体可以认为这种1eh类型的数据是每四个数据为一个周期，每个周期内的数据基本都呈现这一规律，数据处理的方式是每个周期内去除第四个数据，得到目标测试数据组（预期达成1eh）。如图4所示，原始测试数据组属于1tp类型，本实施例中将数据的特征是一大四小的原始测试数据的数据类型定义为1tp类型，1tp类型对应的数据处理方式是去大，与图3同理，可以认为1tp类型的数据是每五个数据为一个周期，每个周期内的数据基本都是第一个数据为较大数据，而后四个数据为较小数据，很明显图4中第一个数据处于101.5%与102.00%之间，而后四个数据处于100.50%以下，此种类型的数据处理方式为去除每个周期内的较大数据得到目标测试数据组（预期达成1tp），其中，下方图5至图10中各数
据类型的数据特征一大九小、三大十四小或三大十二小、三小一大、一小三大、一大九小以及三大十四小或三大十二小的相关描述可参考图3中对应的三大一小和图4中的一大四小。如图5所示，原始测试数据组为1tg类型，本实施例中将数据特征为一大九小的原始测试数据的数据类型定义为1tg类型，1tg类型对应的数据处理方式为去大，得到目标测试数据组（预期达成1tg），同上可以认为1tg类型的数据为十个数据为一个周期，每一周期内的数据呈现一大九小的特征。如图6所示，原始测试数据组为01x类型，本实施例中将数据特征为三大十四小或三大十二小的原始测试数据的数据类型定义为01x类型，01x类型对应的数据处理方式为去小，得到目标测试数据组（预期达成01x），也就是可以认为是01x类型的每十五个或十七个数据为一个周期，每个周期呈现的数据特征是三大十四小或三大十二小，也就是每个周期中三个较较大数据后会连续存在十四个或十二个较小数据，较大数据和较小数据之间的差值较大，较大数据之间的差值或较小数据之间的差值小于较大数据和较小数据之间的差值。如图7所示，原始测试数据组所属的类型为1sp类型，本实施例中将数据特征为三小一大的原始测试数据的数据类型定义为1sp类型，可以认为1sp类型下的原始测试数据以每四个原始测试数据为一个周期，其中，较大数据大于较小数据，且较大数据之间差值以及较小数据之间的差值均小于较大数据与较小数据之间的差值。1sp类型的数据处理方式为去小，得到目标测试数据组（预期达成），也就是去除每个周期中的较小数据。如图8所示，原始测试数据组为1rr类型，本实施例中将数据特征为一小三大的原始测试数据的数据类型定义为1rr类型，也就是一个较小数据之后会连续存在三个较大数据，其中，较大数据大于较小数据，且较大数据之间差值以及较小数据之间的差值均小于较大数据与较小数据之间的差值，1rr类型对应的数据处理方式为去小，也就是去除每个周期中的较小数据。如图9所示，原始测试数据组类型为1tr类型，本实施例中将数据特征为一大九小的原始测试数据的数据类型定义为1tr类型，也就是每十个原始测试数据为一个周期，每个周期中一个较大数据后会存在连续的九个较小数据，其中，较大数据大于较小数据，且较大数据之间差值以及较小数据之间的差值均小于较大数据与较小数据之间的差值。1tr类型对应的数据处理方式为去小，也就是去除每个周期中的较小数据。如图10所示，原始测试数据组类型为1mj类型，本实施例中将数据特征为三大十四小或三大十二小的原始测试数据的数据类型定义为1mj类型，也就是1mj类型以每十七或十五个原始测试数据为一个周期，一个周期内的数据特征为连续三个较大数据之后会存在连续十四个或连续十二个较小数据，1mj类型对应的数据处理方式为去小，也就是去除每个周期中的较小数据。
118.请参阅图14，本实施例提供的健康检测装置40可以包括：第一数据获取模块41、第一类型确定模块42、第一数据处理模块43以及健康检测模块44。第一数据获取模块41，用于获取对电池进行测试产生的原始测试数据组，原始测试数据组中包括多个时刻下的原始测试数据；第一类型确定模块42，用于基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型；第一数据处理模块43，用于利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组；健康检测模块44，用于基于目标测试数据组对电池进行健康检测，得到健康检测结果。
119.在上述方案中，通过确定获取到的原始测试数据组所属的数据类型，并根据所属数据类型对应的数据处理方式对获取到的测试数据进行处理得到的目标测试数据相对于
原始测试数据组而言，目标测试数据的质量更高，后续利用目标测试数据对电池的健康检测得到的健康检测结果相对于利用原始测试数据组得到的健康检测结果而言更为准确。
120.在一些实施例中，原始测试数据组中包括分别在至少两个测试流程下获取到的原始测试数据，第一数据处理模块43利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组，包括：利用目标数据处理方式，对原始测试数据组中属于不同测试流程的原始测试数据进行区分，确定各测试流程对应的原始测试数据；选择其中一个测试流程对应的原始测试数据进行组合，得到目标测试数据组。
121.在上述方案中，利用目标数据处理方式对原始测试数据组中属于不同流程的测试数据进行筛选，然后将其中一个测试流程下的原始测试数据作为目标测试数据组，相比于原始测试数据组而言，目标测试数据组中的测试数据只属于一个测试流程，故利用该目标测试数据组得到的健康检测结果更为准确。
122.在一些实施例中，第一数据处理模块43还用于：对于每种候选数据类型，确定候选数据类型中由不同测试流程对应的原始测试数据的变化规律差异，候选数据类型包括目标数据类型；基于变化规律差异，确定候选数据类型的数据处理方式，数据处理方式用于区别候选数据类型中不同测试流程对应的原始测试数据。
123.在上述方案中，通过根据不同测试流程下的测试数据在时间上的变化规律差异，制定对应的数据处理方法，方便后续利用对应的数据处理方式对两个测试流程下的原始测试数据进行筛选，从而得到目标测试数据组。
124.在一些实施例中，第一类型确定模块42基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型，包括：将目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到原始测试数据组属于各候选数据类型的置信度；响应于原始测试数据组与各候选数据类型之间的置信度满足预设条件，将最大的置信度对应的数据类型作为原始测试数据组所属的目标数据类型，最大的置信度为原始测试数据组与各候选数据类型之间的最大置信度。
125.在上述方案中，通过根据原始测试数据组的变化规律与各候选数据类型的预设变化规律进行匹配，能够得到原始测试数据组属于各候选数据类型的置信度，从而根据各置信度确定原始测试数据组所属的数据类型。
126.在一些实施例中，第一类型确定模块42将目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到原始测试数据组属于各候选数据类型的置信度，包括：按照预设采样参数对原始测试数据组中的原始测试数据进行采样，得到多组待测数据组，预设采样参数包括采样长度和/或采样次数；分别将每个待测数据组的变化规律与各候选数据类型的预设变化规律进行匹配，得到每个待测数据组分别属于各候选数据类型的置信度；对于每一候选数据类型，将各待测数据组与候选数据类型的置信度进行统计，得到原始测试数据组与候选数据类型的置信度。
127.在上述方案中，通过对原始测试数据组进行采样，得到多个待测数据组，然后根据待测数据组属于每个数据类型的置信度确定原始测试数据组属于各数据类型的目标置信度，相对于直接确定原始测试数据组与各数据类型的置信度而言，根据各待测数据组确定得到的原始测试数据组属于各数据类型的置信度更为准确。
128.在一些实施例中，第一类型确定模块42还用于：响应于原始测试数据与各候选数据类型的置信度不满足预设条件，调整预设采样参数和/或预设条件；利用调整后的预设采样参数和/或预设条件，确定原始测试数据组所属的目标数据类型。
129.在上述方案中，通过在各目标置信度满足调整条件的情况下，调整预设采样参数以及预设条件中的一者或多者，然后再利用调整后的预设采样参数和/或预设条件，重新确定原始测试数据组所属的数据类型，使得确定得到的原始测试数据组所属的数据类型更为准确。
130.在一些实施例中，第一类型确定模块42还用于：响应于预设采样参数和/或预设条件的调整总次数达到调整次数阈值，新增候选数据类型并制定新增的候选数据类型对应的数据处理方式；将新增的候选数据类型作为原始测试数据组所属的目标数据类型。
131.在上述方案中，若调整了多次还没确定原始测试数据组所属的数据类型，则很可能是各数据类型中确实不存在原始测试数据组对应的数据类型，故通过新增数据类型的方式以及指定新增的数据类型对应的数据处理方式能够实现对数据类型的补充，提高对原始测试数据组的数据处理的准确度。
132.在一些实施例中，预设条件包括原始测试数据只与其中一个候选数据类型的置信度大于或等于预设置信度。
133.在上述方案中，若原始测试数据组两个或两个以上的数据类型之间的置信度大于或等于预设置信度，则很可能将错误的数据类型作为原始测试数据组所属的数据类型，或者原始测试数据组与各数据类型的置信度都小于预设置信度可能是采样得到的数据可能存在噪音等问题，导致置信度不准确，通过调整采样次数、采样长度以及预设条件中的一者或多者能够提高获取得到的置信度的准确度。
134.在一些实施例中，原始测试数据为放电数据，健康检测结果包括电池的电量存在跳水问题或电池的电量不存在跳水问题，健康检测模块44基于目标测试数据组对电池进行健康检测，得到健康检测结果，包括：获取目标测试数据组中至少两个原始测试数据之间的斜率；响应于斜率大于或等于预设斜率，确定电池的容量存在跳水问题；或，响应于斜率小于预设斜率，确定电池的容量不存在跳水问题。
135.在上述方案中，通过对电池的放电数据进行分析，若电池单体的放电数据波动较大则斜率可能就较大，若斜率大于预设斜率则电池的电量很大可能出现跳水问题，否则电池的电量不存在跳水问题。
136.在一些实施例中，健康检测模块44还用于：基于目标测试数据组中原始测试数据在时间上的变化规律，预测电池在未来预设时间段内多个时间点的目标放电数据；基于目标放电数据，确定电池在未来预设时间段内存在跳水问题的概率。
137.在上述方案中，通过对电池未来的放电数据进行预测，能够预估电池在未来的一段时间内存在跳水问题的概率。
138.请参考图15，本实施例提供的数据处理装置50，包括：第二数据获取模块51、第二类型确定模块52以及第二数据处理模块53；第二数据获取模块51，用于获取对目标对象进行测试产生的原始测试数据组，原始测试数据组中包括多个时刻下的原始测试数据；第二类型确定模块52，用于基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型；第二数据处理模块53，用于利用目标数据类型对
应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组。
139.在上述方案中，通过确定获取到的原始测试数据组所属的数据类型，并根据所属数据类型对应的数据处理方式对获取到的测试数据进行处理得到的目标测试数据相对于原始测试数据组而言，目标测试数据的质量更高，后续利用目标测试数据对目标对象的健康检测得到的健康检测结果相对于利用原始测试数据组得到的健康检测结果而言更为准确。
140.其中，数据处理装置能够实现上述数据处理方法实施例提供的数据处理方法，各模块的功能请参考数据处理方法实施例，此处不再赘述。
141.请参阅图16，本技术提供的设备60包括存储器61和处理器62，处理器62用于执行存储器61中存储的程序指令，以实现上述任意数据处理方法实施例中的步骤或实现上述任意健康检测方法实施例中的步骤。在一个具体的实施场景中，设备60可以包括但不限于：计算机设备、用电设备、微型计算机、台式电脑、服务器，此外，设备60还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
142.具体而言，处理器62用于控制其自身以及存储器61以实现上述任一数据处理方法实施例中的步骤。处理器62还可以称为cpu（central processing unit，中央处理单元）。处理器62可能是一种集成电路芯片，具有信号的处理能力。处理器62还可以是通用处理器、数字信号处理器（digital signal processor, dsp）、专用集成电路（application specific integrated circuit, asic）、现场可编程门阵列（field-programmable gate array, fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器62可以由集成电路芯片共同实现。
143.在上述方案中，通过确定获取到的原始测试数据组所属的数据类型，并根据所属数据类型对应的数据处理方式对获取到的测试数据进行处理得到的目标测试数据相对于原始测试数据组而言，目标测试数据的质量更高，后续利用目标测试数据对电池的健康检测得到的健康检测结果相对于利用原始测试数据组得到的健康检测结果而言更为准确。
144.请参阅图17，本实施例提供的计算机可读存储介质70存储有能够被处理器运行的程序指令71，程序指令71被处理器执行时用于实现上述任意数据处理方法实施例中的步骤或实现上述任意健康检测方法实施例中的步骤。
145.在上述方案中，通过确定获取到的原始测试数据组所属的数据类型，并根据所属数据类型对应的数据处理方式对获取到的测试数据进行处理得到的目标测试数据相对于原始测试数据组而言，目标测试数据的质量更高，后续利用目标测试数据对电池的健康检测得到的健康检测结果相对于利用原始测试数据组得到的健康检测结果而言更为准确。
146.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
147.在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个子系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论
的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
148.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。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，本技术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）或处理器（processor）执行本技术各个实施方式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（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。

技术特征：
1.一种健康检测方法，其特征在于，获取对电池进行测试产生的原始测试数据组，所述原始测试数据组中包括多个时刻下的原始测试数据；基于所述原始测试数据组中所述原始测试数据在时间上的目标变化规律，确定所述原始测试数据组所属的目标数据类型；利用所述目标数据类型对应的目标数据处理方式，对所述原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组；基于所述目标测试数据组对所述电池进行健康检测，得到健康检测结果。2.根据权利要求1所述的健康检测方法，其特征在于，所述原始测试数据组中包括分别在至少两个测试流程下获取到的原始测试数据，所述利用所述目标数据类型对应的目标数据处理方式，对所述原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组，包括：利用所述目标数据处理方式，对所述原始测试数据组中属于不同测试流程的原始测试数据进行区分，确定各测试流程对应的原始测试数据；选择其中一个测试流程对应的原始测试数据进行组合，得到所述目标测试数据组。3.根据权利要求2所述的健康检测方法，其特征在于，所述健康检测方法还包括：对于每种候选数据类型，确定所述候选数据类型中由不同测试流程对应的原始测试数据的变化规律差异，所述候选数据类型包括所述目标数据类型；基于所述变化规律差异，确定所述候选数据类型的数据处理方式，所述数据处理方式用于区别所述候选数据类型中不同测试流程对应的原始测试数据。4.根据权利要求1-3任意一项所述的健康检测方法，其特征在于，所述基于所述原始测试数据组中所述原始测试数据在时间上的目标变化规律，确定所述原始测试数据组所属的目标数据类型，包括：将所述目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到所述原始测试数据组属于各候选数据类型的置信度；响应于所述原始测试数据组与各所述候选数据类型之间的置信度满足预设条件，将最大的置信度对应的数据类型作为所述原始测试数据组所属的目标数据类型，所述最大的置信度为所述原始测试数据组与各所述候选数据类型之间的最大置信度。5.根据权利要求4所述的健康检测方法，其特征在于，所述将所述目标变化规律分别与各候选数据类型的预设变化规律进行匹配，得到所述原始测试数据组属于各候选数据类型的置信度，包括：按照预设采样参数对所述原始测试数据组中的原始测试数据进行采样，得到多组待测数据组，所述预设采样参数包括采样长度和/或采样次数；分别将每个待测数据组的变化规律与各候选数据类型的预设变化规律进行匹配，得到每个待测数据组分别属于各候选数据类型的置信度；对于每一候选数据类型，将各待测数据组与所述候选数据类型的置信度进行统计，得到所述原始测试数据组与所述候选数据类型的置信度。6.根据权利要求5所述的健康检测方法，其特征在于，所述健康检测方法还包括：响应于所述原始测试数据与各所述候选数据类型的置信度不满足预设条件，调整所述
预设采样参数和/或所述预设条件；利用调整后的预设采样参数和/或所述预设条件，确定所述原始测试数据组所属的目标数据类型。7.根据权利要求6所述的健康检测方法，其特征在于，所述健康检测方法还包括：响应于所述预设采样参数和/或所述预设条件的调整总次数达到调整次数阈值，新增候选数据类型并制定新增的候选数据类型对应的数据处理方式；将新增的候选数据类型作为所述原始测试数据组所属的目标数据类型。8.根据权利要求4所述的健康检测方法，其特征在于，所述预设条件包括所述原始测试数据只与其中一个候选数据类型的置信度大于或等于预设置信度。9.根据权利要求1-3任意一项所述的健康检测方法，其特征在于，所述原始测试数据为放电数据，所述健康检测结果包括所述电池的电量存在跳水问题或所述电池的电量不存在跳水问题，所述基于所述目标测试数据组对所述电池进行健康检测，得到健康检测结果，包括：获取所述目标测试数据组中至少两个原始测试数据之间的斜率；响应于所述斜率大于或等于预设斜率，确定所述电池的容量存在跳水问题；或，响应于所述斜率小于所述预设斜率，确定所述电池的容量不存在跳水问题。10.根据权利要求9所述的健康检测方法，其特征在于，所述健康检测方法还包括：基于所述目标测试数据组中原始测试数据在时间上的变化规律，预测所述电池在未来预设时间段内多个时间点的目标放电数据；基于所述目标放电数据，确定所述电池在未来预设时间段内存在跳水问题的概率。11.一种数据处理方法，其特征在于，包括：获取对目标对象进行测试产生的原始测试数据组，所述原始测试数据组中包括多个时刻下的原始测试数据；基于所述原始测试数据组中所述原始测试数据在时间上的目标变化规律，确定所述原始测试数据组所属的目标数据类型；利用所述目标数据类型对应的目标数据处理方式，对所述原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组。12.一种健康检测装置，其特征在于，包括：第一数据获取模块，用于获取对电池进行测试产生的原始测试数据组，所述原始测试数据组中包括多个时刻下的原始测试数据；第一类型确定模块，用于基于所述原始测试数据组中所述原始测试数据在时间上的目标变化规律，确定所述原始测试数据组所属的目标数据类型；第一数据处理模块，用于利用所述目标数据类型对应的目标数据处理方式，对所述原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组；健康检测模块，用于基于所述目标测试数据组对所述电池进行健康检测，得到健康检测结果。13.一种数据处理装置，其特征在于，包括：第二数据获取模块，用于获取对目标对象进行测试产生的原始测试数据组，所述原始测试数据组中包括多个时刻下的原始测试数据；
第二类型确定模块，用于基于所述原始测试数据组中所述原始测试数据在时间上的目标变化规律，确定所述原始测试数据组所属的目标数据类型；第二数据处理模块，用于利用所述目标数据类型对应的目标数据处理方式，对所述原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组。14.一种设备，其特征在于，包括存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述权利要求1-10任意一项所述的健康检测方法或实现上述权利要求11所述的数据处理方法。15.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至10任一项所述的健康检测方法，或实现上述权利要求11所述的数据处理方法。

技术总结
本申请公开了一种健康检测方法、数据处理方法、相关装置、设备及介质，健康检测方法包括：获取对电池进行测试产生的原始测试数据组，原始测试数据组中包括多个时刻下的原始测试数据；基于原始测试数据组中原始测试数据在时间上的目标变化规律，确定原始测试数据组所属的目标数据类型；利用目标数据类型对应的目标数据处理方式，对原始测试数据组中的多个原始测试数据进行筛选，得到目标测试数据组；基于目标测试数据组对电池进行健康检测，得到健康检测结果。上述方案，能够提高对电池健康检测的准确度。测的准确度。测的准确度。


技术研发人员：黄瑶 孔思宇 章东飞 薛庆瑞 田达 翁文辉
受保护的技术使用者：宁德时代新能源科技股份有限公司
技术研发日：2023.07.13
技术公布日：2023/8/14