本發(fā)明涉及計算機，具體涉及一種數(shù)據(jù)處理方法、裝置、電子設備和計算機可讀存儲介質。

背景技術：

1、在電池大數(shù)據(jù)聚合分析和模型搭建時，強依賴“電池系統(tǒng)類型”唯一標識信息。在電池系統(tǒng)類型打標過程中，往往采用電池全生命周期均不變的靜態(tài)信息進行聚類，以根據(jù)聚類結果中的類別進行打標。

2、但是，現(xiàn)有的聚類方法中，由于聚類使用的靜態(tài)信息需要強依賴新能源汽車、兩輪車、樁或儲能傳輸至云平臺的靜態(tài)信息質量，在聚合使用時，會存在因個別信息的問題導致錯誤分類、過多分類、少分類等結果，且對于“新增類型低質量電池信息”和“新增新型電池信息”在歸入指定類別和新增分類時存在困難，因此如何搭建一套高泛化性、通用性和適用新增分類的方法，對解決以上問題有重要的價值和意義。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明實施例的目的在于提供一種數(shù)據(jù)處理方法、裝置、電子設備和計算機可讀存儲介質，以提高標簽確定的準確性和泛化性。

2、第一方面，本發(fā)明實施例旨在提供一種數(shù)據(jù)處理方法，所述方法包括：

3、獲取電池流數(shù)據(jù)，所述電池流數(shù)據(jù)包括多個電池數(shù)據(jù)組；

4、將各所述電池數(shù)據(jù)組分別輸入預先訓練的分類模型中進行分類，確定所述電池數(shù)據(jù)組的類別標簽，所述類別標簽為已有標簽或新標簽；

5、根據(jù)所述新標簽對應的所述電池數(shù)據(jù)組生成增量數(shù)據(jù)集；

6、將所述增量數(shù)據(jù)集輸入預先訓練的聚類模型中進行聚類，確定增量聚類結果，所述增量聚類結果包括至少一個聚類新簇，各所述聚類新簇具有對應的簇中心點和新增類別標簽；

7、根據(jù)增量聚類結果對所述分類模型進行增量學習訓練，以基于訓練后的分類模型確定類別標簽。

8、第二方面，本發(fā)明實施例旨在提供一種數(shù)據(jù)處理裝置，所述裝置包括：

9、獲取單元，用于獲取電池流數(shù)據(jù)，所述電池流數(shù)據(jù)包括多個電池數(shù)據(jù)組；

10、分類單元，用于將各所述電池數(shù)據(jù)組分別輸入預先訓練的分類模型中進行分類，確定所述電池數(shù)據(jù)組的類別標簽，所述類別標簽為已有標簽或新標簽；以及根據(jù)所述新標簽對應的所述電池數(shù)據(jù)組生成增量數(shù)據(jù)集；

11、聚類單元，用于將所述增量數(shù)據(jù)集輸入預先訓練的聚類模型中進行聚類，確定增量聚類結果，所述增量聚類結果包括至少一個新簇，各所述新簇具有對應的簇中心點和第二類別標簽；

12、訓練單元，用于根據(jù)增量聚類結果對所述分類模型進行增量學習訓練，以基于訓練后的分類模型確定類別標簽。

13、第三方面，本發(fā)明實施例旨在提供一種計算機程序產品，所述計算機程序產品包括計算機程序/指令，所述計算機程序/指令被處理器執(zhí)行時實現(xiàn)如上任一項所述的方法。

14、第四方面，本發(fā)明實施例旨在提供一種電子設備，包括存儲器和處理器，所述存儲器用于存儲一條或多條計算機程序指令，其中，所述一條或多條計算機程序指令被所述處理器執(zhí)行以實現(xiàn)如上任一項所述的方法。

15、第五方面，本發(fā)明實施例旨在提供一種計算機可讀存儲介質，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上任一項所述的方法。

16、本發(fā)明實施例的技術方案通過將電池流數(shù)據(jù)中的各電池數(shù)據(jù)組分別輸入預先訓練的分類模型中進行分類，確定電池數(shù)據(jù)組的類別標簽，根據(jù)新標簽對應的電池數(shù)據(jù)組生成增量數(shù)據(jù)集，并將增量數(shù)據(jù)集中的電池數(shù)據(jù)組輸入預先訓練的聚類模型中進行聚類，確定增量聚類結果；根據(jù)增量聚類結果對分類模型進行增量學習訓練，以基于訓練后的分類模型確定類別標簽，不僅能夠確定新增類別下的電池數(shù)據(jù)組的類別標簽，提高標簽確定的準確性，還能使得電池分類信息能夠基于新增電池數(shù)據(jù)組進行擴展，提高標簽確定的泛化性。

技術特征：

1.一種數(shù)據(jù)處理方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)增量聚類結果對所述分類模型進行增量學習訓練包括：

3.根據(jù)權利要求2所述的方法，其特征在于，所述分類模型包括輸入層、隱藏層和輸出層，所述根據(jù)各所述聚類新簇的簇中心點調整所述分類模型的結構包括：

4.根據(jù)權利要求2所述的方法，其特征在于，所述根據(jù)新類別數(shù)據(jù)信息對調整后的分類模型進行迭代訓練包括：

5.根據(jù)權利要求1所述的方法，其特征在于，所述聚類模型基于以下方法確定：

6.根據(jù)權利要求5所述的方法，其特征在于，所述分類模型基于以下方法確定：

7.根據(jù)權利要求1所述的方法，其特征在于，所述將各所述電池數(shù)據(jù)組分別輸入預先訓練的分類模型中進行分類，確定所述電池數(shù)據(jù)組的類別標簽包括：

8.根據(jù)權利要求1所述的方法，其特征在于，所述獲取電池流數(shù)據(jù)包括：

9.根據(jù)權利要求1所述的方法，其特征在于，所述電池數(shù)據(jù)組包括電池材料類型、電池額定容量、電池額定總電壓、電池最大使用溫度、電池單體上限電壓、系統(tǒng)最大總電壓、電池標稱總能量。

10.根據(jù)權利要求1所述的方法，其特征在于，所述聚類模型采用dbscan模型，所述分類模型采用徑向基神經網絡rbfnn模型。

11.一種數(shù)據(jù)處理裝置，其特征在于，所述裝置包括：

12.一種計算機程序產品，其特征在于，所述計算機程序產品包括計算機程序/指令，所述計算機程序/指令被處理器執(zhí)行時實現(xiàn)權利要求1-10中任一項所述的方法。

13.一種電子設備，包括存儲器和處理器，其特征在于，所述存儲器用于存儲一條或多條計算機程序指令，其中，所述一條或多條計算機程序指令被所述處理器執(zhí)行以實現(xiàn)權利要求1-10中任一項所述的方法。

14.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1-10中任一項所述的方法。

技術總結
本發(fā)明實施例公開了一種數(shù)據(jù)處理方法、裝置、電子設備和計算機可讀存儲介質，所述方法包括將電池流數(shù)據(jù)中的各電池數(shù)據(jù)組分別輸入預先訓練的分類模型中進行分類，確定電池數(shù)據(jù)組的類別標簽，根據(jù)新標簽對應的電池數(shù)據(jù)組生成增量數(shù)據(jù)集，并將增量數(shù)據(jù)集中的電池數(shù)據(jù)組輸入預先訓練的聚類模型中進行聚類，確定增量聚類結果；根據(jù)增量聚類結果對分類模型進行增量學習訓練，以基于訓練后的分類模型確定類別標簽。由此，本實施例中通過上述方法能夠確定新增類別下的電池數(shù)據(jù)組的類別標簽，并使得電池分類信息能夠基于新增電池數(shù)據(jù)組進行擴展，提高標簽確定的準確性和泛化性。

技術研發(fā)人員：蘇朝磊,孫一恒,陳永健,廖蘭新
受保護的技術使用者：浙江小桔綠色能源科技有限公司
技術研發(fā)日：
技術公布日：2024/12/19