SSB蓄电池基于人工智能监测的手机电池健康管理策略研究

SSB蓄电池基于人工智能监测的手机电池健康管理策略研究

本文选取Q品牌“爱玩游戏的零零后”用户群，因为该用户群有边玩边充的习气，构成电池过热的情况严重，因而电池健康度下滑速度(每年下降约5%)。为了给用户带来更好的运用体会，本课题提出了运用人工智能树立手机电池健康处理多维体系，包括用户充电习气智能建模和动态温度控制战略，并验证从数据搜集、模型练习、战略实行的闭环处理方案。实验证明，在夜间充电场景下电池温度能够下降3.4℃；在边玩边充场景下运用温度控制战略能够削减高温关于电池的危害。

关键词：人工智能；电池健康监测；充放电战略；温度控制；用户习气建模

1.引言

1.1研讨布景与意义

由智能手机技术更迭及全球经济环境的改变，能够得出用户换机周期从2016年一年半延长到2024年的两年半以上(Counterpoint,2024)，电池健康度成为影响用户的首要因素之一。例如：因为电池容量减小而导致续航才能下降、充得更频频等；或许构成手机运转卡顿、黑屏、意外关机等问题，使得Q品手机面对的是用户诉苦最多的问题点之一。针对Q品手机方针人群，“爱玩游戏的零零后”而言，这是他们的运用场景之一，在此场景中，往往会伴随着一边玩手机一边充电的情况出现，加上会把手机的运用温度升高，再加上高温会构成内部副反应速率加快（比方正负极副产物增多、放电极化增大等），加快了Q品手机的电池在两三年后也只具有小于90%左右的电池健康度。

1.2研讨方针与办法

本文针对Q品牌手机的用户团体进行实验，并用AI的办法搭建电池健康处理体系，目的包括：①打造用户充电习气的智能分类模型，优化夜间和碎片化充电办法。②根据主板温度来规划动态充电方案，克服边玩边充高温的问题。③以实验数据阐明该战略关于电池温度、健康度的改进效果。

2.根据用户的充放电习气进行智能建模和战略优化

2.1搜集和剖析用户的充电行为数据

研讨团队根据Q品牌4个机型(总用户量为200万)的前史充电情况，搜集并剖析了手机的日志文件，首要包括以下维度数据。①开端充电时间、结束充电时间以及充电的时长。②屏幕情况是亮屏仍是灭屏，运用场景是否有运用游戏、交际或许导航软件等。③电池温度；充电功率；电量改变曲线。

根据数据计算，用户的充电行为大概分为以下3种典型方式：①夜间长时充电型（21 点 - 7 点充电）：占42%，并且逾越8个小时。②碎片化快充型(单次充电小于30分钟)，占比35%，通过通勤或许休息时间进行充电；③边玩边充型(亮屏充电占比较大的，亮屏充电的比例大于60%)：占比23%，首要会合在21:00-23:00，对应大部分是用户的游戏活泼时段。

2.2根据人工智能的充电战略优化模型

2.2.1充电习气聚类算法

对用户充电行为进行分类首要运用DBSCAN密度聚类算法，首要参数有：

时间窗口：以半小时为时间段进行区分充电时间；特征向量：充电开端时间；亮屏时长占比；充电功率；温度上升速率；距离衡量：运用欧氏距离衡量样本之间的相异度。由聚类成果可知，夜晚充电的用户团体中有68%的用户出现了“过度充电”情况（充电结束后仍处在插拔情况大于2个小时），边玩边充的电池峰值温度比其他情况温度高了5.8℃。

2.2.2动态充电战略规划

为了处理夜间长时充电的问题，团队规划了三层战略：一是“智能功率调度+充电上限控制+涓流补电”；二是设置充电上限、智能断电；三是涓流补电。

①功率智能调度：运用LSTM神经网络猜测用户次日拔充电器时间，在充电前期（0%～80%）以常规功率充电办法充，在充电后期（80%～100%）主动切换下降功率的充电办法以到达防过充发烫的效果。

②充电上限设置：用户能够根据自己的情况设置充电百分比，充电到这个上限就会中止，能够在必定程度上避免长时间让电池保持在彻底布满的情况。

③涓流补电机制：根据用户的前史拔线时间，提早1小时开启涓流充电(10-15W)，用户用机前将电量补满到100%，这样既保证了续航又不会因为大电流而构成发热的情况。

2.3战略效果验证

运用红外热成像仪对200名夜间充电用户测验发现：电池平均温度由38.5℃下降到34.7℃，下降3.8℃；充电结束之后仍处于通电情况的平均时长由原本的150分钟下降到了现在的30分钟内；用户片面满意程度查询标明，“充电后手机不再发烫”的占到92%的比例。

3.根据主板温度拟定动态充电控制方案

3.1温度检测与充电控制逻辑

在玩游戏时，手机主板温度与手机内部电池的温度有着很强的相关性，据此本文规划主板温度为控制对象的多级保护机制。

①温度阈值设定：当屏幕亮起并处于充电情况一同主板温度到达或许高于39℃时实行充电暂停方针，主板温度低于39℃继续充电。

②情况机规划：运用有限情况机(FSM)处理充电进程，有“正常充电”、“温度预警”、“暂停充电”、“涓流恢复”4个情况。

③用户交互规划：暂停充电时会弹出告知，可“当即继续充电”，“设置调整”等等，既能考虑电池保护又能顾及用户体会。

3.2智能告知体系规划

告知战略包括以下规矩，以避免频频打扰用户。①推迟闪现：施行该办法后，闪现提醒信息将推迟三分钟，削弱短时温度的波动影响。②频率约束：告知时间距离大于等于五分钟即可，不要重复提示。③用户习气适配：假如当天点击了“当即继续充电”，那么当天就不会出现因为39℃中止的时间点；并且，接连三天点击此按钮就会永久失掉此次战略，进入到提示用户自己手动调停的办法。

3.3场景化验证与剖析

选取了100名边玩游戏边充电的用户进行了为期一个月的实验，成果闪现，

逾越40℃时长的比例由原本的45%下降到现在的12%；充电进程温度峰值从42.3℃下降到38.9℃。可是用户的游戏时长跟战略触发是相关的。关于日均游玩3小时以上用户来说，他的日均战略触发会到达4.2次，这个人群中也有27%的用户挑选封闭战略。

4.评论与展望

4.1战略有效性与限制性

该文提出的AI电池健康处理技术在如下方面均具有明显优势。其间在温度控制方面，夜间充电以及边玩边充时候温度别离下降3℃、3.4℃,可大幅延缓电池老化程度。在用户适配方面，根据电池容量情况主动调整触发条件来结束电池的保护和运用便当的平衡。在数据闭环方面，由行为剖析走向战略优化的主动化迭代。当然也存在以下限制：有关气温过热（如夏时），是否会影响战略的效果的问题还有待研讨；重度游戏玩家很可能因为常常出现这类提示而嫌烦并挑选封闭。

4.2未来研讨方向

针对以上的信息，在未来，需求结合电池内部阻抗监测、热成像技术提高温度猜测准确性；用DRL(深度强化学习)算法结束充电战略自优；并且互动充电器及移动电源外设，打造场景式电池健康生活圈。