本发明涉及电网领域，尤其涉及一种电池状态预测方法、装置、设备以及存储介质。
背景技术：
1、在电网运行中，铅酸电池作为主要的储能系统，其健康状态直接关系到整个电网的性能和安全性。soh(state of health，健康状态)是衡量电池健康状态的重要指标，它反映了电池的电量、能量、充放电功率等关键状态。
2、因此，如何利用生成对抗网络和时序模型，精准评估电池的健康状态，从而全面了解电池当前的状况，为电网系统的运行和维护提供重要依据，是目前亟待解决的问题。
技术实现思路
1、本发明提供了一种电池状态预测方法、装置、设备以及存储介质，以利用生成对抗网络和时序模型，精准评估电池的健康状态，从而全面了解电池当前的状况，为电网系统的运行和维护提供重要依据。
2、根据本发明的一方面，提供了一种电池状态预测方法，包括：
3、确定目标电池对应的原始电池数据，并采用预设的生成对抗网络，对原始电池数据进行扩充处理，以得到目标电池数据；
4、根据目标电池数据，对预先构建的初始时序模型进行迭代训练，以得到目标时序模型；
5、采用目标时序模型对待预测电池数据进行预测处理，并根据预测结果，确定对目标电池状态的评估结果。
6、根据本发明的另一方面，提供了一种电池状态预测装置，包括：
7、扩充模块，用于确定目标电池对应的原始电池数据，并采用预设的生成对抗网络，对原始电池数据进行扩充处理，以得到目标电池数据；
8、得到模块，用于根据目标电池数据，对预先构建的初始时序模型进行迭代训练，以得到目标时序模型；
9、预测模块，用于采用目标时序模型对待预测电池数据进行预测处理，并根据预测结果，确定对目标电池状态的评估结果。
10、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
11、至少一个处理器；以及
12、与所述至少一个处理器通信连接的存储器；其中，
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的电池状态预测方法。
14、根据本发明的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电池状态预测方法。
15、本发明实施例的技术方案，确定目标电池对应的原始电池数据，并采用预设的生成对抗网络，对原始电池数据进行扩充处理，以得到目标电池数据；根据目标电池数据，对预先构建的初始时序模型进行迭代训练，以得到目标时序模型；采用目标时序模型对待预测电池数据进行预测处理，并根据预测结果，确定对目标电池状态的评估结果。通过利用生成对抗网络拓展样本数量，可以提高训练的时序模型的预测准确性，通过采用训练好的目标时序模型预测电池的状态，可以精准评估电池的健康状态，从而全面了解电池当前的状况，为电网系统的运行和维护提供重要依据。
16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种电池状态预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采用预设的生成对抗网络，对原始电池数据进行扩充处理，以得到目标电池数据，包括：
3.根据权利要求2所述的方法，其特征在于，根据训练样本，对预设生成对抗网络的初始生成器和初始判别器进行迭代训练，以得到目标生成对抗网络，包括：
4.根据权利要求1所述的方法，其特征在于，根据目标电池数据，对预先构建的初始时序模型进行迭代训练，以得到目标时序模型，包括：
5.根据权利要求4所述的方法，其特征在于，根据目标电池数据，采用初始时序模型的编码器对时间序列数据进行编码处理，得到编码序列，包括：
6.根据权利要求5所述的方法，其特征在于，其中，初始时序模型的编码器包括自注意力机制和前馈神经网络；前馈神经网络由两个线性变换和一个非线性激活函数组成。
7.根据权利要求1所述的方法，其特征在于，根据预测结果，确定对目标电池状态的评估结果，包括：
8.一种电池状态预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电池状态预测方法。
