[發明專利]一種新能源車輛電池的健康預測方法和系統

有效

• 申請號: 201710228869.5
• 申請日: 2017-04-10
• 公開（公告）號: CN107122594B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 劉凌;李勇華;謝勇波;王文明;熊剛;丁文;文多;宋超;彭之川;李雙龍
• 申請（專利權）人: 湖南中車時代電動汽車股份有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 北京聿華聯合知識產權代理有限公司 11611
• 代理人: 張文娟;朱繪

1.一種新能源車輛的電池健康預測方法，其特征在于，該方法包括如下步驟：

大數據分析步驟：對實時獲得的車輛數據進行數據分析處理，得到車輛工況數據；

數據預處理步驟：對所述車輛工況數據分別執行數據清洗、數據轉換和數據歸約處理；

數據挖掘模型搭建步驟：基于經過數據預處理的車輛工況數據，采用因子分析的方法，提取影響電池健康程度的數據，再采用監督學習方法，挖掘所述影響電池健康程度的數據與車輛工況數據間的潛在關系，構建初始電池健康預測模型，其中，

從經數據預處理后的車輛工況數據中，提取與電池信息相關的數據變量；

基于所述與電池信息相關的數據變量，采用因子分析方法，構建電池健康指標評測模型，挖掘影響電池健康程度的數據變量，進而得到影響電池健康的關鍵因素變量；

電池健康預測步驟：對所述初始電池健康預測模型進行模型評估和算法優化，得到最優的電池監控預測模型，完成實際工況下的電池健康預測。

2.根據權利要求1中所述的方法，其特征在于，在所述數據預處理步驟中，數據清洗處理包括如下步驟：

采用描述性統計方法，初步清洗所述車輛工況數據中的臟數據，所述臟數據包括：重復值、空值、無效值和/或異常值；

通過預設的專家系統對經過初步清洗處理的車輛工況數據進行進一步清洗處理，輸出最終的車輛工況數據，記為第一數據集，所述專家系統為基于車輛工況數據變量的物理意義構建的數據清洗工具；

利用空值預測模型對所述第一數據集的空值進行預測，得到包括空值預測值在內的第二數據集，其中，所述空值預測模型采用BP神經網絡算法進行訓練得到。

3.根據權利要求2中所述的方法，其特征在于，進一步，在所述數據預處理步驟中，

采用標準差標準化的方式，完成對所述第二數據集的數據轉換處理得到第三數據集；

將所述第三數據集進行無關特征向量的刪除操作，完成數據的初步降維；

通過特征歸約中的子集選擇的方法完成數據的二次降維。

4.根據權利要求1所述的方法，其特征在于，進一步，在數據挖掘模型搭建步驟中，

基于所述影響電池健康的關鍵因素變量與獲得的其它車輛工況數據變量，采用隨機森林和RBF神經網絡算法，挖掘二者之間的潛在關系，構建預測變量模型，其中所述其它車輛工況數據為不含電池數據變量信息的車輛工況數據；

根據所述影響電池健康的關鍵因素變量與所述影響電池健康程度的數據變量的關系，得到電池健康評分模型，將所述預測變量模型與所述電池健康評分模型相結合得到初始電池健康預測模型。

5.一種新能源車輛的電池健康預測系統，其特征在于，該系統包括如下模塊：

大數據分析模塊：其對實時獲得的車輛數據進行數據分析處理，得到車輛工況數據；

數據預處理模塊：其對所述車輛工況數據分別執行數據清洗、數據轉換和數據歸約處理；

數據挖掘模型搭建模塊：基于經過數據預處理的車輛工況數據，采用因子分析的方法，提取影響電池健康程度的數據，再采用監督學習方法，挖掘所述影響電池健康程度的數據與車輛工況數據間的潛在關系，構建初始電池健康預測模型，其中，所述數據挖掘模型搭建模塊包括：

數據統計分析單元：其從經數據預處理后的車輛工況數據中，提取與電池信息相關的數據變量；

相關性判別分析單元：其基于所述與電池信息相關的數據變量，采用因子分析方法，構建電池健康指標評測模型，挖掘影響電池健康程度的數據變量，進而得到影響電池健康的關鍵因素變量；

電池健康預測模型：對所述初始電池健康預測模型進行模型評估和算法優化，得到最優的電池監控預測模型，完成實際工況下的電池健康預測。