[發(fā)明專利]一種新能源車輛電池的健康預(yù)測方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710228869.5
• 申請日: 2017-04-10
• 公開（公告）號: CN107122594B
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）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(quán)）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(lián)合知識產(chǎn)權(quán)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(yù)測方法，其特征在于，該方法包括如下步驟：

大數(shù)據(jù)分析步驟：對實(shí)時獲得的車輛數(shù)據(jù)進(jìn)行數(shù)據(jù)分析處理，得到車輛工況數(shù)據(jù)；

數(shù)據(jù)預(yù)處理步驟：對所述車輛工況數(shù)據(jù)分別執(zhí)行數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)歸約處理；

數(shù)據(jù)挖掘模型搭建步驟：基于經(jīng)過數(shù)據(jù)預(yù)處理的車輛工況數(shù)據(jù)，采用因子分析的方法，提取影響電池健康程度的數(shù)據(jù)，再采用監(jiān)督學(xué)習(xí)方法，挖掘所述影響電池健康程度的數(shù)據(jù)與車輛工況數(shù)據(jù)間的潛在關(guān)系，構(gòu)建初始電池健康預(yù)測模型，其中，

從經(jīng)數(shù)據(jù)預(yù)處理后的車輛工況數(shù)據(jù)中，提取與電池信息相關(guān)的數(shù)據(jù)變量；

基于所述與電池信息相關(guān)的數(shù)據(jù)變量，采用因子分析方法，構(gòu)建電池健康指標(biāo)評測模型，挖掘影響電池健康程度的數(shù)據(jù)變量，進(jìn)而得到影響電池健康的關(guān)鍵因素變量；

電池健康預(yù)測步驟：對所述初始電池健康預(yù)測模型進(jìn)行模型評估和算法優(yōu)化，得到最優(yōu)的電池監(jiān)控預(yù)測模型，完成實(shí)際工況下的電池健康預(yù)測。

2.根據(jù)權(quán)利要求1中所述的方法，其特征在于，在所述數(shù)據(jù)預(yù)處理步驟中，數(shù)據(jù)清洗處理包括如下步驟：

采用描述性統(tǒng)計(jì)方法，初步清洗所述車輛工況數(shù)據(jù)中的臟數(shù)據(jù)，所述臟數(shù)據(jù)包括：重復(fù)值、空值、無效值和/或異常值；

通過預(yù)設(shè)的專家系統(tǒng)對經(jīng)過初步清洗處理的車輛工況數(shù)據(jù)進(jìn)行進(jìn)一步清洗處理，輸出最終的車輛工況數(shù)據(jù)，記為第一數(shù)據(jù)集，所述專家系統(tǒng)為基于車輛工況數(shù)據(jù)變量的物理意義構(gòu)建的數(shù)據(jù)清洗工具；

利用空值預(yù)測模型對所述第一數(shù)據(jù)集的空值進(jìn)行預(yù)測，得到包括空值預(yù)測值在內(nèi)的第二數(shù)據(jù)集，其中，所述空值預(yù)測模型采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練得到。

3.根據(jù)權(quán)利要求2中所述的方法，其特征在于，進(jìn)一步，在所述數(shù)據(jù)預(yù)處理步驟中，

采用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化的方式，完成對所述第二數(shù)據(jù)集的數(shù)據(jù)轉(zhuǎn)換處理得到第三數(shù)據(jù)集；

將所述第三數(shù)據(jù)集進(jìn)行無關(guān)特征向量的刪除操作，完成數(shù)據(jù)的初步降維；

通過特征歸約中的子集選擇的方法完成數(shù)據(jù)的二次降維。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，進(jìn)一步，在數(shù)據(jù)挖掘模型搭建步驟中，

基于所述影響電池健康的關(guān)鍵因素變量與獲得的其它車輛工況數(shù)據(jù)變量，采用隨機(jī)森林和RBF神經(jīng)網(wǎng)絡(luò)算法，挖掘二者之間的潛在關(guān)系，構(gòu)建預(yù)測變量模型，其中所述其它車輛工況數(shù)據(jù)為不含電池?cái)?shù)據(jù)變量信息的車輛工況數(shù)據(jù)；

根據(jù)所述影響電池健康的關(guān)鍵因素變量與所述影響電池健康程度的數(shù)據(jù)變量的關(guān)系，得到電池健康評分模型，將所述預(yù)測變量模型與所述電池健康評分模型相結(jié)合得到初始電池健康預(yù)測模型。

5.一種新能源車輛的電池健康預(yù)測系統(tǒng)，其特征在于，該系統(tǒng)包括如下模塊：

大數(shù)據(jù)分析模塊：其對實(shí)時獲得的車輛數(shù)據(jù)進(jìn)行數(shù)據(jù)分析處理，得到車輛工況數(shù)據(jù)；

數(shù)據(jù)預(yù)處理模塊：其對所述車輛工況數(shù)據(jù)分別執(zhí)行數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)歸約處理；

數(shù)據(jù)挖掘模型搭建模塊：基于經(jīng)過數(shù)據(jù)預(yù)處理的車輛工況數(shù)據(jù)，采用因子分析的方法，提取影響電池健康程度的數(shù)據(jù)，再采用監(jiān)督學(xué)習(xí)方法，挖掘所述影響電池健康程度的數(shù)據(jù)與車輛工況數(shù)據(jù)間的潛在關(guān)系，構(gòu)建初始電池健康預(yù)測模型，其中，所述數(shù)據(jù)挖掘模型搭建模塊包括：

數(shù)據(jù)統(tǒng)計(jì)分析單元：其從經(jīng)數(shù)據(jù)預(yù)處理后的車輛工況數(shù)據(jù)中，提取與電池信息相關(guān)的數(shù)據(jù)變量；

相關(guān)性判別分析單元：其基于所述與電池信息相關(guān)的數(shù)據(jù)變量，采用因子分析方法，構(gòu)建電池健康指標(biāo)評測模型，挖掘影響電池健康程度的數(shù)據(jù)變量，進(jìn)而得到影響電池健康的關(guān)鍵因素變量；

電池健康預(yù)測模型：對所述初始電池健康預(yù)測模型進(jìn)行模型評估和算法優(yōu)化，得到最優(yōu)的電池監(jiān)控預(yù)測模型，完成實(shí)際工況下的電池健康預(yù)測。