[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

本發明公開了一種新能源車輛的電池健康預測方法，該方法包括如下步驟：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；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；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；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。本發明實現了新能源汽車電池健康狀態的動態預測，提高了車輛動力性和經濟性，操作簡單，易于實現。

技術領域

本發明涉及動力電池領域，具體地說，是涉及一種新能源車輛的電池健康預測方法，能夠對動力電池的健康進行預測，有助于車輛動力性與經濟性的判斷。

背景技術

經濟的快速發展使得環境和資源問題越來越嚴重，為了解決此問題，新能源汽車成為了汽車產業發展的主要前進方向。其中，新能源汽車的關鍵部件是動力電池，動力電池健康的好壞對車輛的動力性與經濟性都有著重大影響，因此能正確對動力電池健康進行預測，可有助于車輛動力性與經濟性的判斷。

現今，在動力電池領域，為了實現動力電池健康程度的預測，采用搭建電池物理模型的方式，進行電池性能分析與仿真，但是此類方法都是在理想情況下進行試驗，需要排除很多外界干擾因素，目前，在現實復雜的道路工況下對車輛動力電池的健康程度預測時，結果并不理想。

發明內容

針對當前新能源電池健康預測的困難性，本發明需要解決的技術問題之一是需要提供一種不僅能夠對實時獲得的車輛工況數據進行高效的清洗、轉換和降維工作，還可以挖掘電池健康數據與車輛工況數據之間的潛在關系，構建與車輛工況數據相關的電池監控健康預測模型，從而不受路況復雜度高的限制，也能實現新能源車輛的電池健康狀態的動態預測。

為了解決上述技術問題，本發明提供了一種新能源車輛的電池健康預測方法，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；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。

優選地，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，空值預測模型采用BP神經網絡算法進行訓練得到。

優選地，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。