[發明專利]一種基于大數據機器學習的電池健康度預測方法

在審

• 申請號: 202010021179.4
• 申請日: 2020-01-09
• 公開（公告）號: CN111157908A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 項寶慶;朱詩嚴;鞠強
• 申請（專利權）人: 青島特來電云科技有限公司;青島特來電新能源科技有限公司
• 主分類號: G01R31/392
• 分類號: G01R31/392;G01R31/367;G01R31/382;G01R31/387
• 代理公司: 青島華慧澤專利代理事務所(普通合伙) 37247
• 代理人: 劉娜

本發明公開了一種基于大數據機器學習的電池健康度預測方法，包括如下步驟：收集某一車型下多個車輛的充電過程明細數據；對收集到的充電過程數據進行處理；對該車型的充電過程數據進行數學建模，建立以預估電池容量為因變量、以累計SOC差值為自變量的數學模型；分析該車型的電池SOH衰減規律，得到SOH衰減曲線，并計算出該車型電池容量衰減至80％時的循環次數；基于得到的SOH衰減曲線，結合步驟二中每輛車的充電過程數據，計算每輛車電池容量衰減至80％時的時間；將該車型和具體每輛車的SOH衰減規律計算結果，在可視化界面中呈現。本發明公開的方法可以提前預知每輛車電池容量衰減至80％時的具體時間，為車輛的維護保養提供了可靠的依據。

技術領域

本發明涉及電池健康度預測技術領域，特別涉及一種基于大數據機器學習的電池健康度預測方法。

背景技術

電動汽車行業的興起，鋰離子電池在電動汽車領域得到廣泛的應用，電池組的有效管理也成為保障電動汽車性能穩定和安全可靠的關鍵。特別是電動汽車電池在充放電過程中出現故障，從而導致安全事故頻發，那么對電池使用情況的監測、對電池剩余電量的評估、對電池使用壽命的預測等技術就變得越來越重要。

電池健康狀態(state of health，SOH)是用來衡量電池老化程度的參數。當前業務對SOH的估算方法主要有兩大類：直接獲得法、數據驅動法。直接獲得法是指對可直接測量的電池參數進行處理來計算SOH的方法，具體有安時積分、開路電壓、阻抗法等方式；數據驅動法不依賴于電池模型，而是采用數學模型，針對具體的車型來構造模型，其結果適用于具體的一個車型，因此精度較高。

發明內容

為解決上述技術問題，本發明提供了一種基于大數據機器學習的電池健康度預測方法，采用數據驅動法，通過機器學習技術建立數學模型，來探索每個車型的電池壽命衰減規律，從而對具體每個車的電池壽命進行預測。

為達到上述目的，本發明的技術方案如下：

一種基于大數據機器學習的電池健康度預測方法，包括如下步驟：

步驟一，收集某一車型下多個車輛的充電過程明細數據；

步驟二，對收集到的充電過程數據進行處理，計算得到每輛車每次充電時的累計SOC差值和預估電池容量；

步驟三，對該車型的充電過程數據進行數學建模，建立以預估電池容量為因變量、以累計SOC差值為自變量的數學模型；

步驟四，基于建立的數學模型，分析該車型的電池SOH衰減規律，得到SOH衰減曲線，并計算出該車型電池容量衰減至80％時的循環次數；

步驟五：基于得到的SOH衰減曲線，結合步驟二中每輛車的充電過程數據，計算每輛車電池容量衰減至80％時的時間；

步驟六：將該車型和具體每輛車的SOH衰減規律計算結果，在可視化界面中呈現。

上述方案中，所述步驟一中，充電過程明細數據包括車輛VIN、充電開始時間、充電結束時間、充電時長、充電開始SOC、充電結束SOC、充電電量。

上述方案中，所述步驟二的具體方法如下：

(1)計算每輛車每次充電的SOC差值；

(2)計算每輛車逐次充電過程時的累計SOC差值和累計充電量；

(3)通過累計充電量除以累計SOC差值，得到每輛車每次充電時的預估電池容量。

上述方案中，所述步驟三中，建立的數學模型采用BP神經網絡回歸算法和多項式回歸算法，針對每一個車型，比較這兩類算法的精度，選擇最優的算法。

進一步的技術方案中，所述BP神經網絡回歸算法中，采用了2層神經網絡，隱藏層包含10個隱藏單元。