[發明專利]一種新能源車輛動力電池容量預測方法及系統

在審

• 申請號: 202110488984.2
• 申請日: 2021-04-29
• 公開（公告）號: CN113158345A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 張俊杰;段鵬;霍艷紅;劉剛;潘福中;陳玉星;張魯寧;翟一明;岳翔;王芳芳;邵晶晶;陶雷;馬國慶;牛亞琪
• 申請（專利權）人: 浙江吉利控股集團有限公司;吉利汽車研究院（寧波）有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;H01M10/44;H01M10/42
• 代理公司: 臺州市方圓專利事務所(普通合伙) 33107
• 代理人: 陜向輝

1.一種新能源車輛動力電池容量預測方法，其特征在于，所述方法包括以下步驟：

通過大數據平臺(3)采集多輛車的充電工況數據；

根據預設的條件對上述充電工況數據進行篩選,分別得到神經網絡訓練所需的訓練目標數據集以及與動力電池容量相關性高的訓練輸入數據集，將訓練目標數據集以及訓練輸入數據集進行神經網絡訓練建立新能源車輛動力電池容量預測模型；

獲取對動力電池預測容量有需求的車輛的當前充電工況數據代入新能源車輛動力電池容量預測模型，計算出所需車輛動力電池的預測容量。

2.根據權利要求1所述的新能源車輛動力電池容量預測方法，其特征在于，上述得到與動力電池容量相關性高的訓練輸入數據集步驟包括：

從多輛車的充電工況數據中提取所有車輛數據特征；

根據相關性分析得到與車輛動力電池容量相關性高的所需車輛數據特征；

根據預設的訓練輸入數據集過濾條件對所需車輛數據特征進行過濾得到訓練輸入數據集。

3.根據權利要求2所述的新能源車輛動力電池容量預測方法，其特征在于，所述相關性分析包括選擇與新能源車輛動力電池容量之間皮爾遜相關系數大于預設系數值的車輛數據特征。

4.根據權利要求2或3所述的新能源車輛動力電池容量預測方法，其特征在于，上述得到神經網絡訓練所述的訓練目標數據集步驟包括根據多輛車的充電工況數據計算車輛動力電池容量，根據預設的過濾條件過濾計算后的車輛動力電池容量得到訓練目標數據集。

5.根據權利要求4所述的新能源車輛動力電池容量預測方法，其特征在于，所述訓練輸入數據集過濾條件包括動力電池充電結束SOC與動力電池充電起始SOC差值大于預設值、動力電池充電結束SOC不低于預設值。

6.根據權利要求4所述的新能源車輛動力電池容量預測方法，其特征在于，上述計算車輛動力電池容量的公式包括車輛動力電池的容量＝充電過程累計電量/(充電結束SOC-充電起始SOC)。

7.根據權利要求1所述的新能源車輛動力電池容量預測方法，其特征在于，上述進行神經網絡訓練建立新能源車輛動力電池容量預測模型步驟包括選取神經網絡的一個參數，將訓練輸入數據集通過神經網絡進行訓練后的輸出數據集與訓練目標數據集逐一對比，當輸出數據集與訓練目標數據集誤差值小于或等于預設誤差值時建立新能源車輛動力電池容量預測模型，當輸出數據集與訓練目標數據集大于預設誤差值時調節神經網絡中的參數直到輸出數據集與訓練目標數據集的誤差值小于或等于預設誤差值。

8.根據權利要求7所述的新能源車輛動力電池容量預測方法，其特征在于，所述新能源車輛動力電池容量預測模型包括其中y為輸出數據集，j＝1…m，m為隱藏層節點數，i＝1…n，n為輸入數據特征數，x_i為訓練輸入數據集，為隱藏層權重參數，為隱藏層偏置，為輸出層權重參數，b⁰為輸出層偏置，f_H為激活函數。

9.一種新能源車輛動力電池容量預測系統，包括與車輛連接并能獲取車輛數據的大數據平臺(3)，其特征在于，新能源車輛動力電池容量預測系統還包括用于采集充電工況數據的采集模塊(1)以及設置在車輛上用于接收采集模塊(1)輸出數據的控制單元(2)，所述采集模塊(1)與控制單元(2)連接，所述控制單元(2)與大數據平臺(3)無線連接，大數據平臺(3)在接收到控制單元輸出的數據后根據預設的條件篩選多輛車的充電工況數據,分別得到神經網絡訓練所需的訓練目標數據集以及與動力電池容量相關性高的訓練輸入數據集，將訓練目標數據集以及訓練輸入數據集進行神經網絡訓練建立新能源車輛動力電池容量預測模型，大數據平臺(3)還用于獲取對動力電池預測容量有需求的車輛的當前充電工況數據代入新能源車輛動力電池容量預測模型，計算出所需車輛動力電池的預測容量。

10.根據權利要求9所述的新能源車輛動力電池容量預測系統，其特征在于，所述采集模塊(1)包括用于采集動力電池電流的電流表(1a)，所述電流表(1a)與控制單元(2)連接。