[發明專利]一種電動汽車運行大數據的動力電池安全風險評估方法

在審

• 申請號: 202110665939.X
• 申請日: 2021-06-16
• 公開（公告）號: CN113313406A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 袁新枚;蘇建華;秦偉晏;謝子晗;段昕瑋;路京雨;陳英亮
• 申請（專利權）人: 吉林大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 北京華際知識產權代理有限公司 11676
• 代理人: 俞璇

本發明屬于電動汽車電池風險評估技術領域，具體為一種電動汽車運行大數據的動力電池安全風險評估方法，包括步驟一：輸入電池安全相關特征量，步驟二：獲取最外圍樣本邊界，獲取無故障樣本的外圍邊界，步驟三：在外圍樣本邊界隨機生成故障樣本，步驟四：獲取正常樣本與模擬故障樣本的邊界，步驟五：縮放正負樣本邊界，依據樣本概率確定風險系數，其結構合理，結構明了，準確度高，避開訓練樣本中故障樣本稀缺的問題，發揮了大數據在故障診斷風險評估上的優勢。

技術領域

本發明涉及電動汽車電池風險評估技術領域，具體為一種電動汽車運行大數據的動力電池安全風險評估方法。

背景技術

近年來，因動力電池故障導致的電動汽車起火自燃事故頻發，這不僅威脅到了乘客的人身安全，也嚴重阻礙了電動汽車的推廣。因此，提出一套高效可行的電池安全風險評估方案，實現電池安全風險事前預警和事中報警，這將對電動車產業發展產生深遠意義的影響。動力電池組內部電芯數目眾多、化學反應過程復雜，電池狀態的準確估計和診斷始終是電動汽車的一大難點。大數據為電池風險評估提供了新思路，可以利用大規模實際運行的動力電池數據實現動力電池的風險評估。

主流的動力電池安全風險評估方法都是通過將電動汽車運行數據與預設的風險閾值進行比較，或是基于該方法下對風險等級評價策略進行優化。該類方法雖然模型清晰、算法簡單易于實現，但是閾值標定一般需要在實驗環境下進行，車輛實際運行環境與實驗環境之間的差異及電池老化后參數與初始參數的差異均會導致該方法誤差較大。為了避免這種差異，采用實際使用數據對算法閾值進行標定更為合理，但在現實中對于單一車型，嚴重故障的樣本是非常稀少甚至沒有，而這類閾值必須采用故障樣本進行標定，所以目前直接采用實際數據對動力電池風險評估算法進行閾值標定仍存在諸多難點。針對這一問題，本發明旨在采用無故障或極少量故障數據的電動汽車大數據，利用電池工作點出現的頻率描述工作點的風險，極為稀少出現的工況點意味著存在較高風險，從而實現動力電池風險評估。

發明內容

本部分的目的在于概述本發明的實施方式的一些方面以及簡要介紹一些較佳實施方式。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于現有電池安全風險評估方法中存在的問題，提出了本發明。

因此，本發明的目的是提供一種電動汽車運行大數據的動力電池安全風險評估方法，能夠實現提高電池安全風險評估的準確性。

為解決上述技術問題，根據本發明的一個方面，本發明提供了如下技術方案：

一種電動汽車運行大數據的動力電池安全風險評估方法，其包括如下步驟：

步驟一：輸入電池安全相關特征量，從大數據中心得到某種電動汽車或動力電池的數據，針對確定故障類型提取能夠表征該類故障的n種特征值，并將選取的n種特征值的樣本數據輸入到n維空間坐標系下；

步驟二：獲取最外圍樣本邊界，獲取無故障樣本的外圍邊界，電池安全相關的特征值都符合連續分布，因此對于一維坐標系下，獲取邊界只需要找出相應特征值最大值與最小值；對于二維及以上的高維度坐標系下，可以借助convex hull算法求解可以將所有元素包含在內的邊界A。樣本中若存在故障樣本，確認故障樣本在邊界A外部，否則修改A邊界，保證所有故障樣本均在A外部；