[發明專利]動力蓄電池SOH計算模型構建方法和計算方法

在審

• 申請號: 202210402314.9
• 申請日: 2022-04-18
• 公開（公告）號: CN114840983A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 武雙賀;王競逸;郭金澤;胡嵩;王攀;徐樹杰
• 申請（專利權）人: 中汽數據（天津）有限公司;中汽數據有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/18;G06F111/04;G06F119/08;G06F119/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種動力蓄電池SOH計算模型構建方法，其特征在于，包括：

獲取汽車在運行過程中的運行數據，以及動力蓄電池的健康度SOH數據，其中，所述運行數據對應多種數據類型；

利用梯度提升樹對所述運行數據和所述SOH數據進行處理，得到每種數據類型對SOH的影響權重，其中，所述影響權重表征每種數據類型對SOH的重要程度；

根據所述影響權重，對所述運行數據和所述SOH數據進行線性回歸分析，得到SOH的線性回歸模型。

2.根據權利要求1所述的方法，其特征在于，所述多種數據類型包括：汽車行駛里程、電池使用時間、電池充電時間、充電平均溫度和充電平均電壓差。

3.根據權利要求1所述的方法，其特征在于，所述獲取汽車在運行過程中的運行數據，以及動力蓄電池的健康度SOH數據，包括：

獲取汽車在運行過程中的運行數據；

進行動力蓄電池在所述運行數據下的模擬放電；

根據模擬放電量，得到對應于所述運行數據的SOH數據。

4.根據權利要求1所述的方法，其特征在于，所述根據所述影響權重，對所述運行數據和所述SOH數據進行線性回歸分析，得到SOH的線性回歸模型，包括：

從所述多種數據類型中，選取SOH的線性回歸模型的自變量類型；

將所述自變量類型對應的影響權重，作為所述自變量類型在所述線性回歸模型中的線性系數；

將所述SOH數據和所述自變量類型對應的運行數據代入所述線性回歸模型，進行線性回歸分析，確定所述線性回歸模型中的常數項。

5.根據權利要求1所述的方法，其特征在于，所述根據所述影響權重，對所述運行數據和所述SOH數據進行線性回歸分析，得到SOH的線性回歸模型，包括：

從所述多種數據類型中，選取SOH的線性回歸模型的自變量類型；

根據所述自變量類型對應的影響權重，構建用于線性回歸分析的損失函數；

根據所述損失函數，對所述運行數據和所述SOH數據進行線性回歸分析，得到SOH的線性回歸模型。

6.根據權利要求4或5所述的方法，其特征在于，所述從所述多種數據類型中，選取SOH的線性回歸模型的自變量類型，包括：

從所述多種數據類型中，選取影響權重大于設定閾值的數據類型作為SOH的線性回歸模型的自變量類型；

和/或

根據所述多種數據類型和SOH的相關系數矩陣，選取SOH的線性回歸模型的自變量類型。

7.根據權利要求6所述的方法，其特征在于，所述根據所述多種數據類型和SOH的相關系數矩陣，選取SOH的線性回歸模型的自變量類型，包括：

根據所述多種數據類型和SOH的相關系數矩陣，選取與SOH的相關系數絕對值大于第二閾值的多個數據類型作為SOH的線性回歸模型的多個自變量類型；

如果存在兩個自變量類型之間的相關系數絕對值大于第三閾值，剔除所述兩個自變量類型中的任意一個。

8.一種動力蓄電池SOH計算方法，其特征在于，包括：

獲取動力蓄電池健康度SOH的線性回歸模型，其中所述線性回歸模型采用如權利要求1-7中任一項所述的方法構建；

將汽車在待測工況下的運行數據代入所述線性回歸模型，得到所述待測工況對應的SOH數據。

9.一種電子設備，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可由所述處理器執行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7中任意一項所述的構建方法，或如權利要求8所述的計算方法。

10.一種計算機可讀存儲介質，其特征在于，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令用于使所述計算機執行如權利要求1至7中任意一項所述的構建方法，或如權利要求8所述的計算方法。