一种新能源车辆电池的健康预测方法和系统技术方案

本发明专利技术公开了一种新能源车辆的电池健康预测方法，该方法包括如下步骤：对实时获得的车辆数据进行数据分析处理，得到车辆工况数据；对所述车辆工况数据分别执行数据清洗、数据转换和数据归约处理；基于经过数据预处理的车辆工况数据，采用因子分析的方法，提取影响电池健康程度的数据，再采用监督学习方法，挖掘所述影响电池健康程度的数据与车辆工况数据间的潜在关系，构建初始电池健康预测模型；对所述初始电池健康预测模型进行模型评估和算法优化，得到最优的电池监控预测模型，完成实际工况下的电池健康预测。本发明专利技术实现了新能源汽车电池健康状态的动态预测，提高了车辆动力性和经济性，操作简单，易于实现。

Health prediction method and system for new energy vehicle battery

The invention discloses a method for predicting a new energy vehicle battery health, the method comprises the following steps: the vehicle data to obtain real-time data analysis and processing, get the condition data of the vehicle; the vehicle condition data respectively perform data cleaning, data conversion and data reduction based on the condition of the vehicle through the data processing; data preprocessing by using factor analysis method, the extraction effect of the health of the cell data, then using supervised learning method, the influence of the potential relationship between data mining and data of the health of the vehicle battery between the construction of the initial battery health prediction model; assessment model and algorithm to optimize the initial battery health prediction model, get the battery optimal monitoring and forecasting model, completed the actual conditions of the battery health forecast. The invention realizes the dynamic prediction of the health state of the new energy automobile battery, improves the power and the economy of the vehicle, and has the advantages of simple operation and easy realization.

【技术实现步骤摘要】
一种新能源车辆电池的健康预测方法和系统
本专利技术涉及动力电池领域，具体地说，是涉及一种新能源车辆的电池健康预测方法，能够对动力电池的健康进行预测，有助于车辆动力性与经济性的判断。
技术介绍
经济的快速发展使得环境和资源问题越来越严重，为了解决此问题，新能源汽车成为了汽车产业发展的主要前进方向。其中，新能源汽车的关键部件是动力电池，动力电池健康的好坏对车辆的动力性与经济性都有着重大影响，因此能正确对动力电池健康进行预测，可有助于车辆动力性与经济性的判断。现今，在动力电池领域，为了实现动力电池健康程度的预测，采用搭建电池物理模型的方式，进行电池性能分析与仿真，但是此类方法都是在理想情况下进行试验，需要排除很多外界干扰因素，目前，在现实复杂的道路工况下对车辆动力电池的健康程度预测时，结果并不理想。
技术实现思路
针对当前新能源电池健康预测的困难性，本专利技术需要解决的技术问题之一是需要提供一种不仅能够对实时获得的车辆工况数据进行高效的清洗、转换和降维工作，还可以挖掘电池健康数据与车辆工况数据之间的潜在关系，构建与车辆工况数据相关的电池监控健康预测模型，从而不受路况复杂度高的限制，也能实现新能本文档来自技高网...

【技术保护点】
一种新能源车辆的电池健康预测方法，其特征在于，该方法包括如下步骤：大数据分析步骤：对实时获得的车辆数据进行数据分析处理，得到车辆工况数据；数据预处理步骤：对所述车辆工况数据分别执行数据清洗、数据转换和数据归约处理；数据挖掘模型搭建步骤：基于经过数据预处理的车辆工况数据，采用因子分析的方法，提取影响电池健康程度的数据，再采用监督学习方法，挖掘所述影响电池健康程度的数据与车辆工况数据间的潜在关系，构建初始电池健康预测模型；电池健康预测步骤：对所述初始电池健康预测模型进行模型评估和算法优化，得到最优的电池监控预测模型，完成实际工况下的电池健康预测。

【技术特征摘要】
1.一种新能源车辆的电池健康预测方法，其特征在于，该方法包括如下步骤：大数据分析步骤：对实时获得的车辆数据进行数据分析处理，得到车辆工况数据；数据预处理步骤：对所述车辆工况数据分别执行数据清洗、数据转换和数据归约处理；数据挖掘模型搭建步骤：基于经过数据预处理的车辆工况数据，采用因子分析的方法，提取影响电池健康程度的数据，再采用监督学习方法，挖掘所述影响电池健康程度的数据与车辆工况数据间的潜在关系，构建初始电池健康预测模型；电池健康预测步骤：对所述初始电池健康预测模型进行模型评估和算法优化，得到最优的电池监控预测模型，完成实际工况下的电池健康预测。2.根据权利要求1中所述的方法，其特征在于，在所述数据预处理步骤中，数据清洗处理包括如下步骤：采用描述性统计方法，初步清洗所述车辆工况数据中的脏数据，所述脏数据包括：重复值、空值、无效值和/或异常值；通过预设的专家系统对经过初步清洗处理的车辆工况数据进行进一步清洗处理，输出最终的车辆工况数据，记为第一数据集，所述专家系统为基于车辆工况数据变量的物理意义构建的数据清洗工具；利用空值预测模型对所述第一数据集的空值进行预测，得到包括空值预测值在内的第二数据集，其中，所述空值预测模型采用BP神经网络算法进行训练得到。3.根据权利要求1或2中所述的方法，其特征在于，进一步，在所述数据预处理步骤中，采用标准差标准化的方式，完成对所述第二数据集的数据转换处理得到第三数据集；将所述第三数据集进行无关特征向量的删除操作，完成数据的初步降维；通过特征归约中的子集选择的方法完成数据的二次降维。4.根据权利要求1中所述的方法，其特征在于，在数据挖掘模型搭建步骤中，从经数据预处理后的车辆工况数据中，提取与电池信息相关的数据变量；基于所述与电池信息相关的数据变量，采用因子分析方法，构建电池健康指标评测模型，挖掘影响电池健康程度的数据变量，进而得到影响电池健康的关键因素变量。5.根据权利要求1～4中任一项所述的方法，其特征在于，进一步，在数据挖掘模型搭建步骤中，基于所述影响电池健康的关键因素变量与获得的其它车辆工况数据变量，采用随机森林和RBF神经网络算法，挖掘二者之间的潜在关系，构建预测变量模型，其中所述其他车辆工况数据为不含电池数据变量信息的车辆工况数据；根据所述影响电池健康的关键因素变量与所述影响电池健康程度的数据变量的关系，得到电池健康评分模型，将所述预测变量模型与所述电池健康评分模型相结合得到初始电池健康预测模型。6.一种新能源车辆的电池健康预测系统，其特征在于，该系统包括如下模块：大数据分析模块：其对实时获得的车辆数据进行数据分析处理，得到车辆工况数据；数据预处理模块：其对所述车辆工况数据分别执行数据清洗、数据转换和数据归约处理；数据挖掘模型搭建模块：基于经过数据预处理的车辆工况...

【专利技术属性】
技术研发人员：刘凌，李勇华，谢勇波，王文明，熊刚，丁文，文多，宋超，彭之川，李双龙，
申请(专利权)人：湖南中车时代电动汽车股份有限公司，
类型：发明
国别省市：湖南,43