一种动力电池容量衰减预测方法及系统技术方案

本发明专利技术公开一种动力电池容量衰减预测方法及系统，涉及电动汽车技术领域。该方法包括：构建神经网络模型，得到构建的神经网络模型；计算待预测车辆和与待预测车辆类型相同的车辆之间的相似度，得到相似度最大的第一车辆；将待预测车辆的历史使用行为数据和第一车辆的充电特征输入构建的神经网络模型，得到待预测车辆的表观容量，进而得到待预测车辆的容量衰减情况。本发明专利技术通过车辆的历史使用行为数据和充电特征对神经网络模型进行训练，得到动力电池的表观容量与充电特征的关系，并根据与待预测车辆相似度最大的第一车辆的充电特征对待预测车辆的动力电池未来的表观容量衰减情况进行预测。

A prediction method and system of power battery capacity attenuation

【技术实现步骤摘要】
一种动力电池容量衰减预测方法及系统
本专利技术涉及电动汽车
，特别是涉及一种动力电池容量衰减预测方法及系统。
技术介绍
大多数电动汽车的电池容量衰减探索还是通过线下检测电池容量衰减实现。现有检测电池容量衰减的方法一般有两种：一、依靠线下实车检测进行测算，这种方法只能对指定车辆进行检测，不能对单车(电动汽车)电池容量未来衰减情况进行预测。二、通过抽样调查进行统计分析，通过新车满电续航里程和当前满电续航里程进行比例计算。这种方法存在抽样误差，且不能对单车电池容量未来衰减情况进行预测。因此，现有电池容量衰减探索存在无法对单车未来衰减情况进行预测的问题。
技术实现思路
本专利技术的目的是提供一种动力电池容量衰减预测方法及系统，以解决现有电池容量衰减探索无法对单车未来衰减情况进行预测的问题。为实现上述目的，本专利技术提供了如下方案：一种动力电池容量衰减预测方法，包括：构建神经网络模型，得到构建的神经网络模型；获取待预测车辆的车辆数据以及与所述待预测车辆类型相同的车辆的车辆数本文档来自技高网...

【技术保护点】
1.一种动力电池容量衰减预测方法，其特征在于，包括：/n构建神经网络模型，得到构建的神经网络模型；/n获取待预测车辆的车辆数据以及与所述待预测车辆类型相同的车辆的车辆数据；所述车辆数据包括：车辆的历史使用行为数据和充电特征；/n根据所述车辆数据，计算所述待预测车辆和与所述待预测车辆类型相同的车辆之间的相似度，得到与所述待预测车辆相似度最大的第一车辆；/n将所述待预测车辆的历史使用行为数据和所述第一车辆的充电特征输入所述构建的神经网络模型，得到所述待预测车辆的表观容量；/n获取与所述待预测车辆类型相同的新车的新车表观容量；所述与所述待预测车辆类型相同的新车的总行驶里程在1000公里以内；/n根据...

【技术特征摘要】
1.一种动力电池容量衰减预测方法，其特征在于，包括：
构建神经网络模型，得到构建的神经网络模型；
获取待预测车辆的车辆数据以及与所述待预测车辆类型相同的车辆的车辆数据；所述车辆数据包括：车辆的历史使用行为数据和充电特征；
根据所述车辆数据，计算所述待预测车辆和与所述待预测车辆类型相同的车辆之间的相似度，得到与所述待预测车辆相似度最大的第一车辆；
将所述待预测车辆的历史使用行为数据和所述第一车辆的充电特征输入所述构建的神经网络模型，得到所述待预测车辆的表观容量；
获取与所述待预测车辆类型相同的新车的新车表观容量；所述与所述待预测车辆类型相同的新车的总行驶里程在1000公里以内；
根据所述待预测车辆的表观容量和所述新车表观容量，得到所述待预测车辆的容量衰减情况；
所述构建神经网络模型包括：
获取训练集和验证集；
根据所述训练集确定神经网络模型的参数；
利用所述训练集训练所述神经网络模型，得到初步神经网络模型；
利用所述验证集对所述初步神经网络模型进行调整，得到构建的神经网络模型。


2.根据权利要求1所述的动力电池容量衰减预测方法，其特征在于，所述计算所述待预测车辆和与所述待预测车辆类型相同的车辆之间的相似度，得到与所述待预测车辆相似度最大的第一车辆，具体包括：
根据公式distancei,j＝cos(Di,Dj)计算所述待预测车辆和与所述待预测车辆类型相同的车辆之间的距离；
式中，distancei,j表示所述距离；Di表示所述待预测车辆的特征向量，i表示所述待预测车辆，Dj表示与所述待预测车辆类型相同的车辆的特征向量，j表示与所述待预测车辆类型相同的车辆序号；
根据公式计算所述相似度，得到所述待预测车辆与所有同种类型的车辆的相似度；
式中，Similari,J表示所述相似度；N表示所述距离的总数；J表示与所述待预测车辆类型相同的车辆的总数，j∈J；
比较所有所述相似度，得到与所述待预测车辆相似度最大的第一车辆。


3.根据权利要求2所述的动力电池容量衰减预测方法，其特征在于，所述获取训练集和验证集，具体包括：
获取历史车辆数据，所述历史车辆数据包括：历史车辆的历史使用行为数据和充电特征；
根据车辆类型对所述历史车辆数据进行分区，得到多个车型分区；
对每个所述车型分区的历史车辆数据分别进行特征转换，得到每个所述车型分区对应的特征数据；每个所述车型分区中的历史车辆数据均为同一种车辆类型的历史车辆数据；
将每个所述车型分区对应的特征数据分为训练集和验证集。


4.根据权利要求3所述的动力电池容量衰减预测方法，其特征在于，所述对每个所述车型分区的数据分别进行特征转换，得到每个所述车型分区对应的特征数据，具体包括：
对每个所述车型分区的历史车辆数据分别进行异常值处理，得到每个所述车型分区的第一数据；
对每个所述车型分区的第一数据分别进行缺失值处理，得到每个所述车型分区的第二数据；
对每个所述车型分区的第二数据分别进行里程分箱，得到每个所述车型分区的第三数据；
对每个所述车型分区的第三数据分别进行归一化处理，得到每个所述车型分区对应的特征数据。


5.根据权利要求4所述的动力电池容量衰减预测方法，其特征在于，所述根据所述训练集确定神经网络模型的参数，具体包括：
初始化所述神经网络模型输入层的神经元个数；所述输入层的神经元个数等于所述特征数据中数据的类型数量；
初始化所述神经网络模型隐藏层的神经元个数；当所述特征数据的总数量大于80万个，所述隐藏层的神经元个数大于40个且小于或等于50个；当所述特征数据的总数量大于或等于20万个且小于或等于80万个，所述隐藏层的神经元个数大于30个且小于或等于40个；当所述特征数据的总数量小于20万个，所述隐藏层的神经元个数大于20个且小于或等于30个；
所述神经网...

【专利技术属性】
技术研发人员：王震坡，刘鹏，龙超华，陈奕昆，周德高，朱红梅，
申请(专利权)人：北京理工新源信息科技有限公司，
类型：发明
国别省市：北京;11