一种基于大数据的蓄电池故障预警方法及系统技术方案

本发明专利技术涉及一种基于大数据的蓄电池故障预警方法，所述方法包括：抓取目标平台的海量数据；基于分布式系统架构，将海量数据进行处理并存储；根据海量数据进行检索分析得到针对至少一种蓄电池故障类别的数据分析结果；根据数据分析结果建立至少一个蓄电池故障预警目标模型；获取单车的目标数据，并通过至少一个蓄电池故障预警目标模型对目标数据进行预测分析，得到单车的蓄电池故障预测结果；基于蓄电池故障预测结果得到蓄电池预警信息，并将蓄电池预警信息发送至终端。本发明专利技术基于大数据能够在蓄电池故障可能发生之前作出预警，提高安全度。

A battery fault early warning method and system based on big data

【技术实现步骤摘要】
一种基于大数据的蓄电池故障预警方法及系统
本专利技术涉及电池安全领域，尤其涉及一种基于大数据的蓄电池故障预警方法及系统。
技术介绍
随着国家对新能源电动汽车的大力推广，越来越多的新能源电动汽车驰骋在城市的大街小巷。同时人们对电动汽车的里程焦虑一直是在绕不开的话题。为此，给电动汽车提供储能装置的生产厂家不得不极大限度的提高动力蓄电池的能量密度以达到国家政策要求和人们的期待。但同时也使得动力蓄电池的安全问题变得更加突出。随着动力蓄电池能量密度的提高，三元材料的大范围使用，动力电池发生故障甚至自燃的案例越来越多。这就为各大汽车生产的主机厂提出了一个现实的课题——如何在动力蓄电池发生故障前做好预警，提前预防。动力蓄电池要做到故障发生前的预警与提前预防，其实是非常困难的。通过现有的技术检测手段比如将电动汽车开到专门检测机构实际检测，对电池本身状况的评估是一个非常费时费力过程，在实际的故障预警方面更是难上加难。传统的动力蓄电池故障预警方法是通过硬件检测到电池单体本身电压、电流、压差、内阻的明显变化，达到预警阈值后发出报警。具体地，可以通过电池管理系统监测的电压、温度及压差的变化将故障报警信息发到控制器局域网络(ControllerAreaNetwork，CAN，是一种国际标准化的串行通信协议)总线，由仪表发出报警。这时发出报警存在反应时间短、有的时候来不及反应车辆已发生故障或者电池自燃问题。这种故障预警办法只适合故障紧急处理或者人员紧急逃生，对车辆动力蓄电池出现故障的提前预防适用性较差，常规的方案还无法很好的解决电池故障的早期故障预警问题。目前，国家、地方和企业均已建立了新能源汽车监测平台，其中很重要的就是对动力电池数据的采集。也就是说我们现在已经具备了对动力蓄电池的使用状况进行大数据分析的基础，企业自己建立基于大数据分析的动力电池故障预警平台也具备了实施条件。我们可以直接通过对历史电池数据的采集，结合实时数据，然后运用大数据的分析方法，对车辆动力电池可能即将发生故障进行预警。
技术实现思路
为解决对蓄电池故障提前预警的问题，本专利技术公开了一种基于大数据的蓄电池故障预警方法及系统。所述技术方案如下：第一方面，本专利技术公开了一种基于大数据的蓄电池故障预警方法，所述方法包括：抓取至少一个目标平台的海量数据；基于分布式系统架构，将所述海量数据进行处理并存储；根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果；根据所述数据分析结果，建立至少一个蓄电池故障预警目标模型；获取单车的目标数据，并通过所述至少一个蓄电池故障预警目标模型对所述单车的目标数据进行预测分析，得到所述单车的蓄电池故障预测结果；基于所述蓄电池故障预测结果得到蓄电池预警信息，并将所述蓄电池预警信息发送至所述单车终端或用户终端设备。进一步地，所述抓取至少一个目标平台的海量数据包括：抓取新能源车辆监测平台记录的蓄电池动态数据，所述蓄电池动态数据包括蓄电池实时状态数据、蓄电池历史状态数据和蓄电池历史故障数据；抓取新能源车辆蓄电池溯源平台记录的蓄电池静态数据；抓取第三方环境数据提供平台记录的车辆运行环境数据；和/或，抓取车联网数据平台记录的车辆使用状态数据和用户使用行为数据。进一步地，基于分布式系统架构，将所述海量数据进行处理并存储包括：对所述海量数据进行数据清洗、整理和/或解析，得到结构化的数据；基于分布式系统架构，将所述结构化的数据存储在数据仓库中，以使得所述结构化的数据能够被检索或查询。进一步地，根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果包括：根据所述蓄电池历史故障数据对蓄电池故障类别、故障频次和/或故障源进行统计，得到故障统计分析结果；针对所述故障统计分析结果中每一种蓄电池故障类别，根据所述蓄电池历史故障数据得到所述每一种蓄电池故障类别的故障发生时间；从所述数据仓库中检索搜集所述故障发生时间前后一定时间范围内的蓄电池历史状态数据和蓄电池静态数据作为电池异常数据；根据所述电池异常数据进行数据挖掘和分析，得到针对所述每一种蓄电池故障类别的电池异常数据的特征分析结果，以及所述每一种蓄电池故障类别与所述电池异常数据的相关性分析结果。进一步地，根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果还包括：针对所述故障统计分析结果中每一种蓄电池故障类别，从所述数据仓库中检索搜集相关的用户使用行为数据、车辆使用状态数据和/或车辆运行环境数据作为外部异常数据；根据所述外部异常数据进行数据挖掘和分析，得到针对所述每一种蓄电池故障类别的外部异常数据的特征分析结果，以及所述每一种蓄电池故障类别与所述外部异常数据的相关性分析结果。进一步地，根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果还包括：针对所述故障统计分析结果中每一种蓄电池故障类别，从所述数据仓库中检索搜集单车的历史故障数据和/或历史状态数据作为单车异常数据；根据所述单车异常数据进行数据挖掘和分析，得到针对所述每一种蓄电池故障类别的单车异常数据的特征分析结果，以及所述每一种蓄电池故障类别与所述单车异常数据的相关性分析结果。进一步地，根据所述数据分析结果，建立至少一个蓄电池故障预警目标模型包括：针对所述故障统计分析结果中所述每一种蓄电池故障类别，根据所述电池异常数据的特征分析结果、外部异常数据的特征分析结果、所述每一种蓄电池故障类别与所述电池异常数据的相关性分析结果和/或所述每一种蓄电池故障类别与所述外部异常数据的相关性分析结果建立与所述每一种蓄电池故障类别对应的的至少一个蓄电池故障预警通用模型；根据所述单车异常数据的特征分析结果，以及所述每一种蓄电池故障类别与所述单车异常数据的相关性分析结果对所述至少一个蓄电池故障预警通用模型进行调整和修正，得到针对所述单车的至少一个蓄电池故障预警模型；获取所述单车的随机样本数据，并通过所述随机样本数据对所述至少一个蓄电池故障预警模型进行训练，得到至少一个蓄电池故障预警目标模型。进一步地，所述获取单车的目标数据，并通过所述至少一个蓄电池故障预警目标模型对所述单车的目标数据进行预测分析，得到所述单车的蓄电池故障预测结果包括：通过所述单车的车载终端采集设备获取所述单车的实时目标数据；获取蓄电池溯源平台记录的所述单车的蓄电池静态数据作为静态目标数据；将所述单车的实时目标数据和静态目标数据导入至所述至少一个蓄电池故障预警目标模型中，得到关于所述单车的蓄电池故障预测结果，所述蓄电池故障预测结果包括预测的故障类别、故障发生时间、故障发生概率和/或故障源。进一步地，所述基于所述蓄电池故障预测结果得到蓄电池故障预警信息，并将所述蓄电池故障预警信息发送至所述单车终端或用户终端设备包括：根据预设的阈值对所述蓄电池故障预测结果进行筛选，并基于预设的本文档来自技高网...

【技术保护点】
1.一种基于大数据的蓄电池故障预警方法，其特征在于，所述方法包括：/n抓取至少一个目标平台的海量数据；/n基于分布式系统架构，将所述海量数据进行处理并存储；/n根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果；/n根据所述数据分析结果，建立至少一个蓄电池故障预警目标模型；/n获取单车的目标数据，并通过所述至少一个蓄电池故障预警目标模型对所述单车的目标数据进行预测分析，得到所述单车的蓄电池故障预测结果；/n基于所述蓄电池故障预测结果得到蓄电池预警信息，并将所述蓄电池预警信息发送至所述单车终端或用户终端设备。/n

【技术特征摘要】
1.一种基于大数据的蓄电池故障预警方法，其特征在于，所述方法包括：
抓取至少一个目标平台的海量数据；
基于分布式系统架构，将所述海量数据进行处理并存储；
根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果；
根据所述数据分析结果，建立至少一个蓄电池故障预警目标模型；
获取单车的目标数据，并通过所述至少一个蓄电池故障预警目标模型对所述单车的目标数据进行预测分析，得到所述单车的蓄电池故障预测结果；
基于所述蓄电池故障预测结果得到蓄电池预警信息，并将所述蓄电池预警信息发送至所述单车终端或用户终端设备。


2.根据权利要求1所述的一种基于大数据的蓄电池故障预警方法，其特征在于，所述抓取至少一个目标平台的海量数据包括：
抓取新能源车辆监测平台记录的蓄电池动态数据，所述蓄电池动态数据包括蓄电池实时状态数据、蓄电池历史状态数据和蓄电池历史故障数据；
抓取新能源车辆蓄电池溯源平台记录的蓄电池静态数据；
抓取第三方环境数据提供平台记录的车辆运行环境数据；
和/或，抓取车联网数据平台记录的车辆使用状态数据和用户使用行为数据。


3.根据权利要求1所述的一种基于大数据的蓄电池故障预警方法，其特征在于，所述基于分布式系统架构，将所述海量数据进行处理并存储包括：
对所述海量数据进行数据清洗、整理和/或解析，得到结构化的数据；
基于分布式系统架构，将所述结构化的数据存储在数据仓库中，以使得所述结构化的数据能够被检索或查询。


4.根据权利要求2或3任一项所述的一种基于大数据的蓄电池故障预警方法，其特征在于，所述根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果包括：
根据所述蓄电池历史故障数据对蓄电池故障类别、故障频次和/或故障源进行统计，得到故障统计分析结果；
针对所述故障统计分析结果中每一种蓄电池故障类别，根据所述蓄电池历史故障数据得到所述每一种蓄电池故障类别的故障发生时间；
从所述数据仓库中检索搜集所述故障发生时间前后一定时间范围内的蓄电池历史状态数据和蓄电池静态数据作为电池异常数据；
根据所述电池异常数据进行数据挖掘和分析，得到针对所述每一种蓄电池故障类别的电池异常数据的特征分析结果，以及所述每一种蓄电池故障类别与所述电池异常数据的相关性分析结果。


5.根据权利要求4所述的一种基于大数据的蓄电池故障预警方法，其特征在于，所述根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果还包括：
针对所述故障统计分析结果中每一种蓄电池故障类别，从所述数据仓库中检索搜集相关的用户使用行为数据、车辆使用状态数据和/或车辆运行环境数据作为外部异常数据；
根据所述外部异常数据进行数据挖掘和分析，得到针对所述每一种蓄电池故障类别的外部异常数据的特征分析结果，以及所述每一种蓄电池故障类别与所述外部异常数据的相关性分析结果。


6.根据权利要求4所述的一种基于大数据的蓄电池故障预警方法，其特征在于是，所述根据所述海量数据进行检索分析，得到针对至少一种蓄电池故障类别的数据分析结果还包括：
针对所述故障统计分析结果中每一种蓄电池故障类别，从所述数据仓库中检索搜集单车的历史故障数据和/或历史状态数据作为单车异常数据；
根据所述单车异常数...

【专利技术属性】
技术研发人员：刘亮，李春燕，陈刚，郭亚玲，黄云飞，
申请(专利权)人：浙江吉利新能源商用车集团有限公司，吉利四川商用车有限公司，浙江吉利新能源商用车发展有限公司，浙江吉利控股集团有限公司，
类型：发明
国别省市：浙江;33