电动汽车的脉冲充电频率优化方法、装置制造方法及图纸

本发明专利技术提供一种电动汽车的脉冲充电频率优化方法、装置，所述方法包括：获取电动汽车的历史脉冲充电数据；筛选输入特征值并进行预处理；计算充电过程的电池发热均量作为输出特征；根据输入特征和输出特征值，使用机器学习算法进行建模以获取优化模型；在电动汽车充电开始前，获取当前电动汽车的信息，并差异化输入充电机能够提供的脉冲充电频率，使用优化模型预测电池发热均量；选择最低发热均量的充电频率作为优选频率输出至脉冲充电机。该方法实施过程中无需对车载动力电池进行额外的标定和复杂测试，同时，可持续根据充电数据在线优化并输出适配车辆及电池状态的充电频率，无需频繁地进行电池检测，提高了工作效率，降低了成本。

【技术实现步骤摘要】
电动汽车的脉冲充电频率优化方法、装置
本专利技术涉及电动汽车
，具体涉及一种电动汽车的脉冲充电频率优化方法、一种一种电动汽车的脉冲充电频率优化装置。
技术介绍
充电策略对于车载动力电池寿命以及可靠性具有重要影响，相比传统充电方式，脉冲充电在充电速度，能量效率，提高电池寿命等方面均具有优势。近年来，随着新能源电动汽车产业的发展，如何更快更好地充电显得尤为重要，未来脉冲充电在电动汽车充电领域具有巨大的应用前景。现有研究表明，脉冲充电频率对充电效果有重要影响。电池频谱测试结果显示，不同充电频率下电池阻抗不同，阻抗越低意味着充电损耗越低，充电效率越高，通过优选充电频率可以达到更好的充电效果。目前，在实验室对于电池脉冲充电频率的优化主要采用交流阻抗等效电路模型等方法，基于此类模型的方法需要对电池进行复杂的充放电标定和测试，以获得建立相关模型的参数。而在电动汽车实际充电过程中，能够获取和统计到的数据很少，不足以支撑相关模型建立；且在电动汽车实际使用过程中，随着行驶里程和使用时间的增长，动力电池会出现比较明显的老化现象，不同温度，SOC(StateofCharge，荷电状态)等参数下对应的最优脉冲充电频率也会发生相应改变，无法实时适配充电频率。
技术实现思路
本专利技术为解决上述技术问题，提供了一种电动汽车的脉冲充电频率优化方法，该方法实施过程中无需对车载动力电池进行额外的标定和复杂测试，同时，可持续根据充电数据在线优化并输出适配车辆及电池状态的充电频率，无需频繁地进行电池检测，提高了工作效率，降低了成本，且优化过程聚焦于缓解和消除充电过程中浓差极化作用，基于此理论做特征筛选和数据预处理，减少了机器学习算法数据噪声和计算量，进一步降低了算力要求和硬件成本，提高了系统响应速度，提供更好的用户体验。本专利技术还提供一种电动汽车的脉冲充电频率优化装置。本专利技术采用的技术方案如下：本专利技术第一方面实施例提出了一种电动汽车的脉冲充电频率优化方法，包括以下步骤：获取所述电动汽车的历史脉冲充电数据；根据所述历史脉冲充电数据，筛选输入特征值，并对筛选后的所述输入特征值进行预处理，其中，所述输入特征值包括：脉冲频率、占空比、初始SOC、目标SOC、电池初始温度、电池容量、SOH(StateOfHealth，健康状态)，所述预处理包括：空数据检测，异常检测及特征范围筛选；计算所述电动汽车充电过程中的电池发热均量，以作为输出特征值；根据所述输入特征值和所述输出特征值，对所述电动汽车的历史充电数据使用机器学习算法进行建模，以获取优化模型；在所述电动汽车充电开始前，获取所述当前电动汽车的信息，并差异化输入充电机能够提供的脉冲充电频率，使用所述优化模型预测所述当前电动汽车充电过程中的电池发热均量；根据所述优化模型预测的电池发热均量，选择最低发热均量的充电频率作为优选频率输出至脉冲充电机，以使所述脉冲充电机按照所述优选频率进行充电。根据本专利技术的一个实施例，所述空数据检测，包括：检查输入特征值数据是否有缺失；若所述输入特征值数据有缺失，则检查其前后数据是否存在有效数据；若前后数据存在有效数据，则使用前后数据均值补全数据；若前后数据存在无效数据，认为当前输入特征值数据无效，舍弃处理。根据本专利技术的一个实施例，所述异常检测包括：检测是否存在SOC跨度小于50％的充电区间；如果是，舍弃SOC跨度小于50％的充电区间的输入特征值数据。根据本专利技术的一个实施例，所述特征范围筛选包括：检查电池订单容量的相对波动是否大于10％；如果是，则舍弃所述相对波动大于10％的输入特征值数据。根据本专利技术的一个实施例，所述机器学习算法包括随机森林算法。本专利技术的第二方面实施例提出了一种电动汽车的脉冲充电频率优化装置，包括：获取模块，所述获取模块获取所述电动汽车的历史脉冲充电数据；筛选模块，所述筛选模块用于根据所述历史脉冲充电数据，筛选输入特征值，并对筛选后的所述输入特征值进行预处理，其中，所述输入特征值包括：脉冲频率、占空比、初始SOC、目标SOC、电池初始温度、电池容量、SOH，所述预处理包括：空数据检测，异常检测及特征范围筛选；计算模块，所述计算模块用于计算所述电动汽车充电过程中的电池发热均量，以作为输出特征值；训练模块，所述训练模块用于根据所述输入特征值和所述输出特征值，对所述电动汽车的历史充电数据使用机器学习算法进行建模，以获取优化模型；预测模块，所述预测模块用于在所述电动汽车充电开始前，获取所述当前电动汽车的信息，并差异化输入充电机能够提供的脉冲充电频率，使用所述优化模型预测所述当前电动汽车充电过程中的电池发热均量；优化模块，所述优化模块用于根据所述优化模型预测的电池发热均量，选择最低发热均量的充电频率作为优选频率输出至脉冲充电机，以使所述脉冲充电机按照所述优选频率进行充电。根据本专利技术的一个实施例，所述空数据检测，包括：检查输入特征值数据是否有缺失；若所述输入特征值数据有缺失，则检查其前后数据是否存在有效数据；若前后数据存在有效数据，则使用前后数据均值补全数据；若前后数据存在无效数据，认为当前输入特征值数据无效，舍弃处理。根据本专利技术的一个实施例，所述异常检测包括：检测是否存在SOC跨度小于50％的充电区间；如果是，舍弃SOC跨度小于50％的充电区间的输入特征值数据。根据本专利技术的一个实施例，所述特征范围筛选包括：检查电池订单容量的相对波动是否大于10％；如果是，则舍弃所述相对波动大于10％的输入特征值数据。根据本专利技术的一个实施例，所述机器学习算法包括随机森林算法。本专利技术的有益效果：本专利技术实施过程中无需对车载动力电池进行额外的标定和复杂测试，同时，可持续根据充电数据在线优化并输出适配车辆及电池状态的充电频率，无需频繁地进行电池检测，提高了工作效率，降低了成本，且优化过程聚焦于缓解和消除充电过程中浓差极化作用，基于此理论做特征筛选和数据预处理，减少了机器学习算法数据噪声和计算量，进一步降低了算力要求和硬件成本，提高了系统响应速度，提供更好的用户体验。附图说明图1是根据本专利技术一个实施例的锂电池在不同充电脉冲频率下的阻抗曲线示意图；图2是根据本专利技术一个实施例的脉冲充电能量损耗机理示意图；图3是根据本专利技术一个实施例的电动汽车的脉冲充电频率优化方法的流程图；图4是根据本专利技术一个实施例的随机森林算法的决策树模型样例示意图；图5是根据本专利技术一个具体示例的优化模型的输入特征值格式示意图；图6是根据本专利技术一个具体示例的优化模型的预测结果示意图；图7是根据本专利技术一个实施例的电动汽车的脉冲充电频率优化装置的方框示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术是专利技术人基于对本文档来自技高网...

【技术保护点】
1.一种电动汽车的脉冲充电频率优化方法，其特征在于，包括以下步骤：/n获取所述电动汽车的历史脉冲充电数据；/n根据所述历史脉冲充电数据，筛选输入特征值，并对筛选后的所述输入特征值进行预处理，其中，所述输入特征值包括：脉冲频率、占空比、初始SOC、目标SOC、电池初始温度、电池容量、SOH，所述预处理包括：空数据检测，异常检测及特征范围筛选；/n计算所述电动汽车充电过程中的电池发热均量，以作为输出特征值；/n根据所述输入特征值和所述输出特征值，对所述电动汽车的历史充电数据使用机器学习算法进行建模，以获取优化模型；/n在所述电动汽车充电开始前，获取所述当前电动汽车的信息，并差异化输入充电机能够提供的脉冲充电频率，使用所述优化模型预测所述当前电动汽车充电过程中的电池发热均量；/n根据所述优化模型预测的电池发热均量，选择最低发热均量的充电频率作为优选频率输出至脉冲充电机，以使所述脉冲充电机按照所述优选频率进行充电。/n

【技术特征摘要】
1.一种电动汽车的脉冲充电频率优化方法，其特征在于，包括以下步骤：
获取所述电动汽车的历史脉冲充电数据；
根据所述历史脉冲充电数据，筛选输入特征值，并对筛选后的所述输入特征值进行预处理，其中，所述输入特征值包括：脉冲频率、占空比、初始SOC、目标SOC、电池初始温度、电池容量、SOH，所述预处理包括：空数据检测，异常检测及特征范围筛选；
计算所述电动汽车充电过程中的电池发热均量，以作为输出特征值；
根据所述输入特征值和所述输出特征值，对所述电动汽车的历史充电数据使用机器学习算法进行建模，以获取优化模型；
在所述电动汽车充电开始前，获取所述当前电动汽车的信息，并差异化输入充电机能够提供的脉冲充电频率，使用所述优化模型预测所述当前电动汽车充电过程中的电池发热均量；
根据所述优化模型预测的电池发热均量，选择最低发热均量的充电频率作为优选频率输出至脉冲充电机，以使所述脉冲充电机按照所述优选频率进行充电。


2.根据权利要求1所述的电动汽车的脉冲充电频率优化方法，其特征在于，所述空数据检测，包括：
检查输入特征值数据是否有缺失；
若所述输入特征值数据有缺失，则检查其前后数据是否存在有效数据；
若前后数据存在有效数据，则使用前后数据均值补全数据；
若前后数据存在无效数据，认为当前输入特征值数据无效，舍弃处理。


3.根据权利要求1所述的电动汽车的脉冲充电频率优化方法，其特征在于，所述异常检测包括：
检测是否存在SOC跨度小于50％的充电区间；
如果是，舍弃SOC跨度小于50％的充电区间的输入特征值数据。


4.根据权利要求1所述的电动汽车的脉冲充电频率优化方法，其特征在于，所述特征范围筛选包括：
检查电池订单容量的相对波动是否大于10％；
如果是，则舍弃所述相对波动大于10％的输入特征值数据。


5.根据权利要求1所述的电动汽车的脉冲充电频率优化方法，其特征在于，所述机器学习算法包括随机森林算法。


6.一种电动汽车的脉冲充电频率优化装置，其特征在于，包括：

【专利技术属性】
技术研发人员：徐晨阳，刘博，李德胜，郑隽一，张育铭，
申请(专利权)人：国创新能源汽车智慧能源装备创新中心江苏有限公司，
类型：发明
国别省市：江苏;32