SOC校准方法、建模方法、建模装置、计算机设备及介质制造方法及图纸

本发明专利技术公开了一种SOC校准方法、建模方法、建模装置、计算机设备及介质，该建模方法包括：基于车联网数据提取不同工况下不同型号车辆的历史车辆数据；对历史车辆数据进行异常数据处理，得到预处理数据集；对预处理数据集中的数据进行标签标注和特征选择，得到训练数据集及测试数据集；根据训练数据集及测试数据集进行模型训练，建立SOC校准离线模型。本发明专利技术通过车联网收集车辆在不同工况下的数据驱动SOC校准模型训练，训练得到的模型涵盖多种工况，实现对个体车辆的异常情况进行修正，有利于提高模型的容错率，提高SOC校准准确性。提高SOC校准准确性。提高SOC校准准确性。

【技术实现步骤摘要】
SOC校准方法、建模方法、建模装置、计算机设备及介质


[0001]本专利技术涉及新能源车辆
，尤其涉及一种SOC校准方法、建模方法、建模装置、计算机设备及介质。

技术介绍

[0002]随着车辆电动化和智能化技术的发展，新能源车辆得到广泛普及，新能源车辆的续航及驾驶性能等问题也日益突出。
[0003]目前，新能源车辆的问题主要是三电问题(包括电池、电机和电控)，其中，动力电池的性能不仅与新能源汽车的安全休憩相关，且影响车辆驾驶体验，典型地，动力电池的性能包括里程续航、电池寿命和荷电状态SOC(State of Charge)准确，动力电池因环境温度、容量衰退、状态等因数都容易导致SOC存在跳变、高误差等问题，荷电状态SOC准确是解决新能源用户里程焦虑问题的重要途径，极大地影响着用户的体验。
[0004]在新能源汽车领域中，动力电池的荷电状态SOC用来反应电池的剩余容量状况，其数值定义为电池剩余容量与电池容量之间的比值，满足公式：其中，Q表示放电容量，可通过安时积分法得到，C表示电池容量，k表示修正系数，修正系数k与环境温度、SOH(state of health，电池健康度)等因素相关，修正系数k的实际值可为实验数值。
[0005]在现有技术中，新能源车辆通常基于BMS(Battery Management System，电池管理系统)对动力电池的荷电状态SOC进行校准，车端BMS根据特定实验工况下得到的结果建立物理模型进行校准，其存在以下问题：建模数据基于标准实验工况获得，不同实验工况下的数据具有偶然性，在车端使用该模型进行SOC校准时，存在个体差异，影响SOC校准结果。

技术实现思路

[0006]本专利技术提供一种SOC校准方法、建模方法、建模装置、计算机设备及介质，以实现基于不同车辆数据的车联网数据进行SOC标签标注和特征选择，提取训练数据集，训练得到SOC校准离线模型，有利于提高模型的容错率。
[0007]第一方面，本专利技术实施例提供了一种SOC校准模型的建模方法，包括以下步骤：
[0008]基于车联网数据提取不同工况下不同型号车辆的历史车辆数据；
[0009]对所述历史车辆数据进行异常数据处理，得到预处理数据集；
[0010]对所述预处理数据集中的数据进行标签标注和特征选择，得到训练数据集及测试数据集；
[0011]根据所述训练数据集及所述测试数据集进行模型训练，建立SOC校准离线模型。
[0012]第二方面，本专利技术实施例还提供了一种SOC校准方法，包括以下步骤：
[0013]获取基于上述建模方法建立的SOC校准离线模型；
[0014]将所述SOC校准离线模型部署到云端服务器和/或边缘端；
[0015]采用所述云端服务器和/或所述边缘端的所述SOC校准离线模型对目标车辆的实
时车辆数据进行分析，确定目标车辆的SOC校准值；
[0016]对所述SOC校准值进行可视化展示。
[0017]第三方面，本专利技术实施例还提供了一种SOC校准模型的建模装置，包括：数据采样单元，用于基于车联网数据提取不同工况下不同型号车辆的历史车辆数据；数据预处理单元，用于对所述历史车辆数据进行异常数据处理，得到预处理数据集；数据标签化单元，用于对所述预处理数据集中的数据进行标签标注和特征选择，得到训练数据集；模型训练单元，用于根据所述训练数据集进行模型训练，建立SOC校准离线模型。
[0018]第四方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述SOC校准模型的建模方法；和/或，实现上述SOC校准方法。
[0019]第五方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述SOC校准模型的建模方法；和/或，实现上述SOC校准方法。
[0020]本专利技术实施例提供的SOC校准方法、建模装置、计算机设备及介质，执行SOC校准模型的建模方法，该建模方法基于车联网技术获取不同车辆的历史车辆数据，对历史车辆数据进行数据预处理、SOC标签标注和特征选择，提取训练及测试数据集，采用训练数据集进行模型训练，采用测试数据集进行模型测试，得到SOC校准离线模型，基于不同型号车辆在不同工况下的数据驱动SOC校准模型训练，训练得到的模型涵盖多种工况，对个体车辆的异常情况进行修正，有利于提高模型的容错率，提高SOC校准准确性。
附图说明
[0021]图1是本专利技术实施例一提供的一种SOC校准模型的建模方法的流程图；
[0022]图2是本专利技术实施例一提供的一种异常数据处理方法的流程图；
[0023]图3是本专利技术实施例一提供的另一种异常数据处理方法的流程图；
[0024]图4是本专利技术实施例一提供的一种SOC校准模型的建模方法的流程图；
[0025]图5是本专利技术实施例一提供的另一种SOC校准模型的建模方法的流程图；
[0026]图6是本专利技术实施例一提供的又一种SOC校准模型的建模方法的流程图；
[0027]图7是本专利技术实施例二提供的一种SOC校准方法的流程图；
[0028]图8是本专利技术实施例三提供的一种SOC校准模型的建模装置的结构示意图；
[0029]图9是本专利技术实施例四提供的一种计算机设备的结构示意图。
具体实施方式
[0030]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0031]实施例一
[0032]图1是本专利技术实施例一提供的一种SOC校准模型的建模方法的流程图，本实施例可适用于基于车联网技术在线实时执行SOC校准的应用场景，该方法可以由配置特定软件和/或功能模块的云端服务器来执行，具体包括如下步骤：
[0033]步骤S1：基于车联网数据提取不同车况下不同型号车辆的历史车辆数据。
[0034]其中，车联网数据是车联网系统内所有个体车辆数据的数据集合，可采用车端传感器采集车辆关键系统、关键部件、运行参数和工况等数据，进行车辆数据提取形成数据流，经车辆T
‑
box(telematics Box，远程通讯箱)将提取得到的数据流上传至云端服务器，采用云端服务器对数据流进行解析得到结构化的历史车辆数据和结构化的实时车辆数据，该历史车辆数据可用于训练SOC模型，该实时车辆数据可用于实时的SOC校准。
[0035]在本步骤中，在车端进行数据提取时，可提取SOC关联数据，SOC关联数据包括车辆基础数据、电池数据和工况数据。
[0036]可选地，历史车辆数据包括车辆编码、时序数据流时间、和车型等车辆基础数据，电池单体温度、单体电压、充/放电电流、充/放电电压、充电状态/模式、车辆状态、最高/最低单体电压、最高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SOC校准模型的建模方法，其特征在于，包括以下步骤：基于车联网数据提取车辆的历史车辆数据；对所述历史车辆数据进行异常数据处理，得到预处理数据集；对所述预处理数据集中的数据进行标签标注和特征选择，得到训练数据集及测试数据集；根据所述训练数据集及所述测试数据集进行模型训练，建立SOC校准离线模型。2.根据权利要求1所述的SOC校准模型的建模方法，其特征在于，所述对所述历史车辆数据进行异常数据处理，包括以下步骤：获取所述历史车辆数据中的采样空值及所述采样空值的前后记录窗口值；根据所述采样空值的关联数据与所述前后记录窗口值之间的浮动增量比对所述采样空值进行空值填补处理；和/或，基于所述历史车辆数据中的任一目标车辆数据的理论有效范围确定箱线图，并采用所述箱线图对所述目标车辆数据进行离群值处理。3.根据权利要求1所述的SOC校准模型的建模方法，其特征在于，对所述预处理数据集中的数据进行标签标注和特征选择，包括以下步骤：采用字段SOC作为数据标签，对所述预处理数据集中的数据进行标签标注，得到初始化标签数据集；或者，采用所述预处理数据集中的特征数据对预设OCV
‑
SOC曲线进行查表，基于查表结果对所述预处理数据集中的数据进行标签校准，得到初始化标签数据集，其中，所述特征数据包括电压数据和温度数据。4.根据权利要求3所述的SOC校准模型的建模方法，其特征在于，对所述预处理数据集中的数据进行标签标注和特征选择，还包括以下步骤：基于所述初始化标签数据集进行特征选择；根据特征选择结果确定状态变化特征向量；根据所述状态变化特征向量进行训练数据集及测试数据集提取。5.根据权利要求1所述的SOC校准模型的建模方法，其特征在于，所述根据所述训练数据集及所述测试数据集进行模型训练，建立SOC校准离线模型，包括以下步骤：获取至少一个预设回归模型；采用所述训练数据集对所述至少一个预设回归模型进行训练，直至收敛...

【专利技术属性】
技术研发人员：梁小明，彭凯，刘相超，付振，王明月，邵天东，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：