一种电动汽车动力电池最优充电起始SOC预测的方法技术

本发明专利技术公开的一种电动汽车动力电池最优充电起始SOC预测的方法，包括系统搭建和系统实施两部分，所述系统搭建包括数据处理、模型求解和模型训练三个阶段；所述系统实施包括数据处理、数据导入和结果输出三个阶段。本发明专利技术属于电池寿命预测技术领域，具体是一种能够优化充电频次过高等不良充电行为，能够延长电池使用寿命，从而减少电池对环境的污染；对车主用车给予合理建议，减少里程焦虑，提升纯电动汽车用户信心的电动汽车动力电池最优充电起始SOC预测的方法。始SOC预测的方法。始SOC预测的方法。

【技术实现步骤摘要】
一种电动汽车动力电池最优充电起始SOC预测的方法


[0001]本专利技术属于电池寿命预测
，尤其涉及一种电动汽车动力电池最优充电起始SOC预测的方法。

技术介绍

[0002]随着电动汽车保有量持续增长，以“电池”、“电机”、“电控”三电技术为核心的电动汽车技术不断进步，尤其在电动汽车先天的车联网技术基础上，数据上传和下载技术成熟，这一切都为基于运行数据分析、优化电动汽车性能提供了基础。
[0003]电池安全及电池健康度监控方面，国内以北京理工大学孙逢春院士为代表，通过监控电池的电压、温度、内阻等相关数据，通过一系列算法分析、监控电池健康度，及时发现电池异常问题，通过平台预警等功能，实现对车辆安全的预警。
[0004]其中与本方案中电池寿命预测部分相近的专利技术专利如下：
[0005]CN202110474679.8一种新能源车辆动力电池寿命预测方法及系统，通过获取与大数据平台连接的车辆的动力电池寿命预测相关数据并筛选后得到动力电池剩余充放电循环数相关的数据,将筛选后的数据进行神经网络训练建立车辆动力电池寿命预测模型，建立模型后获取与大数据平台连接的车辆的当前动力电池寿命预测相关数据，代入车辆动力电池寿命预测模型后输出动力电池寿命预测结果。
[0006]CN201910204690.5一种动力电池寿命预测方法及系统该方法，基于迁移学习的方式，利用动力电池寿命试验数据获得第三寿命曲线，然后利用由实际电池样本数据获得的第一寿命曲线与所述第三寿命曲线，获得寿命偏移曲线；最后利用所述寿命偏移曲线对第三寿命曲线进行叠加修正，以获得所述动力电池的预测寿命曲线，从而实现了在有限的实际电池样本数据的基础上，获得动力电池完整寿命周期中动力电池寿命与使用实际的对应关系的目的，并且由于所述预测寿命曲线为第一寿命曲线和第三寿命曲线叠加修正获得的，使得所述预测寿命曲线更加贴近实际情况，提升了动力电池寿命预测的准确度。
[0007]CN202010306169.5获取动力电池寿命数据的方法、装置、计算机设备及介质，提供了一种获取动力电池寿命数据的方法、装置、计算机设备及介质，通过获取目标动力电池的计划充放电次数，再将计划充放电次数输入预先构建的动力电池寿命数据回归模型中，由于动力电池寿命数据回归模型是基于样本动力电池的加速老化数据集进行模型构建所得，且目标动力电池容量数据集能够用于描述目标动力电池的寿命数据，目标置信区间作为目标动力电池容量数据集的参考概率，描述了目标动力电池容量数据集的不确定性，因此动力电池寿命数据回归模型能够根据计划充放电次数输出相应的目标动力电池容量数据集与目标置信区间，进而解决了无法获取动力电池寿命数据的问题。
[0008]CN201910777292.2一种带估算电动汽车动力电池寿命功能的电池管理系统，公开了一种带估算电动汽车动力电池寿命功能的电池管理系统，包括：获取参数，充电，计算，对比寿命，告知五个步骤，本专利技术通过计算寿命评价指标，查询预先存储在存储器的动力电池寿命数据表得出电池组使用寿命。该方法较准确得出电池组的使用寿命，提供给车主，便于
车主方便直观的知道车载电池组已使用寿命和剩余寿命。
[0009]与本申请相关联的现有技术包括：
[0010](1)基于车联网大数据的电池健康度分析技术：通过采集电动汽车上电池温度、电压、内阻等数据，将数据输入模型，实现对电池健康度的评估。
[0011](2)针对电池安全的车辆安全预警技术：基于电动汽车的电池数据，采用模型进行分析，借助预先设定的阈值，实现车辆安全预警。
[0012]现有技术中存在的缺点：动力电池的使用频次、充电起始SOC及充电时长等影响电池使用寿命，但现在尚不存在专门针对电动汽车最佳充电时间进行预测的技术，目前的技术也无法实现针对电动汽车最佳充电起始SOC的预测。

技术实现思路

[0013]针对上述情况，为克服现有技术的缺陷，本专利技术提供一种电动汽车动力电池最优充电起始SOC预测的方法，是一种基于遗传算法和变异系数算法进行电动汽车动力电池最优充电起始SOC预测的方法，解决
技术介绍
中提出的无法进行电动汽车最优化充电起始SOC的预测的问题。
[0014]本专利技术采用的技术方案如下：一种电动汽车动力电池最优充电起始SOC预测的方法，包括系统搭建和系统实施两部分，所述系统搭建包括数据处理、模型求解和模型训练三个阶段；所述系统实施包括数据处理、数据导入和结果输出三个阶段；
[0015]所述系统搭建包括如下步骤：
[0016]步骤一：数据处理：通过电动汽车车载终端采集汽车电池相关数据；
[0017]将采集的数据通过移动网络传输至企业平台；
[0018]由企业平台将数据转发至集中平台进行统一存储；
[0019]在平台上针对采集到的电池数据进行清洗，去除空值和脏数据(错误数据)，然后对数据进行标准化整理；
[0020]步骤二：模型求解：采用遗传算法求解动力电池最长使用寿命对应数据进行分析，获得最优寿命下的充电行为特征，从而确定最优寿命下的动力电池充电起始SOC；
[0021](1)数据初始化
[0022]将步骤一中经过标准化整理后的数据字段采用二进制的方式进行初始化，得到二进制样本数据；
[0023](2)自适应函数求解
[0024]考虑到模型因子较多，采用变异系数法快速求解权重，具体计算过程如下：
[0025]1)求解标准化整理后的数据中各因子标准差
[0026][0027]其中x
i
为样本值，μ为样本均值；
[0028]依次将电压一致性、温度一致性、电池充电起始SOC、电池内阻值、压差、温差、充电次数等因子的值代入公式，求解各因子标准差σ1‑
σ7；
[0029]2)求解标准化整理后的数据各因子变异系数
[0030][0031]将步骤1)求解出的σ1‑
σ7及各因子对应均值μ1
‑
μ7代入以上公式，求出各因子的变异系数 c
v1
‑
c
v7
；
[0032]3)求解各因子权重
[0033]因各因子权重之和为1，且与变异系数存在等比例关系，因此求解可得：
[0034][0035]将步骤2)求得数据代入，求解权重函数，最终可得出自适应函数如下：
[0036]f(x)＝ω1U+ω2T+ω3S+ω4R+ω5ΔU+ω6ΔT+ω7n
[0037]其中，f(x)为电池生命长度，U为电压一致性，T为温度一致性，S为电池充电起始SOC，R为电池内阻值，δU为压差，δT为温差，n为充电次数；
[0038](3)交叉繁衍
[0039]步骤(1)初始化完成后的数据进行两两交叉繁衍，交叉率选择为100％，暂不考虑交叉繁衍过程中可能存在的变异，将变异的概率设为0；
[0040]然后将交叉繁衍得到的后代代入自适应函数求解找到最佳样本，并将最佳样本的电池充电起始本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车动力电池最优充电起始SOC预测的方法，其特征在于：包括系统搭建和系统实施两部分；所述系统搭建包括如下步骤：步骤一：数据处理：通过电动汽车车载终端采集汽车电池相关数据；将采集的数据通过移动网络传输至企业平台；由企业平台将数据转发至集中平台进行统一存储；在平台上针对采集到的电池数据进行清洗，去除空值和错误数据，然后对数据进行标准化整理；步骤二：模型求解：采用遗传算法求解动力电池最长使用寿命对应数据进行分析，获得最优寿命下的充电行为特征，从而确定最优寿命下的动力电池充电起始SOC；(1)数据初始化将步骤一中经过标准化整理后的数据字段采用二进制的方式进行初始化，得到二进制样本数据；(2)自适应函数求解采用变异系数法快速求解权重，具体计算过程如下：1)求解标准化整理后的数据中各因子标准差其中x
i
为样本值，μ为样本均值；依次将电压一致性、温度一致性、电池充电起始SOC、电池内阻值、压差、温差、充电次数等因子的值代入公式，求解各因子标准差σ1‑
σ7；2)求解标准化整理后的数据各因子变异系数将步骤1)求解出的σ1‑
σ7及各因子对应均值μ1
‑
μ7代入以上公式，求出各因子的变异系数c
v1
‑
c
v7
；3)求解各因子权重求解可得：将步骤2)求得数据代入，求解权重函数，最终可得出自适应函数如下：f(x)＝ω1U+ω2T+ω3S+ω4R+ω5ΔU+ω6ΔT+ω7n其中，f(x)...

【专利技术属性】
技术研发人员：张爽，高蓓，许崇霞，刘辉，
申请(专利权)人：日照职业技术学院，
类型：发明
国别省市：