动力蓄电池SOH计算模型构建方法和计算方法技术

本发明专利技术实施例公开了一种动力蓄电池SOH计算模型构建方法和计算方法。其中，模型构建方法包括：获取汽车在运行过程中的运行数据，以及动力蓄电池的健康度SOH数据，其中，所述运行数据对应多种数据类型；利用梯度提升树对所述运行数据和所述SOH数据进行处理，得到每种数据类型对SOH的影响权重，其中，所述影响权重表征每种数据类型对SOH的重要程度；根据所述影响权重，对所述运行数据和所述SOH数据进行线性回归分析，得到SOH的线性回归模型。本实施例提高SOH计算的准确性。提高SOH计算的准确性。提高SOH计算的准确性。

【技术实现步骤摘要】
动力蓄电池SOH计算模型构建方法和计算方法


[0001]本专利技术实施例涉及电池性能测算领域领域，尤其涉及一种动力蓄电池SOH计算模型构建方法和计算方法。

技术介绍

[0002]新能源汽车的动力蓄电池健康度(State Of Heathy，SOH)，反映电池使用过程中的实际性能与全新状态下性能，是衡量电池性能的重要指标。准确预测电池的SOH值，能够合理地确定电池的更换时间及续航里程等，有利于行车安全及电池的回收利用。
[0003]现有技术中，电池的SOH计算主要基于建立等效电池电路模型的方法，选用多种电路元器件(如电阻、电容、电压源等)构成等效电路，以描述电池的外特性。但汽车的实际行车工况非常复杂，简单的等效电路难以覆盖大部分实际工况，导致所构建的模型不能准确预测电池的SOH。

技术实现思路

[0004]本专利技术实施例提供一种动力蓄电池SOH计算模型构建方法和计算方法，提高SOH计算的准确性。
[0005]第一方面，本专利技术实施例提供了一种动力蓄电池SOH计算模型构建方法，包括：
[0006]获取汽车在运行过程中的运行数据，以及动力蓄电池的健康度SOH数据，其中，所述运行数据对应多种数据类型；
[0007]利用梯度提升树对所述运行数据和所述SOH数据进行处理，得到每种数据类型对SOH的影响权重，其中，所述影响权重表征每种数据类型对SOH的重要程度；
[0008]根据所述影响权重，对所述运行数据和所述SOH数据进行线性回归分析，得到SOH的线性回归模型。/>[0009]第二方面，本专利技术实施例提供了一种动力蓄电池SOH计算方法，包括：
[0010]获取动力蓄电池健康度SOH的线性回归模型，其中所述线性回归模型采用上述实施例所述的方法构建；
[0011]将汽车在待测工况下的运行数据代入所述线性回归模型，得到所述待测工况对应的SOH数据。
[0012]第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0013]一个或多个处理器；
[0014]存储器，用于存储一个或多个程序，
[0015]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的动力蓄电池SOH计算模型构建方法或动力蓄电池SOH计算方法。
[0016]第四方面，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任一实施例所述的动力蓄电池SOH计算模型构建方法或动力蓄电池SOH计算方法。
[0017]本专利技术实施例将梯度提升树和回归分析两种进行融合，在影响权重的指导下完成对回归系数的估计，以兼顾两种算法所反映的影响因素的作用机理，构建出更准确的计算模型。
附图说明
[0018]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术实施例提供的一种动力蓄电池SOH计算模型构建方法的流程图。
[0020]图2是本专利技术实施例提供的一种动力蓄电池SOH计算方法的流程图。
[0021]图3为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0022]为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行清楚、完整的描述。显然，所描述的实施例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的前提下所得到的所有其它实施例，都属于本专利技术所保护的范围。
[0023]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0024]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0025]图1是本专利技术实施例提供的一种动力蓄电池SOH计算模型构建方法的流程图。该方法适用于构建汽车运行数据与电池SOH数据的关系模型的情况，由电子设备执行。如图1所示，该方法具体包括：
[0026]S110、获取汽车在运行过程中运行数据，以及动力蓄电池的SOH数据，其中，所述运行数据对应多种数据类型。
[0027]所述多种数据类型包括：汽车行驶里程、电池使用时间、电池充电时间、充电平均温度、充电平均电压差等。可以看出，这些数据类型均是SOH的影响因素，例如，充电平均温度影响电池的效率和老化速度，电池充电时间影响电池的寿命等。这些类型的运行数据将作为构建SOH计算模型的一项数据源。可选地，从新能源汽车远程监控平台获取汽车通过T
‑
BOX上传的运行数据。该运行数据反映了汽车在实际工况条件下的表现，更符合客观实际。
[0028]需要解释的是，本实施例中的运行数据特指运行数据值。对于一种数据类型而言，
可以是一个时刻对应一个运行数据值，如汽车形式里程值，也可以是一个时段对应一个运行数据值，如充电平均电压差值。
[0029]本实施例除了获取汽车运行数据外，还获取该运行数据对应的SOH数据，作为构建SOH计算模型的另一项数据源。电池的SOH反映电池使用过程中的实际性能与全新状态下性能的对比，定义如下：
[0030]SOH＝(C
act
/C
nom
)*100％ (1)
[0031]其中，C
act
表示电池的实际容量，C
nom
表示电池的额定容量。
[0032]可选地，获取汽车在运行过程中的运行数据后，进行动力蓄电池在所述运行数据下的模拟放电；根据模拟放电量，得到对应于所述运行数据的SOH数据。具体来说，该模拟放电可以控制整车模型在仿真平台中进行，也可以控制电池实体在实验室环境下进行，所得到的的模拟放电量即是公式(1)中的实际容量。
[0033]同理，本实施例中的SOH数据特指SOH值，可以是一个时刻对应一个SOH值，也可以是一个时段对应一个SOH值，具体的对应关系与运行数据的对应关系相匹配。
[0034]S120、利用梯度提升树对所述运行数据和所述SOH数据进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动力蓄电池SOH计算模型构建方法，其特征在于，包括：获取汽车在运行过程中的运行数据，以及动力蓄电池的健康度SOH数据，其中，所述运行数据对应多种数据类型；利用梯度提升树对所述运行数据和所述SOH数据进行处理，得到每种数据类型对SOH的影响权重，其中，所述影响权重表征每种数据类型对SOH的重要程度；根据所述影响权重，对所述运行数据和所述SOH数据进行线性回归分析，得到SOH的线性回归模型。2.根据权利要求1所述的方法，其特征在于，所述多种数据类型包括：汽车行驶里程、电池使用时间、电池充电时间、充电平均温度和充电平均电压差。3.根据权利要求1所述的方法，其特征在于，所述获取汽车在运行过程中的运行数据，以及动力蓄电池的健康度SOH数据，包括：获取汽车在运行过程中的运行数据；进行动力蓄电池在所述运行数据下的模拟放电；根据模拟放电量，得到对应于所述运行数据的SOH数据。4.根据权利要求1所述的方法，其特征在于，所述根据所述影响权重，对所述运行数据和所述SOH数据进行线性回归分析，得到SOH的线性回归模型，包括：从所述多种数据类型中，选取SOH的线性回归模型的自变量类型；将所述自变量类型对应的影响权重，作为所述自变量类型在所述线性回归模型中的线性系数；将所述SOH数据和所述自变量类型对应的运行数据代入所述线性回归模型，进行线性回归分析，确定所述线性回归模型中的常数项。5.根据权利要求1所述的方法，其特征在于，所述根据所述影响权重，对所述运行数据和所述SOH数据进行线性回归分析，得到SOH的线性回归模型，包括：从所述多种数据类型中，选取SOH的线性回归模型的自变量类型；根据所述自变量类型对应的影响权重，构建用于线性回归分析的损失函数；根据所述...

【专利技术属性】
技术研发人员：武双贺，王竞逸，郭金泽，胡嵩，王攀，徐树杰，
申请(专利权)人：中汽数据有限公司，
类型：发明
国别省市：