一种基于EV车辆PACK运行数据的预警模型处理方法技术

本发明专利技术提供一种基于EV车辆PACK运行数据的预警模型处理方法，包括以下步骤：S10、建立过压判断模型；S20、统计单体电压偏差；S30、分析单体电压空间方差；S40、估算PACK容量衰退；S50、确定车辆预警风险概率及风险级别。本发明专利技术提供一种基于EV车辆PACK运行数据的预警模型处理方法，通过对其静态、行驶放电、充电状态进行分析，计算不同状态下电压数据极值及偏差、异常偏移程度、突变系数T、容量增量V

【技术实现步骤摘要】
一种基于EV车辆PACK运行数据的预警模型处理方法


[0001]本专利技术涉及新能源
，尤其涉及一种基于EV车辆PACK运行数据的预警模型处理方法。

技术介绍

[0002]PACK指新能源汽车的电池包，给整车运行提供“能量”。一般来说，电动汽车动力电池PACK由以下几个部分构成：动力电池模块系统，结构系统，热管理系统，BMS。热管理系统，其实很简单，因为电池充放电的过程实际上就是化学反应的过程，化学反应会释放大量的热量，需要将热量带走，让电池处于一个合理的工作温度范围内，以提高电池的寿命和可靠性。BMS可以看作是电池的“大脑”由CMU和BMU组成。当CMU测量到这些数据后，将数据通过前面讲到的电池“神经网络”传送给BMU。BMU负责评估CMU传送的数据，如果数据异常，则对电池进行保护，发出降低电流的要求，或者切断充放电通路，以避免电池超出许可的使用条件，同时还对电池的电量、温度进行管理。根据先前设计的控制策略，判断需要警示的参数和状态，并且将警示发给整车控制器，最终传达给驾驶人员。
[0003]EV车辆PACK由于生产环境、产线智能化程度、装配精度差异及车辆运行环境的复杂性，导致EV车辆的PACK、模组状态及单体电池一致性存在很大差异。因此统一化的数据处理方式很难实现对PACK内部异常电池单体的精确识别，保证电动车用电池组及整车系统的安全性和可靠性。

技术实现思路

[0004]本专利技术的目的在于提供一种基于EV车辆PACK运行数据的预警模型处理方法，以解决上述问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于EV车辆PACK运行数据的预警模型处理方法，包括以下步骤：
[0006]S10、建立过压判断模型：基于电压数据矩阵、数据概率、香农熵及突变系数建立过电压模型；
[0007]S20、统计单体电压偏差：基于固定SOC区间PACK放电单体电压偏差百分位数统计；
[0008]S30、分析单体电压空间方差：基于PACK充电时单体电压空间方差分析；
[0009]S40、估算PACK容量衰退：基于IC峰值计算法对PACK容量衰退进行估算；
[0010]S50、确定车辆预警风险概率及风险级别：基于步骤S10
‑
S40的计算结果，综合评判车辆风险概率及级别，分析异常风险。
[0011]作为本专利技术的一种改进，对于步骤S10，过压判断模型的建立具体包括以下步骤：
[0012]S11、建立单体电压矩阵；
[0013]S12、采用公式(1)计算矩阵的极值，
[0014]a
max
＝max{a(i，j)|i＝0，1，2，...，k；j＝0，1，2，...，n}
[0015]a
min
＝min{a(i，j)|i＝0，1，2，...，k；j＝0，1，2，...，n}
ꢀꢀ
公式(1)；
[0016]S13、计算出的极大、极小值后，接着划分概率区间，区间形式表示为公式(2)，
[0017][0018]其中，b和c为区间的设定参数，概率区间用以计算某单体所有时刻的电压值落入每个概率区间的总次数，基于总次数及每个概率区间的次数，算出各电压区间概率，行程概率矩阵；
[0019]S14、采用公式(3)计算每个区间单体的香农熵，移动时间维度，循环计算，斌行程香农熵曲线，统计出偏离较大的单体，
[0020][0021]S15、通过香农熵计算，得到香农熵M，并计算出均值M
ave
和标准差σ
E
，采用公式(4)计算突变系数T，
[0022][0023]作为本专利技术的一种改进，对于步骤S20，单体电压偏差的统计具体包括以下步骤：
[0024]S21、根据车型建立数据源片段模式；
[0025]S22、固定SOC区间，选取电压范围；
[0026]S23、特定时刻单体电压比重绝对值计算，时间序列求和，采用公式(5)计算偏差值之和D，
[0027][0028]S24、计算特定时间t1‑
t2时间段内的D值的百分位数D
95
，若D
i
＞D
95
，取值D乘以相应系数L。
[0029]作为本专利技术的一种改进，在步骤S30中，具体包括以下步骤：
[0030]S31、计算单体电压矩阵加权，
[0031]单体电压特征向量为n为标志时刻，整个串联电池组的电压矩阵U＝[(U1)
T
，(U2)
T
，
…
，(U
m
)
T
]，m为串联电池组内电池单体的个数，
[0032]U_Entropy＝V
T
*U
ꢀꢀ
公式(6)，
[0033]V为计算得到的不一致性得分；
[0034]S32、计算集合方差，
[0035]建立电池单体的特征向量将单体数据点映射到t维空间，计算电池单体与电池组内其它任意两电池单体形成夹角余弦值集合的方差，
[0036][0037][0038]B∈D\{A}，C∈D\{A，B}，计算出的方差作为预警模型系数指标之一。
[0039]作为本专利技术的一种改进，在步骤S40中，具体包括以下步骤：
[0040]S41、充电区段数据选取：50％＜SOC
b
，SOC
v
＜90％，且充电电流不高于1.5C，且在区段内基本保持恒定无跳变；
[0041]S42、充电容量Q计算：
[0042][0043]S43、容量增量计算：
[0044][0045]其中，Q
t
、U
t
表示t时刻的电压和容量，Q
t
‑1、U
t
‑1表示t
‑
1时刻的电压和容量；
[0046]S44、对增量曲线进行光滑处理；
[0047]S45、SOH计算：
[0048]不同运营里程下的S
peak
进行比较，反映电池容量衰退情况：
[0049][0050]其中，S
npeak
为当前IC峰值，S
peak
为初始IC峰值。
[0051]作为本专利技术的一种改进，对于步骤S50，基于步骤S10
‑
S40数据模型计算，代入风险评估计算公式，判别出异常PACK，并结合车辆实际状态，综合评判车辆风险概率及级别，分析异常风险。
[0052]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。
具体实施方式
[0053]以下对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0054]基于EV车辆PACK运行数据的预警模型处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于EV车辆PACK运行数据的预警模型处理方法，其特征在于，包括以下步骤：S10、建立过压判断模型：基于电压数据矩阵、数据概率、香农熵及突变系数建立过电压模型；S20、统计单体电压偏差：基于固定SOC区间PACK放电单体电压偏差百分位数统计；S30、分析单体电压空间方差：基于PACK充电时单体电压空间方差分析；S40、估算PACK容量衰退：基于IC峰值计算法对PACK容量衰退进行估算；S50、确定车辆预警风险概率及风险级别：基于步骤S10
‑
S40的计算结果，综合评判车辆风险概率及级别，分析异常风险。2.根据权利要求1所述的一种基于EV车辆PACK运行数据的预警模型处理方法，其特征在于，对于步骤S10，过压判断模型的建立具体包括以下步骤：S11、建立单体电压矩阵；S12、采用公式(1)计算矩阵的极值，a
max
＝max{a(i，j)|i＝0，1，2，...，k；j＝0，1，2，...，n}a
min
＝min{a(i，j)|i＝0，1，2，...，k；j＝0，1，2，...，n}
ꢀꢀꢀꢀ
公式(1)；S13、计算出的极大、极小值后，接着划分概率区间，区间形式表示为公式(2)，其中，b和c为区间的设定参数，概率区间用以计算某单体所有时刻的电压值落入每个概率区间的总次数，基于总次数及每个概率区间的次数，算出各电压区间概率，行程概率矩阵；S14、采用公式(3)计算每个区间单体的香农熵，移动时间维度，循环计算，斌行程香农熵曲线，统计出偏离较大的单体，S15、通过香农熵计算，得到香农熵M，并计算出均值M
ave
和标准差σ
E
，采用公式(4)计算突变系数T，3.根据权利要求1所述的一种基于EV车辆PACK运行数据的预警模型处理方法，其特征在于，对于步骤S20，单体电压偏差的统计具体包括以下步骤：S21、根据车型建立数据源片段模式；S22、固定SOC区间，选取电压范围；S23、特定时刻单体电压比重绝对值计算，时间序列求和，采用公式(5)计算偏差值之和D，S24、计算特定时间t1‑
t2时间段内的D值的百分位数D
95
，若D
i
＞D
9...

【专利技术属性】
技术研发人员：黄星星，徐志成，吴中旭，
申请(专利权)人：江苏悦达起亚汽车有限公司，
类型：发明
国别省市：