申请/专利权人：江苏大学

申请日：2023-12-29

公开（公告）日：2024-03-22

公开（公告）号：CN117743802A

主分类号：G06F18/20

分类号：G06F18/20;G06F18/2433;G06F18/213;G06Q50/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于车云协同的全天候、多地区动力电池SOH预测方法及系统，BMS采集的历史数据和环境数据作为原始数据集，对其进行数据清洗和充放电片段分割；基于充放电片段数据，分别采用多维度SOH量化方法获得SOH标签，再对多维度SOH标签进行去噪、计算权重，加权获得最终SOH标签；基于充放电数据提取环境、电池包内部、驾驶员充放电行为特征，结合最终SOH标签，进行特征筛选，获得最终特征群；最终特征群和最终SOH标签拼接，获得训练数据集，并进行逐级分类，最后将分类结果选择模型进行训练，获得SOH预测模型，对目标车辆进行实时SOH预测。本发明适用于全天候、多地区的电动汽车电池组SOH的精确预测。

主权项：1.一种基于车云协同的全天候、多地区动力电池组SOH预测方法，其特征在于：S1，目标车辆车载BMS采集的历史数据发送至云端，联网获取对应的环境数据；将BMS采集的历史数据和环境数据作为原始数据集，对原始数据集进行数据清洗；清洗后的数据根据车辆状态分割为充电片段数据和放电片段数据；S2，基于环境、电池组、驾驶员驾驶习惯判断，确定目标车辆历史信息相对于已保存在云端SOH预测模型车辆信息的总相似度矩阵S，若S＝[1，1，1]，则直接调用保存在云端的SOH预测模型，对目标车辆进行SOH预测，并发送给车载用户，否则进行S3；S3，基于充电片段数据和放电片段数据，采用多维度SOH量化方法获取SOH标签，对所获得的SOH标签组进行噪声处理，计算去噪SOH标签组权重，进而获得最终SOH标签；基于充电片段数据和放电片段数据，提取电池包内部特征、环境特征、驾驶员充放电行为特征，作为第一级特征群；将第一级特征群和最终SOH标签按时间采样拼接，再进行相关性分析，筛除后的第一级特征群和最终SOH标签构成第二级特征群；将第二级特征群进行特征聚类分析，将同类特征进行降维操作，得到最终特征群；S4，对所述最终特征群和最终SOH标签按时间采样拼接，获得训练数据集；根据车辆信息，将训练数据集按车辆所属地区、驾驶员充放电行为、数据量逐级分类，最后根据分类结果，选择机器学习算法模型或深度学习算法模型进行训练，获得可识别地区、充放电行为的自适应电动汽车动力电池组SOH预测模型并保存在云端；S5，将目标车辆BMS采集的实时数据输入自适应电动汽车动力电池组SOH预测模型进行SOH的预测，并发送给目标车辆的车端用户进行车载显示。

全文数据：

权利要求：

百度查询： 江苏大学 基于车云协同的全天候、多地区动力电池组SOH预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD