[发明专利]汽车电池容量预测方法、寿命预测方法、装置及存储介质

说明书

本发明公开了一种汽车电池容量预测方法、寿命预测方法、装置及存储介质，其中方法包括：获取待测车辆发送至远程监控平台的历史运行数据；基于历史运行数据对待测车辆进行用途分类；基于安时积分法获取待测车辆电池容量理论值；将待测车辆电池容量理论值输入与其用途分类对应的预先训练好的电池容量估测模型中，得到电池容量预测值。本方案可以在少量的电动汽车电池实验数据的情况下，基于新能源远程监控数据，对市场电动汽车按照用途分别进行电池容量的预测，节约了成本，提升了预测精度。

技术领域

本发明涉及电池容量预测技术领域，尤其涉及一种汽车电池容量预测方法、寿命预测方法、装置及存储介质。

背景技术

动力电池作为电动汽车的动力来源，其容量衰减与车辆使用特性、外部环境等因素息息相关，难以通过简单的数学模型直接计算动力电池的剩余容量。

传统的安时积分法通过计算充电过程中的电池容量变化以及SOC变化量来计算动力电池的剩余容量，但此方法受远程监控平台的数据采样频率、电流采样精度、以及SOC自修正等因素的影响，导致其计算结果与真实值存在较大误差。

机器学习算法能在安时积分法的基础上较好的减小其误差，但使用机器学习算法预测动力电池容量需要大量动力电池实验数据作为学习目标值，但对于市场车辆而言，难以实现在实验室中进行批量的电池剩余容量测试，但获取市场车辆电池实验数据是开展预测的必要参考依据，因此目前缺少基于少量动力电池实验数据的机器学习动力电池容量预测方法。

市场车辆由于使用特性各异导致电动汽车动力电池衰减情况也各不相同，因此车辆动力电池剩余容量分布较为离散，如仅构建单一的动力电池容量预测模型，其预测精度及适用范围难以满足要求。

发明内容

本发明提供了一种汽车电池容量预测方法、寿命预测方法、装置及存储介质，以解决现有的汽车电池容量预测精度低的问题。

第一方面，提供了一种汽车电池容量预测方法，包括：

获取待测车辆发送至远程监控平台的历史运行数据；

基于历史运行数据对待测车辆进行用途分类；

基于安时积分法获取待测车辆电池容量理论值；

将待测车辆电池容量理论值输入与其用途分类对应的预先训练好的电池容量估测模型中，得到电池容量预测值。

进一步地，所述待测车辆发送至远程监控平台的历史运行数据包括若干次采样数据，每次采样数据至少包括车辆标识码、时间戳、车辆状态、电池SOC、电池充/放电流、车辆累计里程、车辆累计电量。采样频率根据实际情况而定，上述数据均为基于时间序列的数据流。

进一步地，所述基于历史运行数据对待测车辆进行用途分类，具体包括：

基于历史运行数据提取出待测车辆特征数据，所述特征数据包括：全年用车次数、全年用车天数、全年行驶里程、每段行程平均值、通勤时间用车占比、夜间用车占比；

基于待测车辆的特征数据计算其与预先设定的车辆用途分类的各聚类中心的隶属度；

根据隶属度划分该待测车辆的用途分类。

具体的，隶属度通过计算欧式距离得到，将待测车辆划分为与聚类中心欧式距离最小的聚类中心所对应的用途分类。

进一步地，所述用途分类包括通勤用车、不常用车、业务用车和运营用车。

进一步地，所述预先设定的车辆用途分类的各聚类中心通过如下方法得到：

采集若干车辆发送至远程监控平台的历史运行数据，并基于此历史运行数据得到各车辆对应的特征数据；

基于各车辆对应的特征数据采用无监督机器学习算法K-means进行聚类，得到k个用途分类，k为预设值；