[发明专利]一种新能源车辆动力电池内阻预测方法及系统

权利要求书

1.一种新能源车辆动力电池内阻预测方法，其特征在于，所述方法包括以下步骤：

通过大数据平台(3)采集多辆车的放电工况数据；

根据预设的条件筛选充电工况数据分别得到神经网络训练所需的训练目标数据集以及与车辆动力电池内阻相关性高的训练输入数据集以及，将训练输入数据集以及训练目标数据集进行神经网络训练建立新能源车辆动力电池内阻预测模型；

获取对动力电池预测内阻有需求的车辆的充电工况数据代入新能源车辆动力电池内阻预测模型，计算出所需车辆动力电池的预测内阻。

2.根据权利要求1所述的新能源车辆动力电池内阻预测方法，其特征在于，上述得到神经网络训练所需的训练输入数据集步骤包括：

从多辆车的充电工况数据中提取所有车辆数据特征；

根据相关性分析得到与车辆动力电池内阻相关性高的所需车辆数据特征；

根据预设的过滤条件对所需车辆数据特征进行过滤得到训练输入数据集。

3.根据权利要求2所述的新能源车辆动力电池内阻预测方法，其特征在于，所述相关性分析包括选择与新能源车辆动力电池内阻之间皮尔逊相关系数大于预设系数值的车辆数据特征。

4.根据权利要求2或3所述的新能源车辆动力电池内阻预测方法，其特征在于，上述得到神经网络训练所述的训练目标数据集步骤包括根据多辆车的充电工况数据计算车辆动力电池内阻，根据预设的过滤条件过滤计算后的车辆动力电池内阻得到训练目标数据集。

5.根据权利要求4所述的新能源车辆动力电池内阻预测方法，其特征在于，所述过滤条件包括电池起始时刻的充电电流大于预设安培。

6.根据权利要求4所述的新能源车辆动力电池内阻预测方法，其特征在于，上述计算车辆动力电池内阻的公式包括车辆单体动力电池的内阻＝(单体动力电池的内阻计算时刻的电压-单体动力电池的起始时刻的电压)/单体动力电池的内阻计算时刻的充电电流,车辆动力电池的内阻＝车辆单体动力电池的内阻的最大值。

7.根据权利要求6所述的新能源车辆动力电池内阻预测方法，其特征在于，所述内阻计算时刻包括充电工况起始时刻经过预设时间后的时刻。

8.根据权利要求7所述的新能源车辆动力电池内阻预测方法，其特征在于，上述进行神经网络训练建立新能源车辆动力电池内阻预测模型步骤包括选取神经网络的一个参数，将训练输入数据集通过神经网络进行训练后的输出数据集与训练目标数据集逐一对比，当输出数据集与训练目标数据集误差值小于或等于预设误差值时建立新能源车辆动力电池内阻预测模型，当输出数据集与训练目标数据集大于预设误差值时调节神经网络中的参数直到输出数据集与训练目标数据集的误差值小于或等于预设误差值。

9.根据权利要求8所述的新能源车辆动力电池内阻预测方法，其特征在于，所述新能源车辆动力电池内阻预测模型为其中y为输出数据集，j＝1…m，m为隐藏层节点数，i＝1…n，n为输入数据特征数，x_i为训练输入数据集，为隐藏层权重参数，为隐藏层偏置，为输出层权重参数，b⁰为输出层偏置，f_H为激活函数。

10.一种新能源车辆动力电池内阻预测系统，包括大数据平台(3)，其特征在于，新能源车辆动力电池内阻预测系统还包括用于采集车辆的充电工况数据的采集模块(1)、用于接收充电工况数据后输出的控制单元(2)，所述采集模块(1)与控制单元(2)连接，所述控制单元(2)与大数据平台(3)无线连接，大数据平台(3)用于在接收控制单元输出的车辆的充电工况数据后根据预设的车辆数据特征过滤条件筛选充电工况数据分别得到神经网络训练所需的训练输入数据集以及训练目标数据集后对训练输入数据集以及训练目标数据集进行神经网络训练建立新能源车辆动力电池内阻预测模型，大数据平台(3)还用于获取对动力电池预测内阻有需求的车辆的充电工况数据代入新能源车辆动力电池内阻预测模型，计算出所需车辆动力电池的预测内阻。