[发明专利]一种新能源车辆动力电池容量预测方法及系统

权利要求书

1.一种新能源车辆动力电池容量预测方法，其特征在于，所述方法包括以下步骤：

通过大数据平台(3)采集多辆车的充电工况数据；

根据预设的条件对上述充电工况数据进行筛选,分别得到神经网络训练所需的训练目标数据集以及与动力电池容量相关性高的训练输入数据集，将训练目标数据集以及训练输入数据集进行神经网络训练建立新能源车辆动力电池容量预测模型；

获取对动力电池预测容量有需求的车辆的当前充电工况数据代入新能源车辆动力电池容量预测模型，计算出所需车辆动力电池的预测容量。

2.根据权利要求1所述的新能源车辆动力电池容量预测方法，其特征在于，上述得到与动力电池容量相关性高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容量相关性高的所需车辆数据特征；

根据预设的训练输入数据集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容量预测方法，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容量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容量预测方法，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容量，根据预设的过滤条件过滤计算后的车辆动力电池容量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容量预测方法，其特征在于，所述训练输入数据集过滤条件包括动力电池充电结束SOC与动力电池充电起始SOC差值大于预设值、动力电池充电结束SOC不低于预设值。

6.根据权利要求4所述的新能源车辆动力电池容量预测方法，其特征在于，上述计算车辆动力电池容量的公式包括车辆动力电池的容量＝充电过程累计电量/(充电结束SOC-充电起始SOC)。

7.根据权利要求1所述的新能源车辆动力电池容量预测方法，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容量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容量预测模型，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。

8.根据权利要求7所述的新能源车辆动力电池容量预测方法，其特征在于，所述新能源车辆动力电池容量预测模型包括其中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。

9.一种新能源车辆动力电池容量预测系统，包括与车辆连接并能获取车辆数据的大数据平台(3)，其特征在于，新能源车辆动力电池容量预测系统还包括用于采集充电工况数据的采集模块(1)以及设置在车辆上用于接收采集模块(1)输出数据的控制单元(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)在接收到控制单元输出的数据后根据预设的条件筛选多辆车的充电工况数据,分别得到神经网络训练所需的训练目标数据集以及与动力电池容量相关性高的训练输入数据集，将训练目标数据集以及训练输入数据集进行神经网络训练建立新能源车辆动力电池容量预测模型，大数据平台(3)还用于获取对动力电池预测容量有需求的车辆的当前充电工况数据代入新能源车辆动力电池容量预测模型，计算出所需车辆动力电池的预测容量。

10.根据权利要求9所述的新能源车辆动力电池容量预测系统，其特征在于，所述采集模块(1)包括用于采集动力电池电流的电流表(1a)，所述电流表(1a)与控制单元(2)连接。