[发明专利]一种基于大数据技术评估的动力电池容量算法

权利要求书

1.一种基于大数据技术评估的动力电池容量算法，其特征在于：具体包括以下步骤：

步骤一、利用车载智能终端采集某特定车型的充电习惯相关特征，并上传至新能源汽车大数据监测平台；

步骤二、所述监测平台对接收的充电习惯相关特征数据进行预处理，执行安时积分法计算多个不同充电行为的SOC片段；

步骤三：针对计算出的SOC片段所对应的包括车型相关特征、电池类型相关特征、单次充电相关特征以及车辆所处环境相关特征的4个特征进行爬取，形成包含上述5个特征的该车型的数据条；

步骤四：对所述数据条执行kmeans聚类与线性回归算法训练，得到该车型的累积里程与电池容量的部分对应关系；所述聚类过程具体包括：分别定义充电习惯相关特征X_{charge-related}、单次充电相关特征X_{battery-related}、所处环境相关特征X_environment，充电开始时间tstart、充电结束时间tend、充电即时电压U、充电即时电流I、时间t，执行以下聚类过程：

Group＝argmin∑||x-c||，x∈[x_{charge-related}，x_{battery-related}，x_environment]

y₂＝f(y₁，K∈Group)

argmin||y₂-(w×M±b)||

其中，x表示数据条样本，M为累积里程，c为类中心，w为衰减率，f为选定的聚类规则，K为聚类类别，b为常数；

针对累积里程与电池容量的完整对应关系中，除所述部分对应关系以外的缺失部分进行补偿，包括：如果聚类后某类内存在所述对应关系的完备数据，则用该类内的完备数据进行补偿；如果不存在类内完备数据但在全局中存在完备数据，则利用类外的全局完备数据进行补偿；

步骤五、对补偿后的各数据条累积里程与电池容量对应关系离散点，基于线性回归拟合完备的累积里程与电池容量对应关系曲线；

步骤六：根据拟合曲线针对相同车型的目标车辆实车数据，输出对目标车辆的退役电池容量评估结果；

步骤七：在线下对相同车型执行实车电池容量测试，与基于前述步骤得到的电池容量评估结果对比，基于对比结果对所拟合的曲线进行反馈调整。

2.如权利要求1所述的算法，其特征在于：所采集的所述电池类型相关特征包括：电池材料、容量密度、生产厂家特征参数；车型相关特征包括但不限于轿车、SUV、卡车车型分类特征、汽车级别、车重、同车型的不同配置特征参数；所述单次充电相关特征包括：当次充电后的行驶里程、充电倍率、充电深度、充电时长、当次充电时的环境温度5个特征参数；充电习惯相关特征包括：电池投入使用所经历的天数、投入使用后车辆的里程差、总充电次数、总充电容量、单次平均充电容量、总充电小时、平均充电倍率、平均充电起始SOC、平均充电结束SOC、平均充电SOC深度、充电起始时SOC中位数、充电结束时SOC中位数、充电SOC深度中位数13个特征参数；所述车辆所处环境相关特征包括：所处环境的年平均温度、年中位温度、年温度方差、年温度极差、有效温度个数5个特征参数。

3.如权利要求1所述的算法，其特征在于：所述步骤二中的预处理以及步骤六中均包括基于车辆识别码VIN、车辆合法状态对车型进行初步剔除和整理。

4.如权利要求1所述的算法，其特征在于：步骤四中进行补偿具体包括：先对聚类后的数据条剔除离群点后取完备数据的均值用于补偿，或先取聚类后的完备数据条均值用于补偿再剔除离群点后。

5.如权利要求1所述的算法，其特征在于：步骤五中基于线性回归拟合完备的累积里程与电池容量对应关系曲线具体采用一元线性模型拟合，以累积里程为自变量，电池容量为因变量，输出电池容量随衰减而变化的规律；和/或兜底利用部分优质车辆样本执行线性拟合。