本發(fā)明涉及電池安全檢測領域，具體涉及一種基于快充數(shù)據(jù)的電動汽車動力電池預警方法及預警系統(tǒng)。

背景技術：

1、電動汽車的滲透率在全球范圍內持續(xù)上升，正在快速取代傳統(tǒng)燃油車，成為市場上的主流選擇。隨著技術的進步和基礎設施的完善，預計未來的滲透率還將繼續(xù)提高。動力電池作為電動汽車汽車的核心組件，其性能和安全直接關系到整車的運行效率和乘客的安全。當前，動力電池的異常預警主要依賴于電池管理系統(tǒng)(bms)的實時監(jiān)控，通過監(jiān)測電壓、電流、溫度等參數(shù)來評估電池狀態(tài)。然而，這些傳統(tǒng)的監(jiān)測方法依賴電壓/溫度閾值判斷，沒有考慮高頻次快充對電池壽命的影響，沒有考慮充電時環(huán)境因素的影響，無法預測快充導致的長期老化，如sei膜增厚、鋰枝晶生長等。

2、其他存在的問題包括：目前使用的充電樁僅實現(xiàn)功率控制，缺乏動力電池健康評估能力，無法識別異常快充行為。電池壽命預測模型為通用模型，未針對快充場景優(yōu)化特征工程，且缺乏多源數(shù)據(jù)融合。

3、綜上所述，亟需一種集成充電樁快充數(shù)據(jù)、bms數(shù)據(jù)、環(huán)境數(shù)據(jù)等多源數(shù)據(jù)的電動汽車動力電池預警方法和預警系統(tǒng)，實現(xiàn)對由于快充導致的電池異常情況的預警與實時控制，以保障電動汽車的安全運行和延長電池的使用壽命。

技術實現(xiàn)思路

1、本發(fā)明提出了一種集成充電樁快充數(shù)據(jù)、bms數(shù)據(jù)、環(huán)境數(shù)據(jù)等多源數(shù)據(jù)的電動汽車動力電池預警方法，實現(xiàn)對電池由于快充導致的異常情況的預警，以保障電動汽車的安全運行和延長電池的使用壽命。本發(fā)明構建了一種“數(shù)據(jù)采集-特征工程-智能建模-動態(tài)預警”的閉環(huán)系統(tǒng)，融合充電樁快充數(shù)據(jù)、bms數(shù)據(jù)及環(huán)境數(shù)據(jù)，通過多源數(shù)據(jù)處理與特征工程，實現(xiàn)快充行為對電池健康影響的精準預測與實時控制。

2、為解決上述技術問題本發(fā)明是通過以下技術方案實現(xiàn)的：

3、方案一、本發(fā)明提出了一種基于快充數(shù)據(jù)的電動汽車動力電池預警方法，所述方法包括以下步驟：

4、步驟1、采集動力電池的多源快充數(shù)據(jù)，所述多源快充數(shù)據(jù)包括充電樁數(shù)據(jù)、bms數(shù)據(jù)、環(huán)境數(shù)據(jù)，并對所述多源快充數(shù)據(jù)進行加密處理；

5、步驟2、對步驟1所采集的動力電池多源快充數(shù)據(jù)進行預處理；

6、步驟3、基于步驟2中預處理后的多源快充數(shù)據(jù)構建特征工程，所述特征工程用于通過快充健康指數(shù)確定電動汽車動力電池在不同溫度下的快充健康狀況；

7、步驟4、采用lstm、transformer建立混合預測模型，該混合模型的輸入是步驟2所述的預處理后的動力電池多源快充數(shù)據(jù)和步驟三特征工程的數(shù)值型數(shù)據(jù)，輸出電池狀態(tài)評估相關的結果，即快充健康指數(shù)fchi的預測值；

8、步驟5、對步驟4所構建的混合預測模型進行訓練，并在邊緣部署輕量化模型，通過ota技術更新模型參數(shù)；

9、步驟6、根據(jù)步驟4所輸出的快充健康指數(shù)fchi預測值，構建三級預警體系，分級觸發(fā)預警，完成對基于快充數(shù)據(jù)的電動汽車動力電池預警。

10、步驟7、根據(jù)步驟4所輸出的快充健康指數(shù)預測值，當達到橙色預警時，由邊緣節(jié)點執(zhí)行動態(tài)響應，切斷充電。

11、進一步的，提供一種優(yōu)選實施方式，步驟2中對所采集的動力電池多源快充數(shù)據(jù)進行預處理的方法為：對所采集的動力電池多源快充數(shù)據(jù)進行清洗、轉換、增強，以及采用異常檢測、插值填充、特征工程、歸一化實現(xiàn)對數(shù)據(jù)的預處理。

12、進一步的，提供一種優(yōu)選實施方式，步驟3中所構建的特征方程的方法為：

13、

14、其中，wi為特征權重，fi為歸一化特征值，δ(t)為溫度修正系數(shù)，計算公式為：δ(t)＝a×ebt+c，a、b、c均為實驗數(shù)據(jù)擬合得到的常數(shù)。

15、進一步的，提供一種優(yōu)選實施方式，步驟5中對步驟4所構建的混合預測模型進行訓練的方法包括前向傳播訓練、反向傳播訓練和迭代訓練；

16、所述前向傳播訓練為：將訓練數(shù)據(jù)按類別分別輸入到lstm模型和transformer模型中，lstm模型用于提取時間序列特征，transformer模型用于提取全局特征，并將兩者所提取的特征進行融合，通過輸出層得到預測結果；

17、進一步的，提供一種優(yōu)選實施方式，步驟5中還包括對訓練后的混合預測模型進行驗證以及評估的步驟。

18、進一步的，提供一種優(yōu)選實施方式，步驟6中所構建的三級預警體系包括：

19、黃色預警，0.6＜快充健康指數(shù)＜0.75；

20、橙色預警，0.75≤快充健康指數(shù)＜0.95；

21、紅色預警，快充健康指數(shù)≥0.95。

22、方案二、基于快充數(shù)據(jù)的電動汽車動力電池預警系統(tǒng)，所述系統(tǒng)包括：

23、數(shù)據(jù)處理子系統(tǒng)，所述數(shù)據(jù)處理子系統(tǒng)包括數(shù)據(jù)采集模塊，數(shù)據(jù)預處理模塊，數(shù)據(jù)存儲模塊，用于采集動力電池快充多源數(shù)據(jù)并進行預處理以及存儲；

24、混合預警模型子系統(tǒng)，所述混合預警模型子系統(tǒng)包括模型構建模塊、模型訓練模塊、模型驗證模塊、模型部署與更新模塊、故障案例庫；采用lstm、transformer建立混合預測模型，并完成模型訓練、驗證、部署和更新；

25、動態(tài)預警子系統(tǒng)，所述動態(tài)預警子系統(tǒng)包括實時推理模塊，動態(tài)預警模塊，充電控制模塊，維護建議模塊，利用混合預警模型子系統(tǒng)構建的混合預測模型，基于實時數(shù)據(jù)，輸出快充健康指數(shù)，并基于所構建的三級預警體系分級觸發(fā)預警；

26、人機交互子系統(tǒng)，所述人機交互子系統(tǒng)包括充電樁可視化界面以及用戶app端，用于用戶遠程監(jiān)控與控制充電過程，并查看預警系統(tǒng)提供的充電和維修建議；

27、協(xié)同控制子系統(tǒng)，所述協(xié)同控制系統(tǒng)包括云端協(xié)同調度模塊和通信控制模塊，用于采用mqtt over tls技術，實現(xiàn)設備間、設備和云端之間通信。

28、進一步的，提供一種優(yōu)選實施方式，所述人機交互子系統(tǒng)還設置有接口，所述接口用于根據(jù)輸入的故障編碼反饋解決方案。

29、方案三、計算機設備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，當所述處理器運行所述存儲器存儲的計算機程序時，所述處理器執(zhí)行方案一所述的方法。

30、方案四、計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)方案一所述的方法的步驟。

31、本發(fā)明的有益之處在于：

32、本發(fā)明所述的基于快充數(shù)據(jù)的電動汽車動力電池預警方法及預警系統(tǒng)整合充電樁快充數(shù)據(jù)、bms數(shù)據(jù)、環(huán)境數(shù)據(jù)；多源數(shù)據(jù)同步精度達±10ms。

33、本發(fā)明所述的基于快充數(shù)據(jù)的電動汽車動力電池預警方法及預警系統(tǒng)提出了一種快充健康指數(shù)，融合充電曲線斜率、歷史快充頻率等12項特征；快充健康指數(shù)與soh具有較高的相關性。

34、本發(fā)明所述的基于快充數(shù)據(jù)的電動汽車動力電池預警方法及預警系統(tǒng)提出lstm-transformer混合模型，捕捉時序依賴，提升預警準確率。

35、本發(fā)明所述的基于快充數(shù)據(jù)的電動汽車動力電池預警方法及預警系統(tǒng)提出了一種響應機制，即邊緣端毫秒級切斷充電，實現(xiàn)“本地響應”。

相關知識

一種動力電池熱失控預警方法與流程
電動汽車電池健康狀態(tài)的在線監(jiān)測與預警
基于蜂云平臺的動力電池生命周期大數(shù)據(jù)監(jiān)控預警解決方案
一種動力電池健康狀態(tài)檢測及預警的方法與流程
基于大數(shù)據(jù)的汽車電池設備健康管理系統(tǒng) 汽車行業(yè)大數(shù)據(jù)應用案例
電動汽車動力電池健康狀態(tài)評估方法與流程
電動汽車電池健康監(jiān)測系統(tǒng)
電池健康狀態(tài)監(jiān)測與智能預警系統(tǒng)
新能源汽車儲能系統(tǒng)電池健康狀態(tài)預測方法
電動汽車的電池健康監(jiān)測系統(tǒng).docx

網址: 基于快充數(shù)據(jù)的電動汽車動力電池預警方法及預警系統(tǒng)與流程 http://www.u1s5d6.cn/newsview1643367.html