CN110503301B - 一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法 - Google Patents
一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法 Download PDFInfo
- Publication number
- CN110503301B CN110503301B CN201910648898.6A CN201910648898A CN110503301B CN 110503301 B CN110503301 B CN 110503301B CN 201910648898 A CN201910648898 A CN 201910648898A CN 110503301 B CN110503301 B CN 110503301B
- Authority
- CN
- China
- Prior art keywords
- model
- charging
- evaluation index
- electric automobile
- safety
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000032683 aging Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000009833 condensation Methods 0.000 claims description 6
- 230000005494 condensation Effects 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 6
- 238000009413 insulation Methods 0.000 claims description 6
- 239000000178 monomer Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 3
- 238000011158 quantitative evaluation Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,包括:选取电动汽车传导充电安全有关的影响因素(评价指标)、确定应用Cox比例风险模型所需的样本数量、生成较优的候选模型组合、获得在较优模型下电动汽车传导充电过程中发生危险的后验概率、判断评价指标的影响程度。本发明应用Cox比例风险模型实现对电动汽车传导充电安全影响因素的定量分析评价,进而明确各影响因素的相对危险程度,识别影响安全的关键因素,消除潜在的电动汽车传导充电安全风险隐患,为整个电动汽车传导充电过程安全性与可靠性提升提供理论指导。
Description
技术领域
本发明属于充电技术领域,涉及车用传导充电安全技术领域,具体涉及一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法。
背景技术
伴随新能源汽车产业政策的引导与扶持,近几年我国新能源汽车呈现出爆发式增长态势,已成为缓解资源短缺与环境恶化压力的主要技术手段之一。截止到2018年底,全国新能源汽车保有量达到261万辆。其中,纯电动汽车以“无污染、噪声小、结构简单、维修方便以及能量转换效率高”等优点在新能源汽车市场中占据较高份额,其保有量达到211万辆。电动汽车动力主要来源于高压电池内所存储的电能,在电能消耗后可通过电传导的方式引入外部电源对车载高压电池进行充电,这也是市场上最普遍、能源利用率最高的充电方式之一。目前,在充电过程中发生车辆自燃事故占新能源汽车自燃事件中的比重较大。因此,传导充电过程的安全性与可靠性直接影响电动汽车终端客户的使用体验与生命财产安全。考虑到传导充电过程涉及动力电池系统、充电接口及电缆、充电桩以及供电电网等多个方面,影响安全的因素较多。目前,国内外相关企业在充电技术领域的研究主要集中在“高电压大功率、智能化以及长寿命周期”等方面,针对电动汽车传导充电安全性能方面的研究尚未广泛开展,相关领域仍存在较大的空白,对电动汽车传导充电过程安全影响因素进行分析评价就显得尤为必要。
发明内容
针对上述问题,本发明的目的是提供一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,对电动汽车传导充电安全影响因素进行定量分析,明确各影响因素的相对危险程度,识别影响安全的关键因素,为电动汽车传导充电安全实质性提升提供理论指导,从而提高电动汽车传导充电过程整体的安全性与可靠性。
为实现上述目的,本发明采取以下技术方案:一种基于Cox比例风险模型的电动汽车传导充电安全影响因素分析方法,该方法包括以下步骤:
步骤1,从电动汽车传导充电过程涉及的动力电池系统、充电接口及电缆、充电桩、供电电网和充电环境五个方面选取与安全相关联的影响因素作为评价指标;
步骤2,基于采集获得上述评价指标的样本数据,可将评价指标划分为定性变量和定量变量两种类型,依次确定每个评价指标所需样本量,并选取其中的最大值作为应用Cox比例风险模型所需的样本量;
步骤3,通过评价指标任意组合构成模型空间,运用基于模型空间的抽样技术删减模型空间中后验概率低的模型,从而产生较优的候选模型组合;
步骤4,运用极大似然估计法进行近似计算获得在较优模型条件下电动汽车传导充电过程发生危险的后验概率,电动汽车传导充电过程发生危险的事件记为Ω;
步骤5,将模型后验概率P(Mi|X)作为权重,对所获得的较优模型的后验概率进行加权处理,将贝叶斯模型平均法的待估参数βi的后验概率P(βi≠0|X)用来判断第i个评价指标是否影响显著。
进一步地,评价指标包括:与动力电池系统相关的指标包含电池健康度、电池内阻、电池单体电压偏差和电池箱绝缘电阻;与充电接口及电缆相关的指标包含机械锁状态、枪头内部凝露状态和触点老化状态;与充电桩相关的指标包含输出电压偏差、输出电流偏差、功率因数、纹波系数和通讯协议兼容性;与供电电网有关的指标包含台区容量、电压越限率和谐波电流;与充电环境有关的指标包含环境温度、环境湿度和海拔高度。
进一步地,步骤2中评价指标对应的所需样本量计算方法为:
式中:NXi为第i个评价指标对应的样本数量;P为在第i个评价指标影响下出现安全问题的概率;R2为评价指标Xi对其他协变量作回归分析所确定的系数,取值范围0~1;σ2为评价指标Xi的方差;logΩ为风险比的对数;Z1-α,Zβ表示给定经验水准和经验功效时的Z界值;针对步骤1中所确定的评价指标,定性变量为机械锁状态、枪头内部凝露状态、触点老化状态和通讯协议兼容性;定量变量为电池健康度、电池内阻、电池单体电压偏差、电池箱绝缘电阻、充电桩输出电压偏差、充电桩输出电流偏差、充电桩的功率因素、充电桩输出纹波系数、供电电网台区容量、供电电网电压越限率、供电电网谐波电流、环境温度、环境湿度和海拔高度。
进一步地,步骤3中基于模型空间的抽样技术为采用改进的奥肯窗方法实现,即满足条件的模型,则为较优模型。若候选模型中包含定性变量,则ξ值可取为0.75;若候选模型中未包含定性变量,则ξ值为1.05。而C值为15,即表明如果该模型修正后的后验概率不小于后验概率最大模型的1/15,即可认为是较优模型。在改进的奥肯窗方法中运用赤池信息量(AIC)表示各单项模型的后验概率。
进一步地,步骤5中P(βi≠0|X)作为判断第i个评价指标是否影响显著的标准为:
(1)P(βi≠0|X)<0.5表明评价指标Xi不是影响电动汽车传导充电安全的危险因素;
(2)0.5≤P(βi≠0|X)<0.75表明评价指标Xi是电动汽车传导充电安全的一般影响因素;
(3)0.75≤P(βi≠0|X)<0.9表明评价指标Xi是电动汽车传导充电安全的次要影响因素;
(4)P(βi≠0|X)≥0.9表明评价指标Xi是电动汽车传导充电安全的关键影响因素。
与现有技术相比,本发明的有益效果是:
1)考虑到影响电动汽车传导充电安全的影响因素较多且错综复杂,将电动汽车传导充电过程作为整体,以全系统的视角,从动力电池系统、充电接口及电缆、充电桩、供电电网和充电环境五个方面选取与安全相关联的因素作为评价指标进行分析与研究,更加贴合电动汽车传导充电过程安全性演变的实际过程;
2)应用Cox比例风险模型,实现对电动汽车传导充电安全影响因素的定量分析评价,进而明确各影响因素的相对危险程度,识别影响安全的关键因素,消除潜在的电动汽车传导充电安全风险隐患,提高了整个传导充电过程的安全系数;
3)采用改进的奥肯窗方法进行模型抽样,将候选模型中包含的变量类型因素考虑在内,引入了折算因子的概念,从而准确地确定较优的候选模型,为获得可靠、真实的评价结果奠定了可信基础,也为进一步提出行之有效的安全管控手段提供依据,通过对电动汽车传导充电安全影响因素的识别结果,可重点关注影响因素中的关键和次要因素,并在此基础上提出行之有效的安全管控方案,有效地预防电动汽车传导充电危险事件的发生。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,其中:
图1是根据本发明公开的基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法的流程图;
图2是PH假设检验示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
电动汽车传导充电涉及动力电池系统、充电接口及电缆、充电桩以及供电电网等多个方面,影响安全的因素众多且错综复杂,因此,将电动汽车传导充电过程作为整体,基于Cox比例风险模型从全系统角度对电动汽车传导充电安全影响因素进行分析评价,识别影响安全性的关键因素,可为电动汽车传导充电过程可靠性与安全性提升提供依据,并有效评估电动汽车传导充电过程的安全状态。其实施过程可分为以下5个步骤,如图1所示。
步骤1,评价指标(安全性影响因素)选择,将电动汽车传导充电过程看作一个整体,以全系统的角度,从电动汽车传导充电过程涉及的动力电池系统、充电接口及电缆、充电桩、供电电网和充电环境五个方面选取与安全相关联的影响因素作为评价指标。优选的评价指标包括:与动力电池系统相关的指标有电池健康度、电池内阻、电池单体电压偏差和电池箱绝缘电阻;与充电接口及电缆相关的指标有机械锁状态、枪头内部凝露状态和触点老化状态;与充电桩相关的指标有输出电压偏差、输出电流偏差、功率因数、纹波系数(直流适用)和通讯协议兼容性;与供电电网有关的指标有台区容量、电压越限率和谐波电流;与充电环境有关的指标有:环境温度、环境湿度和海拔高度。
步骤2,确定应用Cox比例风险模型所需的样本数量,Cox比例风险模型是英国学者D.R.Cox提出的一种多因素的生存分析方法,它不同于通用的多元统计模型,能够较好地处理存在删失数据的样本个体,并同时判别影响生存时间的多个影响因素,属于半参数模型。Cox比例风险模型函数h(t,X)表达式如下所示:
式中:Xi为第i个可能与传导充电安全相关的协变量(亦称为评价指标);t表示故障前运行时间或截尾时间;h0(t)为基础风险函数;n为协变量个数;βi为协变量所对应的回归参数。
目前,关于应用Cox模型究竟需要多少样本含量的问题一直未得到很好地解决,往往仅凭经验去估计,缺乏科学性和客观性。针对步骤1中所确定的评价指标,将其划分为定性变量,包括机械锁状态、枪头内部凝露状态、触点老化状态和通讯协议兼容性;定量变量,包括电池健康度、电池内阻、电池单体电压偏差、电池箱绝缘电阻、充电桩输出电压偏差、充电桩输出电流偏差、充电桩的功率因素、充电桩输出纹波系数、供电电网台区容量、供电电网电压越限率、供电电网谐波电流、环境温度、环境湿度和海拔高度。根据变量类型的不同,分别依次确定每个评价指标对应的所需样本量,具体计算公式如下所示:
式中:NXi为第i个评价指标对应的样本数量;P为在第i个评价指标影响下出现安全问题的概率;R2为评价指标Xi对其他协变量作回归分析所确定的系数,取值范围0~1;σ2为评价指标Xi的方差;logΩ为风险比的对数;Z1-α,Zβ表示给定经验水准和经验功效时的Z界值。经过计算每个评价指标所对应的样本数量值,选取其中的最大值作为最终应用Cox比例风险模型所需的样本数量值。由PH假设检验可得,优选的检验水准为0.05,预期的检验功效为85%。
步骤3,基于模型空间的抽样技术产生较优的候选模型组合,在选择模型进行分析推理时默认了一个假设条件:即在给定数据下存在一个最佳的模型,且该模型可以通过已有数据样本估计出来,用它做的推理分析是最合理的。故根据某个评判标准选择出最佳模型就显得尤为关键。由于经典统计学(频率统计方法)建模未将模型本身的不确定性考虑在内,从而导致所建模型存在效能与预测能力减弱的缺陷。尤其是采用回归模型对所采集样本数据进行建模时,忽略模型自身的不确定性而仅以单一模型进行“感兴趣量”的推断会造成结果的失真;另一方面也会比正常情况下更趋向于拒绝无效假设产生误导性结果。一般来说,回归模型中若有p个自变量,在不考虑交互作用的情况下其模型空间中共含有K=2p个模型。在本示例中,步骤1所确定的评价指标有18个,那么可供候选的模型数量即为262144个,显然是无法完全得到数据样本的支持。通过基于模型空间的抽样技术产生较优的候选模型组合,简化了复杂度,并能够很好地解决模型本身的不确定性问题。
这里,引入贝叶斯模型平均法基本思想,运用赤池信息量(Akaike informationcriterion,AIC)计算确定各单项模型的后验概率,即可根据各个模型的后验概率选择出较优的模型组合。根据贝叶斯模型平均法的理论,潜在解释变量任意组合所构成的较优模型空间可表示为M={M1,M2,…,MK},则电动汽车传导充电过程发生危险的后验概率可表示为:
式中:Mi表示较优模型空间中第i个模型,P(Ω|Mi,X)为Ω在模型Mi条件下的后验概率,P(Mi|X)为模型Mi的后验概率。按照贝叶斯公式形式改写模型Mi后验概率如下:
式中:P(Mi)为候选模型Mi的先验概率,其优选值为1/K;P(X|Mi)为模型Mi对应的似然函数积分,则上式可进一步改写为:
P(X|Mi)=∫P(X|βi,Mi)P(βi|Mi)dβi
其中,βi=(β1,β2,…,βn)为较优模型Mi的回归参数向量。对于模型Mi所对应的似然函数积分,其优选的计算方式是通过拉普拉斯近似法获得其估计值,如下:
In(P(X|Mi))=In(P(X|βi,Mi))-di+O(1)
式中,di为模型Mi中的待估参数个数。由于赤池信息量可表示为:
AICi=-2InP(X|βi,Mi)+2di
由于P(X|Mi)=exp(-AICi/2),则可获得模型Mi的后验概率为:
针对较优模型的选择是基于模型空间的抽样技术实现的,其中,奥肯窗(Occam’sWindow)方法是比较常见基于模型空间的抽样技术之一,当满足条件的模型,即可被认为是较优的模型,C为事先确定的阈值。然而,该抽样方法忽视了候选模型中变量类型的不同,对于定性变量而言,其值域的分布相对集中。当采用奥肯窗方法进行抽样时,包含定性变量的候选模型更容易被判别为较优模型,而那些潜在的较优模型(如,未包含定性变量的候选模型)则会被丢弃,从而造成最终结果判定的误差与失真。这里,采用改进的奥肯窗方法进行抽样,即引入折算因子ξ,在抽样过程中将候选模型中所包含变量类型考虑在内,有效提高了抽样的准确度。具体可表述为:
若候选模型Ml中包含定性变量,则ξ值可取为0.75;若候选模型Ml中未包含定性变量,则ξ值为1.05。对于C值的选取,这里结合电动汽车传导充电安全影响因素较多且存在相互关联的特征,最终确定优选的C值为15。即表明如果该模型修正后的后验概率不小于后验概率最大模型的1/15,即可认为是较优模型。
步骤4,计算所研究感兴趣量Ω在较优模型条件下的后验概率,由于Cox模型中积分不具有封闭解,采用极大似然估计进行近似后,可获得一个较好的近似值来表示Ω在较优模型条件下的后验概率,计算过程可表示为:
步骤5,将模型后验概率作为权重,对通过步骤3所获得的较优模型的后验概率进行加权,从而获得所研究感兴趣量Ω的后验分布。贝叶斯模型平均法假设检验所对应的备择假设H1为:Xi为电动汽车传导充电发生危险的影响因素的后验概率有多大,即待估回归参数值不为0的后验概率有多大?因此,将包含Xi的所有模型的后验概率的和作为待估参数值不为0的后验概率的估计值。在应用Cox比例风险模型进行影响因素分析过程中,用P(βi≠0|X)来表示贝叶斯模型平均法待估参数βi的后验概率,并以此作为判断第i个评价指标是否影响显著。其判断标准为:
(1)P(βi≠0|X)<0.5表明评价指标Xi不是影响电动汽车传导充电安全的危险因素;
(2)0.5≤P(βi≠0|X)<0.75表明评价指标Xi是电动汽车传导充电安全的一般影响因素;
(3)0.75≤P(βi≠0|X)<0.9表明评价指标Xi是电动汽车传导充电安全的次要影响因素;
(4)P(βi≠0|X)≥0.9表明评价指标Xi是电动汽车传导充电安全的关键影响因素。
最终,通过对电动汽车传导充电安全影响因素的识别结果,可重点关注影响因素中的关键和次要因素,并在此基础上提出行之有效的安全管控方案,有效地预防电动汽车传导充电危险事件的发生。此外,在评价分析的过程中,可借助R语言或S-Plus软件实现复杂的计算过程,极大地简化研究问题的难度,提高了整个评价分析研究的效率。
本发明具体应用途径很多,以上所述的是本发明的优选实施方式,应当指出对于本技术领域的普通人员来说,在不脱离本发明所述的原理前提下还可以作出若干改进和润饰,这些改进和润饰也在本发明的保护范围内。
Claims (8)
1.一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,其特征在于,该方法包括以下步骤:
步骤1,从电动汽车传导充电过程涉及的动力电池系统、充电接口及电缆、充电桩、供电电网和充电环境五个方面选取潜在的影响因素作为评价指标;
步骤2,基于采集获得上述评价指标的样本数据,可将评价指标划分为定性变量和定量变量两种类型,依次确定每个评价指标所需样本量,并选取其中的最大值作为应用Cox比例风险模型所需的样本量;
步骤3,通过评价指标任意组合构成模型空间,运用基于模型空间的抽样技术删减模型空间中后验概率低的模型,从而产生较优的候选模型组合;
步骤4,运用极大似然估计法进行近似计算获得在较优模型条件下电动汽车传导充电过程发生危险的后验概率,电动汽车传导充电过程发生危险的事件记为Ω;
步骤5,将模型后验概率P(Mi|X)作为权重,对所获得的较优模型的后验概率进行加权处理,将贝叶斯模型平均法的待估参数βi的后验概率P(βi≠0|X)用来判断第i个评价指标是否影响显著。
2.如权利要求1所述的一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,其特征在于,所选取潜在的影响因素作为评价指标包括:与动力电池系统相关的指标包含电池健康度、电池内阻、电池单体电压偏差和电池箱绝缘电阻;与充电接口及电缆相关的指标包含机械锁状态、枪头内部凝露状态和触点老化状态;与充电桩相关的指标包含输出电压偏差、输出电流偏差、功率因数、纹波系数和通讯协议兼容性;与供电电网有关的指标包含台区容量、电压越限率和谐波电流;与充电环境有关的指标包含环境温度、环境湿度和海拔高度。
3.如权利要求2所述的一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,其特征在于,步骤2所述评价指标对应的所需样本量计算方法为:
式中:NXi为第i个评价指标对应的样本数量;P为在第i个评价指标影响下发生危险的概率;R2为评价指标Xi对其他协变量作回归分析所确定的系数,取值范围0~1;σ2为评价指标Xi的方差;logΩ为风险比的对数;Z1-α,Zβ表示给定经验水准和经验功效时的Z界值;针对步骤1中所确定的评价指标,定性变量选取为机械锁状态、枪头内部凝露状态、触点老化状态和通讯协议兼容性;定量变量选取为电池健康度、电池内阻、电池单体电压偏差、电池箱绝缘电阻、充电桩输出电压偏差、充电桩输出电流偏差、充电桩的功率因素、充电桩输出纹波系数、供电电网台区容量、供电电网电压越限率、供电电网谐波电流、环境温度、环境湿度和海拔高度。
5.如权利要求4所述的一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,其特征在于,所述改进的奥肯窗方法中运用赤池信息量表示各单项模型的后验概率。
6.如权利要求1所述的一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,其特征在于,步骤5所述P(βi≠0|X)作为判断第i个评价指标是否影响显著的标准为:
(1)P(βi≠0|X)<0.5表明评价指标Xi不是影响电动汽车传导充电安全的危险因素;
(2)0.5≤P(βi≠0|X)<0.75表明评价指标Xi是电动汽车传导充电安全的一般影响因素;
(3)0.75≤P(βi≠0|X)<0.9表明评价指标Xi是电动汽车传导充电安全的次要影响因素;
(4)P(βi≠0|X)≥0.9表明评价指标Xi是电动汽车传导充电安全的关键影响因素。
7.如权利要求4所述的一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,其特征在于,若候选模型中包含定性变量,则ξ值为0.75;若候选模型中未包含定性变量,则ξ值为1.05。
8.如权利要求4所述的一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法,其特征在于,C值为15,即表明如果该模型修正后的后验概率不小于后验概率最大模型的1/15,即可认为是较优模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648898.6A CN110503301B (zh) | 2019-07-17 | 2019-07-17 | 一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648898.6A CN110503301B (zh) | 2019-07-17 | 2019-07-17 | 一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503301A CN110503301A (zh) | 2019-11-26 |
CN110503301B true CN110503301B (zh) | 2023-01-17 |
Family
ID=68585544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910648898.6A Active CN110503301B (zh) | 2019-07-17 | 2019-07-17 | 一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503301B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111086410B (zh) * | 2020-01-03 | 2021-11-19 | 恒大恒驰新能源汽车科技(广东)有限公司 | 一种充电控制方法、装置、电子设备及系统 |
CN117549883B (zh) * | 2024-01-12 | 2024-03-29 | 山东赛马力发电设备有限公司 | 一种混动汽车电池组安全监管系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006024063A (ja) * | 2004-07-09 | 2006-01-26 | Nec Corp | 順序カテゴリーデータに対する解析手法、解析システム及び解析プログラム |
CN105260863A (zh) * | 2015-11-26 | 2016-01-20 | 国家电网公司 | 一种基于电力电缆故障信息的故障单影响因素分析方法 |
CN107832921A (zh) * | 2017-10-19 | 2018-03-23 | 南京邮电大学 | 一种基于组合赋权法的电动汽车充电一体化安全评价方法 |
CN108682457A (zh) * | 2018-04-17 | 2018-10-19 | 中国医学科学院阜外医院 | 患者长期预后定量预测和干预系统及方法 |
-
2019
- 2019-07-17 CN CN201910648898.6A patent/CN110503301B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006024063A (ja) * | 2004-07-09 | 2006-01-26 | Nec Corp | 順序カテゴリーデータに対する解析手法、解析システム及び解析プログラム |
CN105260863A (zh) * | 2015-11-26 | 2016-01-20 | 国家电网公司 | 一种基于电力电缆故障信息的故障单影响因素分析方法 |
CN107832921A (zh) * | 2017-10-19 | 2018-03-23 | 南京邮电大学 | 一种基于组合赋权法的电动汽车充电一体化安全评价方法 |
CN108682457A (zh) * | 2018-04-17 | 2018-10-19 | 中国医学科学院阜外医院 | 患者长期预后定量预测和干预系统及方法 |
Non-Patent Citations (1)
Title |
---|
Cox比例风险回归模型的贝叶斯估计方法研究;张继巍 等;《中国卫生统计》;20171231;第34卷(第6期);第999-1001页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110503301A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111103544B (zh) | 基于长短时记忆lstm和粒子滤波pf的锂离子电池剩余使用寿命预测方法 | |
WO2022253038A1 (zh) | 基于弹性网的锂电池健康状态预测方法、系统、设备及介质 | |
CN109543317B (zh) | 一种pemfc剩余使用寿命预测的方法及装置 | |
CN114372417A (zh) | 基于充电网的电动汽车电池健康状态和剩余寿命评估方法 | |
CN113253116A (zh) | 锂离子电池荷电状态估计方法、存储介质 | |
CN110503301B (zh) | 一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法 | |
CN109375116B (zh) | 一种基于自编码器的电池系统异常电池识别方法 | |
CN110888059A (zh) | 一种基于改进随机森林联合容积卡尔曼动力电池荷电状态估计的算法 | |
CN110598300A (zh) | 一种电池soh预测方法及装置 | |
CN114460445B (zh) | 考虑老化阈值与寿命的变压器老化不可用率评估方法 | |
CN113205233B (zh) | 基于灰狼算法和多核支持向量回归的锂电池寿命预测方法 | |
CN116609676B (zh) | 一种基于大数据处理的混合储能电池状态监控方法及系统 | |
CN111983474A (zh) | 一种基于容量衰退模型的锂离子电池寿命预测方法和系统 | |
CN111025041A (zh) | 电动汽车充电桩监测方法及其系统、计算机设备、介质 | |
CN114924203A (zh) | 一种电池soh预测分析方法及电动汽车 | |
CN116259797A (zh) | 固体氧化物燃料电池系统的健康评估与预测方法及其系统 | |
CN116449218A (zh) | 一种锂电池健康状态的估计方法 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
CN115308608A (zh) | 一种全钒液流电池电压预测方法、装置及介质 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN113147506B (zh) | 基于大数据的车与车互学习充电剩余时间预测方法和装置 | |
CN114280490A (zh) | 一种锂离子电池荷电状态估计方法及系统 | |
CN116400246B (zh) | 基于aco-gmr的储能电站电池健康状态估计方法 | |
CN117420442A (zh) | 一种基于mnq-lstm的电池剩余寿命预测方法 | |
CN116774045A (zh) | 一种基于hho-svr的锂电池健康状态预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |