CN115453366A - 一种动力电池的健康评估系统、方法及电子设备 - Google Patents

一种动力电池的健康评估系统、方法及电子设备 Download PDF

Info

Publication number
CN115453366A
CN115453366A CN202211013246.3A CN202211013246A CN115453366A CN 115453366 A CN115453366 A CN 115453366A CN 202211013246 A CN202211013246 A CN 202211013246A CN 115453366 A CN115453366 A CN 115453366A
Authority
CN
China
Prior art keywords
charging
actual
soc
battery
segments
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.)
Pending
Application number
CN202211013246.3A
Other languages
English (en)
Inventor
邱中凯
纪术旺
王思淼
徐宇杰
魏峥
陈真真
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zebred Network Technology Co Ltd
Original Assignee
Zebred Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zebred Network Technology Co Ltd filed Critical Zebred Network Technology Co Ltd
Priority to CN202211013246.3A priority Critical patent/CN115453366A/zh
Publication of CN115453366A publication Critical patent/CN115453366A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本说明书公开了一种动力电池的健康评估系统、方法及电子设备，包括：数据接入模块，用于对电池实际状态数据进行接入并存储；数据预处理模块，用于对电池实际状态数据进行预处理；数据计算模块，用于对电池实际状态数据进行充电片段切分并查找充电工况；模型评估模块，用于利用训练好的容量修正模型处理若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到工况修正系数，并据此对若干实际充电SOC片段的实际充电电量进行修正；基于若干实际充电SOC片段及其修正充电电量得到实际充电容量；基于本车运行初期的电池初期状态数据计算车辆的额定充电容量；利用实际充电容量和额定充电容量的比值进行电池健康度SOH评估。

Description

一种动力电池的健康评估系统、方法及电子设备
技术领域
本说明书涉及车辆技术领域，尤其涉及一种动力电池的健康评估系统、方法及电子设备。
背景技术
随着新能源车辆保有量的快速增长，动力电池作为新能源车的核心部件，也越来越受到人们的关注。众所周知，随着动力电池的使用，其容量在逐渐衰减，而当电池容量衰减较大时，便会明显影响用户驾车体验。例如，行驶较短距离就没电了，充电次数也越来频繁等。因此，准确评估电池的健康度具有重要意义。
目前，在评估电池的健康度方面，一般是根据动力电池的实际容量和标定的额定容量为基础进行健康度评估。而动力电池的充电场景复杂多变，例如容量值计算与电流大小，温度高低等工况均有关系，但现有技术中并未考虑实际工况产生的影响，从而导致电池健康度评估的误差较大。
发明内容
本说明书提供了一种动力电池的健康评估系统、方法及电子设备，通过对电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段并查找出其对应充电工况。一方面利用容量修正模型参考充电工况对充电容量进行修正，从而消除因充电工况不同引发的容量误差影响，提高评估的准确度。另一方面使用累计充电时段的若干充电SOC片段综合计算电池的实际充电容量，使本说明书动力电池的健康度评估不仅仅依赖于一个充电片段，从而消除因单个片段的误差波动，使评估结果更加准确。
为解决上述技术问题，本说明书提供了一种动力电池的健康评估系统，所述系统包括：
数据接入模块，用于对电池实际状态数据进行接入并存储；
数据预处理模块，用于在所述动力电池在累计充电时段达到累积时长阈值时，对所述电池实际状态数据进行预处理，所述预处理包括：数据解析、数据转换、数据清洗；
数据计算模块，用于对所述电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段；从所述电池实际状态数据中查找所述若干实际充电SOC片段对应的充电工况；
模型评估模块，用于利用训练好的容量修正模型处理所述若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到所述若干实际充电SOC片段在所述标准工况下各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到实际充电容量；基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量；利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
优选的，所述电池实际状态数据包括：车辆标识、上报时间、车辆状态、充放电状态、总电压、总电流、SOC、温度；
所述数据预处理模块，具体包括：
数据解析模块，用于将所述电池实际状态数据从非结构化数据解析为结构化数据；
数据转换模块，用于对所述电池实际状态数据进行单位转换和业务数据转换；
数据清洗模块，用于对所述电池实际状态数据进行异常点修复和/或异常点删除。
优选的，在异常点修复时，所述数据清洗模块，具体用于在中间时刻和前后时刻的第一时间差均小于第一差值阈值时，将所述中间时刻的电池实际状态数据修复为所述前后时刻的电池实际状态数据；
在异常点修复时，所述数据清洗模块，具体用于：
删除所述电池实际状态数据中超出对应取值范围的第一离群点；
利用求导的方式依次遍历所述电池实际状态数据，获得所述电池实际状态数据与前后相邻数据的邻间变化量；并利用变化量阈值对所述邻间变化量进行检测，以确定出第二离群点或所述第二离群点对应的离群区间；利用预设数值作为判断标准对所述第二离群点或所述离群区间进行处理；和/或按照区间划分标准对所述电池实际状态数据进行区间划分，得到若干区间；从所述若干区间中确定所述离群区间；利用预设数值作为判断标准对所述离群区间进行处理。
优选的，所述数据计算模块，包括：
片段切分模块，用于计算相邻两个电池实际状态数据的第三时间差，若所述第三时间差大于等于第三差值阈值，将相邻两个电池实际状态数据分别作为片段端点进行切分；若所述第三时间差小于第三差值阈值，将相邻两个电池实际状态数据归属为同一实际充电SOC片段；
片段修补模块，用于针对每个实际充电SOC片段，判断所述实际充电SOC片段内相邻两个电池实际状态数据的第四时间差是否在第四差值阈值和第三差值阈值之间；若是，则在相邻两个电池实际状态数据内按照预设间隔时间进行线性插位，并计算所述线性插位对应的SOC取值；其中，所述第四时间差阈值小于所述第三时间差阈值；
特征计算模块，用于对插值后的所述若干实际充电SOC片段进行头尾片段去除；并计算去除后的所述若干实际充电SOC片段各自对应的实际充电电量。
优选的，所述模型评估模块，包括：
模型构建模块，用于采集和本车同一车型同一电池组型号的所有车辆在固定阈值周期内充电时产生的充电容量样本数据，以及对应工况样本数据；利用所述充电容量样本数据和所述工况样本数据对机器学习算法进行拟合训练，得到所述容量修正模型。
优选的，所述模型评估模块，还包括：
容量修正模块，用于将所述若干实际充电SOC片段对应的实际充电工况和所述修正工况分别输入所述容量修正模型中处理，分别得到所述若干实际充电SOC片段在各自实际充电工况下的第一预测充电容量，以及所述标准工况下的第二预测充电容量；将所述第二预测充电容量分别和所述若干实际充电SOC片段各自对应的第一预测充电容量相比，得到所述若干实际充电SOC片段各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正，得到所述若干实际充电SOC片段各自对应的修正充电电量；以及还用于将所述若干实际充电SOC片段及其修正充电电量的加权比作为所述实际充电容量；
额定容量计算模块，用于采集所述电池初期充电状态数据，并得到所述电池初期充电状态数据对应的若干初期充电SOC片段及其初期充电电量；利用所述若干初期充电SOC片段及其初期充电电量确定所述额定充电容量；
电池健康度评估模块，用于利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
优选的，所述额定容量计算模块，还用于利用所述容量修正模型处理所述若干初期充电SOC片段对应的初期充电工况和标准工况，并基于处理结果得到所述若干初期充电SOC片段在所述标准工况下各自对应的工况修正系数，利用所述若干初期充电SOC片段各自对应的工况修正系数对所述若干初期充电SOC片段各自对应的初期充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到额定充电容量。
本公开的第二方面，公开了一种动力电池的健康评估方法，所述方法包括：
获取电池实际状态数据；
在所述动力电池在累计充电时段达到累积时长阈值时，对所述电池实际状态数据进行预处理，所述预处理包括：数据解析、数据转换、数据清洗；
对所述电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段；从所述电池实际状态数据中查找所述若干实际充电SOC片段对应的充电工况；
利用训练好的容量修正模型处理所述若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到所述若干实际充电SOC片段在所述标准工况下各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到实际充电容量；基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量；利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
优选的，所述电池实际状态数据包括：车辆标识、上报时间、车辆状态、充放电状态、总电压、总电流、SOC、温度；
所述对所述电池实际状态数据进行预处理，具体包括：
将所述电池实际状态数据从非结构化数据解析为结构化数据；
对所述电池实际状态数据进行单位转换和业务数据转换；
对所述电池实际状态数据进行异常点修复和/或异常点删除。
优选的，所述对所述电池实际状态数据进行异常点修复和/或异常点删除，具体包括：
在异常点修复时，在中间时刻和前后时刻的第一时间差均小于第一差值阈值时，将所述中间时刻的电池实际状态数据修复为所述前后时刻的电池实际状态数据；
在异常点删除时，删除所述电池实际状态数据中超出对应取值范围的第一离群点；
利用求导的方式依次遍历所述电池实际状态数据，获得所述电池实际状态数据与前后相邻数据的邻间变化量；并利用变化量阈值对所述邻间变化量进行检测，以确定出第二离群点或所述第二离群点对应的离群区间；利用预设数值作为判断标准对所述第二离群点或所述离群区间进行处理；和/或按照区间划分标准对所述电池实际状态数据进行区间划分，得到若干区间；从所述若干区间中确定所述离群区间；利用预设数值作为判断标准对所述离群区间进行处理。
优选的，所述对所述电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段，包括：
计算相邻两个电池实际状态数据的第三时间差，若所述第三时间差大于等于第三差值阈值，将相邻两个电池实际状态数据分别作为片段端点进行切分；若所述第三时间差小于第三差值阈值，将相邻两个电池实际状态数据归属为同一实际充电SOC片段；
针对每个实际充电SOC片段，判断所述实际充电SOC片段内相邻两个电池实际状态数据的第四时间差是否在第四差值阈值和第三差值阈值之间；若是，则在相邻两个电池实际状态数据内按照预设间隔时间进行线性插位，并计算所述线性插位对应的SOC取值；其中，所述第四时间差阈值小于所述第三时间差阈值；
对插值后的所述若干实际充电SOC片段进行头尾片段去除；并计算去除后的所述若干实际充电SOC片段各自对应的实际充电电量。
优选的，所述容量修正模型通过下述方式训练得到：
采集和本车同一车型同一电池组型号的所有车辆在固定阈值周期内充电时产生的充电容量样本数据，以及对应工况样本数据；利用所述充电容量样本数据和所述工况样本数据对机器学习算法进行拟合训练，得到所述容量修正模型。
优选的，所述利用训练好的容量修正模型处理所述若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到所述若干实际充电SOC片段在所述标准工况下各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到实际充电容量，具体包括：
将所述若干实际充电SOC片段对应的实际充电工况和所述修正工况分别输入所述容量修正模型中处理，分别得到所述若干实际充电SOC片段在各自实际充电工况下的第一预测充电容量，以及所述标准工况下的第二预测充电容量；将所述第二预测充电容量分别和所述若干实际充电SOC片段各自对应的第一预测充电容量相比，得到所述若干实际充电SOC片段各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正，得到所述若干实际充电SOC片段各自对应的修正充电电量；以及还用于将所述若干实际充电SOC片段及其修正充电电量的加权比作为所述实际充电容量；
所述基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量，具体包括：
采集所述电池初期充电状态数据，并得到所述电池初期充电状态数据对应的若干初期充电SOC片段及其初期充电电量；利用所述若干初期充电SOC片段及其初期充电电量确定所述额定充电容量。
优选的，所述基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量，具体包括：
利用所述容量修正模型处理所述若干初期充电SOC片段对应的初期充电工况和标准工况，并基于处理结果得到所述若干初期充电SOC片段在所述标准工况下各自对应的工况修正系数，利用所述若干初期充电SOC片段各自对应的工况修正系数对所述若干初期充电SOC片段各自对应的初期充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到额定充电容量。
本公开的第三方面，公开了一种电子设备，包括如前述任一技术方案所述的动力电池的健康评估系统。
通过本说明书的一个或者多个实施例，本说明书具有以下有益效果或者优点：
在本说明书中，通过对电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段并查找出其对应充电工况。一方面利用容量修正模型参考充电工况对充电容量进行修正，计算出工况修正系数反馈给实际充电电量，并结合SOC得到修正后的实际充电容量，从而消除因充电工况不同引发的容量误差影响，提高评估的准确度。另一方面使用历史累计充电时段的若干充电SOC片段综合计算电池的实际充电容量，使本说明书的电池充电容量评估不仅仅依赖于一个充电片段，从而消除因单个片段的误差波动，使评估结果更加准确。
在本说明书中，模型构建时采用和本车同一车型、同一电池组型号、同一周期阈值范围内的所有车进行工况修正模型的构建，解决了单辆车数据量不够可能导致的修正系数不准从而引发的准确性问题。
在本说明书中，基于实际充电数据估算电池的额定充电容量，而不直接使用动力电池设定的标称容量，能够避免因电池因工艺等造成的个体差异导致的SOH估算误差。
上述说明仅是本说明书技术方案的概述，为了能够更清楚了解本说明书的技术手段，而可依照说明书的内容予以实施，并且为了让本说明书的上述和其它目的、特征和优点能够更明显易懂，以下特举本说明书的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本说明书的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本说明书一个实施例的动力电池的健康评估系统示意图；
图2示出了根据本说明书一个实施例的在合理范围内的SOC异常点去除示例图；
图3示出了根据本说明书一个实施例的动力电池的健康评估方法流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
关键词解释：
SOC(State Of Charge，电池的荷电状态)，指电池中剩余电荷的可用状态，一般采用百分比表示。
SOH，电池健康度，表征当前电池相比于新电池存储电能的能力，也即：电池从寿命开始到寿命结束期间所处的状态，从而定量描述当前电池的性能状态，一般采用百分比表示。
参看图1，本说明书实施例公开了一种动力电池的健康评估系统。基于车联网的数据采集技术，采集本车中搭载的动力电池充电时呈现的电池实际状态数据，结合车辆/(或)电池的基础数据，利用大数据分析技术实现对本车动力电池的健康度评估。由于本说明书的健康评估系统在对动力电池评估时要获取同一型号的其他车辆相关数据，且本车车载设备的计算能力有限。因此，本说明书的健康评估系统可布局到云端服务器中实施，基于车联网技术与所有车辆进行数据互传。当然，在车载设备计算能力能够承载的前提下，可将健康评估系统布局到车载设备中实施，并利用车联网技术从云端服务器得到其他车辆的相关数据。
本说明书的健康评估系统包括：数据接入模块101，数据预处理模块102，数据计算模块103，模型评估模块104。
其中，本车提供动力电池健康评估所需数据，包括电池实际状态数据与车辆/电池基础数据；电池实际状态数据包括车辆标识、上报时间、车辆状态、充放电状态、总电压、总电流、充电电流、SOC、温度等数据；车辆/电池基础数据包括车辆品牌、车辆型号、车辆电池包型号、车辆电池包额定容量、车辆电池包额定电压等数据。可选的，车辆在动力电池充电期间实时上报电池实际状态数据；或者在每次充电开始或者完毕后上报电池实际状态数据；或者累积动力电池的电池实际状态数据，直到动力电池的累计充电时段达到累积时长阈值时上报电池实际状态数据。上报方式为基于车辆网上报至数据接入模块101。车辆/电池基础数据的上报时间不做限制，可在初始连接数据接入模块101时上报，也可以需要时上报。由于本实施例上报的是动力电池在累计充电时段对应的电池实际状态数据，因此，本实施例的电池实际状态数据可能是动力电池多次充电产生的状态数据，且动力电池每次充电所处工况可能不同。
由于单次充电估算的容量仅能说明单次充电的健康度，且单次充电的误差波动较大，会影响电池健康度进行评估的准确性。因此，本实施例采用累计充电时段对应的电池实际状态数据来评价动力电池的健康度，使动力电池的健康度评估不仅仅依赖于一个充电片段，从而消除因单个片段的误差波动，使评估结果更加准确。
数据接入模块101，用于对所述动力电池在累计充电时段内呈现出的电池实际状态数据进行接入并存储。
数据预处理模块102，用于在所述动力电池在累计充电时段达到累积时长阈值时，对所述电池实际状态数据进行预处理，所述预处理包括：数据解析、数据转换、数据清洗。
数据计算模块103，用于对所述电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段；从所述电池实际状态数据中查找所述若干实际充电SOC片段对应的充电工况。
模型评估模块104，用于利用训练好的容量修正模型处理所述若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到所述若干实际充电SOC片段在所述标准工况下各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到实际充电容量；基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量；利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
本说明书通过对电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段并查找出其对应充电工况。一方面利用容量修正模型参考充电工况对充电容量进行修正，计算出工况修正系数反馈给实际充电电量，并结合SOC得到修正后的实际充电容量，从而消除因充电工况不同引发的容量误差影响，提高评估的准确度。另一方面使用累计充电时段的若干充电SOC片段综合计算电池的实际充电容量，使本说明书的电池充电容量评估不仅仅依赖于一个充电片段，从而消除因单个片段的误差波动，使评估结果更加准确。
为了便于说明和解释本说明书，下面对前述各模块进行具体介绍。
在数据接入模块101中，基于统一的数据接入接口，将上传数据按照统一的数据标准进行归档存储，方便后续进行数据计算或分析。
可选的，在接入电池实际状态数据时，实时接入并存储电池实际状态数据；或者在每次充电开始或者完毕后接入并存储电池实际状态数据。此外，考虑到在实际情况中，仅利用单次充电估算的容量对电池健康度进行评估是不准确的，很容易受到容量数据误差波动的影响。而电池健康度一般呈缓慢下降趋势，不会出现断崖式下降的情况。因此，为了提高评估准确性，本说明书采用累积时长阈值的电池实际状态数据对电池健康度接入并存储，以及执行后续估算处理，使本说明书的电池充电容量评估不仅仅依赖于一个充电片段，从而消除因单个片段的误差波动，使评估结果更加准确。具体的，当动力电池的累计充电时段未达到累积时长阈值时，不会对电池健康度进行估算，可将电池健康度评估为100％。在所述累计充电时段达到累积时长阈值时，对所述电池实际状态数据进行接入并存储。
所述数据预处理模块102，具体包括：数据解析模块1021，数据转换模块1022，数据清洗模块1023。三者的执行顺序按照实际情况而定。
数据解析模块1021，用于将所述电池实际状态数据从非结构化数据解析为结构化数据。可选的，还用于将车辆/电池基础数据从非结构化数据解析为结构化数据，并将电池实际状态数据对应的结构化数据和车辆/电池基础数据对应的结构化数据进行合并，从而为后续评估做准备。
数据转换模块1022，用于对所述电池实际状态数据进行单位转换和业务数据转换。单位转换，是将电池实际状态数据中的单位转换为统一单位表示。例如，将电流的单位统一转换为安(A)，将电压的单位统一转换为伏(V)，将温度的单位统一转换为摄氏度(℃)，将时间的单位统一转换为秒(s)，将SOC的单位统一转换为百分比。业务数据转换，是基于数据之间的转换系数，将具有不同表示方式的数据转换为统一表示方式。例如，某些车辆显示的SOC可能是仪表盘SOC，并不代表动力电池的SOC。在此情况下，需要根据车辆静态数据中的仪表盘SOC与动力电池SOC的系数，将仪表盘SOC转换为动力电池SOC。
数据清洗模块1023，用于对所述电池实际状态数据进行异常点修复和/或异常点删除。
在异常点修复的实施过程中，所述数据清洗模块1023，具体用于在中间时刻和前后时刻的第一时间差均小于第一差值阈值时，将所述中间时刻的电池实际状态数据修复为所述前后时刻的电池实际状态数据。异常点修复，指对中间实际状态数据进行修复。具体的，将异常的电池实际状态数据当做中间数据，利用其前后相邻数据对其进行修复，从而消除异常数据的影响。以电池充放电状态为例，若当前时刻的当前充放电状态不为“停车充电”，但是前一时刻与后一时刻的充放电状态均为“停车充电”，并且当前时刻与前后时刻的时间间隔均小于第一差值阈值，则可将当前时刻的充放电状态修复为“停车充电”。
异常点删除主要是对离群点的删除，本实施例的离群点包含：超出合理取值范围的第一离群点；未超出合理取值范围，但与相邻数据之间的数据差或变化量超过阈值的第二离群点。
因此，对于第一离群点来说，所述数据清洗模块1023，具体用于删除所述电池实际状态数据中超出对应取值范围的第一离群点。例如，某时刻的SOC的取值不在[0,100％]的范围，直接删除该时刻的SOC。
对于第二离群点来说，由于其并未超出合理取值范围，因此需要对其进一步处理，并据此判断是否删除第二离群点。
数据清洗模块1023，具体还用于利用求导的方式依次遍历电池实际状态数据，获得电池实际状态数据与前后相邻数据的邻间变化量；并利用变化量阈值对邻间变化量进行检测，以确定出第二离群点或第二离群点对应的离群区间；进一步的，利用预设数值作为判断标准对所述第二离群点或所述离群区间进行处理。
具体来说，针对每个电池实际状态数据，利用求导方式确定该电池实际状态数据与前后相邻数据之间的两个邻间变化量。举例来说，在求导时，利用该电池实际状态数据和前相邻数据之间的数据差和时间差之比，得到邻间变化量。
利用变化量阈值对两个邻间变化量进行检测，并根据检测结果决定电池实际状态数据保留与否。具体的，若检测结果显示为两个邻间变量均小于变化量阈值，表示该电池实际状态数据与前后相邻数据的变化正常，则保留该电池实际状态数据。若检测结果显示为两个邻间变化量均大于等于于变化量阈值，表示该电池实际状态数据为第二离群点且为一个孤点，则删除该电池实际状态数据。
若两个邻间变化量有一个小于变化量阈值，表示该电池实际状态数据和其中一个相邻数据都为第二离群点，则继续以求导的方式遍历后面的电池实际状态数据，并据此确定出离群区间。其中，离群区间是由若干相邻的第二离群构成的区间。若离群区间中的第二离群点总数小于预设数值，则表示这些第二离群点均为异常点，做删除处理。若离群区间中的第二离群点总数大于预设数值，表示这些第二离群点是充电时形成的正常数据点，可能因为充电电流增大而造成了跳点的情况，但还是能够正常充电。因此这些离群点数据作为正常数据保留。
以上是处理第二离群点的一种方式，当然本说明书还有其他方式对第二离群点进行确认或者处理。两者可择一或者并行使用。
作为一种可选的实施例，数据清洗模块1023，具体还用于按照区间划分标准对所述电池实际状态数据进行区间划分，得到若干区间，并从所述若干区间中确定所述离群区间；利用预设数值作为判断标准对所述离群区间进行处理。
具体的，本实施例在划分区间时有两种划分方式。第一种划分方式：先利用前后相邻数据的数据差和差值阈值之间的判断结果查找出所有第二离群点。将第二离群点作为区间划分标准进行区间划分，如此可划分出若干区间。进一步的，假如若干第二离群点呈现连贯性，则可将若干第二离群点划分到同一离群区间中。
具体来说，在区间划分时需要考虑第二离群点与前后相邻数据之间的时间差是否小于第二时间差阈值。若小于，则将该时间差对应的两个数据点作为区间划分点进行区间划分。以SOC为例，由于其随着时间变化而逐渐增加，因此SOC的数据和时间相对变化的，因此在考虑数据差的同时，需要利用第二时间差阈值来限定前后相邻数据的时间差，从而保证前后相邻数据之间无其他数据插入。
可见，本实施例在将第二离群点作为区间划分标准进行区间划分时，利用了所述第二离群点所处时刻和其相邻数据所处时刻的时间差与第二差值阈值之间的判断结果划分出所述若干区间，且由于不同的区间可能对应不同的充电工况，因此该操作能够避免将不同批次充电的电池实际状态数据混淆到同一个区间，从而避免造成数据和工况的双重混淆。
以上是先找出第二离群点再进行区间划分的实施方式，在第二种划分方式中，可在不查找第二离群点的前提下进行划分。具体的，利用数据差对应的差值阈值以及时间差对应的第二差值阈值作为区间划分标准进行区间划分。具体的，依次判断两个相邻数据的数据差是否大于差值阈值，以及判断两个相邻数据的时间差是否小于第二差值阈值；若两者的判断结果均为是，则将两个相邻数据分别作为区间端点进行区间划分，得到若干区间。进一步的，利用第二离群点的判断标准从中确定出第二离群点及其离群区间。
进一步的，在利用预设数值作为判断标准对所述离群区间进行处理时，若所述离群区间中的第二离群点总数小于预设数值，则删除所述区间，反之保留。
举例来说，对于未超出合理取值范围的第二离群点，以SOC为例。第二离群点SOC和其前相邻SOC的数据差大于差值阈值SOCDiffThre，但两者的时间差小于第二差值阈值durationThre，则在第二离群点SOC和其前相邻SOC之间进行区间划分。第二离群点SOC和其后相邻SOC的处理方式类似，最终得到离群区间。其中，若第二离群点为孤点，则直接删除。若形成离群区间，则根据离群区间内部点数是否小于预设数值pointThre来判断该是否删除。例如，小于预设数值pointThre则删除该离群区间，否则保留。可选的，SOCDiffThre取10％，durationThre取50s，pointThre取10，但并不形成限制。
如图2所示，展示了在合理范围内的SOC异常点去除示例图，可见按照上述逻辑，会将电池实际状态数据划分成3个区间段，其中，区间2中的第二离群点数少于10个点，删除区间2。
所述数据计算模块103，包括：片段切分模块1031，片段修补模块1032，特征计算模块1033。
片段切分模块1031，用于计算相邻两个电池实际状态数据的第三时间差，若所述第三时间差大于等于第三差值阈值timeDiffThr，将相邻两个电池实际状态数据分别作为片段端点进行切分；若所述第三时间差小于第三差值阈值timeDiffThr，将相邻两个电池实际状态数据归属为同一实际充电SOC片段。可选的，timeDiffThr为5min，但并不形成限制。
片段切分是为了得到对电池实际状态数据进行碎片化处理，从而得到不同工况下充电产生的实际充电SOC片段。通过利用时间差对应的第三差值阈值为划分标准进行片段划分，能够避免造成数据和工况的双重混淆。在实际充电SOC片段字段中，对应有各自的总电压、总电流、温度等工况。
具体的，先筛选电池实际状态数据中电池充放电状态为”停车充电”的数据，对于筛选后的电池实际状态数据，按照时间排序后计算相邻数据的时间差，基于时间差进行实际充电SOC片段的切分。进一步的，基于片段切分的结果，将每条实际充电SOC片段标上唯一充电片段标识，例如，基于车辆唯一标识码+充电开始时间进行充电片段的标识。值得注意的是，若以电池实际状态数据中的SOC为例进行片段切分，可按照时间将直接切分为若干实际充电SOC片段。若以电池实际状态数据中的充电电流为例进行片段切分，会得到若干电流片段，再基于充电电流和SOC之间的映射关系，将其转换为利用SOC表示的若干实际充电SOC片段。
片段修补模块1032，用于针对每个实际充电SOC片段，判断所述实际充电SOC片段内相邻两个电池实际状态数据的第四时间差是否在第四差值阈值和第三差值阈值之间；若是，则在相邻两个电池实际状态数据内按照预设间隔时间进行线性插位，并计算所述线性插位对应的SOC取值；其中，所述第四时间差阈值小于所述第三时间差阈值。
对于每个实际充电SOC片段，可能会存在一些数据缺失。例如由于上述离群点删除的操作，可能会导致充电SOC片段中的数据缺失。因此，为了电池健康度的评估准确性，需要对各实际充电SOC片段进行数据修补，补充各实际充电SOC片段的缺失值。
而在采用线性插位的方式进行数据修补时，具体步骤如下：
(1)插入数据点；若在实际充电SOC片段中，当前电池实际状态数据的时刻为TnOw，下一电池实际状态数据的时刻为Tnext，若第四差值阈值insertDurationThre＜Tnext–Tnow＜第三时间差阈值timeDiffThr，则每隔一个采集时间间隔t，插入一条数据，该条插入数据除了时间戳外，其余字段取值暂全为空，若Tnext–Tnow＜t，则停止插入。
(2)补充插入数据的缺失值；假设需要修补的字段为字段SOC，首先找到相邻的SOC取值不为空的时刻，假设为Tbegin与Tend，对应的SOC取值分别为SOCbegin与SOCend，那么对于中间Tm时刻SOC的修补值SOCm，使用如下公式得到：
Figure BDA0003811746400000151
进一步的，将修补值和修补时刻填补到对应的插入数据中。
作为一种可选的实施例，由于对于切分后的充电片段，可能存在各种各样的异常。因此，本实施例的数据计算模块103还包括：质量检查模块，用于利用质量检查指标对若干实际充电SOC片段进行质量检查。进一步的，还用于对检查出的异常片段进行标识，以后续模块选择性过滤。可选的，质量检查指标包括但不限于是如下指标：片段的充电时长，片段的充入SOC，片段的单位时长充电SOC，片段的SOC缺失率，片段的充电电流缺失率。
特征计算模块1033，用于对插值后的所述若干实际充电SOC片段进行头尾片段去除；并计算去除后的所述若干实际充电SOC片段各自对应的实际充电电量。
具体的，由于实际充电SOC片段中的头尾对容量计算的影响较大，例如，由于动力电池的SOC按照百分比刻度显示，例如动力电池充电时，SOC会随着电量增加依次显示5％、10％、15％......以此类推。而动力电池在充电之前具有剩余SOC。由于动力电池以5个百分点为计量标准显示，因此动力电池显示为剩余SOC5％时，其实际剩余可能为0％～10％之间的任一值。例如可能为4％，也可能为9％，那么在实际充电SOC片段序列中以5％作为头部参与计算，则会产生容量误差。实际充电SOC片段序列的尾部同理。因此为了消除头尾产生的容量误差，需要将实际充电SOC片段序列中的头尾去掉。再例如，两个实际充电SOC片段序列均是在相同工况下从SOC1变化到SOCn，并且第一个序列为[SOC1，SOC2，SOC2，…，SOCm，SOCm，SOCn]，第二个序列为[SOC1，SOC1，SOC1，SOC1，SOC1，SOC2，SOC2，…，SOCm，SOCm，SOCn，SOCn]；以实际数值为例，第一个序列为[5％，10％，10％，…，80％，80％，85％]，第二个序列为[5％，5％，5％，5％，5％，10％，10％，…，80％，80％，85％，85％]。可见，两个序列均以5％作为头部参与计算，仅由于头尾不同产生了容量误差，因此需重新确认起止SOC值，消除实际充电SOC片段中的头尾的影响。
以第一个序列为例接收去除头尾的步骤：第一个序列随着时间变化时序为[SOC1，SOC2，SOC2，…，SOCm，SOCm，SOCn]，则将去除头尾去除后的充电片段，其起始为第一个SOC2，结束为最后一个SOCm。
进一步的，在计算去除后的所述若干实际充电SOC片段各自对应的实际充电电量时，使用筛选区间的充电电流进行安时积分计算，得到实际充电电量。计算公式如下：QAh＝∫It·dt≈∑it·Δt，其中，Δt是实际充电SOC片段中的采样时间间隔，It是实际充电SOC片段中离散电流采样值。
所述模型评估模块104，包括：模型构建模块1041，容量修正模块1042，额定容量计算模块1043，电池健康度评估模块1044。
模型构建模块1041，用于采集和本车同一车型同一电池组型号的所有车辆在固定阈值周期内充电时产生的充电容量样本数据，以及对应工况样本数据；利用所述充电容量样本数据和所述工况样本数据对机器学习算法进行拟合训练，得到所述容量修正模型。
动力电池的健康度评估一般使用实际充电容量与额定充电容量的比值进行评估。一方面，由于本说明书的实际充电容量需要用到不同批次充电时的充电SOC片段的容量值计算，而不同批次充电时的充电SOC片段在计算容量值时会受到不同充电工况的影响存在较大的差异。因此，为了消除不同充电工况引起的误差，需要针对不同工况进行容量修正。另一方面，由于制造工艺的差异，即使相同车型相同电池组型号，电池的实际额定容量也不一样，这就导致电池实际呈现出的额定容量和车厂公开的标定额定容量有一定差异。因此，为了电池健康度评估的准确性，额定容量的估算也是评估电池健康度的必要步骤。
不同的充电工况对安时积分法计算的充入电量有重要影响，具体来说，即使充入相同的SOC，若充电工况不同，基于安时积分法计算的充入电量也是不同的。因此为了估算动力电池的实际充电容量，需利用标准工况对各个实际充电SOC片段的实际充电电量进行修正，在据此估算动力电池的实际充电容量。标准工况指车辆最常遇到的充电工况，各车可以不同。而本实施例的充电工况包括但不限于是充电电流、充电电池包温度、环境温度。
此外，由于单个车辆的充电数据很少且个体差异较大。因此，为了消除个体差异且增加样本数据的健壮性，本说明书使用和本车同一车型、同一电池组型号的所有车辆，在固定的阈值周期内(例如时长周期和/或里程周期)内充电时产生的各个充电片段的工况样本数据拟合充电容量样本数据，构建容量修正模型。
而选择固定阈值周期内充电时产生的充电容量样本数据的原因在于，动力电池在整个充电生涯中，其充电容量变化会受到掺杂容量衰减与实际工况的双重影响，从而影响工况修正的准确性。因此，为了避免掺杂容量衰减的影响，所有车辆均选择在同一固定阈值周期内充电时产生的充电容量样本数据进行模型构建。
在模型构建时，模型的输入为每个充电SOC片段的工况参数，如充电电流、充电电池包温度、环境温度等。可选的，片段内的电流中位数作为充电电流的工况代表值，使用片段内的温度中位数作为充电温度的工况代表值。当然，除中位数之外，还可使用平均值，分位点值，加权平均值，几何平均值等作为工况代表值。模型的输出为基于安时积分法计算的电池容量。初始模型包括但不限于逻辑回归、决策树、随机森林。若构建出的模型效果满足需求，则输出，否则再次调节参数或模型，再次进行训练。当然，为了模型构建的准确性，还可以调整固定阈值周期。
容量修正模块1042，用于将所述若干实际充电SOC片段对应的实际充电工况和所述修正工况分别输入所述容量修正模型中处理，分别得到所述若干实际充电SOC片段在各自实际充电工况下的第一预测充电容量，以及所述标准工况下的第二预测充电容量；将所述第二预测充电容量分别和所述若干实际充电SOC片段各自对应的第一预测充电容量相比，得到所述若干实际充电SOC片段各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正，得到所述若干实际充电SOC片段各自对应的修正充电电量；以及还用于将所述若干实际充电SOC片段及其修正充电电量的加权比作为所述实际充电容量。在本实施例中，通过利用标准工况对不同工况下的容量进行修正，从而消除因工况不同产生的误差影响。
可选的，利用容量修正模型处理之前，可先判断若干实际充电SOC片段对应的实际充电工况是否为标准工况。其中，标准工况为若干实际充电SOC片段对应的实际充电工况中数量最多的工况。若为标准工况，则无需使用修正模型，直接利用安时积分法计算得到对应的充电电量，并将充电电量和SOC片段的比值作为对应的充电片段容量。若不是标准工况，则需调用容量修正模型进行修正。
为了便于说明和解释本说明书，下面的采用具体示例进行说明。本车的充电SOC片段具有n个，利用充电开始时间t作为标识。对应的工况与实际充电电量如表1所示。
表1
Figure BDA0003811746400000181
若标准工况为a，那么实际使用时，需要对t1时刻～t3时刻对应的实际充电SOC片段无需修正，t4时刻～tn时刻的实际充电电量均需要修正。
以t4时刻为例，步骤如下：
(1)基于训练好的容量修正模型，输入t4时刻的工况c，得到t4时刻在工况c下的第一预测充电容量Cm
(2)基于训练好的容量修正模型，输入标准工况a，得到对t4在标准工况a下的第二预测充电容量Cn
(3)计算t4时刻的工况修正系数Cn/Cm，并基于系数对t4时刻在标准工况a下的实际充电电量进行修正，得到t4时刻在标准工况a下的修正充电电量：Q4_correct＝Q4*Cn/Cm。
根据上述方式修正其他时刻的实际充电电量。从而使每个时刻对应各自的修正充电电量。虽然t1时刻～t3时刻没有进行电量修正，在计算时可将t1时刻～t3时刻的实际充电电量等同于修正充电电量纳入计算。从而将所述若干实际充电SOC片段及其修正充电电量的加权比作为所述实际充电容量。具体的，采用下述公式进行实际充电容量的计算：
Figure BDA0003811746400000182
其中，Q′i为第i个修正充电电量，SoCi为第i个实际充电SOC片段的充入SOC。
当然，实际充电容量的计算方式不止于此。例如可先计算各充电SOC片段的容量，再采用平均值的方式得到实际充电容量。具体的，利用公式
Figure BDA0003811746400000191
计算各充电SOC片段的容量；其中，Ci指第i个实际充电SOC片段的实际充电容量，这里Q′i指第i个实际充电SOC片段的修正充电电量，[SoCiend-SoCibegin]指i个实际充电SOC片段的充入SOC。
额定容量计算模块1043，用于采集所述电池初期充电状态数据，并得到所述电池初期充电状态数据对应的若干初期充电SOC片段及其初期充电电量；利用所述若干初期充电SOC片段及其初期充电电量确定所述额定充电容量。
由于动力电池在充电初期的数据容量基本不会衰减，因此可以利用电池初期充电状态数据计算额定充电容量。电池充电初期以容量衰减作为标准进行定义，例如动力电池在车辆行驶400公里内未衰减，则可采集400公里内的充电状态数据计算额定充电容量。而由于本实施例基于实际充电的初期数据估算电池的额定容量，而不直接使用电池出厂时设定的标称容量，能够避免因电池因工艺等造成的个体差异导致的SOH估算误差。
具体的，为了降低数据波动误差，可在数据累积时长达到标准或者循环充电次数达到标准时采集本车的初期充电状态数据，基于质量检查指标对初期充电状态数据进行筛选，从中筛选出满足下述质量检查指标的若干初期充电SOC片段。例如，充入SOC满足阈值(例如大于20％)、SOC缺失率在10％以下、充电电流缺失率在10％以下，但并不形成限制。对筛选出的若干初期充电SOC片段进行异常值去除，可采取的方式包括不限于箱线图法。若去除异常点后，剩余的若干初期充电SOC片段数大于阈值，则基于剩下的若干初期充电SOC片段，使用加权平均的方法或者求取容量平均值的方法计算额定充电容量。具体的方法可参看前述实施例，在此不再赘述。若去除异常容量的片段后，剩余的若干初期充电SOC片段数数小于阈值，则继续累加初期充电状态数据并按照上述过程再次处理，直到确定出额定充电容量为止。
当然，为了消除充电工况在电池初期充电对容量的影响，额定容量计算模块1043，还用于利用训练好的容量修正模型处理所述若干初期充电SOC片段对应的初期充电工况和标准工况，并基于处理结果得到所述若干初期充电SOC片段在所述标准工况下各自对应的工况修正系数，利用所述若干初期充电SOC片段各自对应的工况修正系数对所述若干初期充电SOC片段各自对应的初期充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到额定充电容量。具体的修正过程参看前述计算实际充电容量实施例的描述，在此不再赘述。
电池健康度评估模块1044，用于利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
在本实施例中，设计了一套完善的电池健康度评估系统，覆盖数据采集、数据接入、数据预处理、数据计算、模型评估多个方面。此外，本实施例在评估过程中，一方面使用累计充电时段的若干充电SOC片段综合计算电池的实际充电容量，使本说明书的电池充电容量评估不仅仅依赖于一个充电片段，从而消除因单个片段的误差波动，使评估结果更加准确。另一方面考虑不同工况对电池容量计算的影响，设计了容量修正模型参考充电工况对充电容量进行修正，从而消除因工况不同引发的误差影响，提高评估的准确度。
此外，在模型构建时采用和本车同一车型、同一电池组型号、同一周期阈值范围内的所有车进行工况修正模型的构建，解决了单辆车数据量不够可能导致的修正系数不准从而引发的准确性问题。
此外，本实施例基于实际充电数据估算电池的额定充电容量，而不直接使用动力电池设定的标称容量，能够避免因电池因工艺等造成的个体差异导致的SOH估算误差。
基于和前述实施例相同的发明构思，下面的实施例介绍了一种电子设备，该电子设备可以为云端服务器，也可以为车载端设备。该电子设备包括前述任一实施例描述的动力电池的健康评估系统。
基于和前述实施例相同的发明构思，下面的实施例介绍了一种动力电池的健康评估方法，参看图3，所述方法包括下述步骤：
步骤301，获取电池实际状态数据。
具体的，电池实际状态数据与车辆/电池基础数据；电池实际状态数据包括车辆标识、上报时间、车辆状态、充放电状态、总电压、总电流、充电电流、SOC、温度等数据；车辆/电池基础数据包括车辆品牌、车辆型号、车辆电池包型号、车辆电池包额定容量、车辆电池包额定电压等数据。
在接入电池实际状态数据时，实时接入并存储电池实际状态数据；或者在每次充电开始或者完毕后接入并存储电池实际状态数据。此外，考虑到在实际情况中，仅利用单次充电估算的容量对电池健康度进行评估是不准确的，很容易受到容量数据误差波动的影响。而电池健康度一般呈缓慢下降趋势，不会出现断崖式下降的情况。因此，为了提高评估准确性，本说明书采用累积时长阈值的电池实际状态数据对电池健康度接入并存储，以及执行后续估算处理，使本说明书的电池充电容量评估不仅仅依赖于一个充电片段，从而消除因单个片段的误差波动，使评估结果更加准确。具体的，当动力电池的累计充电时段未达到累积时长阈值时，不会对电池健康度进行估算，可将电池健康度评估为100％。在所述累计充电时段达到累积时长阈值时，对所述电池实际状态数据进行接入并存储。
步骤302，在所述动力电池在累计充电时段达到累积时长阈值时，对所述电池实际状态数据进行预处理，所述预处理包括：数据解析、数据转换、数据清洗。
在数据解析时，将所述电池实际状态数据从非结构化数据解析为结构化数据。可选的，将车辆/电池基础数据从非结构化数据解析为结构化数据，并将电池实际状态数据对应的结构化数据和车辆/电池基础数据对应的结构化数据进行合并，从而为后续评估做准备。
在数据转换时，对所述电池实际状态数据进行单位转换和业务数据转换。其中，单位转换，是将电池实际状态数据中的单位转换为统一单位表示。其中，业务数据转换，是基于数据之间的转换系数，将具有不同表示方式的数据转换为统一表示方式。
在数据清洗时，对所述电池实际状态数据进行异常点修复和/或异常点删除。
在异常点修复时，在中间时刻和前后时刻的第一时间差均小于第一差值阈值时，将所述中间时刻的电池实际状态数据修复为所述前后时刻的电池实际状态数据；
在异常点删除时，主要是对离群点的删除，本实施例的离群点包含：超出合理取值范围的第一离群点；未超出合理取值范围，但与相邻数据之间的数据差或变化量超过阈值的第二离群点。
因此，对于第一离群点来说，删除所述电池实际状态数据中超出对应取值范围的第一离群点。
对于第二离群点来说，利用求导的方式依次遍历所述电池实际状态数据，获得所述电池实际状态数据与前后相邻数据的邻间变化量；并利用变化量阈值对所述邻间变化量进行检测，以确定出第二离群点或所述第二离群点对应的离群区间；利用预设数值作为判断标准对所述第二离群点或所述离群区间进行处理；和/或
按照区间划分标准对所述电池实际状态数据进行区间划分，得到若干区间；从所述若干区间中确定所述离群区间；利用预设数值作为判断标准对所述离群区间进行处理。
具体的实施细节在前述系统实施例已经详细介绍，故在此不再赘述。
步骤303，对所述电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段；从所述电池实际状态数据中查找所述若干实际充电SOC片段对应的充电工况。
其中，片段切分是为了得到对电池实际状态数据进行碎片化处理，从而得到不同工况下充电产生的实际充电SOC片段。通过利用时间差对应的第三差值阈值为划分标准进行片段划分，能够避免造成数据和工况的双重混淆。在实际充电SOC片段字段中，对应有各自的总电压、总电流、温度等工况。
而在片段切分时，是利用第三时间差阈值为标准进行切分。具体的，计算相邻两个电池实际状态数据的第三时间差，若所述第三时间差大于等于第三差值阈值，将相邻两个电池实际状态数据分别作为片段端点进行切分；若所述第三时间差小于第三差值阈值，将相邻两个电池实际状态数据归属为同一实际充电SOC片段。
而对于每个实际充电SOC片段来说，可能会存在一些数据缺失。例如由于上述离群点删除的操作，可能会导致充电SOC片段中的数据缺失。因此，为了电池健康度的评估准确性，需要对各实际充电SOC片段进行数据修补，补充各实际充电SOC片段的缺失值。
在具体的修补过程中，针对每个实际充电SOC片段，判断所述实际充电SOC片段内相邻两个电池实际状态数据的第四时间差是否在第四差值阈值和第三差值阈值之间；若是，则在相邻两个电池实际状态数据内按照预设间隔时间进行线性插位，并计算所述线性插位对应的SOC取值；其中，所述第四时间差阈值小于所述第三时间差阈值。
由于实际充电SOC片段中的头尾对容量计算的影响较大，因此，对插值后的所述若干实际充电SOC片段进行头尾片段去除，从而，消除实际充电SOC片段中的头尾的影响。其后，计算去除后的所述若干实际充电SOC片段各自对应的实际充电电量。
步骤304，利用训练好的容量修正模型处理所述若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到所述若干实际充电SOC片段在所述标准工况下各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到实际充电容量；基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量；利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
在计算实际充电容量的过程中，将所述若干实际充电SOC片段对应的实际充电工况和所述修正工况分别输入所述容量修正模型中处理，分别得到所述若干实际充电SOC片段在各自实际充电工况下的第一预测充电容量，以及所述标准工况下的第二预测充电容量；将所述第二预测充电容量分别和所述若干实际充电SOC片段各自对应的第一预测充电容量相比，得到所述若干实际充电SOC片段各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正，得到所述若干实际充电SOC片段各自对应的修正充电电量；以及还用于将所述若干实际充电SOC片段及其修正充电电量的加权比作为所述实际充电容量；
在计算额定充电容量的过程中，采集所述电池初期充电状态数据，并得到所述电池初期充电状态数据对应的若干初期充电SOC片段及其初期充电电量；利用所述若干初期充电SOC片段及其初期充电电量确定所述额定充电容量。
作为一种可选的实施例，为了消除不同工况的影响。利用所述容量修正模型处理所述若干初期充电SOC片段对应的初期充电工况和标准工况，并基于处理结果得到所述若干初期充电SOC片段在所述标准工况下各自对应的工况修正系数，并利用所述若干初期充电SOC片段各自对应的工况修正系数对所述若干初期充电SOC片段各自对应的初期充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到额定充电容量。
通过前述方式确定出的实际充电容量和额定充电容量的比值的比值进行电池健康度SOH评估。其中，比值越大表示健康度越高。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本说明书也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本说明书的内容，并且上面对特定语言所做的描述是为了披露本说明书的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本说明书的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本说明书的示例性实施例的描述中，本说明书的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本说明书要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本说明书的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本说明书的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本说明书的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本说明书实施例的网关、代理服务器、方法中的一些或者全部部件的一些或者全部功能。本说明书还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本说明书的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本说明书进行说明而不是对本说明书进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本说明书可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (15)

1.一种动力电池的健康评估系统，所述系统包括：
数据接入模块，用于对电池实际状态数据进行接入并存储；
数据预处理模块，用于在所述动力电池在累计充电时段达到累积时长阈值时，对所述电池实际状态数据进行预处理，所述预处理包括：数据解析、数据转换、数据清洗；
数据计算模块，用于对所述电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段；从所述电池实际状态数据中查找所述若干实际充电SOC片段对应的充电工况；
模型评估模块，用于利用训练好的容量修正模型处理所述若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到所述若干实际充电SOC片段在所述标准工况下各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到实际充电容量；基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量；利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
2.如权利要求1所述的健康评估系统，所述电池实际状态数据包括：车辆标识、上报时间、车辆状态、充放电状态、总电压、总电流、SOC、温度；
所述数据预处理模块，具体包括：
数据解析模块，用于将所述电池实际状态数据从非结构化数据解析为结构化数据；
数据转换模块，用于对所述电池实际状态数据进行单位转换和业务数据转换；
数据清洗模块，用于对所述电池实际状态数据进行异常点修复和/或异常点删除。
3.如权利要求2所述的健康评估系统，在异常点修复时，所述数据清洗模块，具体用于在中间时刻和前后时刻的第一时间差均小于第一差值阈值时，将所述中间时刻的电池实际状态数据修复为所述前后时刻的电池实际状态数据；
在异常点修复时，所述数据清洗模块，具体用于：
删除所述电池实际状态数据中超出对应取值范围的第一离群点；
利用求导的方式依次遍历所述电池实际状态数据，获得所述电池实际状态数据与前后相邻数据的邻间变化量；并利用变化量阈值对所述邻间变化量进行检测，以确定出第二离群点或所述第二离群点对应的离群区间；利用预设数值作为判断标准对所述第二离群点或所述离群区间进行处理；和/或按照区间划分标准对所述电池实际状态数据进行区间划分，得到若干区间；从所述若干区间中确定所述离群区间；利用预设数值作为判断标准对所述离群区间进行处理。
4.如权利要求1或3所述的健康评估系统，所述数据计算模块，包括：
片段切分模块，用于计算相邻两个电池实际状态数据的第三时间差，若所述第三时间差大于等于第三差值阈值，将相邻两个电池实际状态数据分别作为片段端点进行切分；若所述第三时间差小于第三差值阈值，将相邻两个电池实际状态数据归属为同一实际充电SOC片段；
片段修补模块，用于针对每个实际充电SOC片段，判断所述实际充电SOC片段内相邻两个电池实际状态数据的第四时间差是否在第四差值阈值和第三差值阈值之间；若是，则在相邻两个电池实际状态数据内按照预设间隔时间进行线性插位，并计算所述线性插位对应的SOC取值；其中，所述第四时间差阈值小于所述第三时间差阈值；
特征计算模块，用于对插值后的所述若干实际充电SOC片段进行头尾片段去除；并计算去除后的所述若干实际充电SOC片段各自对应的实际充电电量。
5.如权利要求1所述的健康评估系统，所述模型评估模块，包括：
模型构建模块，用于采集和本车同一车型同一电池组型号的所有车辆在固定阈值周期内充电时产生的充电容量样本数据，以及对应工况样本数据；利用所述充电容量样本数据和所述工况样本数据对机器学习算法进行拟合训练，得到所述容量修正模型。
6.如权利要求1或5所述的健康评估系统，所述模型评估模块，还包括：
容量修正模块，用于将所述若干实际充电SOC片段对应的实际充电工况和所述修正工况分别输入所述容量修正模型中处理，分别得到所述若干实际充电SOC片段在各自实际充电工况下的第一预测充电容量，以及所述标准工况下的第二预测充电容量；将所述第二预测充电容量分别和所述若干实际充电SOC片段各自对应的第一预测充电容量相比，得到所述若干实际充电SOC片段各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正，得到所述若干实际充电SOC片段各自对应的修正充电电量；以及还用于将所述若干实际充电SOC片段及其修正充电电量的加权比作为所述实际充电容量；
额定容量计算模块，用于采集所述电池初期充电状态数据，并得到所述电池初期充电状态数据对应的若干初期充电SOC片段及其初期充电电量；利用所述若干初期充电SOC片段及其初期充电电量确定所述额定充电容量；
电池健康度评估模块，用于利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
7.如权利要求6所述的健康评估系统，所述额定容量计算模块，还用于利用所述容量修正模型处理所述若干初期充电SOC片段对应的初期充电工况和标准工况，并基于处理结果得到所述若干初期充电SOC片段在所述标准工况下各自对应的工况修正系数，利用所述若干初期充电SOC片段各自对应的工况修正系数对所述若干初期充电SOC片段各自对应的初期充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到额定充电容量。
8.一种动力电池的健康评估方法，所述方法包括：
获取电池实际状态数据；
在所述动力电池在累计充电时段达到累积时长阈值时，对所述电池实际状态数据进行预处理，所述预处理包括：数据解析、数据转换、数据清洗；
对所述电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段；从所述电池实际状态数据中查找所述若干实际充电SOC片段对应的充电工况；
利用训练好的容量修正模型处理所述若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到所述若干实际充电SOC片段在所述标准工况下各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到实际充电容量；基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量；利用所述实际充电容量和额定充电容量的比值进行电池健康度SOH评估。
9.如权利要求8所述的健康评估方法，所述电池实际状态数据包括：车辆标识、上报时间、车辆状态、充放电状态、总电压、总电流、SOC、温度；
所述对所述电池实际状态数据进行预处理，具体包括：
将所述电池实际状态数据从非结构化数据解析为结构化数据；
对所述电池实际状态数据进行单位转换和业务数据转换；
对所述电池实际状态数据进行异常点修复和/或异常点删除。
10.如权利要求9所述的健康评估方法，所述对所述电池实际状态数据进行异常点修复和/或异常点删除，具体包括：
在异常点修复时，在中间时刻和前后时刻的第一时间差均小于第一差值阈值时，将所述中间时刻的电池实际状态数据修复为所述前后时刻的电池实际状态数据；
在异常点删除时，删除所述电池实际状态数据中超出对应取值范围的第一离群点；
利用求导的方式依次遍历所述电池实际状态数据，获得所述电池实际状态数据与前后相邻数据的邻间变化量；并利用变化量阈值对所述邻间变化量进行检测，以确定出第二离群点或所述第二离群点对应的离群区间；利用预设数值作为判断标准对所述第二离群点或所述离群区间进行处理；和/或按照区间划分标准对所述电池实际状态数据进行区间划分，得到若干区间；从所述若干区间中确定所述离群区间；利用预设数值作为判断标准对所述离群区间进行处理。
11.如权利要求8或10所述的健康评估方法，所述对所述电池实际状态数据进行充电片段切分，得到若干实际充电SOC片段，包括：
计算相邻两个电池实际状态数据的第三时间差，若所述第三时间差大于等于第三差值阈值，将相邻两个电池实际状态数据分别作为片段端点进行切分；若所述第三时间差小于第三差值阈值，将相邻两个电池实际状态数据归属为同一实际充电SOC片段；
针对每个实际充电SOC片段，判断所述实际充电SOC片段内相邻两个电池实际状态数据的第四时间差是否在第四差值阈值和第三差值阈值之间；若是，则在相邻两个电池实际状态数据内按照预设间隔时间进行线性插位，并计算所述线性插位对应的SOC取值；其中，所述第四时间差阈值小于所述第三时间差阈值；
对插值后的所述若干实际充电SOC片段进行头尾片段去除；并计算去除后的所述若干实际充电SOC片段各自对应的实际充电电量。
12.如权利要求8所述的健康评估方法，所述容量修正模型通过下述方式训练得到：
采集和本车同一车型同一电池组型号的所有车辆在固定阈值周期内充电时产生的充电容量样本数据，以及对应工况样本数据；利用所述充电容量样本数据和所述工况样本数据对机器学习算法进行拟合训练，得到所述容量修正模型。
13.如权利要求8或12所述的健康评估方法，
所述利用训练好的容量修正模型处理所述若干实际充电SOC片段对应的实际充电工况和标准工况，并基于处理结果得到所述若干实际充电SOC片段在所述标准工况下各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到实际充电容量，具体包括：
将所述若干实际充电SOC片段对应的实际充电工况和所述修正工况分别输入所述容量修正模型中处理，分别得到所述若干实际充电SOC片段在各自实际充电工况下的第一预测充电容量，以及所述标准工况下的第二预测充电容量；将所述第二预测充电容量分别和所述若干实际充电SOC片段各自对应的第一预测充电容量相比，得到所述若干实际充电SOC片段各自对应的工况修正系数；利用所述若干实际充电SOC片段各自对应的工况修正系数对所述若干实际充电SOC片段各自对应的实际充电电量进行修正，得到所述若干实际充电SOC片段各自对应的修正充电电量；以及还用于将所述若干实际充电SOC片段及其修正充电电量的加权比作为所述实际充电容量；
所述基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量，具体包括：
采集所述电池初期充电状态数据，并得到所述电池初期充电状态数据对应的若干初期充电SOC片段及其初期充电电量；利用所述若干初期充电SOC片段及其初期充电电量确定所述额定充电容量。
14.如权利要求13所述的健康评估方法，所述基于本车运行初期的电池初期状态数据计算所述车辆的额定充电容量，具体包括：
利用所述容量修正模型处理所述若干初期充电SOC片段对应的初期充电工况和标准工况，并基于处理结果得到所述若干初期充电SOC片段在所述标准工况下各自对应的工况修正系数，利用所述若干初期充电SOC片段各自对应的工况修正系数对所述若干初期充电SOC片段各自对应的初期充电电量进行修正；基于所述若干实际充电SOC片段及其修正充电电量得到额定充电容量。
15.一种电子设备，包括如权利要求1-7任一权项所述的动力电池的健康评估系统。
CN202211013246.3A 2022-08-23 2022-08-23 一种动力电池的健康评估系统、方法及电子设备 Pending CN115453366A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211013246.3A CN115453366A (zh) 2022-08-23 2022-08-23 一种动力电池的健康评估系统、方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211013246.3A CN115453366A (zh) 2022-08-23 2022-08-23 一种动力电池的健康评估系统、方法及电子设备

Publications (1)

Publication Number Publication Date
CN115453366A true CN115453366A (zh) 2022-12-09

Family

ID=84298611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211013246.3A Pending CN115453366A (zh) 2022-08-23 2022-08-23 一种动力电池的健康评估系统、方法及电子设备

Country Status (1)

Country Link
CN (1) CN115453366A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116644867A (zh) * 2023-07-27 2023-08-25 梁山中维热力有限公司 一种用于热力供热远程关系系统的数据处理方法
CN116757534A (zh) * 2023-06-15 2023-09-15 中国标准化研究院 一种基于神经训练网络的智能冰箱可靠性分析方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116757534A (zh) * 2023-06-15 2023-09-15 中国标准化研究院 一种基于神经训练网络的智能冰箱可靠性分析方法
CN116757534B (zh) * 2023-06-15 2024-03-15 中国标准化研究院 一种基于神经训练网络的智能冰箱可靠性分析方法
CN116644867A (zh) * 2023-07-27 2023-08-25 梁山中维热力有限公司 一种用于热力供热远程关系系统的数据处理方法
CN116644867B (zh) * 2023-07-27 2023-10-24 梁山中维热力有限公司 一种用于热力供热远程关系系统的数据处理方法

Similar Documents

Publication Publication Date Title
CN115453366A (zh) 一种动力电池的健康评估系统、方法及电子设备
CN108828461B (zh) 动力电池soh值估算方法及系统
US8159189B2 (en) Battery state of health monitoring system and method
CN109655754B (zh) 一种基于充电过程多维分阶的电池性能评估方法
CN109100655B (zh) 一种动力电池的数据处理方法和装置
CN115343621B (zh) 一种基于数据驱动的动力电池健康状态预测方法及设备
CN110045291B (zh) 一种锂电池容量估计方法
CN113219351B (zh) 动力电池的监控方法及装置
CN111505511B (zh) 一种电动汽车单体电芯容量测定方法、电子设备及存储介质
CN113109729B (zh) 基于加速老化试验与实车工况的车用动力电池soh评估方法
CN113335131B (zh) 一种车辆续航里程预测方法、装置、设备和存储介质
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
CN113253128B (zh) 一种电池系统soc一致性评估方法和内阻一致性评估方法
CN114818831B (zh) 基于多源感知的双向锂离子电池故障检测方法及系统
CN115219903A (zh) 基于车联网数据分析的电池自放电率异常判断方法及装置
CN112485695A (zh) 动力电池的检测方法及装置
CN116125300A (zh) 一种电池包异常监测方法、装置、电子设备及存储介质
CN106896273A (zh) 电池单体的内阻检测方法、检测装置及具有其的车辆
CN117665620A (zh) 基于新能源汽车数据的电池健康度评估方法
CN115407217B (zh) 一种电动汽车锂电池荷电状态在线估计方法及系统
CN110893794B (zh) 一种车用电池衰减系数确定方法及装置
CN116295506A (zh) 一种车辆剩余里程的预测方法、装置、设备及介质
JP7168336B2 (ja) 二次電池制御装置
CN116461334A (zh) 车辆预警方法、装置、设备及存储介质
CN113447826B (zh) 一种基于稳态等效电路模型的soc确定方法及装置

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