CN116129550A - 电动汽车数据上传周期确定方法、电子设备及电动汽车 - Google Patents

Abstract

本发明公开了一种电动汽车数据上传周期确定方法、电子设备及电动汽车，其中确定方法包括：对电池包进行测试，获取电池包中多个关键参数的原始数据；依次针对每一个关键参数的原始数据进行不同采样周期的采样，获得数据集，依据不同采样周期下的数据生成相应周期下的拟合数据；计算不同采样周期下的拟合数据与相应的原始数据的误差；将不同所述关键参数的误差相加，获得该采样周期下的总误差；将不同采样周期下的数据帧数进行归一化处理，获得不同采样周期下的数据量指标；基于所述总误差和相应采样周期下的数据量指标获得相应采样周期下的综合指标，对比不同采样周期下的综合指标，将综合指标的数值最小时所对应的采样周期确定为最优上传周期。

Description

电动汽车数据上传周期确定方法、电子设备及电动汽车

技术领域

本发明涉及电动汽车技术领域，更具体地，涉及一种电动汽车数据上传周期确定方法、电子设备及电动汽车。

背景技术

随着近年来动力电池的技术进步，电动汽车续航里程实现了大幅增长，然而电池安全问题一直是新能源汽车行业发展的拦路虎，因此目前电动汽车消费者已由原来的“里程焦虑”转入了“安全焦虑”。为了解决这一问题，一种有效的方法是基于电动汽车的云端数据，通过大数据分析技术，实现电动汽车中动力电池系统的远程安全状态检测与故障预警。车辆的云端数据是电池安全分析的基础，目前国家、地方、企业都建立了相应的数据平台，电动汽车通过T-BOX将车辆内部的关键数据上传至数据平台。其中，新能源汽车国家大数据平台要求车辆的数据格式要依据GB/T 32960,该项标准规定车辆数据上传时间周期不应超过30s，数据内容包括时间、车辆状态、车速、里程、电压、温度、SOC等160余项数据。

在车辆的使用过程，尤其是行驶过程中，由于电机功率变化、制动能量回收、瞬时加速等因素，导致动力电池的放电电流和充放电切换较为频繁。在云端数据分析过程中，发现现有30s/帧的数据有时会产生较大的统计误差，或者无法捕捉关键时刻的电池信息，难以完成高精度的安全状态分析。如果提高车辆数据的上传频率，那么又会增加T-BOX的工作负担，并且造成数据量的成倍增加。因此，需要对车辆数据的上传周期进行适当调整。CN202110905615.9提出了一种方法，区别对待车辆的报警状态下和正常状态，要求报警状态的上传频率高于正常行驶状态。但是，该专利并未明确正常行驶状态下的具体数据上传时间周期范围。

因此，如何获得不同工况下的最优上传周期，是一个亟待解决的问题。

发明内容

本发明的目的是提出一种电动汽车数据上传周期确定方法、电子设备及电动汽车，能够确定最优的车辆数据上传周期。

为了实现上述目的，本发明提供了一种电动汽车数据上传周期确定方法，包括：

对电池包进行测试，获取电池包中多个关键参数的原始数据；

依次针对每一个关键参数的原始数据进行不同采样周期的采样，获得数据集，依据不同采样周期下的数据生成相应周期下的拟合数据；计算不同采样周期下的拟合数据与相应的原始数据的误差；

将不同所述关键参数的误差相加，获得该采样周期下的总误差；

将不同采样周期下的数据帧数进行归一化处理，获得不同采样周期下的数据量指标；

基于所述总误差和相应采样周期下的数据量指标获得相应采样周期下的综合指标，对比不同采样周期下的综合指标，将所述综合指标的数值最小时所对应的采样周期确定为最优上传周期。

可选方案中，所述获得相应周期下的拟合数据包括：

针对每一个所述关键参数的原始数据，进行至少三种不同采样周期的采样，形成不同采样周期下的数据集；

将每一个采样周期下的数据依据所述原始数据的采样周期进行拟合，生成相应采样周期下的拟合数据。

可选方案中，所述方法包括：

在不同工况下，对电池包进行测试，获取不同工况下的多个关键参数的原始数据。

可选方案中，所述获取不同工况下的多个关键参数包括：

以设定的采样周期记录所述电池包的状态参数，对所述状态参数进行筛选或处理获得所述关键参数。

可选方案中，所述状态参数包括：总电压、总电流、SOC、最高单体电压、最低单体电压、最高单体温度、最低单体温度；

所述关键参数包括：总电压、最低电压、最大电压差和电量积分。

可选方案中，所述总电压、最低电压、最大电压差的误差通过以下公式计算，

所述电量积分的误差通过以下公式计算，

其中，MRPE为平均相对误差，RPE为相对误差，Xi为某一时刻的拟合值，Xreal为该时刻的真实值，n为数据总帧数。

可选方案中，根据以下公式获得所述数据量指标：

其中，Di为某一采样周期的数据帧数，Dmin为最大采样周期的数据帧数，Dmax为测试时获得的数据帧数。

可选方案中，所述不同工况包括：

在满电状态下以仿NEDC的放电工况实施放电，直至触发放电截止电压；或者，在SOC为20％-90％区间内，以仿NEDC的放电工况实施放电,持续时间不小于20min；或者在SOC＝0状态下进行充电，直至触发充电截止电压。

本发明还提供了一种电子设备，用于实现上述的方法，所述电子设备包括：

获取模块，用于获取电池包的多个状态参数，判断电池包当前的工况；

计算上传模块，用于确定当前工况下的最优上传周期，并按照所述最优上传周期上传车辆的数据。

本发明还提供了一种电动汽车，包括上述的电子设备。

本发明的有益效果在于：

本发明考虑到数据误差与上传周期正相关，而数据量与上传周期负相关，本发明基于不同工况下的线下实测数据，利用相对误差和数据归一化加和，综合了数据误差和数据量两方面因素，获得一个数据上传周期的相对最优解。

本发明具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。

附图说明

通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。

图1示出了根据本发明一实施例的一种电动汽车数据上传周期确定方法。

图2示出了根据本发明实施例1的不同采样间隔下的综合指标结果。

图3示出了根据本发明实施例2的不同采样间隔下的综合指标结果。

图4示出了根据本发明实施例3的不同采样间隔下的综合指标结果。

图5示出了根据本发明实施例4的不同采样间隔下的综合指标结果。

具体实施方式

下面将更详细地描述本发明。虽然本发明提供了优选的实施例，然而应该理解，可以以各种形式实现本发明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使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

现有车辆的数据上传周期大多依据国标或者由车企自定，存在上传时间间隔过长，并且未区分不同工况、不同状态车辆的上传周期差异，从而易导致数据质量不高或者数据量庞大等问题。

为了获得车辆在正常状态下的最佳数据上传周期，本发明提出一种兼顾数据误差和数据量的综合评价方法。采用不同工况下车辆或电池包的线下检测数据，提取其中的时间和关键参数，用间隔采样的方式将该数据处理成不同采样间隔下的数据，并进行线性拟合。计算实测数据与拟合数据之间的相对误差，作为该采样间隔下这个参数的误差。将不同参数的误差进行加和，可得该段数据的总误差。同时考虑数据量因素，将不同采样周期下的数据帧数进行归一化处理，结合数据总误差，获得不同采样间隔下的综合指标，选择其中指标最低的间隔作为最佳上传时间间隔。

参照图1，本发明一实施例提供了一种电动汽车数据上传周期确定方法，包括：

对电池包进行测试，获取电池包中多个关键参数的原始数据；

依次针对每一个关键参数的原始数据进行不同采样周期的采样，获得数据集，依据不同采样周期下的数据生成相应周期下的拟合数据；计算不同采样周期下的拟合数据与相应的原始数据的误差；

将不同所述关键参数的误差相加，获得该采样周期下的总误差；

将不同采样周期下的数据帧数进行归一化处理，获得不同采样周期下的数据量指标；

基于所述总误差和相应采样周期下的数据量指标获得相应采样周期下的综合指标，对比不同采样周期下的综合指标，将所述综合指标的数值最小时所对应的采样周期确定为最优上传周期。

具体地，参照图1，本实施例详细步骤如下：

(1)在不同充电或放电工况下，对车辆或者电池包进行测试，记录电池系统中的状态参数变化情况，状态参数包括但不限于时间、总电压、总电流、SOC、最高单体电压、最低单体电压、最高单体温度、最低单体温度等，实测采集间隔时间不大于1s，将采集到的状态参数数据作为状态参数总集。(2)在状态参数总集中提取时间项和一项关键参数，作为该参数的原始数据，该项关键参数可以为状态参数数据或者依据状态参数数据后期处理得到。

(3)对该项关键参数的原始数据进行不同间隔的采样处理，采样间隔可为1-30s中的任一时间，至少进行三种不同的采样间隔分析，形成不同采样间隔的数据集；

(4)将上述不同采样间隔下的数据与原始数据分别进行拟合，生成实测采样间隔下的拟合数据，拟合方式可为线性拟合、插值拟合、多项式拟合等。(5)分别计算不同拟合数据与原始数据的误差，误差计算可依据平均相对误差(MRPE)或相对误差(RPE)，公式分别为(1)和(2)。

其中，Xi为某一时刻的拟合值，Xreal为该时刻的真实值(原始数据)，n为测试时的数据总帧数。

(6)针对步骤2中提到的其他关键参数，重复步骤2-5，最终计算得到不同关键参数在不同采集间隔下的误差，将相同采样间隔下的各个关键参数误差相加，获得该采集间隔下的总误差；

(7)将不同采样间隔所获得的数据帧数进行归一化，依据公式(3)，获得该采样间隔下的数据量指标

其中，Di为某一采样间隔的数据帧数，Dmin为最大采样间隔的数据帧数，Dmax为测试时获得的数据帧数。

(8)将对应采集间隔下的总误差和数据量指标相加，得出综合指标，即公式(4)，对比不同采样周期下的综合指标，将所述综合指标的数值最小时所对应的采样周期确定为最优上传周期。

综合指标＝关键参数1误差+关键参数2误差+关键参数3误差+……+数据量指标(4)。

本实施例基于不同工况下的线下实测数据，利用相对误差和数据归一化加和，综合了数据误差和数据量两方面因素，可以获得一个数据上传周期的相对最优解。

实施例1

选择一款磷酸铁锂体系的电池包，首先在满电状态下以一种仿NEDC的放电工况实施放电，直至到达其截止电压，期间以0.1s的采样周期记录该电池包的状态参数，包括时间、总电压、总电流、SOC、最高单体电压、最低单体电压、最高单体温度、最低单体温度等。将上述获得的数据集作为状态参数总集，对数据进行适当处理，选择其中的总电压、最低电压、最大电压差和电量积分作为关键参数。分别对上述关键参数的原始数据进行间隔采样处理，采样间隔分别为1s、5s、10s、15s、20s、30s,获得不同采样间隔的数据集。再以不同采样间隔所获得的数据点为基础绘制曲线，采用线性拟合并输出时间间隔为0.1s的拟合数据集。计算各关键参数原始数据和拟合数据的误差，其中总电压、最低电压、最大电压差采用平均相对误差，电量积分采用相对误差，结果如表1。同时将各采样频率下的总数据帧数进行归一化处理，获得数据量指标，最后将各关键参数误差和数据量指标加和既得综合指标。绘制不同采样间隔下的综合指标曲线(图2)。可知，该种工况下该类电池包的最优上传周期为5s。

表1

实施例2

选择一款三元体系的电池包，首先在满电状态下以一种仿NEDC的放电工况实施放电，直至到达其截止电压，期间以0.1s的采样周期记录该电池包的状态参数，包括时间、总电压、总电流、SOC、最高单体电压、最低单体电压、最高单体温度、最低单体温度等。将上述获得的数据集作为状态参数总集，对数据进行适当处理，选择其中的总电压、最低电压、最大电压差和电量积分作为关键参数。分别对上述关键参数的原始数据进行间隔采样处理，采样间隔分别为1s、5s、10s、15s、20s、30s,获得不同采样间隔的数据集。再以不同采样间隔所获得的数据点为基础绘制曲线，采用线性拟合并输出时间间隔为0.1s的拟合数据集。计算各关键参数原始数据和拟合数据的误差，其中总电压、最低电压、最大电压差采用平均相对误差，电量积分采用相对误差，结果如表2。同时将各采样频率下的总数据帧数进行归一化处理，获得数据量指标，最后将各关键参数误差和数据量指标加和既得综合指标。绘制不同采样间隔下的综合指标曲线(图3)可知，该种工况下该类电池包的最优上传周期为10s。

表2

实施例3

选择一款磷酸铁锂体系的电池包，首先在SOC＝0状态下以一种工况进行充电，直至到达其截止电压，期间以0.1s的采样周期记录该电池包的状态参数，包括时间、总电压、总电流、SOC、最高单体电压、最低单体电压、最高单体温度、最低单体温度等。将上述获得的数据集作为状态参数总集，对数据进行适当处理，选择其中的总电压、最低电压、最大电压差和电量积分作为关键参数。分别对上述关键参数的原始数据进行间隔采样处理，采样间隔分别为1s、5s、10s、15s、20s、30s,获得不同采样间隔的数据集。再以不同采样间隔所获得的数据点为基础绘制曲线，采用线性拟合并输出时间间隔为0.1s的拟合数据集。计算各关键参数原始数据和拟合数据的误差，其中总电压、最低电压、最大电压差采用平均相对误差，电量积分采用相对误差，结果如表3。同时将各采样频率下的总数据帧数进行归一化处理，获得数据量指标，最后将各关键参数误差和数据量指标加和既得综合指标。绘制不同采样间隔下的综合指标曲线(图4)可知，该种工况下该类电池包的最优上传周期为20s。

表3

实施例4

选择一款三元体系的电池包，首先在SOC＝0状态下以一种工况进行充电，直至到达其截止电压，期间以0.1s的采样周期记录该电池包的状态参数，包括时间、总电压、总电流、SOC、最高单体电压、最低单体电压、最高单体温度、最低单体温度等。将上述获得的数据集作为状态参数总集，对数据进行适当处理，选择其中的总电压、最低电压、最大电压差和电量积分作为关键参数。分别对上述关键参数的原始数据进行间隔采样处理，采样间隔分别为1s、5s、10s、15s、20s、30s,获得不同采样间隔的数据集。再以不同采样间隔所获得的数据点为基础绘制曲线，采用线性拟合并输出时间间隔为0.1s的拟合数据集。计算各关键参数原始数据和拟合数据的误差，其中总电压、最低电压、最大电压差采用平均相对误差，电量积分采用相对误差，结果如表4。同时将各采样频率下的总数据帧数进行归一化处理，获得数据量指标，最后将各关键参数误差和数据量指标加和既得综合指标。绘制不同采样间隔下的综合指标曲线(图5)可知，该种工况下该类电池包的最优上传周期为20s。

表4

本发明一实施例提供了一种电子设备，用于实现上述的方法，所述电子设备包括：

采集模块，用于采集电池包的多个状态参数，判断电池包当前的工况；

计算上传模块，用于确定当前工况下的最优上传周期，并按照所述最优上传周期上传车辆的数据。

本发明一实施例提供了一种电动汽车，包括上述的电子设备。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (10)

1.一种电动汽车数据上传周期确定方法，其特征在于，包括：

对电池包进行测试，获取电池包中多个关键参数的原始数据；

依次针对每一个关键参数的原始数据进行不同采样周期的采样，获得数据集，依据不同采样周期下的数据生成相应周期下的拟合数据；计算不同采样周期下的拟合数据与相应的原始数据的误差；

将不同所述关键参数的误差相加，获得该采样周期下的总误差；

将不同采样周期下的数据帧数进行归一化处理，获得不同采样周期下的数据量指标；

基于所述总误差和相应采样周期下的数据量指标获得相应采样周期下的综合指标，对比不同采样周期下的综合指标，将所述综合指标的数值最小时所对应的采样周期确定为最优上传周期。

2.根据权利要求1所述的电动汽车数据上传周期确定方法，其特征在于，所述获得相应周期下的拟合数据包括：

针对每一个所述关键参数的原始数据，进行至少三种不同采样周期的采样，形成不同采样周期下的数据集；

将每一个采样周期下的数据依据所述原始数据的采样周期进行拟合，生成相应采样周期下的拟合数据。

3.根据权利要求1所述的电动汽车数据上传周期确定方法，其特征在于，所述方法包括：

在不同工况下，对电池包进行测试，获取不同工况下的多个关键参数的原始数据。

4.根据权利要求3所述的电动汽车数据上传周期确定方法，其特征在于，所述获取不同工况下的多个关键参数包括：

以设定的采样周期记录所述电池包的状态参数，对所述状态参数进行筛选或处理获得所述关键参数。

5.根据权利要求4所述的电动汽车数据上传周期确定方法，其特征在于，所述状态参数包括：总电压、总电流、SOC、最高单体电压、最低单体电压、最高单体温度、最低单体温度；

所述关键参数包括：总电压、最低电压、最大电压差和电量积分。

6.根据权利要求5所述的电动汽车数据上传周期确定方法，其特征在于，所述总电压、最低电压、最大电压差的误差通过以下公式计算，

所述电量积分的误差通过以下公式计算，

其中，MRPE为平均相对误差，RPE为相对误差，Xi为某一时刻的拟合值，Xreal为该时刻的真实值，n为数据总帧数。

7.根据权利要求1所述的电动汽车数据上传周期确定方法，其特征在于，根据以下公式获得所述数据量指标：

其中，Di为某一采样周期的数据帧数，Dmin为最大采样周期的数据帧数，Dmax为测试时获得的数据帧数。

8.根据权利要求3所述的电动汽车数据上传周期确定方法，其特征在于，所述不同工况包括：

在满电状态下以仿NEDC的放电工况实施放电，直至触发放电截止电压；或者，在SOC为20％-90％区间内，以仿NEDC的放电工况实施放电,持续时间不小于20min；或者在SOC＝0状态下进行充电，直至触发充电截止电压。

9.一种电子设备，其特征在于，用于实现权利要求1-8任一项所述的方法，所述电子设备包括：

采集模块，用于采集电池包的多个状态参数，判断电池包当前的工况；

计算上传模块，用于确定当前工况下的最优上传周期，并按照所述最优上传周期上传车辆的数据。

10.一种电动汽车，其特征在于，包括权利要求9所述的电子设备。

Images