CN116882981A - 基于数据分析的智能电池管理系统 - Google Patents
基于数据分析的智能电池管理系统 Download PDFInfo
- Publication number
- CN116882981A CN116882981A CN202311148274.0A CN202311148274A CN116882981A CN 116882981 A CN116882981 A CN 116882981A CN 202311148274 A CN202311148274 A CN 202311148274A CN 116882981 A CN116882981 A CN 116882981A
- Authority
- CN
- China
- Prior art keywords
- sold
- intelligent
- electric automobile
- electric
- batteries
- 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.)
- Granted
Links
- 238000007405 data analysis Methods 0.000 title claims description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 52
- 238000012423 maintenance Methods 0.000 claims abstract description 25
- 238000007599 discharging Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000005192 partition Methods 0.000 claims description 35
- 238000007726 management method Methods 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 23
- 238000013499 data model Methods 0.000 claims description 14
- 238000010438 heat treatment Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000010606 normalization Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及电池管理技术领域，用于解决现有的对电池管理的方式中，对电池的优化数据挖掘的效率较低，无法为电池的优化控制策略提供可靠的决策支持，也无法对电池健康性能状态进行预测判定，无法保障电动汽车的稳定性和安全性的问题，具体为基于数据分析的智能电池管理系统，包括服务器、数据采集单元、云数据库、健康性能分管单元、电容量调整单元、故障数据归类单元和研发中心。本发明，通过在规定周期内对电动汽车电池的健康状态的预测分析，实现了电池精准维修提醒管理，又采用数据计算和数据比对的方式实现对电动汽车智能电池的充电速率、放电功率的相应调整控制，从而实现了对电动汽车智能电池的充放电策略优化。
Description
技术领域
本发明涉及电池管理技术领域，具体为基于数据分析的智能电池管理系统。
背景技术
随着汽车行业的发展，电动汽车和混合动力汽车使用大容量的电池作为动力源，实现对电动汽车的智能电池的有效管理，不仅可以增加续航里程、提高充电效率，还能够保证车辆安全和可靠性。
而现有的电动汽车生产厂家，无法做到对电动汽车的电池的统筹管理，且对电动汽车的电池的管理和优化设计均基于4S售后店提供的数据，这使得对电动汽车电池的优化数据挖掘的效率较低，无法为电池的优化控制策略提供可靠的决策支持；
且无法做到对出售电动汽车电池性能状态的预测分析，也无法对异常状态的电池提供维修提醒服务，故难以保障电动汽车的稳定性和安全性。
为了解决上述缺陷，现提供一种技术方案。
发明内容
本发明的目的在于提供基于数据分析的智能电池管理系统，以解决上述背景技术提出的问题。
本发明的目的可以通过以下技术方案实现：基于数据分析的智能电池管理系统，包括若干个电动汽车型号分区，且每个电动汽车型号分区中管理若干个同一型号的已出售电动汽车的智能电池，且服务器通讯连接有数据采集单元、云数据库、健康性能分管单元、电容量调整单元、故障数据归类单元和研发中心；
所述数据采集单元用于采集对应电动汽车型号分区中的各已出售电动汽车的智能电池的运行指标信息、行驶记录日志、影响因素参数和历史故障维修日志，并将各类信息均发送至云数据库中进行存储，其中，运行指标信息包括电流指标、电压指标和发热指标；
所述云数据库还用于存储电压变化比对数据表，存储充电速率设定数据表，存储放电功率设定数据表；
所述健康性能分管单元用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的运行指标信息进行监测，由此设置智能电池健康性能分析的分析周期，并在达到设定的分析周期时触发智能电池健康性能分析处理，并根据输出的健康性能反馈异常信号向对应的驾驶该电车汽车的驾驶人发送到店维修通知提醒；
所述电容量调整单元用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的行驶记录日志进行监测，由此对各已出售电动汽车的智能电池的电量状态进行分析，输出对应已出售电动汽车智能电池的设定充电速率和设定放电功率，并根据输出的设定充电速率、设定放电功率由此将对应的已出售电动汽车智能电池的充电速率、放电功率进行相应的调整；
所述故障数据归类单元用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的历史故障维修日志进行监测，由此对各已出售电动汽车的智能电池的故障状态进行归类分析，据此输出同一型号的各已出售电动汽车的智能电池的高发故障类型序列表，并将其发送至研发中心。
优选地，所述对同一电动汽车型号分区中的各已出售电动汽车的智能电池的运行指标信息进行监测，其具体监测过程如下：
通过电流传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的电流指标；
通过电压传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的电压指标；
通过温度传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的发热指标；
并设置智能电池健康性能分析的分析周期，设置分析周期为t1，且t1为正整数；
即当已出售电动汽车智能电池的使用时间达到t1时长时，则触发智能电池健康性能分析处理，由此输出健康性能反馈异常信号和健康性能反馈正常信号。
优选地，所述智能电池健康性能分析处理，其具体分析过程如下：
调取t1分析周期内的各已出售电动汽车智能电池的电流指标数据、电压指标数据和发热指标数据，并将t1分析周期监测到的电流指标数据、电压指标数据以及发热指标数据分别以不同特征折线绘制在健康性能分析坐标系上，由此依次得到对应已出售电动汽车智能电池的电流波动折线、电压波动折线和热波动折线；
根据健康性能分析坐标系上的电流波动折线，由此提取对应已出售电动汽车智能电池的电流峰值和电流谷值，并将其分别标记为Imaxijk1和Iminijk2，其中，i表示为第i个电动汽车型号分区，j表示为对应电动汽车型号分区内的第j个同一型号的已出售电动汽车的智能电池，其中，k1表示为电流波动折线中提取的电流峰值的数量，k2表示为电流波动折线中提取的电流谷值的数量，且i、j、k1、k2均为正整数；
根据健康性能分析坐标系上的电压波动折线，计算电动波动折线与水平线之间的总夹角，并将其命名为电压波动转化角，将电压波动转化角与存储在云数据库中的电压变化比对数据表进行对照匹配分析，由此得到对应已出售电动汽车智能电池的电压反馈值，并将其记作Ufvij，且得到的每个电压波动转化角均对应一个电压反馈值；
根据健康性能分析坐标系上的热波动折线，由此提取对应已出售电动汽车智能电池的热峰值和热谷值，并将其分别标记为Cmaxijk3和Cminijk4，其中，k3表示为热波动折线中提取的热峰值的数量，k4表示为热波动折线中提取的热谷值的数量，且k3、k4均为正整数；
将各已出售电动汽车智能电池的电流峰值、电流谷值、电压反馈值、热峰值和热谷值代入预设的数据模型中进行综合分析，依据设定的数据模型：，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的健康性能系数hpcij，其中，ΔC表示为温度变化参照值，ΔI表示为电流变化参照值，ΔU表示为电压变化参照值，且γ1、γ2和γ3分别为比例系数，γ1、γ2和γ3均为大于0的自然数；
设置健康性能系数的健康对比阈值，将同一电动汽车型号分区内的所有已出售电动汽车的智能电池的健康性能系数与预先设定的健康对比阈值进行比较分析；
若健康性能系数小于预设的健康对比阈值时，则将对应的已出售电动汽车智能电池的健康性能状态标记为健康性能反馈异常信号，并由此根据对应已出售电动汽车的身份编码调取驾驶该电车汽车的驾驶人的联系方式；
并通过相应的联系方式向驾驶该电车汽车的驾驶人发送到店维修通知，并由此调取已出售电动汽车的所在位置，并根据已出售电动汽车的所在位置根据就近原则向对应的驾驶用户推送就近4S店或就近维修授权店；
反之，若健康性能系数大于等于预设的健康对比阈值时，则将对应的已出售电动汽车智能电池的健康性能状态标记为健康性能反馈正常信号，则不进行任何操作。
优选地，所述对同一电动汽车型号分区中的各已出售电动汽车的智能电池的行驶记录日志进行监测及对其的电量状态进行分析，其具体分析过程如下：
获取对应电动汽车型号分区中的各已出售电动汽车智能电池的行驶记录日志，并从行驶记录日志中提取对应已出售电动汽车智能电池的充放电循环次数、充电总时长和放电总时长，并将其分别标记为cycij、nt1ij和nt2ij，并将三项数据进行综合分析，依据设定的数据模型：lfvij=ρ1×cycij+ρ2×nt1ij+ρ3×nt2ij，由此输出对应已出售电动汽车智能电池的寿命预测值lfvij，其中，ρ1、ρ2和ρ3分别为充放电循环次数、充电总时长和放电总时长的权重因子系数，ρ1、ρ2和ρ3均为大于0的自然数；
将寿命预测值与存储在云数据库中的电量对比阈值数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池剩余电量的电量对比阈值，且每个寿命预测值均对应一个电量对比阈值；
根据生成的对应已出售电动汽车智能电池剩余电量的电量对比阈值，实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的剩余电量，并将各已出售电动汽车智能电池的剩余电量与对应的电量对比阈值进行比较分析；
若剩余电量达到对应的电量对比阈值时，则表示对应的已出售电动汽车智能电池电量低，并由此触发充放电调整处理，由此输出对应已出售电动汽车智能电池的设定充电速率和设定放电功率，并根据输出的设定充电速率、设定放电功率由此将对应的已出售电动汽车智能电池的充电速率、放电功率进行相应的调整。
4、优选地，所述充放电调整处理，其具体处理过程如下：
实时调取对应电动汽车型号分区中的各已出售电动汽车智能电池的影响因素参数，且影响因素参数包括天气温度、行驶需求值和行驶路况值，并将其分别标定为wtij、rqij和drvij，并将各项影响因素参数进行计算分析，依据设定的数据模型：fluij=δ1×wtij+δ2×rqij+δ3×drvij，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的影响系数fluij，其中，δ1、δ2和δ3分别为天气温度、行驶需求值和行驶路况值的归一因子，δ1、δ2和δ3均为大于0的自然数；
将对应已出售电动汽车智能电池的剩余电量与影响系数进行综合计算分析，依据设定的数据模型：cdaij=ξ×[egyij×（1-fluij）]，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的充放电调整系数cdaij，其中，ξ表示为转换因子系数，且ξ为大于0的自然数，而转换因子系数用于将所有数据项的物理量转换成同一物理量的数据系数；
将充放电调整系数与存储在云数据库中的充电速率设定数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池的设定充电速率，且每个充放电调整系数均对应一个设定充电速率；
将充放电调整系数与存储在云数据库中的放电功率设定数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池的设定放电功率，且每个充放电调整系数均对应一个设定放电功率。
优选地，所述对各已出售电动汽车的智能电池的故障状态进行归类分析，其具体分析过程如下：
实时监测每个电动汽车型号分区内的同一型号的各已出售电动汽车的智能电池的历史故障维修日志，并从历史故障维修日志中提取同一型号的各已出售电动汽车的智能电池的故障类型，并获取单位时段内同一型号的各已出售电动汽车的智能电池的各故障类型的发生频率，并将其记作GPijr，其中r表示为故障类型的数量，且r为正整数，并统计单位时段内同一型号的各已出售电动汽车的智能电池的所有故障类型的发生频率之和，依据公式：，由此输出每个动汽车型号分区内的同一型号的各已出售电动汽车的故障频率系数ZGPij；
设置同一型号的各已出售电动汽车的智能电池的故障频率系数ZGPij的频率对比阈值，并将其记作THij，并将各已出售电动汽车的智能电池的故障频率系数ZGPij与预先设定的频率对比阈值THij进行比较分析；
将故障频率系数ZGPij大于等于预先设定的对应的频率对比阈值THij的同一型号的各已出售电动汽车的智能电池归入高发故障管理集合中，将故障频率系数ZGPij小于预先设定的对应的频率对比阈值THij的同一型号的各已出售电动汽车的智能电池归入低发故障管理集合中；
根据高发故障管理集合，将处于高发故障管理集合中各已出售电动汽车的智能电池的各故障类型按照发生频率的数值大小进行降序排序，由此输出每个已出售电动汽车的智能电池的高发故障类型排序表；
将每个高发故障类型排序表中的排序位置处于前三位的各故障类型进行统计计算，由此输出同一型号的各已出售电动汽车的智能电池的高发故障类型序列表，并将其发送至研发中心。
本发明的有益效果：
本发明，通过监测及分析电池的实时状态和性能指标，利用数据模型分析的方式，由此对电动汽车智能电池的使用寿命及健康状态进行准确的预测分析，并通过相应的联系方式向驾驶该电车汽车的驾驶人发送到店维修通知，并为其提供维修点就近推送服务。
通过在规定周期内对电动汽车的智能电池的健康状态的实时预测分析，并对异常状态下的电动汽车的电池进行精准维修提醒管理，从而在实现对电动汽车电池的有效管理的同时，也保障电动汽车运行的稳定性和安全性，并进一步提高了驾驶人的安全。
通过监测电动汽车的智能电池的行驶记录日志，并采用数据计算和数据比对的方式对其的电量状态进行准确的判定分析，并由此实现对电动汽车智能电池的充电速率、放电功率进行相应的调整控制，从而实现了对电动汽车智能电池的充放电策略优化，并提高电池的效率和寿命，并有效降低能耗。
通过多电动汽车的智能电池的历史故障维修日志进行监测，由此将同一型号的电动汽车的智能电池的频发故障进行明确归类，为后续电动汽车对智能电池的研发和优化提供了强有力的数据支持。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的系统框图。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为基于数据分析的智能电池管理系统，包括若干个电动汽车型号分区，且每个电动汽车型号分区中管理若干个同一型号的已出售电动汽车的智能电池；
且服务器通讯连接有数据采集单元、云数据库、健康性能分管单元、电容量调整单元、故障数据归类单元和研发中心。
数据采集单元用于采集对应电动汽车型号分区中的各已出售电动汽车的智能电池的运行指标信息、行驶记录日志、影响因素参数和历史故障维修日志，并将各类信息均发送至云数据库中进行存储，其中，运行指标信息包括电流指标、电压指标和发热指标。
云数据库还用于存储电压变化比对数据表，存储充电速率设定数据表，存储放电功率设定数据表。
健康性能分管单元用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的运行指标信息进行监测，具体监测过程如下：
通过电流传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的电流指标；
通过电压传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的电压指标；
通过温度传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的发热指标；
并设置智能电池健康性能分析的分析周期，设置分析周期为t1，且t1为正整数，其中，t1具体数值的设定由本领域技术人员根据具体的电动汽车型号进行具体设置，故不作赘述；
即当已出售电动汽车智能电池的使用时间达到t1时长时，则触发智能电池健康性能分析处理，具体的：
调取t1分析周期内的各已出售电动汽车智能电池的电流指标数据、电压指标数据和发热指标数据，并将t1分析周期监测到的电流指标数据、电压指标数据以及发热指标数据分别以不同特征折线绘制在健康性能分析坐标系上，由此依次得到对应已出售电动汽车智能电池的电流波动折线、电压波动折线和热波动折线；其中，不同特征折线可以表示为颜色特征不同的折线，也可表示为形状特征不同的折线；
根据健康性能分析坐标系上的电流波动折线，由此提取对应已出售电动汽车智能电池的电流峰值和电流谷值，并将其分别标记为Imaxijk1和Iminijk2，其中，i表示为第i个电动汽车型号分区，j表示为对应电动汽车型号分区内的第j个同一型号的已出售电动汽车的智能电池，其中，k1表示为电流波动折线中提取的电流峰值的数量，k2表示为电流波动折线中提取的电流谷值的数量，且i、j、k1、k2均为正整数；
根据健康性能分析坐标系上的电压波动折线，计算电动波动折线与水平线之间的总夹角，并将其命名为电压波动转化角，将电压波动转化角与存储在云数据库中的电压变化比对数据表进行对照匹配分析，由此得到对应已出售电动汽车智能电池的电压反馈值，并将其记作Ufvij，且得到的每个电压波动转化角均对应一个电压反馈值；
根据健康性能分析坐标系上的热波动折线，由此提取对应已出售电动汽车智能电池的热峰值和热谷值，并将其分别标记为Cmaxijk3和Cminijk4，其中，k3表示为热波动折线中提取的热峰值的数量，k4表示为热波动折线中提取的热谷值的数量，且k3、k4均为正整数；
将各已出售电动汽车智能电池的电流峰值、电流谷值、电压反馈值、热峰值和热谷值代入预设的数据模型中进行综合分析，依据设定的数据模型：，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的健康性能系数hpcij，其中，ΔC表示为温度变化参照值，ΔI表示为电流变化参照值，ΔU表示为电压变化参照值，且γ1、γ2和γ3分别为比例系数，γ1、γ2和γ3均为大于0的自然数；
设置健康性能系数的健康对比阈值，将同一电动汽车型号分区内的所有已出售电动汽车的智能电池的健康性能系数与预先设定的健康对比阈值进行比较分析；
若健康性能系数小于预设的健康对比阈值时，则将对应的已出售电动汽车智能电池的健康性能状态标记为健康性能反馈异常信号，并由此根据对应已出售电动汽车的身份编码调取驾驶该电车汽车的驾驶人的联系方式，其中，驾驶人的联系方式包括电子邮件、电话号码、小程序/APP通知；
并通过相应的联系方式向驾驶该电车汽车的驾驶人发送到店维修通知，并由此调取已出售电动汽车的所在位置，并根据已出售电动汽车的所在位置根据就近原则向对应的驾驶用户推送就近4S店或就近维修授权店，以实现智能电池异常状态的快速管理，以保障电动汽车运行的稳定性和安全性，并进一步保证了驾驶人的安全；
反之，若健康性能系数大于等于预设的健康对比阈值时，则将对应的已出售电动汽车智能电池的健康性能状态标记为健康性能反馈正常信号，则不进行任何操作。
电容量调整单元用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的行驶记录日志进行监测，由此对各已出售电动汽车的智能电池的电量状态进行分析，具体分析过程如下：
获取对应电动汽车型号分区中的各已出售电动汽车智能电池的行驶记录日志，并从行驶记录日志中提取对应已出售电动汽车智能电池的充放电循环次数、充电总时长和放电总时长，并将其分别标记为cycij、nt1ij和nt2ij，并将三项数据进行综合分析，依据设定的数据模型：lfvij=ρ1×cycij+ρ2×nt1ij+ρ3×nt2ij，由此输出对应已出售电动汽车智能电池的寿命预测值lfvij，其中，ρ1、ρ2和ρ3分别为充放电循环次数、充电总时长和放电总时长的权重因子系数，ρ1、ρ2和ρ3均为大于0的自然数，权重因子系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性；
将寿命预测值与存储在云数据库中的电量对比阈值数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池剩余电量的电量对比阈值，且每个寿命预测值均对应一个电量对比阈值；
根据生成的对应已出售电动汽车智能电池剩余电量的电量对比阈值，实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的剩余电量，并将各已出售电动汽车智能电池的剩余电量与对应的电量对比阈值进行比较分析；
若剩余电量达到对应的电量对比阈值时，则表示对应的已出售电动汽车智能电池电量低，并由此触发充放电调整处理，具体的：
实时调取对应电动汽车型号分区中的各已出售电动汽车智能电池的影响因素参数，且影响因素参数包括天气温度、行驶需求值和行驶路况值，并将其分别标定为wtij、rqij和drvij，并将各项影响因素参数进行计算分析，依据设定的数据模型：fluij=δ1×wtij+δ2×rqij+δ3×drvij，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的影响系数fluij，其中，δ1、δ2和δ3分别为天气温度、行驶需求值和行驶路况值的归一因子，δ1、δ2和δ3均为大于0的自然数，而归一因子用于表示将污数据模型中各项数据转化为无量纲形式的系数；
需要补充说明的是，行驶需求值指的是用户对电动汽车行驶路程需求程度大小的数据值，一般用已出售电动汽车所需的行驶路程来衡量；行驶路况值指的是电动汽车所行驶路线的拥堵程度大小的数据值；
将对应已出售电动汽车智能电池的剩余电量与影响系数进行综合计算分析，依据设定的数据模型：cdaij=ξ×[egyij×（1-fluij）]，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的充放电调整系数cdaij，其中，ξ表示为转换因子系数，且ξ为大于0的自然数，而转换因子系数用于将所有数据项的物理量转换成同一物理量的数据系数；
将充放电调整系数与存储在云数据库中的充电速率设定数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池的设定充电速率，且每个充放电调整系数均对应一个设定充电速率，并根据输出的设定充电速率由此将对应的已出售电动汽车智能电池的充电速率进行相应的调整；
将充放电调整系数与存储在云数据库中的放电功率设定数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池的设定放电功率，且每个充放电调整系数均对应一个设定放电功率，并根据输出的设定放电功率由此将对应的已出售电动汽车智能电池的放电功率进行相应的调整。
故障数据归类单元用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的历史故障维修日志进行监测，由此对各已出售电动汽车的智能电池的故障状态进行归类分析，具体分析过程如下：
实时监测每个电动汽车型号分区内的同一型号的各已出售电动汽车的智能电池的历史故障维修日志，并从历史故障维修日志中提取同一型号的各已出售电动汽车的智能电池的故障类型，并获取单位时段内同一型号的各已出售电动汽车的智能电池的各故障类型的发生频率，并将其记作GPijr，其中r表示为故障类型的数量，且r为正整数，并统计单位时段内同一型号的各已出售电动汽车的智能电池的所有故障类型的发生频率之和，依据公式：，由此输出每个动汽车型号分区内的同一型号的各已出售电动汽车的故障频率系数ZGPij；
设置同一型号的各已出售电动汽车的智能电池的故障频率系数ZGPij的频率对比阈值，并将其记作THij，并将各已出售电动汽车的智能电池的故障频率系数ZGPij与预先设定的频率对比阈值THij进行比较分析；
将故障频率系数ZGPij大于等于预先设定的对应的频率对比阈值THij的同一型号的各已出售电动汽车的智能电池归入高发故障管理集合中，将故障频率系数ZGPij小于预先设定的对应的频率对比阈值THij的同一型号的各已出售电动汽车的智能电池归入低发故障管理集合中；
根据高发故障管理集合，将处于高发故障管理集合中各已出售电动汽车的智能电池的各故障类型按照发生频率的数值大小进行降序排序，由此输出每个已出售电动汽车的智能电池的高发故障类型排序表；
将每个高发故障类型排序表中的排序位置处于前三位的各故障类型进行统计计算，由此输出同一型号的各已出售电动汽车的智能电池的高发故障类型序列表，并将其发送至研发中心，并为后续的电动汽车智能电池的研发和优化设计提供了强有力的数据支撑。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (6)
1.基于数据分析的智能电池管理系统，包括服务器及与服务器通讯连接的健康性能分管单元，其特征在于：
所述健康性能分管单元用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的运行指标信息进行监测，由此设置智能电池健康性能分析的分析周期，并在达到设定的分析周期时触发智能电池健康性能分析处理，并根据输出的健康性能反馈异常信号向对应的驾驶该电车汽车的驾驶人发送到店维修通知提醒；其中，智能电池健康性能分析处理的过程如下：
调取t1分析周期内的各已出售电动汽车智能电池的电流指标数据、电压指标数据和发热指标数据，并将t1分析周期监测到的电流指标数据、电压指标数据以及发热指标数据分别以不同特征折线绘制在健康性能分析坐标系上，由此依次得到对应已出售电动汽车智能电池的电流波动折线、电压波动折线和热波动折线；
根据健康性能分析坐标系上的电流波动折线，由此提取对应已出售电动汽车智能电池的电流峰值和电流谷值；
根据健康性能分析坐标系上的电压波动折线，计算电动波动折线与水平线之间的总夹角，并将其命名为电压波动转化角，将电压波动转化角与存储在云数据库中的电压变化比对数据表进行对照匹配分析，由此得到对应已出售电动汽车智能电池的电压反馈值，且得到的每个电压波动转化角均对应一个电压反馈值；
根据健康性能分析坐标系上的热波动折线，由此提取对应已出售电动汽车智能电池的热峰值和热谷值；
将各已出售电动汽车智能电池的电流峰值、电流谷值、电压反馈值、热峰值和热谷值代入预设的数据模型中进行综合分析，依据设定的数据模型：，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的健康性能系数hpcij，其中，ΔC表示为温度变化参照值，ΔI表示为电流变化参照值，ΔU表示为电压变化参照值，且γ1、γ2和γ3分别为比例系数；
设置健康性能系数的健康对比阈值，将同一电动汽车型号分区内的所有已出售电动汽车的智能电池的健康性能系数与预先设定的健康对比阈值进行比较分析；
若健康性能系数小于预设的健康对比阈值时，则将对应的已出售电动汽车智能电池的健康性能状态标记为健康性能反馈异常信号，并由此根据对应已出售电动汽车的身份编码调取驾驶该电车汽车的驾驶人的联系方式；
并通过相应的联系方式向驾驶该电车汽车的驾驶人发送到店维修通知，并由此调取已出售电动汽车的所在位置，并根据已出售电动汽车的所在位置根据就近原则向对应的驾驶用户推送就近4S店或就近维修授权店。
2.根据权利要求1所述的基于数据分析的智能电池管理系统，其特征在于，服务器还通讯连接有：
数据采集单元，用于采集对应电动汽车型号分区中的各已出售电动汽车的智能电池的运行指标信息、行驶记录日志、影响因素参数和历史故障维修日志，并将各类信息均发送至云数据库中进行存储，其中，运行指标信息包括电流指标、电压指标和发热指标；
云数据库，还用于存储电压变化比对数据表，存储充电速率设定数据表，存储放电功率设定数据表；
电容量调整单元，用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的行驶记录日志进行监测，由此对各已出售电动汽车的智能电池的电量状态进行分析，输出对应已出售电动汽车智能电池的设定充电速率和设定放电功率，并根据输出的设定充电速率、设定放电功率由此将对应的已出售电动汽车智能电池的充电速率、放电功率进行相应的调整；
故障数据归类单元，用于对同一电动汽车型号分区中的各已出售电动汽车的智能电池的历史故障维修日志进行监测，由此对各已出售电动汽车的智能电池的故障状态进行归类分析，据此输出同一型号的各已出售电动汽车的智能电池的高发故障类型序列表，并将其发送至研发中心。
3.根据权利要求1所述的基于数据分析的智能电池管理系统，其特征在于，所述对同一电动汽车型号分区中的各已出售电动汽车的智能电池的运行指标信息进行监测，其具体监测过程如下：
通过电流传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的电流指标；
通过电压传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的电压指标；
通过温度传感器实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的发热指标；
并设置智能电池健康性能分析的分析周期，设置分析周期为t1，且t1为正整数；
即当已出售电动汽车智能电池的使用时间达到t1时长时，则触发智能电池健康性能分析处理，由此输出健康性能反馈异常信号和健康性能反馈正常信号。
4.根据权利要求2所述的基于数据分析的智能电池管理系统，其特征在于，所述对同一电动汽车型号分区中的各已出售电动汽车的智能电池的行驶记录日志进行监测及对其的电量状态进行分析，其具体分析过程如下：
获取对应电动汽车型号分区中的各已出售电动汽车智能电池的行驶记录日志，并从行驶记录日志中提取对应已出售电动汽车智能电池的充放电循环次数、充电总时长和放电总时长，并将三项数据进行综合分析，由此输出对应已出售电动汽车智能电池的寿命预测值；
将寿命预测值与存储在云数据库中的电量对比阈值数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池剩余电量的电量对比阈值，且每个寿命预测值均对应一个电量对比阈值；
根据生成的对应已出售电动汽车智能电池剩余电量的电量对比阈值，实时监测对应电动汽车型号分区中的各已出售电动汽车智能电池的剩余电量，并将各已出售电动汽车智能电池的剩余电量与对应的电量对比阈值进行比较分析；
若剩余电量达到对应的电量对比阈值时，则表示对应的已出售电动汽车智能电池电量低，并由此触发充放电调整处理，由此输出对应已出售电动汽车智能电池的设定充电速率和设定放电功率，并根据输出的设定充电速率、设定放电功率由此将对应的已出售电动汽车智能电池的充电速率、放电功率进行相应的调整。
5.根据权利要求4所述的基于数据分析的智能电池管理系统，其特征在于，所述充放电调整处理，其具体处理过程如下：
实时调取对应电动汽车型号分区中的各已出售电动汽车智能电池的影响因素参数，且影响因素参数包括天气温度、行驶需求值和行驶路况值，并将各项影响因素参数进行计算分析，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的影响系数；
将对应已出售电动汽车智能电池的剩余电量与影响系数进行综合计算分析，由此输出对应电动汽车型号分区中的各已出售电动汽车智能电池的充放电调整系数；
将充放电调整系数与存储在云数据库中的充电速率设定数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池的设定充电速率，且每个充放电调整系数均对应一个设定充电速率；
将充放电调整系数与存储在云数据库中的放电功率设定数据表进行对照匹配分析，由此输出对应已出售电动汽车智能电池的设定放电功率，且每个充放电调整系数均对应一个设定放电功率。
6.根据权利要求2所述的基于数据分析的智能电池管理系统，其特征在于，所述对各已出售电动汽车的智能电池的故障状态进行归类分析，其具体分析过程如下：
实时监测每个电动汽车型号分区内的同一型号的各已出售电动汽车的智能电池的历史故障维修日志，并从历史故障维修日志中提取同一型号的各已出售电动汽车的智能电池的故障类型，并获取单位时段内同一型号的各已出售电动汽车的智能电池的各故障类型的发生频率，并将其记作GPijr，其中r表示为故障类型的数量，且r为正整数，并统计单位时段内同一型号的各已出售电动汽车的智能电池的所有故障类型的发生频率之和，依据公式：，由此输出每个动汽车型号分区内的同一型号的各已出售电动汽车的故障频率系数ZGPij；
设置同一型号的各已出售电动汽车的智能电池的故障频率系数ZGPij的频率对比阈值，并将其记作THij，并将各已出售电动汽车的智能电池的故障频率系数ZGPij与预先设定的频率对比阈值THij进行比较分析；
将故障频率系数ZGPij大于等于预先设定的对应的频率对比阈值THij的同一型号的各已出售电动汽车的智能电池归入高发故障管理集合中，将故障频率系数ZGPij小于预先设定的对应的频率对比阈值THij的同一型号的各已出售电动汽车的智能电池归入低发故障管理集合中；
根据高发故障管理集合，将处于高发故障管理集合中各已出售电动汽车的智能电池的各故障类型按照发生频率的数值大小进行降序排序，由此输出每个已出售电动汽车的智能电池的高发故障类型排序表；
将每个高发故障类型排序表中的排序位置处于前三位的各故障类型进行统计计算，由此输出同一型号的各已出售电动汽车的智能电池的高发故障类型序列表，并将其发送至研发中心。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311148274.0A CN116882981B (zh) | 2023-09-07 | 2023-09-07 | 基于数据分析的智能电池管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311148274.0A CN116882981B (zh) | 2023-09-07 | 2023-09-07 | 基于数据分析的智能电池管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116882981A true CN116882981A (zh) | 2023-10-13 |
| CN116882981B CN116882981B (zh) | 2023-11-21 |
Family
ID=88259134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311148274.0A Active CN116882981B (zh) | 2023-09-07 | 2023-09-07 | 基于数据分析的智能电池管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116882981B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150348A (zh) * | 2023-10-30 | 2023-12-01 | 宁德时代新能源科技股份有限公司 | 电池外损数据处理方法、系统、电子设备和存储介质 |
| CN117538767A (zh) * | 2024-01-09 | 2024-02-09 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种电动汽车充放电过程车-桩协同状态监测系统及方法 |
| CN117686142A (zh) * | 2023-12-12 | 2024-03-12 | 大连纳思达汽车设备有限公司 | 一种新能源汽车电池包气密检测方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722968A (zh) * | 2012-06-29 | 2012-10-10 | 山东电力集团公司电力科学研究院 | 基于云服务车载终端的电动汽车安全预警防护系统及方法 |
| WO2019178953A1 (zh) * | 2018-03-22 | 2019-09-26 | 深圳市南霸科技有限公司 | 一种基于物联网的智能电池状态监测系统 |
| CN113093041A (zh) * | 2021-04-06 | 2021-07-09 | 吴炜 | 一种新能源汽车动力系统电池健康状态远程数据采集和诊断分析系统 |
| CN113933732A (zh) * | 2021-10-13 | 2022-01-14 | 中国汽车工程研究院股份有限公司 | 新能源汽车动力电池健康状态分析方法、系统及存储介质 |
| CN115356636A (zh) * | 2022-07-31 | 2022-11-18 | 常伟 | 一种数据驱动的新能源汽车电池故障报警和故障预警模型 |
| WO2023011066A1 (zh) * | 2021-08-03 | 2023-02-09 | 长城汽车股份有限公司 | 一种电池热管理系统的性能检测方法及相关设备 |
| CN115782789A (zh) * | 2022-12-30 | 2023-03-14 | 深圳市槟城电子股份有限公司 | 汽车主动防护方法、装置及汽车 |
| CN116061690A (zh) * | 2023-02-02 | 2023-05-05 | 重庆赛力斯新能源汽车设计院有限公司 | 一种电动汽车充电过程中的安全预警方法及装置 |
-
2023
- 2023-09-07 CN CN202311148274.0A patent/CN116882981B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722968A (zh) * | 2012-06-29 | 2012-10-10 | 山东电力集团公司电力科学研究院 | 基于云服务车载终端的电动汽车安全预警防护系统及方法 |
| WO2019178953A1 (zh) * | 2018-03-22 | 2019-09-26 | 深圳市南霸科技有限公司 | 一种基于物联网的智能电池状态监测系统 |
| CN113093041A (zh) * | 2021-04-06 | 2021-07-09 | 吴炜 | 一种新能源汽车动力系统电池健康状态远程数据采集和诊断分析系统 |
| WO2023011066A1 (zh) * | 2021-08-03 | 2023-02-09 | 长城汽车股份有限公司 | 一种电池热管理系统的性能检测方法及相关设备 |
| CN113933732A (zh) * | 2021-10-13 | 2022-01-14 | 中国汽车工程研究院股份有限公司 | 新能源汽车动力电池健康状态分析方法、系统及存储介质 |
| CN115356636A (zh) * | 2022-07-31 | 2022-11-18 | 常伟 | 一种数据驱动的新能源汽车电池故障报警和故障预警模型 |
| CN115782789A (zh) * | 2022-12-30 | 2023-03-14 | 深圳市槟城电子股份有限公司 | 汽车主动防护方法、装置及汽车 |
| CN116061690A (zh) * | 2023-02-02 | 2023-05-05 | 重庆赛力斯新能源汽车设计院有限公司 | 一种电动汽车充电过程中的安全预警方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150348A (zh) * | 2023-10-30 | 2023-12-01 | 宁德时代新能源科技股份有限公司 | 电池外损数据处理方法、系统、电子设备和存储介质 |
| CN117686142A (zh) * | 2023-12-12 | 2024-03-12 | 大连纳思达汽车设备有限公司 | 一种新能源汽车电池包气密检测方法及系统 |
| CN117538767A (zh) * | 2024-01-09 | 2024-02-09 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种电动汽车充放电过程车-桩协同状态监测系统及方法 |
| CN117538767B (zh) * | 2024-01-09 | 2024-03-22 | 中汽研新能源汽车检验中心(天津)有限公司 | 一种电动汽车充放电过程车-桩协同状态监测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116882981B (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116882981B (zh) | 基于数据分析的智能电池管理系统 | |
| CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
| CN113064089B (zh) | 动力电池的内阻检测方法、装置、介质以及系统 | |
| CN112255560B (zh) | 一种电池电芯健康度预测方法 | |
| CN112327168A (zh) | 一种基于XGBoost的电动汽车电池消耗预测方法 | |
| CN113191547B (zh) | 一种新能源车辆动力电池充电优化方法及系统 | |
| US20230384392A1 (en) | Method for detecting abnormal condition or fault of battery, and a battery management system operating the same | |
| CN112766618B (zh) | 异常预测方法及装置 | |
| CN116047300A (zh) | 用以预测电池的特性参数的控制器及其方法 | |
| US11835589B2 (en) | Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine | |
| CN115236523A (zh) | 一种基于数字孪生的动力电池故障诊断及预测的方法 | |
| US11573271B1 (en) | Battery fault detection | |
| CN113759258B (zh) | 一种动力电池soc估计方法、装置及纯电动汽车 | |
| CN114880939A (zh) | 一种动力电池寿命的智能预测方法及装置 | |
| CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
| US20230305073A1 (en) | Method and apparatus for providing a predicted aging state of a device battery based on a predicted usage pattern | |
| CN114631032A (zh) | 用于监控电池组健康状况的方法和系统 | |
| CN117630672A (zh) | 借助变换器模型预测诊断技术设备的设备电池的方法和设备 | |
| CN117207781A (zh) | 基于历史实时能耗的燃料电池汽车续驶里程预测方法 | |
| CN116306214A (zh) | 提供确定储能器的老化状态的老化状态模型的方法和设备 | |
| CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
| CN113987013A (zh) | 一种基于时序数据平台发电车数据采集的管控系统及方法 | |
| CN114707037A (zh) | 新能源车辆节能驾驶推荐方法、装置、设备及存储介质 | |
| CN113687237A (zh) | 一种保障电气安全的锂电池剩余充电时间预测方法 | |
| CN113212244A (zh) | 一种新能源车辆动力电池寿命预测方法及系统 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 518000, Building A, No. 7 Xiusheng 1st Road, Xiuxin Community, Kengzi Street, Pingshan District, Shenzhen City, Guangdong Province, China Patentee after: Shenzhen Hailei New Energy Co.,Ltd. Country or region after: China Address before: 518000 buildings 101, a and B, No. 7, Baodong Road, xiuxin community, Kengzi street, Pingshan District, Shenzhen, Guangdong Patentee before: SHENZHEN HAILEI NEW ENERGY Co.,Ltd. Country or region before: China |