[发明专利]一种通过大数据预测轨交锂电池SOE的方法

权利要求书

1.一种通过大数据预测轨交锂电池SOE的方法，其特征在于：它包括以下步骤：

S001数据准备步骤，获取与轨道交通电池使用相关的数据；

S002数据整理步骤，对所述轨道交通电池使用相关的数据进行清洗并将清洗后的所述轨道交通电池使用相关的数据基于时间单元进行数据构建；

数据清洗的方法为：将采集的数据建立数据库，获取异常数据，得到原始数据库，通过异常数据集中噪声数据的分布，发现数据集中的待清洗属性，寻找可扩维张量，对属性张量高阶扩维，得到高阶张量属性集合，利用扩维后的属性张量对异常数据属性进行属性清洗和数据修复，将清洗后的数据更新到新的数据库中，得到目标数据库；

S003数据特征化步骤，将通过数据整理步骤得到的数据进行总结和抽取，获取特征化后的数据；

S004目标确定步骤，计算用于学习的SOE值，并进行特定点捕捉用于校验；

S005数据计算步骤，基于特征化后的数据建立电池SOE预测的模型；

S006训练验证步骤，对模型进行训练和验证以优化该自适应模型；

S007算法评估步骤，评估数据在不同算法下的预测结果，基于评估选择最优的算法。

2.根据权利要求1所述的一种通过大数据预测轨交锂电池SOE的方法，其特征在于：所述S001中所述轨道交通电池使用相关数据轨道交通的车联网数据中电池的使用数据；其中，所述电池的使用数据包括在正常使用时与电池相关的电池自身数据以及轨道交通状态数据；所述电池的使用数据均是基于时间序列的流式数据；以及依据经验公式计算得到的t时刻SOEt。

3.根据权利要求2所述的一种通过大数据预测轨交锂电池SOE的方法，其特征在于：所述S003中对于数据的总结和抽取包括滚动聚合，所述滚动聚合是指设定一个时间窗口，计算在预定的变量在该时间窗口内的聚合值，所述聚合值可以是数据的总和、平均值或者是标准差；所述总结和抽取还包括将特征变量进行扩展，所述扩展包括对初始特征变量根据滚动聚合的均值增加相应的个数，以及对初始特征变量根据滚动聚合的标准差增加相应个数。

4.根据权利要求3所述的一种通过大数据预测轨交锂电池SOE的方法，其特征在于：所述S005中还包括少数类采样对所述模型进行训练，当样本中一类数据仅仅有少量的训练样本时，通过将少数的样本数据合成新的少数类样本数据来进行模型的训练；对每个少数类样本A，从它的距离最近邻中随机选一个样本B，所述距离是根据时间和变量图中的距离进行计算，然后在A和B之间的连线上随机选择一点作为新合成的少数类样本；通过不断的合成，将少量的样本A，变成具备多数据的样本A+。