[发明专利]一种通过大数据预测轨交锂电池RUL的方法

说明书

本发明涉及轨道交通的维护技术领域，尤其是一种通过大数据预测轨交锂电池RUL的方法；包括：数据准备步骤，数据整理步骤；将空余赋值、错值、交叉检验得到的逻辑不合理或者相互矛盾的数据以空值代替，而后将这些带有空值的数据导入Matlab中，通过Matlab自动填补所有空值；数据特征化步骤；目标确定步骤，计算用于学习的RUL值；数据计算步骤；训练验证步骤；算法评估步骤；通过简便的数据清洗方式得到干净数据，而后利用机器学习的不同模型，选择不同算法进行匹配验证，并进行发布，成为结构化的产品，并随着时间累积和数据丰富，模型的预测准确性会不断提升。

技术领域

本发明涉及轨道交通的维护技术领域，尤其是一种通过大数据预测轨交锂电池RUL的方法。

背景技术

电池的剩余使用寿命(RUL，Remaining Useful Life)，是指在一定条件下，电池使用一段时间后电池剩余的使用寿命，用来判断电池健康状况。RUL不仅仅与电池本身的电化学体系和电池制造工艺相关，还与车辆行驶工况和电池组内部的工作环境相关。

现有技术通常通过传感器对电池内部因素进行监测，以便判断电池状态。但动力电池作为轨道交通的动力来源，随着充放电次数和行驶里程的增加，电池的容量不断衰减，这个反应是典型的动态非线性的电化学系统，在线应用时内部参数是难以测量的，其退化状态识别和状态估计仍存在巨大挑战。

发明内容

针对现有技术的不足，本发明提供一种依赖于轨道交通数据采集的长周期情况下，从电池的额定信息和状态监测数据(电压、电流、温度、SOC等)挖掘其中隐含的电池健康状态信息及其演变规律，在电池SOH的基础上推算出RUL的方法。

本发明的技术方案为：

一种通过大数据预测轨交锂电池RUL的方法，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。

在本步骤中，所述轨道交通电池的数据包括轨道交通的监控数据，监控数据每十秒采集一次，在轨道交通的不同整车状态中，例如行驶、充电过程中，都会产生。所述电池的监控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，一共超过200个数据变量。

所述电池的使用数据均是基于时间序列的流式数据，包括进行机器学习相关的电流、电压、温度、剩余电量(SOC)等。相关的数据内容如下表所示。

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。

数据清洗方法：

将空余赋值、错值、交叉检验得到的逻辑不合理或者相互矛盾的数据以空值代替，而后将这些带有空值的数据导入Matlab中，通过Matlab自动填补所有空值。Matlab填补空值的逻辑是利用空值前后多个数据产生平滑曲线，而后得到该空值的替换值。虽然该方式具有一定的误差，但自动化程度很高，节省了大量计算时间。

空余赋值：电池数据在传输过程中，很容易发生掉包导致变量缺失。

错值：通过设定轨道交通电池使用相关数据的每个变量的合理取值范围，即阈值，检查数据是否合乎要求，将超出正常范围的数据定义为错值。

清洗数据之后，基于时间单元进行数据构建，即按照时间的顺序将搜集到的数据进行整合。时间单元可以基于毫秒、秒、分钟等，时间单元可以和收集的频率可以不一致。

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。