[发明专利]一种动力电池健康评分方法、系统及存储介质

权利要求书

1.一种电动汽车电池健康评分方法，其特征在于，所述方法包括如下步骤：

S1：采集车辆信号数据，进行数据预处理；所述车辆信号数据包括电池内部、用户行为、环境工况三个类别的数据；

S2：获取和分析车辆当前电池健康状态作为基础评分；

S3：分析用户行为和环境工况对电池健康的影响；

S4：使用评分卡模型对S3的用户行为评分；

S5：分析车辆电池寿命衰减趋势；

S6：建立机器学习模型，预测车辆电池随时间的衰减程度；

S7：根据S6得到的电池健康衰减模型，对电池衰减进行预测和评分；

S8：根据S2、S4、S7的评分结果，设置S2、S4、S7过程中每个评分的权重，加权求和得到最终电池健康评分；

所述步骤S6包括：

S6-1：构建用于训练和评估的电池健康衰减模型的样本数据集；

S6-2：划分样本数据集，划分成训练集和测试集；

S6-3：根据S5过程中的分析结果，进行特征筛选；

S6-4：特征融合和滤波处理，生成用于表征电池健康衰减的健康因子HI(HealthIndex)；

S6-5：分析健康因子HI随时间的变化影响和趋势；

S6-6：在训练数据集上训练电池健康衰减模型，生成电池健康衰减模型池；

模型公式如下：

其中，y表示因变量健康因子(HI)，a、b、c表示模型中的参数，T^adj表示自变量时间周期，ε是噪声项来控制过拟合；

S6-7：在测试数据集上验证电池健康衰减模型，评估模型效果；

所述步骤S6-4包括：

S6-4-1：构建用于特征融合的数据集；

定义电池寿命开始的健康状态为1，电池寿命结束的健康状态为0，将训练集中soh97的数据标记为1，soh≤80的数据标记为0，然后从训练集中提取已标记的数据，构成用于特征融合的数据集ω：

ω＝{(X,y)}

ω＝{(x_i,0)|soh≤80}∪{(x_i,1)|soh97}

其中，X表示数据集中样本的特征，y表示样本的标签(即电池健康状态),x_i表示样本i的特征；

S6-4-2：使用线性回归进行特征融合，生成健康因子HI；

融合模型如下：

其中，y_HI表示健康因子(HI)，α、β表示模型中的参数，x表示特征变量，x_i表示样本i的特征向量，ε是噪声项用来控制过拟合；

S6-4-3：健康因子滤波处理。

2.根据权利要求1所述的电动汽车电池健康评分方法，其特征在于，所述步骤S1包括：

S1-1：采集车辆信号数据，包括车辆类型、用途类型、电池BMS、车主用车行为数据、环境工况；所述车辆信号数据是基于车联网的大数据；

S1-2：根据影响电池健康的因素，将数据进行归类，分成电池内部、用户行为、环境工况三个类别；

S1-3：预处理数据，删除空值、噪声、无效值。

3.根据权利要求1所述的电动汽车电池健康评分方法，其特征在于，所述步骤S2包括：

S2-1：获取S1过程中归类并处理后的电池内部类别的数据；

S2-2：根据当前电池健康状态SOH值，分析电池内部状态数据，包含当前电池容量、额定容量、内部电阻、自放电率；

S2-3：根据当前电池SOH值和电池内部状态数据的分析结果，进行电池健康内部状态的基础评分。

4.根据权利要求3所述的电动汽车电池健康评分方法，其特征在于，所述基础评分由SOH值得出，公式如下：

score_base＝soh*100

其中，score_base表示基础评分，基础评分在[0,100]区间内。