[发明专利]一种电动汽车运行大数据的动力电池安全风险评估方法

说明书

本发明属于电动汽车电池风险评估技术领域，具体为一种电动汽车运行大数据的动力电池安全风险评估方法，包括步骤一：输入电池安全相关特征量，步骤二：获取最外围样本边界，获取无故障样本的外围边界，步骤三：在外围样本边界随机生成故障样本，步骤四：获取正常样本与模拟故障样本的边界，步骤五：缩放正负样本边界，依据样本概率确定风险系数，其结构合理，结构明了，准确度高，避开训练样本中故障样本稀缺的问题，发挥了大数据在故障诊断风险评估上的优势。

技术领域

本发明涉及电动汽车电池风险评估技术领域，具体为一种电动汽车运行大数据的动力电池安全风险评估方法。

背景技术

近年来，因动力电池故障导致的电动汽车起火自燃事故频发，这不仅威胁到了乘客的人身安全，也严重阻碍了电动汽车的推广。因此，提出一套高效可行的电池安全风险评估方案，实现电池安全风险事前预警和事中报警，这将对电动车产业发展产生深远意义的影响。动力电池组内部电芯数目众多、化学反应过程复杂，电池状态的准确估计和诊断始终是电动汽车的一大难点。大数据为电池风险评估提供了新思路，可以利用大规模实际运行的动力电池数据实现动力电池的风险评估。

主流的动力电池安全风险评估方法都是通过将电动汽车运行数据与预设的风险阈值进行比较，或是基于该方法下对风险等级评价策略进行优化。该类方法虽然模型清晰、算法简单易于实现，但是阈值标定一般需要在实验环境下进行，车辆实际运行环境与实验环境之间的差异及电池老化后参数与初始参数的差异均会导致该方法误差较大。为了避免这种差异，采用实际使用数据对算法阈值进行标定更为合理，但在现实中对于单一车型，严重故障的样本是非常稀少甚至没有，而这类阈值必须采用故障样本进行标定，所以目前直接采用实际数据对动力电池风险评估算法进行阈值标定仍存在诸多难点。针对这一问题，本发明旨在采用无故障或极少量故障数据的电动汽车大数据，利用电池工作点出现的频率描述工作点的风险，极为稀少出现的工况点意味着存在较高风险，从而实现动力电池风险评估。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于现有电池安全风险评估方法中存在的问题，提出了本发明。

因此，本发明的目的是提供一种电动汽车运行大数据的动力电池安全风险评估方法，能够实现提高电池安全风险评估的准确性。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种电动汽车运行大数据的动力电池安全风险评估方法，其包括如下步骤：

步骤一：输入电池安全相关特征量，从大数据中心得到某种电动汽车或动力电池的数据，针对确定故障类型提取能够表征该类故障的n种特征值，并将选取的n种特征值的样本数据输入到n维空间坐标系下；

步骤二：获取最外围样本边界，获取无故障样本的外围边界，电池安全相关的特征值都符合连续分布，因此对于一维坐标系下，获取边界只需要找出相应特征值最大值与最小值；对于二维及以上的高维度坐标系下，可以借助convex hull算法求解可以将所有元素包含在内的边界A。样本中若存在故障样本，确认故障样本在边界A外部，否则修改A边界，保证所有故障样本均在A外部；