[发明专利]一种基于新能源汽车实时运行数据的异常检测方法及装置

权利要求书

1.一种基于新能源汽车实时运行数据的异常检测方法，其特征在于，包括以下步骤：

获取新能源汽车动力电池系统的监测参数的实时运行数据和监测参数的历史健康数据，基于失效分析得到关键监测参数的实时运行数据和关键监测参数的历史健康数据；

将关键监测参数的实时运行数据和关键监测参数的历史健康数据结合多元状态估计技术，得到异常检测模型和异常检测模型中各个监测参数的残差，所述残差包括健康残差和实际残差；

将所述残差进行序贯概率比检验，基于序贯概率比检验的指数，得到新能源汽车动力电池系统的异常检测结果。

2.根据权利要求1所述的一种基于新能源汽车实时运行数据的异常检测方法，其特征在于，所述将关键监测参数的实时运行数据和关键监测参数的历史健康数据结合多元状态估计技术，得到异常检测模型和异常检测模型中各个监测参数的残差，所述残差包括健康残差和实际残差，具体包括：

根据关键监测参数的实时运行数据建立观测矩阵；

计算观测矩阵的估计矩阵；

利用所述估计矩阵计算实际残差。

3.根据权利要求1所述的一种基于新能源汽车实时运行数据的异常检测方法，其特征在于，所述将关键监测参数的实时运行数据和关键监测参数的历史健康数据结合多元状态估计技术，得到异常检测模型和异常检测模型中各个监测参数的残差，所述残差包括健康残差和实际残差，还包括：

根据所述关键监测参数的历史健康数据形成训练数据；

根据所述训练数据建立记忆矩阵，同时形成剩余训练数据；

根据所述记忆矩阵和所述剩余训练数据计算剩余训练数据的估计矩阵；

利用所述估计矩阵计算健康残差。

4.根据权利要求1所述的一种基于新能源汽车实时运行数据的异常检测方法，其特征在于，所述将所述残差进行序贯概率比检验，基于序贯概率比检验的指数，得到新能源汽车动力电池系统的异常检测结果，具体包括：

如果Λ(Y_n)≥B，则接受假设H₁，H₁为概率密度函数一；

如果Λ(Y_n)≤A，则接受假设H₀，H₀为概率密度函数二；

如果A＜Λ(Y_n)＜B，继续采样，然后重复比较；

其中，Λ(Y_n)代表似然比函数，A和B是常数，且0＜A＜1＜B＜∞，Y_n为n个独立同分布样本。

5.根据权利要求2所述的一种基于新能源汽车实时运行数据的异常检测方法，其特征在于，计算残差，具体包括：

R_X＝X_est-X_obs；

其中，X_obs为观测矩阵，X_est为估计矩阵，R_X为实际残差；

R_L＝L_est-L；

L为剩余训练数据的估计矩阵；L_est为剩余训练数据的估计矩阵，R_L为健康残差。

6.一种基于新能源汽车实时运行数据的异常检测装置，其特征在于，包括：

获取单元，用于获取新能源汽车动力电池系统的监测参数的实时运行数据和监测参数的历史健康数据，基于失效分析得到关键监测参数的实时运行数据和关键监测参数的历史健康数据；；

计算单元，用于将关键监测参数的实时运行数据和关键监测参数的历史健康数据结合多元状态估计技术，得到异常检测模型和异常检测模型中各个监测参数的残差，所述残差包括健康残差和实际残差；

检测单元，用于将所述残差进行序贯概率比检验，基于序贯概率比检验的指数，得到新能源汽车动力电池系统的异常检测结果。