[发明专利]一种动力电池寿命的智能预测方法及装置

权利要求书

1.一种动力电池寿命的智能预测方法，其特征在于，包括以下步骤：

从电动汽车运行监控中心获取车辆状态数据及车载电池组数据；

对所述数据进行整合处理得到多种对电池寿命有影响的特征数据；

基于相关性对所述特征数据进行筛选，得到对电池寿命影响最显著的几种特征数据；

以筛选后的特征数据为输入、以电池寿命为输出，构建神经网络预测模型，利用训练好的预测模型对电池寿命进行预测。

2.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，所述车辆状态数据及车载电池组数据包括：车辆编号，电池组总电压和总电流，SOC，电池单体最高电压和最低电压，正向累计电量，反向累计电量，总里程，运行时间，车速。

3.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，所述方法还包括数据预处理步骤：剔除异常数据，补充缺失数据，区分充放电电流数据。

4.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，所述对所述数据进行整合处理的方法包括：以同一种数据的不同统计量作为新的特征数据，以同一种数据的不同统计量的任意组合作为新的特征数据，所述统计量包括最大值、最小值、中值、平均值、方差和均方差。

5.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，所述基于相关性对所述特征数据进行筛选的方法包括：

计算任意一个特征数据与电池寿命的相关系数，并对所述特征数据按照相关系数从大到小的顺序排序；

删除相关系数小于第一阈值的特征数据；

计算剩余的特征数据中任意两个特征数据之间的相关系数，对于相关系数大于第二阈值的两个特征数据，删除排序靠后的一个特征数据，使任意两个特征数据之间的相关系数均不大于第二阈值。

6.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，采用径向基函数神经网络构建电池寿命预测模型。

7.根据权利要求6所述的动力电池寿命的智能预测方法，其特征在于，采用优化算法对径向基函数神经网络的参数进行优化。