[发明专利]一种基于大数据机器学习进行汽车电池RUL预测的应用分析方法

摘要

专利涉及一种基于大数据机器学习进行电动汽车电池RUL(Remaining Useful Life)预测的方法，该方法由相应的应用架构、流程、计算模型组成。这种方法首先对电动汽车电池运行过程中采集的电池实时数据，以及电动汽车车辆其它的运行数据，进行数据整理和清洗，并对数据进行特征化处理，通过大数据机器学习建立模型和训练验证算法，其中建模主要使用了非线性混合算法模型和生存模型，并对结果进行不同角度的评估和优化，从而建立电动汽车电池RUL预测的模型，优化电池的维修和更换，提高车主的安全性指标，达到系统性能和经济效益的平衡。

主权项

1.一种电动汽车电池RUL预测方法，其特征在于，所述方法包括：步骤001数据准备步骤，获取与电动汽车电池使用相关的数据，所述电动汽车电池使用相关数据包括故障维修数据和电池的使用数据；其中，所述故障维修数据包括电池发生故障前的数据记录和/或电池的维修数据；所述电池的使用数据包括在正常使用时与电池相关的电池自身数据以及汽车状态数据；所述故障维修数据、电池的使用数据均是基于时间序列的流式数据；以及依据经验公式计算得到的t时刻RUL_t；步骤002数据整理步骤，对所述电动汽车电池使用相关的数据进行清洗并将清洗后的相关数据基于时间单元进行数据构建；所述数据清洗包括，采用取一段行程该变量的平均值或中间值或相邻插值进行空余变量的赋值；通过设定电动汽车电池使用相关数据的每个变量的阈值检查数据是否合乎要求将超出正常范围的数据予以删除或纠正；通过设定电动汽车电池使用相关数据的相互约束和依赖关系，将逻辑上不合理或者相互矛盾的数据予以删除或纠正；所述数据构建包括，按照时间顺序将搜集到的数据进行整合；步骤003数据特征化步骤，对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；对于数据的总结和抽取包括滚动聚合，所述滚动聚合是指设定一个时间窗口，计算在预定的变量在该时间窗口内的聚合值，所述聚合值可以是数据的总和、平均值或者是标准差；所述总结和抽取还包括将特征变量进行扩展，所述扩展包括对初始特征变量根据滚动聚合的均值增加相应的个数，以及对初始特征变量根据滚动聚合的标准差增加相应个数；步骤004目标确定步骤，计算用于学习的RUL值；对于所述步骤003得到的数据，进行SOH的计算，所述SOH即为目标值，所述步骤004包括：第一步：得到电池基本数据，用于计算第二步和第三步中的SOH，所述基本数据包括：电池容量、电池容量与温度的对应关系表以及电池理想工况下循环次数与容量衰减的对应关系表；第二步：统计t时刻的SOHt，从电池出厂开始运行时开始统计吞吐量其中△t为采样时间间隔，I_t为充放电时电流，充电时I_t为负，放电时I_t为正；根据当前实际的剩余电量,温度,电池放电速率,通过查第一步的容量和温度对应关系表得到衰减系数P；实际吞吐量为此时电池的理想状态下充放电循环次数为然后依据循环次数与容量衰减Cap Fade Curve查出N_t对应的Cap_t，t时刻的SOH可表示为其中Cap_BOL为电池容量；第三步：计算RUL，剩余循环次数N1按如下公式计算：N1＝N2‑N_t，其中N2为初始的循环次数注；剩余使用天数RUL按照如下公式计算：其中RUL为剩余使用的天数，N_t为累计使用次数，即为初始循环次数和剩余循环次数的插值，D为累计已经使用天数；上述得到的RUL为后续步骤的学习目标；S005数据计算步骤，基于特征化后的数据建立电池RUL预测模型以t时刻的SOH_t作为Y，对每个数据从时间上进行标签化；经过步骤S001、S002和S003后得到的数据设为x，建立模型Y＝f(x),其中f()为机器基于大数据学习得到的x和Y之间的函数；该模型的输入为时间t以及t时刻采集的数据，模型的输出为t时刻电池SOH_t；所述f()采用非线性混合效应模型和生存模型来建立；其中，非线性混合效应模型算法为Y＝f(x+Φ)+e,其中f()为非线性函数，Φ＝Aβ+Bb中A,B为设计的矩阵，β为固定效应参数向量和b为随机效应参数向量，e为误差向量，其中β为输入数据x中对于电池SOH预测相关的固定效应数据，而b则为对于SOH预测不相关的随机效应数据；参数A和B的估计通过伪数据步和线性混合效应步两步之间的迭代完成，可分别使用Gauss‑Newton迭代法和EM算法解决；其中，所述生存模型算法为其中t为电池的使用时间，x为基于时间序列采集的数据，f(x)为研究对象生存时间分布的概率密度函数,S(t)为研究对象生存时间长于t的概率；RUL的算法模型为Y＝f(S(t),x)，其中f()为生存算法模型；在本步骤S005中，非线性混合效应模型和生存模型并行进行；步骤006训练验证步骤对建立的模型进行训练和验证以优化该模型；所述训练验证步骤优选包括交叉验证，基于所述实验结果确定最佳的数据分类；步骤007算法评估步骤将所述步骤006中各种预测模型得到的结果与步骤004中得到的RUL进行比较，评估各种预测模型数据在不同算法下的预测结果，选择最优的预测模型。