电动汽车的锂离子电池剩余寿命的行驶里程评估方法与制作流程

图片简介:

本技术提供一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，通过云端数据平台收集电动汽车历史数据，采用数据挖掘方法分析电动汽车历史行驶工况与历史老化路径并结合动力电池故障预警数据与行驶工况模型和多维耦合等效电路模型及安全风险评估方法，计算电动汽车安全可用行驶里程，在不额外增添电动汽车元器件的条件下，通过远程数据传输的方式收集电动汽车历史数据并储存于云端数据平台，在其中通过数据挖掘方法分析电动汽车历史老化路径与剩余可用寿命，基于采样的电动汽车速度与位置信息分析电动汽车历史行驶工况并通过计算在当前剩余可用寿命的条件下，工况设定为电动汽车历史行驶工况的电动汽车可用行驶里程即可合理评估当前的剩余行驶里程。

技术要求

1.一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，包括如下步骤：

S1通过云端数据平台采集电动汽车的锂离子电池的行驶历史数据以及驾驶员历史行为数据；

S2对所述电动汽车的锂离子电池的行驶历史数据以及驾驶员历史行为数据进行数据清洗

得到可用数据；

S3将所述可用数据作为初始训练样本集，对初始行驶工况模型进行迭代训练，得到针对

驾驶员个人行为习惯的行驶工况模型；

S4根据所述可用数据中的电池信息数据基于电池原理进行等效电路建模，进行系统辨识获取等效电路模型参数，并得到多维耦合等效电路模型；基于所述多维耦合等效电路模型，进行电池容量健康状态估计，根据对所述电池容量健康状态估计得到所述电动汽车锂离子电池概率密度曲线，根据所述电动汽车锂离子电池概率密度曲线对锂离子电池剩余寿命值进行估计；

S5根据所述估计的锂离子电池剩余寿命值与所述驾驶员个人行为习惯的行驶工况模型得到电动汽车锂离子电池剩余寿命的行驶里程。

2.根据权利要求1所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，在步骤S2中，所述数据清洗包括数据去重、数据查漏和数据去噪，其中所述数据去重包括：恢复因长期怠速与超长怠速产生的不良数据；所述数据查漏包括：恢复对于GPS数据的丢失产生的不良数据；部分恢复碎片化丢失的数据；所述部分恢复碎片化丢失的数据包括：假设汽车处于巡航状态，假设汽车速度不变，对于丢失1s或2s的数据进行恢复；所述数据去噪包括：不恢复因加速度异常产生的不良数据，恢复因速度异常产生的不良数据。

3.根据权利要求1所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，在步骤S2中，所述可用数据包括：经过清洗后的完整的车辆速度信息、电池的电流、电压以及温度信息。

4.根据权利要求1所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，所述步骤S3采用主成分分析法与聚类分析法深度挖掘所述可用数据的特征以对初始行驶工况模型进行迭代训练。

5.根据权利要求1所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，在所述步骤S3中，采用主成分分析法与聚类分析法深度挖掘所述可用数据的特征以对初始行驶工况模型进行迭代训练，得到针对驾驶员个人行为习惯的行驶工况模型包括：采用主成分分析法与聚类分析法深度挖掘所述可用数据的特征以对初始行驶工况模型进行迭代训练，结合驾驶员行为预测并采用马尔可夫蒙特卡洛法建立所述电动汽车的驾驶工况，采用耦合汽车形式特征、能耗特征、排放特征的多维度评价方法对建立的行驶工况进行解析，最终建立针对驾驶员个人行为习惯的行驶工况模型。

6.根据权利要求5所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，所述步骤S3所述针对驾驶员个人行为习惯的行驶工况模型为循环深度神经网络或长短时记忆神经网络。

7.根据权利要求1所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，所述步骤S4所述系统辨识基于大数据神经网络方法进行。

8.根据权利要求7所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，所述步骤S4中所述多维耦合等效电路模型采用大数据神经网络方法与电池原理结合建立，所述多维耦合等效电路模型包括由RC环境、欧姆内阻和理想电压源组成的电路，所述RC环境用于描述电池动态特性，所述欧姆内阻与所述理想电压源用于描述电池静态特性。

9.根据权利要求8所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，所述步骤S4中所述电池容量健康状态估计采用数据驱动神经网络的云端参数辨识算法以及数据挖掘与广义粒子滤波结合实现。

10.根据权利要求1所述的一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，其特征在于，所述步骤S4中所述根据对所述电池容量健康状态估计得到所述电动汽车锂离子电池概率密度曲线，根据所述电动汽车的锂离子电池概率密度曲线对锂离子电池剩余寿命值进行估计包括：根据所述电池容量健康状态估计的估计值采用循环神经网络或改进的长短时记忆神经网络法实现锂离子电池在有限时域内的基于概率密度云分布的可用容量预测；所述可用容量为锂离子电池的剩余寿命值。

技术说明书

一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法

技术领域

本技术属于动力电池管理系统技术领域，具体涉及一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法。

背景技术

目前国内电动汽车保有量超过1%且逐年增长，电动汽车采用电动机作为驱动装置，由车载可充电蓄电池或其他能量储存装置提供能量，具有零排放、高效率、安静、运行平稳、驾驶操作容易、使用维护费用低和所需电能来源广泛等优点，因而在现有的新能源汽车技术中，被视为长期发展目标。当前锂离子电池为主流的车载储能装置。由于锂离子电池系统受行驶工况、老化特性等影响，单一原则的评估体系难以评定锂离子电池剩余寿命的行驶里程，进而导致二手电动汽车保值难，电池组梯次利用回收定价难，目前可基于已行驶里程来估计锂离子电池系统残值。但该结果依赖于测试环境，存在累计误差，且未考虑电动汽车历史老化路径的影响，导致计算结果不准确。

因此对于电动汽车中锂离子电池剩余寿命的行驶里程的评估一直是困扰电动汽车车主与企业的重要问题，如何合理评估电动汽车锂离子电池剩余寿命续航里程残值是目前电动汽车产业发展需应对的难题。

技术内容

针对上述现有技术存在的无法合理评估电动汽车锂离子电池系统残值的技术问题，本技术提供一种锂离子电池剩余寿命的行驶里程评估方法，该方法通过云端数据平台收集电动汽车历史数据，采用数据挖掘方法分析电动汽车历史行驶工况与历史老化路径，基于深度学习或长短时记忆神经网络等实现动力电池寿命估计与预测，从而实现在不额外增添电动汽车元器件的条件下基于采样的电动汽车速度与位置信息等分析电动汽车历史行驶工况并通过计算在当前剩余可用寿命的条件下，将工况设定为电动汽车历史行驶工况对电动汽车的锂离子电池剩余寿命的行驶里程进行评估。

本技术的目的在于提供一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法，包括如下步骤：

S1，通过云端数据平台采集电动汽车的锂离子电池的行驶历史数据以及驾驶员历史行为数据；

S2，对所述电动汽车的锂离子电池的行驶历史数据以及驾驶员历史行为数据进行数据清洗得到可用数据；