[发明专利]一种电动汽车电池多级故障预警方法及系统

说明书

一种电动汽车电池多级故障预警方法及系统，所述方法包括：步骤1，从电动汽车的行驶数据中提取与电池相关的各种信号指标，其中，每种信号指标包括该信号指标各时间点的信号值，即该信号指标的时间序列序列值；步骤2，将各种信号指标用时间序列模型进行预测，得到各种信号指标的信号预测值，步骤3，设定每种信号指标的异常检测模型和阈值，基于所述异常检测模型和阈值，对每种信号指标的信号预测值进行异常检测，得到每种信号指标的预警检测结果；步骤4，基于各种信号指标的预警检测结果组合计算得到电池的多级故障预警等级。

技术领域

本发明电池检测领域，具体涉及一种电动汽车电池多级故障预警方法及系统。

背景技术

随着世界环境的越来越严峻，世界各国都在大力推行新能源汽车，我国更是将发展新能源汽车上升为国家战略，新能源汽车产业得到快速发展。预计2020年底，国内新能源汽车保有量将达到500万辆，但新能源汽车却频频爆出各种问题，其中80％左右的问题都是由动力电池引发的，汽车电池的安全问题仍然是新能源汽车将面临的头号难题。因此，对电动汽车电池的故障进行预警，对预防电动汽车安全问题有着重要意义。

发明内容

鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种电动汽车电池多级故障预警方法及系统，具体方案如下：

作为本发明的第一方面，提供一种电动汽车电池多级故障预警方法，所述方法包括：

步骤1，从电动汽车的行驶数据中提取与电池相关的各种信号指标，其中，每种信号指标包括该信号指标各时间点的信号值，即该信号指标的时间序列序列值；

步骤2，将各种信号指标用时间序列模型进行预测，得到各种信号指标的信号预测值，

步骤3，设定每种信号指标的异常检测模型和阈值，基于所述异常检测模型和阈值，对每种信号指标的信号预测值进行异常检测，得到每种信号指标的预警检测结果；

步骤4，基于各种信号指标的预警检测结果组合计算得到电池的多级故障预警等级。

进一步地，步骤1中，从电动汽车的行驶数据中提取与电池相关的各信号指标包括电池温度、电池电压和SOC值。

进一步地，步骤2中，基于差分整合移动平均自回归模型ARIMA构建时间序列模型，数学形式表示为如下公式一：

公式一：

其中，φ表示自回归AR的系数，θ表示移动平均MA的系数，p表示预测模型中采用的时序数据本身的滞后数，q表示预测模型中采用的预测误差的滞后数，e_t是误差项，μ是一个常量；

公式一中，利用每种信号指标过去最近的p个时间点的信号值的自回归项和q个时间点的信号值的移动平均项预测下一个时间点的信号值，即信号预测值。

进一步地，步骤2还包括：

步骤2.1，对每种信号指标过去最近时间段的时间序列值进行平稳性检验，检测通过则直接进入步骤2.1，如果不通过，对时间序列值进行差分，直到差分后的时间序列值满足平稳性检验，则进入步骤2.1；

步骤2.2，确定ARIMA模型的差分阶数d；以AIC赤池信息准则为准，限定p和q的范围，将(p，q)组合遍历，找出具有最小AIC值的(p，q)组合；

步骤2.3，将步骤2.2确定的p，d，q应用于ARIMA模型，基于ARIMA模型对每种信号指标的时间数据进行预测，得到每种信号指标的信号预测值。

进一步地，步骤3具体为：构建预测结果的置性区间，判断信号预测值是否在置性区间中，若在，则判断为正常值，否则，判定为异常值。