[发明专利]一种基于大数据的锂电池健康度预警方法

权利要求书

1.一种基于大数据的锂电池健康度预警方法，其特征在于，包括以下步骤：

S1、获取锂电池历史数据MsgData[n，m]，并生成有效历史数据MsgData[n_v，m]；

S2、基于预定义的短期历史数据条件对有效历史数据MsgData[n_v，m]进行筛选并生成短期历史数据MsgData_short[n_s，m]；

S3、基于预定义的短期模式识别模块对短期历史数据进行模式识别，生成不同的短期模式数据，随后对不同的短期模式数据进行预警信号阈值的定义，根据短期模式数据和预警信号阈值生成短期健康度预警数据；

S4、将有效历史数据按时间倒序排序，基于指定周期对排序后的有效历史数据进行划分并生成分段数据MsgData[n[t]，m]，基于预定义的长期模式识别模块对分段数据进行模式识别，生成不同的长期模式数据，随后从不同的长期模式数据中提取所需信号以及对应参数的阈值，根据所需信号和阈值生成长期健康度预警数据；

S5、将步骤S3中的短期健康度预警数据和步骤S4中的长期健康度预警数据进行数据整合并生成电池健康度预警信息，随后将电池健康度预警信息上传至终端。

2.根据权利要求1所述的一种基于大数据的锂电池健康度预警方法，其特征在于：所述步骤S1中获取的历史数据MsgData[n，m]中，其中，信号的类型包括电芯电压、电流、电池温度、车辆速度、车辆位置信息、充电状态、电门开度以及刹车踏板开度。

3.根据权利要求1所述的一种基于大数据的锂电池健康度预警方法，其特征在于：所述步骤S2中预定义的短期历史数据条件为进行获取操作前0-24h内的历史数据，该时间段可根据锂电池实际使用情况进行适应性调整。

4.根据权利要求1所述的一种基于大数据的锂电池健康度预警方法，其特征在于，所述步骤S3包括以下具体步骤：

S31、基于短期历史数据判断出锂电池的各种运行模式Mode_short(s)，其中s为短期模式个数；

S32、生成Mode_short(s)中各种模式下对应的信号组合阈值配置信息Mode_short_Parm(s)，若模式下有多个信号组合，则生成信号组合阈值配置信息Mode_short_Parm(l)，其中l∈(1，s)；

S33、对短期历史数据的特定模型Mode_short(l)进行健康度分析，短期健康度通过相关信号的报警持续时间占短期历史数据的时间比例来判断电池健康度，当时间占比大于当前模式健康度预警比例阈值时，生成短期健康度预警信号；

S34、对短期历史数据中所有模式的短期健康度预警信号进行汇总并生成短期健康度预警数据。

5.根据权利要求1所述的一种基于大数据的锂电池健康度预警方法，其特征在于，所述步骤S4中的基于预定义的长期模式识别模块对分段数据进行模式识别，生成不同的长期模式数据，随后对不同的长期模式数据进行所需信号匹配以及对应参数的阈值定义，根据所需信号和阈值生成长期健康度预警数据，具体为以下步骤：

S41、对分段数据MsgData[n[t]，m]中的每一段数据MsgData[n[i]，m]，i∈t均进行分析，识别每一段数据中存在的多个模式，并提取处每个模式中的预警信号相关数据与预警阈值；

S42、对MsgData[n[t]，m]所有段数据进行处理后，得出每段数据下的各个模式的预警次数HealAlr[t，x]，其中x为长期历史数据预定义的所有模式个数；

S43、通过多段的HealAlr[t，y]，y∈(1，x)反映出模式y的所有历史数据的分段次数，因依据此分段次数的局部累积和对电池的健康度进行预警；

S44、将长期历史数据中的所有模式预警进行汇总生成长期健康度预警数据。