基于大数据的低速电动车电池寿命评估预测方法及系统与流程

本发明涉及电池寿命预测，尤其涉及基于大数据的低速电动车电池寿命评估预测方法及系统。

背景技术：

1、低速电动车电池寿命评估预测方法是指通过针对低速电动车使用的特定电池类型，基于其运行工况和使用环境，构建合适的评估和预测模型，以准确预测其剩余使用寿命。帮助制造商了解电池的健康状况。

2、现有技术在电池寿命评估中存在的不足主要体现在其对电池运行状况的监测和分析难以有效考虑环境温度、充放电周期等对电池性能的复合影响，大多基于历史数据进行分析，而未能实时动态监控和评估电池的健康状况，导致评估结果滞后，不利于及时发现潜在故障风险。同时，现有技术在处理电池健康状态转变方面，也难以对复杂工况下电池状态变化的精准捕捉。容易导致电池维护不及时或过度维护，增加了维护成本，同时缩短了电池的使用寿命。此外，难以有效预测在不同条件下电池的寿命变化趋势，导致其在实际应用中缺乏灵活性和准确性。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的基于大数据的低速电动车电池寿命评估预测方法及系统。

2、为了实现上述目的，本发明采用了如下技术方案：基于大数据的低速电动车电池寿命评估预测方法，包括以下步骤：

3、s1：基于大数据平台，收集低速电动车电池的运行数据，计算电池的充放电次数、电流、电压和温度参数的熵值，分析各项因素对电池性能的影响度，生成电池参数权重分配结果；

4、s2：基于电池参数权重分配结果，选取电池关键性能指标，分析电池关键性能指标与电池内部电阻及电池材料老化速度的关系，确定影响电池健康状态的因子，生成电池关键健康状态因子集；

5、s3：基于电池关键健康状态因子集，对电池的健康状态、预警状态及故障状态进行分类，分析电池从健康状态向其他状态转变的可能性，结合当前运行参数与历史状态数据，判断电池的状态变化趋势，得到电池当前健康状况和潜在风险信息；

6、s4：根据电池当前健康状况和潜在风险信息，根据当前操作条件分析电池故障率和使用寿命，通过对故障风险进行定量化分析，分析不同条件下电池的寿命分布情况，生成电池寿命与故障率评估结果。

7、作为本发明的进一步方案，分析各项因素对电池性能的影响度的步骤具体为：

8、s111：基于大数据平台，监控电池的充放电次数、电流、电压和温度，通过滤波处理剔除异常值，并进行归档，获取电池的运行数据记录；

9、s112：根据电池的运行数据记录，采用公式：计算电池参数的熵值，得到参数的熵值信息；

10、其中，是该参数的取值数量，是参数的第个取值的概率分布，是该概率值的对数；

11、s113：根据参数的熵值信息，提取关键影响因素，并进行归一化处理，整合权重信息，生成电池参数权重分配结果。

12、作为本发明的进一步方案，分析电池关键性能指标与电池内部电阻及电池材料老化速度的关系的步骤具体为：

13、s211：基于电池参数权重分配结果，分析电池的充放电次数、电流、电压和温度的波动情况，取熵值较高的参数作为监控对象，生成电池关键性能指标集；

14、s212：基于电池关键性能指标集，监测电池的内阻变化和材料老化速度，比较参数与内阻增大和材料老化之间的关联，生成电池内部电阻和材料老化速度分析结果。

15、作为本发明的进一步方案，确定影响电池健康状态的因子的步骤具体为：

16、s221：根据电池关键性能指标集，采用公式：计算电池关键性能指标的加权概率分布，得到影响电池健康状态的性能指标信息；

17、其中，是某个关键性能指标在样本中的出现次数，是总样本数，是加权因子；s222：根据影响电池健康状态的性能指标信息，定期监测容量衰减率、内阻变化率、能量效率、放电深度或温度漂移值，记录其在不同时间段内的变化趋势，进行数据汇总，生成电池关键健康状态因子集。

18、作为本发明的进一步方案，分析电池从健康状态向其他状态转变的可能性的步骤具体为：

19、s311：基于电池关键健康状态因子集，分析容量衰减率、内阻变化率、能量效率、放电深度或温度漂移值与电池运行参数的关联，通过历史数据设定阈值并对比实际值，进行状态分类，生成电池状态分类结果；

20、s312：根据电池状态分类结果，采用公式：计算电池从状态转移到状态的加权转移概率，得到电池状态转移的预测结果；

21、其中，是电池从状态转移到状态的次数，是状态转移到的权重，是电池在状态的总次数，是状态的修正因子。

22、作为本发明的进一步方案，判断电池的状态变化趋势的步骤具体为：

23、s321：基于电池状态转移的预测结果，结合电池的历史状态数据和实时运行参数，对电池的运行参数进行趋势分析，得到电池状态变化趋势分析结果；

24、s322：根据电池状态变化趋势分析结果，识别电池的运行数据中的规律性变化，整合所有相关数据，得到电池当前健康状况和潜在风险信息。

25、作为本发明的进一步方案，分析不同条件下电池的寿命分布情况的步骤具体为：

26、s411：根据电池当前健康状况和潜在风险信息，采用公式：计算在特定操作条件和时间下电池发生故障的条件概率，得到电池在特定条件和时间下的故障概率信息；

27、其中，是在电池已经发生故障的情况下，特定操作条件出现的条件概率，是电池发生故障的总体概率，是时间衰减因子，是时间衰减系数，表示电池的运行时间，是特定操作条件出现的概率；

28、s412：根据电池在特定条件和时间下的故障概率信息，结合故障概率分析电池的状态风险等级，监测实时数据，进行电池寿命分布分析，生成电池寿命与故障率评估结果。

29、基于大数据的低速电动车电池寿命评估预测系统，所述基于大数据的低速电动车电池寿命评估预测系统用于执行上述基于大数据的低速电动车电池寿命评估预测方法，所述系统包括。

30、数据采集处理模块基于大数据平台，收集低速电动车电池的运行数据，计算每个参数的熵值，结合电池的历史运行数据和熵值信息，处理各项参数的权重比例，生成电池参数权重分配结果；

31、电池参数权重分析模块基于电池参数权重分配结果，从容量衰减率、内阻变化率、能量效率、放电深度和温度漂移值中选取电池的关键性能指标，分析关键性能指标与电池内部电阻及电池材料老化速度的关系，得到电池关键性能指标分析结果；

32、电池关键性能指标提取模块基于电池关键性能指标分析结果，通过对电池关键性能指标的统计分布，确定影响电池健康状态的因子，分析其在不同状态下的表现，生成电池关键健康状态因子集；

33、电池健康状态评估模块基于电池关键健康状态因子集，通过分析电池的当前运行参数与历史状态数据，判断电池从健康状态向其他状态的转变趋势，得到电池当前健康状况和潜在风险信息；

34、电池寿命与故障率评估模块基于电池当前健康状况和潜在风险信息，结合当前的操作条件，包括环境温度和使用频率，定量分析电池的故障风险，生成电池寿命与故障率评估结果。

35、与现有技术相比，本发明的优点和积极效果在于：

36、本发明中，通过收集和分析低速电动车电池的各项运行参数并计算其熵值，评估其对电池性能的影响度。通过归纳整理出这些参数的权重分配结果，实现了更为精确的参数分析与处理，能够细致反映电池在复杂工况下的使用状况。基于此权重分配的分析，提取了关键性能指标，通过这些指标与电池内部电阻及材料老化的关联性，有效捕捉到影响电池健康状态的核心因子，从而提高了对电池老化和衰退过程的精准把控。在电池健康状态的动态预测方面，通过结合历史数据和当前状态，计算出不同状态间的转移概率，能够提前预警潜在故障，提升了电池状态监控的精确度。通过分析不同操作条件下的故障率和寿命分布，量化了电池的风险因素，实现了对电池寿命的全面评估。整体处理逻辑通过数据的动态分析与状态预警，综合考虑多个影响因素，精准评估了电池的健康状况和寿命，优化了电池的维护和使用策略。