CN114609536A - 基于充电桩历史数据的电池寿命预测方法及*** - Google Patents

Abstract

本发明涉及电动车电池寿命预测技术领域，尤其是一种基于充电桩历史数据的电池寿命预测方法及***。基于充电桩历史数据的电池寿命预测方法，包括：步骤1：获取充电桩上记录的电动车充电数据，并将电动车充电数据上传至云服务器保存；步骤2：根据所获取的电动车充电数据计算电动车电池的剩余寿命；步骤3：基于电动车充电时的历史充电数据来预测电动车电池的未来剩余寿命；步骤4：为用户提供用户当前充电时的电动车电池的剩余寿命以及预测得到的电动车电池未来的剩余寿命。将电动车的电池剩余寿命清楚的呈现出来，为车主的延长寿命的措施提供准确的数据支持。

Description

基于充电桩历史数据的电池寿命预测方法及***

技术领域

本发明涉及电动车电池寿命预测技术领域，尤其是一种基于充电桩历史数据的电池寿命预测方法及***。

背景技术

电动车(电动自行车、电动汽车)的电池寿命是衡量电动车性能的重要指标之一，电动车的动力源目前普遍使用的是锂电池、铅蓄电池等，由于电池的更换价格十分昂贵，例如电动汽车的电池造价通常以万为单位计算，这对于用户来说，无疑是一笔不小的开支和负担。

如何使电动车中电池的使用寿命延长，这是很多电动车车主都希望付出行动来解决的问题，但是现有的电动车都难以将电池的寿命信息清楚的呈现出来，不能给车主提供车辆在使用时寿命信息的参考，使得车主所做出的延长寿命的措施无法得到准确的数据支持。

在一些智能化的电动车中，安装有智能传感器检测电池寿命，供用户作为延长电动车电池寿命的理论参考，但是在电动车上安装智能传感器不仅增加了用户购买电动车时的成本，且由于电池的寿命是一个动态变化且难以监测的变量。现有的技术方案中，采用智能传感器进行电池寿命监测的方法，也只能做到一个粗略的估计，无法对电动车的电池寿命进行量化，以让用户有一个较为精准的感知。

发明内容

为了解决上述问题，本发明采用的技术方案是：

本发明提供一种基于充电桩历史数据的电池寿命预测方法，包括：

步骤1：获取充电桩上记录的电动车充电数据，并将电动车充电数据上传至云服务器保存；

步骤2：根据所获取的电动车充电数据计算电动车电池的剩余寿命；

步骤3：基于电动车充电时的历史充电数据来预测电动车电池的未来剩余寿命；

步骤4：为用户提供用户当前充电时的电动车电池的剩余寿命以及预测得到的电动车电池未来的剩余寿命。

进一步地，步骤1中，电动车充电数据V(i)包括：

V(i)＝{ID,C,Time,R,S,T} (1)

其中，V(i)为数据库中记载的第i次电动车充电的数据，T为充电时刻，ID为该辆充电车辆的编号，C为该电动车的电池容量信息，Time表示该电动车单次充电时长，R为该电动车的电池充电时剩余电量，S为充电模式。

进一步地，步骤2中，计算电动车电池的剩余寿命包括，

计算第i次电动车电池寿命值：

其中，Le为寿命值；m为单次充电电量(充电后电池电量减电动车电池充电时剩余电量)；β为充电速率补偿值，β的取值根据充电模式确定；γ为补偿值；λ和μ分别用于控制该用于描述电池寿命值的非线性模型的变化趋势和程度，λ取0.01，μ取0.1；

将式(2)带入，计算电动车电池剩余寿命：

其中，Lt为剩余寿命；Le_标称为电池处于标称容量时的寿命值；Le_失效为电池处于失效容量时的寿命值。

进一步地，步骤3中，基于一般自回归模型预测电动车电池的未来剩余寿命L_t’：

其中，

为变化系数；a_t为***设置中的常数项。

进一步地，通过格林函数对历史数据中的偏差进行消除：

令式(7)中

为该模型的格林函数：

将式(8)带入，求解未来时刻t’的寿命值：

进一步地，步骤3中，根据客户对未来时刻电动车寿命预测结果的需求，选取不同时间间隔的电动车充电数据进行电动车电池的未来剩余寿命预测。

进一步地，步骤1中，获取电动车充电数据还包括补入采用市电充电的电动车充电数据。

本发明还提供一种基于充电桩历史数据的电池寿命预测***，用于实现权利要求上述基于充电桩历史数据的电池寿命预测方法，所述***包括：

电动车充电数据采集模块；

云服务器；

显示终端；

其中，所述电动车充电数据采集模块对电动车充电数据进行采集，并将所采集到的电动车数据上传至云服务器；

其中，所述云服务器包括数据接收模块、数据存储模块、剩余寿命计算模块、未来剩余寿命预测模块以及数据输出模块；

其中，所述数据接收模块接收所述电动车充电数据采集模块上传的电动车充电数据，并将电动车充电数据传输至数据存储模块进行存储；

其中，所述剩余寿命计算模块从数据存储模块中调取电动车充电数据并计算对应时刻的电动车电池的剩余寿命；

其中，所述未来剩余寿命预测模块根据所述剩余寿命计算模块的结果预测未来时刻电动车电池的未来剩余寿命；

其中，所述数据输出模块输出当前充电时刻的电动车电池的剩余寿命以及预测的未来时刻电动车电池的未来剩余寿命信息至像显示终端；

其中，所述显示终端用于用户显示当前充电时刻的电动车电池的剩余寿命以及预测的未来时刻电动车电池的未来剩余寿命。

进一步地，所述电动车充电数据采集模块包括充电桩充电数据采集单元以及市电充电数据补入单元；

其中，所述充电桩充电数据采集单元采集充电桩上记录的电动车充电数据；

其中，所述市电充电数据补入单元采集市电充电时的电动车充电数据。

进一步地，所述未来剩余寿命预测模块还包括预测时刻选择模块，所述预测时刻选择模块根据客户对未来时刻电动车寿命预测的选择，选取不同时间间隔的电动车充电数据进行电动车电池的未来剩余寿命预测；

所述预测时刻选择模块与所述显示终端通信连接，用户通过显示终端进行未来时刻的选择输入。

本发明的有益效果体现在：

本发明通过电动车在充电桩上充电时所记录的历史数据来进行当前充电时刻的电动车电池的剩余寿命的计算，以及未来时刻电动车电池的剩余寿命预测，可以将电动车的电池剩余寿命清楚的呈现出来，为车主的延长寿命的措施提供准确的数据支持。

同时，采用充电桩历史上所记录的电动车历史数据来进行电动车电池剩余寿命的计算，无需占用电动车的存储空间和芯片的计算能力，减轻了车辆的存储和计算负担，减少在电动车上安装智能传感器及其他的硬件措施，还可降低用户购买电动车时的成本。

附图说明

图1为本发明所提供的一种基于充电桩历史数据的电池寿命预测方法的流程示意图；

图2为本发明所提供的一种基于充电桩历史数据的电池寿命预测***的***框图；

图3为本发明所提供的一种基于充电桩历史数据的电池寿命预测***具有预测时刻选择模块的***框图。

具体实施方式

下面结合附图及本发明的实施例对本发明作进一步详细的说明。

参照图1，本发明提供一种基于充电桩历史数据的电池寿命预测方法，包括：

步骤1：获取充电桩上记录的电动车充电数据，并将电动车充电数据上传至云服务器保存；

步骤2：根据所获取的电动车充电数据计算电动车电池的剩余寿命；

步骤3：基于电动车充电时的历史充电数据来预测电动车电池的未来剩余寿命；

步骤4：为用户提供用户当前充电时的电动车电池的剩余寿命以及预测得到的电动车电池未来的剩余寿命。

电动车使用电作为能源来驱动车辆的运行，降低了车辆使用的碳排放，当下电动车的拥有量逐渐增加，为了满足电动车快速充电的需求，电动车的车主还是在条件满足时还是使用充电桩作为电动车的充电源，通过充电桩可收集得到电动车每次充电时的信息，通过将这些信息保存至云服务器中，作为计算电动车电池剩余寿命的基本数据。

在计算时根据该电动车每一次在充电桩上充电所留下的历史充电数据来计算电动车电池的剩余寿命，将电动车电池的剩余寿命量化。然后再基于充电车充电时充电桩所记录的历史充电数据来预测电动车电池未来的剩余寿命。

最后将当前充电时的电动车电池的剩余寿命以及预测得到的电动车电池未来的剩余寿命提供精确的数据给用户，为车主的延长寿命的措施提供准确的数据支持。

进一步地，步骤1中，电动车充电数据V(i)包括：

V(i)＝{ID,C,Time,R,S,T} (1)

其中，V(i)为数据库中记载的第i次电动车充电的数据，T为充电时刻，所存储的电动车充电数据以时刻T为顺序进行存储，ID为该辆充电车辆的编号，一个充电车辆仅有唯一的ID，该唯一ID统进行分配或是用户填写，C为该电动车的电池容量信息，电池容量信息的变化为电动车剩余寿命计算的主要数据，Time表示该电动车单次充电时长，R为该电动车的电池充电时剩余电量，S为充电模式，充电桩具有快充和慢充选择，不同的充电模式所对应的充电时间也不同。

由于数据的记录要占用存储器资源，同时较为充足的数据可以真实地反应电池的寿命数据，而数据过少则会导致相关分析不准。因此，根据本方案在实际中的测试，相比于传统方案，可以减少10％～15％存储器硬件资源的占用；同时，相比于传统方案，基于这上述隶属数据的方案，也可以使得电池寿命的预测准确度提高5％～8％。

进一步地，步骤2中，计算电动车电池的剩余寿命包括，

计算第i次电动车电池寿命值：

其中，Le为寿命值；m为单次充电电量；β为充电速率补偿值，β的取值根据充电模式确定，快充模式时β取值为1，快充模式时β取值为2；γ为补偿值，一般取10；λ和μ分别用于控制该用于描述电池寿命值的非线性模型的变化趋势和程度，λ取0.01，μ取0.1；

将式(2)带入，计算电动车电池剩余寿命：

其中，Lt为剩余寿命；Le_标称为电池处于标称容量时的寿命值；Le_失效为电池处于失效容量时的寿命值。

式(3)，Le为第i次电动车充电数据所计算出的寿命值，在进行电池处于标称容量和失效容量的寿命值计算时默认为不充电，即充电电量和时间均为零，电池的失效容量一般取电池标称容量的90％。

时间序列是按照时间顺序排序的、随时间变化且相互关联的数据序列，满足发明中对锂电池寿命预测的方案需求，同时具有较为平稳、准确的方案优势，且具有一定的鲁棒性。

进一步地，步骤3中，基于一般自回归模型预测电动车电池的未来剩余寿命L_t’：

根据公式(2)和公式(3)可以计算得出其历史剩余寿命数据变化，如下式所表示：

Lt(t-1)＝{Lt₁,Lt₂,...,Lt_n,...Lt_t-1} (4)

对于电动车电池的寿命值Lt(t)和Lt(t-1)，其有如下关系：

令t＝t+1，则有：

该式为一阶非齐次差分方程，则：

由上式类推可得到：

其中，

为变化系数；a_t为***设置中的常数项。

进一步地，通过格林函数对历史数据中的偏差进行消除：

令式(7)中

为该模型的格林函数：

引入乘积变量A，有下式：

ALt(t)＝Lt(t-1),A²Lt(t)＝Lt(t-2),... (9)

则目标公式(5)可以表示为：

将式(8)带入，求解未来时刻t’的寿命值：

对于电动车来说，其电池的寿命是一个较为模糊的概念，为了对于历史数据中的偏差进行消除以及分析历史数据中存在的干扰对电池寿命数据预测的影响，本方案引入格林函数作为描述这种数据干扰对电池寿命的干扰。将电动车历史充电数据看作为一阶动态性序列，利用这些数据对电池寿命进行预测。

进一步地，步骤3中，根据客户对未来时刻电动车寿命预测结果的需求，选取不同时间间隔的电动车充电数据进行电动车电池的未来剩余寿命预测。

例如，用户所选择的时间间隔为充电时刻间隔次数为n，n为正整数，当n＝1时电动车历史充电数据时序选取(t)、(t-1)、(t-2)…；当n＝2时电动车历史充电数据时序选取(t)、(t-2)、(t-4)…；当n＝2时电动车历史充电数据时序选取(t)、(t-5)、(t-10)。用户根据所需要了解的电动车电池未来剩余寿命来选择n，以此获得所预测得到的电动车电池未来剩余寿命。进一步地，步骤1中，获取电动车充电数据还包括补入采用市电充电的电动车充电数据。

由于充电桩资源分配与电动车数量的匹配不均，并不是用户驾驶电动车出行时都能使用充电桩对电动车进行充电，在一些没有配置充电桩的地方需要对电动车进行临时充电时，一般使用市电进行充电，对于市电充电的情况充电桩并不能进行直接的记录，影响电动车电池未来剩余寿命的预测。

补入采用市电充电的电动车充电数据补入云服务器中，提高对电动车电池未来剩余寿命的预测准确度。

需要说明的是在补入采用市电充电的电动车充电数据时与充电模式相对应的充电速率补偿值β的取值根据实际充电时间的差别相应做出更改。

参照图2，进一步地，本发明还提供一种基于充电桩历史数据的电池寿命预测***，用于实现权利要求上述基于充电桩历史数据的电池寿命预测方法，所述***包括：

电动车充电数据采集模块；

云服务器；

显示终端；

其中，所述电动车充电数据采集模块对电动车充电数据进行采集，并将所采集到的电动车数据上传至云服务器；

其中，所述云服务器包括数据接收模块、数据存储模块、剩余寿命计算模块、未来剩余寿命预测模块以及数据输出模块；

其中，所述数据接收模块接收所述电动车充电数据采集模块上传的电动车充电数据，并将电动车充电数据传输至数据存储模块进行存储；

其中，所述剩余寿命计算模块从数据存储模块中调取电动车充电数据并计算对应时刻的电动车电池的剩余寿命；

其中，所述未来剩余寿命预测模块根据所述剩余寿命计算模块的结果预测未来时刻电动车电池的未来剩余寿命；

其中，所述数据输出模块输出当前充电时刻的电动车电池的剩余寿命以及预测的未来时刻电动车电池的未来剩余寿命信息至像显示终端；

其中，所述显示终端用于用户显示当前充电时刻的电动车电池的剩余寿命以及预测的未来时刻电动车电池的未来剩余寿命。

显示终端可包括充电桩的显示屏或是客户的手机端，进行电动车电池剩余寿命的显示，以及进行用户选择的交互。

参照图2，进一步地，所述电动车充电数据采集模块包括充电桩充电数据采集单元以及市电充电数据补入单元；

其中，所述充电桩充电数据采集单元采集充电桩上记录的电动车充电数据；

其中，所述市电充电数据补入单元采集市电充电时的电动车充电数据。

由于充电桩资源分配与电动车数量的匹配不均，并不是用户驾驶电动车出行时都能使用充电桩对电动车进行充电，在一些没有配置充电桩的地方需要对电动车进行临时充电时，一般使用市电进行充电，对于市电充电的情况充电桩并不能进行直接的记录，影响电动车电池未来剩余寿命的预测。

补入采用市电充电数据补入单元对采用市电充电的电动车充电数据进行采集，对电动车的所有充电次数都进行存储，提高对电动车电池未来剩余寿命的预测准确度。

需要说明的是在补入采用市电充电的电动车充电数据时与充电模式相对应的充电速率补偿值β的取值根据实际充电时间的差别相应做出更改。

参照图3，进一步地，所述未来剩余寿命预测模块还包括预测时刻选择模块，所述预测时刻选择模块根据客户对未来时刻电动车寿命预测的选择，选取不同时间间隔的电动车充电数据进行电动车电池的未来剩余寿命预测；

例如，用户所选择的时间间隔为充电时刻间隔次数为n，n为正整数，当n＝1时电动车历史充电数据时序选取(t)、(t-1)、(t-2)…；当n＝2时电动车历史充电数据时序选取(t)、(t-2)、(t-4)…；当n＝2时电动车历史充电数据时序选取(t)、(t-5)、(t-10)。用户根据所需要了解的电动车电池未来剩余寿命来选择n，以此获得所预测得到的电动车电池未来剩余寿命。

所述预测时刻选择模块与所述显示终端通信连接，用户通过显示终端进行未来时刻的选择输入。在显示终端处进行人机交互，供客户进行所需信息的选择。

在本发明的实施例的描述中，需要理解的是，“-”和“～”表示的是两个数值之同的范围，并且该范围包括端点。例如:“A-B”表示大于或等于A，且小于或等于B的范围。“A～B”表示大于或等于A，且小于或等于B的范围。

在本发明的实施例的描述中，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于充电桩历史数据的电池寿命预测方法，其特征在于，包括：

步骤1：获取充电桩上记录的电动车充电数据，并将电动车充电数据上传至云服务器保存；

步骤2：根据所获取的电动车充电数据计算电动车电池的剩余寿命；

步骤3：基于电动车充电时的历史充电数据来预测电动车电池的未来剩余寿命；

步骤4：为用户提供用户当前充电时的电动车电池的剩余寿命以及预测得到的电动车电池未来的剩余寿命。

2.根据权利要求1所述的基于充电桩历史数据的电池寿命预测方法，其特征在于：

步骤1中，电动车充电数据V(i)包括：

V(i)＝{ID,C,Time,R,S,T} (1)

其中，V(i)为数据库中记载的第i次电动车充电的数据，T为充电时刻，ID为该辆充电车辆的编号，C为该电动车的电池容量信息，Time表示该电动车单次充电时长，R为该电动车的电池充电时剩余电量，S为充电模式。

3.根据权利要求2所述的基于充电桩历史数据的电池寿命预测方法，其特征在于：

步骤2中，计算电动车电池的剩余寿命包括，

计算第i次电动车电池寿命值：

其中，Le为寿命值；m为单次充电电量；β为充电速率补偿值，β的取值根据充电模式确定；γ为补偿值；λ和μ分别用于控制该用于描述电池寿命值的非线性模型的变化趋势和程度，λ取0.01，μ取0.1；

将式(2)带入，计算电动车电池剩余寿命：

其中，Lt为剩余寿命；Le_标称为电池处于标称容量时的寿命值；Le_失效为电池处于失效容量时的寿命值。

4.根据权利要求3所述的基于充电桩历史数据的电池寿命预测方法，其特征在于：

步骤3中，基于一般自回归模型预测电动车电池的未来剩余寿命L_t’：

其中，

为变化系数；a_t为***设置中的常数项。

5.根据权利要求4所述的基于充电桩历史数据的电池寿命预测方法，其特征在于：

通过格林函数对历史充电数据中的偏差进行消除：

令式(7)中

为该模型的格林函数：

将式(8)带入，求解未来时刻t’的寿命值：

6.根据权利要求1所述的基于充电桩历史数据的电池寿命预测方法，其特征在于：

步骤3中，根据客户对未来时刻电动车寿命预测结果的需求，选取不同时间间隔的电动车充电数据进行电动车电池的未来剩余寿命预测。

7.根据权利要求1所述的基于充电桩历史数据的电池寿命预测方法，其特征在于：

步骤1中，获取电动车充电数据还包括补入采用市电充电的电动车充电数据。

8.一种基于充电桩历史数据的电池寿命预测***，其特征在于，用于实现权利要求1-7任意一项所述基于充电桩历史数据的电池寿命预测方法，所述***包括：

电动车充电数据采集模块；

云服务器；

显示终端；

其中，所述电动车充电数据采集模块对电动车充电数据进行采集，并将所采集到的电动车数据上传至云服务器；

其中，所述云服务器包括数据接收模块、数据存储模块、剩余寿命计算模块、未来剩余寿命预测模块以及数据输出模块；

其中，所述数据接收模块接收所述电动车充电数据采集模块上传的电动车充电数据，并将电动车充电数据传输至数据存储模块进行存储；

其中，所述剩余寿命计算模块从数据存储模块中调取电动车充电数据并计算对应时刻的电动车电池的剩余寿命；

其中，所述未来剩余寿命预测模块根据所述剩余寿命计算模块的结果预测未来时刻电动车电池的未来剩余寿命；

其中，所述数据输出模块输出当前充电时刻的电动车电池的剩余寿命以及预测的未来时刻电动车电池的未来剩余寿命信息至像显示终端；

其中，所述显示终端用于用户显示当前充电时刻的电动车电池的剩余寿命以及预测的未来时刻电动车电池的未来剩余寿命。

9.根据权利要求8所述的一种基于充电桩历史数据的电池寿命预测***，其特征在于：

所述电动车充电数据采集模块包括充电桩充电数据采集单元以及市电充电数据补入单元；

其中，所述充电桩充电数据采集单元采集充电桩上记录的电动车充电数据；

其中，所述市电充电数据补入单元采集市电充电时的电动车充电数据。

10.根据权利要求8或权利要求9任意一项所述的一种基于充电桩历史数据的电池寿命预测***，其特征在于：

所述未来剩余寿命预测模块还包括预测时刻选择模块，所述预测时刻选择模块根据客户对未来时刻电动车寿命预测的选择，选取不同时间间隔的电动车充电数据进行电动车电池的未来剩余寿命预测；

所述预测时刻选择模块与所述显示终端通信连接，用户通过显示终端进行未来时刻的选择输入。

Images