400-998-1200
让数据创造价值
用专业成就未来
某新能源电池系统方案供应商
2017年的1-5月份我国新能源(600617)汽车生产达到12.9万辆,同比增长14%,其中纯电动乘用车生产9.6万辆,同比增长66%。经过多年的发展,我国动力电池产业取得长足发展进步,但仍难以满足新能源汽车推广普及需求。如何能够实时采集电池运行数据,预测电池寿命,保证新能源汽车的续航能力,提升用户的体验是新能源产业不得不攻克的难题。
解决方案
工业制造

客户简介

作为国内知名的新能源电池系统方案供应商,该公司生产的锂离子电池包及管理系统具有安全、优质、高效、环保等独特优势,能够为新能源汽车、新能源汽车充电站以及电网储能系统等完美配套。产品按照TS16949品质系统要求,在自主研发的全自动生产线上生产并经过公司自建的国家标准实验室严格测试和验证。目前,北京电力160辆快换大巴、北汽福田、北汽新能源示范运营的纯电动物流车等均在使用该公司的电池。
客户需求

动力电池成本占新能源汽车的三分之一, 但电池寿命预测、故障预警存在SOC(电池剩余容量)、SOH(电池的健康状况)计算困难的行业难题。一是电池数据提取难,现阶段行业内对充电过程的提取一般是对电流和湿度等因素进行简单的阈值筛选。这种方法显然很难适应检测的需求,一是阈值的设定严重依赖于行业经验,二是充电过程电流范围存在多种情况,这种数据提取很难提取出具有代表性的充电数据,会大大增加后续分析的误差风险。二是电池故障提前预警难,新能源电池只有在发生故障之后才会更换电池,无法做到对电池故障的提前预警和提醒。
如何解决

此项目主要运用的技术方法及步骤包括:过程质量控制理论方法(极差均值过程控制)对充电过程进行数据提取,基于高斯模型的统计学异常电芯检测,基于聚类方法对异常电芯实施检、基于监督学习的故障预警技术。
1.充电过程数据的提取
相比较放电过程,电池的充电过程是比较稳定的过程,充电过程当中电流相对恒定,波动范围有限,可以排除外部环境和人为操作的影响。运用质量控制的方法,对电流指标进行监控,当电流指标趋于稳定时开始进行采集。
2.特征提取
提取充电过程中的特征,去除头尾,保留中间过程。单个电芯的电压在充电过程中,呈现出阶梯上升的曲线变化。由于曲线变化过程比较简单,除了提取充电电压平均值、方差的统计量,还可以提取前三个长阶梯所在位置和持续时间以丰富特征的维度。
3.基于高斯模型对异常电芯进行检测
4.基于聚类的异常电芯检测
通过计算各电芯样本数据的相似度,然后通过聚类方法(层次聚类或者DBSCAN)对各电芯电压数据进行聚类,如果存在异常值,离群的孤立点会被单独聚成一个类,达到异常检测的目的。
5.基于监督学习的故障预警
根据历史电池更换记录,获得电芯发生故障和电池寿命终止前的运行数据,以该数据样本,同时采用同等量的正样本数据,使用有监督学习方法,对电芯寿命的完结和电芯故障进行分类,达到预警的目的。
实施效果

对该公司100个电池进行的充电过程数据提取,对异常电芯可以进行有效的预警,大幅提升了电池系统解决商对于电池的寿命、质量的把控。
准备好开始大数据升级了吗?

© 2017 Pintechs.com 版权所有 ICP证:沪ICP备17033318号-1