基于局部均值分解与局部离群因子动力电池故障诊断

动力电池故障诊断是保证电动汽车正常运行的关键。提出一种基于局部均值分解和局部离群因子的动力电池故障诊断方法,用于电池组故障识别与定位。通过局部均值分解对电压信号预处理,并根据相关系数高低重构电压信号。进一步提取重构信号的峭度因子作为故障特征输入到局部离群因子算法中,根据局部离群因子算法自适应阈值输出故障电池。采用实车数据验证了所提方法能有效、准确地检测出故障,具有较好的可靠性与鲁棒性。     

基于数据驱动的电动汽车电池安全风险预测

为了对电池安全风险进行准确预测,本文提出基于一种车-天气-驾驶员的多指标电池安全风险预测方法。首先提取车内外多维度信息即运用数据挖掘提取了天气状况、汽车行驶工况和驾驶风格等多指标特征,以模拟实际的电池应用场景;然后通过随机森林和SHAP组合模型的方式对特征进行筛选,从而提高了模型的泛化性和鲁棒性;最后将电池安全风险预测问题解耦为机器学习预测和时间序列预测问题,分别选择XGBoost和随机森林模型进行预测,并在此基础上建立新的Stacking集成模型对电池安全风险进行预测。最终模型的预测效果和数据实验的结果表明,该方案对电动汽车电池安全风险能做出较为准确的预测,可以为安全化、智能化的电池管理系统提供辅助决策信息。