开云优惠体育网页版入口

专利名称：一种电动汽车电池容量保持率异常检测的方法与终端

专利类型：发明专利

专利申请号：CN202311286803.3

专利申请（专利权）人：福建时代星云开云优惠体育网页版入口有限公司
权利人地址：福建省福州市马尾区马江路26-1号

专利发明（设计）人：杜旭鹏,郑其荣,李国伟

专利摘要：本发明公开了一种电动汽车电池容量保持率异常检测的方法，获取目标车辆的历史容量保持率序列；通过STL方法分解所述历史容量保持率序列并提取趋势项；根据所述历史容量保持率序列的样本量确定偏差均值置信区间；根据所述趋势项和所述偏差均值置信区间，判断当前检测的实时容量保持率是否存在异常；本发明通过STL算法基于历史检测数据提取趋势项，并基于历史容量保持率序列，确定合理偏差值，根据合理偏差和趋势项进行异常判断，能够有效判断当前检测的实时容量保持率是否存在异常。

主权利要求：
1.一种电动汽车电池容量保持率异常检测的方法，其特征在于，包括步骤：S1、获取目标车辆的历史容量保持率序列；
S2、通过STL方法分解所述历史容量保持率序列并提取趋势项；
S3、根据所述历史容量保持率序列的样本量确定偏差均值置信区间；
S4、根据所述趋势项和所述偏差均值置信区间，判断当前检测的实时容量保持率是否存在异常；
步骤S4包括步骤：
S41、计算当前检测的实时容量保持率与所述趋势项的偏差值；
S42、判断所述偏差值是否在所述偏差均值置信区间内，若不在则判定所述实时容量保持率存在异常。
2.根据权利要求1所述的一种电动汽车电池容量保持率异常检测的方法，其特征在于，所述步骤S3具体为：判断所述历史容量保持率序列的样本量是否大于等于预设的样本量阈值，若是则基于正态分布z统计量计算偏差均值置信区间，否则基于t分布t统计量计算偏差均值置信区间。
3.根据权利要求2所述的一种电动汽车电池容量保持率异常检测的方法，其特征在于，基于正态分布z统计量计算偏差均值置信区间具体为：针对所述历史容量保持率序列中的样本数据，计算样本均值 和样本标准差s；
获取预设的置信水平，根据所述置信水平以及样本数量大小确定Z统计量的临界值；
计算置信区间的下限LCL和上限UCL：
其中，Z为Z统计量的临界值，n是样本大。 表示平方根。
4.根据权利要求2所述的一种电动汽车电池容量保持率异常检测的方法，其特征在于，基于t分布t统计量计算偏差均值置信区间具体为：针对所述历史容量保持率序列中的样本数据，计算样本均值 和样本标准差s；
获取预设的置信水平，并根据样本数量大小计算自由度；
根据所述置信水平和所述自由度，确定查找t分布的临界值；
计算置信区间的下限LCL和上限UCL：
其中，t为t分布的临界值，n是样本大。 表示平方根。
5.根据权利要求1所述的一种电动汽车电池容量保持率异常检测的方法，其特征在于，步骤S1具体为：获取目标车辆的所有历史检测数据，提取其中的历史容量保持率信息。
6.根据权利要求1所述的一种电动汽车电池容量保持率异常检测的方法，其特征在于，步骤S2包括步骤：对所述历史容量保持率序列进行平滑处理，估计容量保持率与时间序列的趋势，进而估计当前检测时间下的容量保持率，得到趋势项。
7.根据权利要求6所述的一种电动汽车电池容量保持率异常检测的方法，其特征在于，所述平滑处理包括移动平均处理或指数平滑处理。
8.一种电动汽车电池容量保持率异常检测的终端，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以上权利要求1?7任一所述的一种电动汽车电池容量保持率异常检测的方法中的步骤。 说明书 : 一种电动汽车电池容量保持率异常检测的方法与终端技术领域[0001] 本发明涉及容量保持率异常检测技术领域，特别涉及一种电动汽车电池容量保持率异常检测的方法与终端。背景技术[0002] 随着电动汽车产业的发展，各种关于电动汽车的检测指标越来越具有重要意义。电动汽车电池容量保持率是一项有重要意义的电池检测指标。电池容量保持率是指电池经过一定充放电循环后，能够保持的有效容量占初始容量的比例。高容量保持率意味着电池的寿命更长，性能更可靠。对容量保持率异常的识别，对于电动汽车的可靠性、安全性和用户满意度具有重要意义。因此，电池容量保持率异常检测对电动汽车产业具有重要意义。发明内容[0003] 本发明所要解决的技术问题是：提供一种电动汽车电池容量保持率异常检测的方法与终端，有效判断当前检测得到的汽车电池的容量保持率是否存在异常。[0004] 为了解决上述技术问题，本发明采用的技术方案为：[0005] 一种电动汽车电池容量保持率异常检测的方法，包括步骤：[0006] S1、获取目标车辆的历史容量保持率序列；[0007] S2、通过STL方法分解所述历史容量保持率序列并提取趋势项；[0008] S3、根据所述历史容量保持率序列的样本量确定偏差均值置信区间；[0009] S4、根据所述趋势项和所述偏差均值置信区间，判断当前检测的实时容量保持率是否存在异常。[0010] 为了解决上述技术问题，本发明采用的另一种技术方案为：[0011] 一种电动汽车电池容量保持率异常检测的终端，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以上所述的一种电动汽车电池容量保持率异常检测的方法中的步骤。[0012] 本发明的有益效果在于：本发明的一种电动汽车电池容量保持率异常检测的方法与终端，通过STL算法基于历史检测数据提取趋势项，并基于历史容量保持率序列，确定合理偏差值，根据合理偏差和趋势项进行异常判断，能够有效判断当前检测的实时容量保持率是否存在异常。附图说明[0013] 图1为本发明实施例的一种电动汽车电池容量保持率异常检测的方法的流程图；[0014] 图2为本发明实施例的一种电动汽车电池容量保持率异常检测的终端的结构图；[0015] 图3为本发明实施例的一种电动汽车电池容量保持率异常检测的方法的具体流程示意图；[0016] 图4为本发明实施例的一种电动汽车电池容量保持率异常检测的方法的STL算法提取历史容量保持率序列的趋势示例图；[0017] 标号说明：[0018] 1、一种电动汽车电池容量保持率异常检测的终端；2、处理器；3、存储器。具体实施方式[0019] 为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。[0020] 请参照图1以及图3，一种电动汽车电池容量保持率异常检测的方法，包括步骤：[0021] S1、获取目标车辆的历史容量保持率序列；[0022] S2、通过STL方法分解所述历史容量保持率序列并提取趋势项；[0023] S3、根据所述历史容量保持率序列的样本量确定偏差均值置信区间；[0024] S4、根据所述趋势项和所述偏差均值置信区间，判断当前检测的实时容量保持率是否存在异常。[0025] 从上述描述可知，本发明的有益效果在于：本发明的一种电动汽车电池容量保持率异常检测的方法与终端，通过STL算法基于历史检测数据提取趋势项，并基于历史容量保持率序列，确定合理偏差值，根据合理偏差和趋势项进行异常判断，能够有效判断当前检测的实时容量保持率是否存在异常。[0026] 进一步的，所述步骤S3具体为：[0027] 判断所述历史容量保持率序列的样本量是否大于等于预设的样本量阈值，若是则基于正态分布z统计量计算偏差均值置信区间，否则基于t分布t统计量计算偏差均值置信区间。[0028] 由上述描述可知，根据样本数量决定偏差均值置信区间的计算方式，提高偏差均值置信区间确定的准确性。[0029] 进一步地，基于正态分布z统计量计算偏差均值置信区间具体为：[0030] 针对所述历史容量保持率序列中的样本数据，计算样本均值 和样本标准差s；[0031] 获取预设的置信水平，根据所述置信水平以及样本数量大小确定Z统计量的临界值；[0032] 计算置信区间的下限LCL和上限UCL：[0033][0034][0035] 其中，Z为Z统计量的临界值，n是样本大。 表示平方根。[0036] 由上述描述可知，基于上述步骤，实现正态分布z统计量计算偏差均值置信区间。[0037] 进一步地，基于t分布t统计量计算偏差均值置信区间具体为：[0038] 针对所述历史容量保持率序列中的样本数据，计算样本均值 和样本标准差s；[0039] 获取预设的置信水平，并根据样本数量大小计算自由度；[0040] 根据所述执行水平和所述自由度，确定查找t分布的临界值；[0041] 计算置信区间的下限LCL和上限UCL：[0042][0043][0044] 其中，t为t分布的临界值，n是样本大。 表示平方根。[0045] 由上述描述可知，基于上述步骤，实现基于t分布t统计量计算偏差均值置信区间。[0046] 进一步地，步骤S1具体为：[0047] 获取目标车辆的所有历史检测数据，提取其中的历史容量保持率信息。[0048] 由上述描述可知，历史容量保持率信息通过目标车辆的历史检测数据提取得到。[0049] 进一步地，步骤S2包括步骤：[0050] 对所述历史容量保持率序列进行平滑处理，估计容量保持率与时间序列的趋势，进而估计当前检测时间下的容量保持率，得到趋势项。[0051] 由上述描述可知，STL方法分解所述历史容量保持率序列包括对历史容量保持率序列进行平滑处理，来分解得到容量保持率与时间序列的趋势，进而确定当前检测时间下的容量保持率。[0052] 进一步地，所述平滑处理包括移动平均处理或指数平滑处理。[0053] 由上述描述可知，平滑处理可以通过移动平均处理或指数平滑处理。[0054] 进一步地，步骤S4包括步骤：[0055] S41、计算当前检测的实时容量保持率与所述趋势项的偏差值；[0056] S42、判断所述偏差值是否在所述偏差均值置信区间内，若不在则判定所述实时容量保持率存在异常。[0057] 由上述描述可知，通过判断实时容量保持率与趋势项的偏差值是否在偏差均值置信区间内，即判断实时容量保持率是否脱离趋势发展达到一个较大的程度，来判断实时容量保持率是否存在异常。[0058] 请参照图2，一种电动汽车电池容量保持率异常检测的终端，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以上所述的一种电动汽车电池容量保持率异常检测的方法中的步骤。[0059] 本发明的一种电动汽车电池容量保持率异常检测的方法与系统，适用于电动汽车电池容量保持率检测的结果异常判断。[0060] 请参照图1、图3和图4，本发明的实施例一为：[0061] 一种电动汽车电池容量保持率异常检测的方法，包括步骤：[0062] S1、获取目标车辆的历史容量保持率序列；[0063] 步骤S1具体为：[0064] 获取目标车辆的所有历史检测数据，提取其中的历史容量保持率信息。每一次(份)历史检测数据可以计算出一个容量保持率，多个容量保持率组成了历史容量保持率序列。[0065] S2、通过STL方法分解所述历史容量保持率序列并提取趋势项；[0066] 步骤S2包括步骤：[0067] 可参照图4，对所述历史容量保持率序列进行平滑处理，估计容量保持率与时间序列的趋势，进而估计当前检测时间下的容量保持率，得到趋势项；[0068] 所述平滑处理包括移动平均处理或指数平滑处理。[0069] STL方法：STL(SeasonalandTrenddecompositionusingLoess)分解方法是一种常用的时间序列分解方法，用于将时间序列数据分解为趋势、季节性和残差三个部分。以下是STL分解方法的主要步骤：SeasonalComponent(季节性分量)：通过局部加权回归(Loess)或其他平滑技术，估计时间序列中的季节性成分。该分量表示数据在固定季节周期内的周期性波动。TrendComponent(趋势分量)：通过对原始数据进行平滑处理，估计时间序列中的趋势。常用的平滑方法包括移动平均、指数平滑等。ResidualComponent(残差分量)：将季节性和趋势分量从原始数据中减去，得到剩余部分，即残差。残差反映了数据中除去季节性和趋势后的随机波动和噪声。[0070] S3、根据所述历史容量保持率序列的样本量确定偏差均值置信区间；[0071] 所述步骤S3具体为：[0072] 判断所述历史容量保持率序列的样本量是否大于等于预设的样本量阈值，若是则基于正态分布z统计量计算偏差均值置信区间，否则基于t分布t统计量计算偏差均值置信区间。[0073] 本实施例中，样本量阈值设为30。样本数量>＝30，基于正态分布z统计量计算均值置信区间。样本数量<30，基于t分布t统计量计算均值置信区间。[0074] 当总体的分布未知且样本量大小较小(n<30)时，可以使用t分布的t统计量来计算均值的置信区间。[0075] 基于t分布t统计量计算偏差均值置信区间具体为：[0076] 针对所述历史容量保持率序列中的样本数据，计算样本均值 和样本标准差s；[0077] 获取预设的置信水平，并根据样本数量大小计算自由度。[0078] 本实施例中，取95％置信水平，对应于α＝0.05。自由度df等于样本量大小n减去1，即df＝n–1。[0079] 根据所述执行水平和所述自由度，确定查找t分布的临界值。可以使用t分布表或统计软件进行计算。[0080] 计算置信区间的下限LCL和上限UCL：[0081][0082][0083] 其中，t为t分布的临界值，n是样本大。 表示平方根。[0084] 在样本量大小较大的情况下，基于正态分布z统计量计算均值置信区间。[0085] 基于正态分布z统计量计算偏差均值置信区间具体为：[0086] 针对所述历史容量保持率序列中的样本数据，计算样本均值 和样本标准差s；[0087] 获取预设的置信水平，根据所述置信水平以及样本数量大小确定Z统计量的临界值。[0088] 本实施例中，取95％置信水平，对应于α＝0.05。根据置信水平和样本量大小(n)，确定Z统计量的临界值。Z统计量的临界值可以从标准正态分布表中查找或使用统计软件进行计算。[0089] 计算置信区间的下限LCL和上限UCL：[0090][0091][0092] 其中，Z为Z统计量的临界值，n是样本大。 表示平方根。[0093] 得到的置信区间表示在给定置信水平下，总体均值的估计范围。例如，95％置信水平的置信区间表示有95％的置信度认为总体均值落在该区间内。[0094] 需要注意的是，上述计算方法是基于假设总体符合正态分布的情况。如果总体不符合正态分布，或者样本大小较。梢钥悸鞘褂闷渌闹眯徘浼扑惴椒，如t分布。[0095] S4、根据所述趋势项和所述偏差均值置信区间，判断当前检测的实时容量保持率是否存在异常；[0096] 步骤S4包括步骤：[0097] S41、计算当前检测的实时容量保持率与所述趋势项的偏差值；[0098] S42、判断所述偏差值是否在所述偏差均值置信区间内，若不在则判定所述实时容量保持率存在异常。[0099] 如果判定检测的容量保持率为异常值，推送该项指标异常告警。[0100] 请参照图2，本发明的实施例二为：[0101] 一种电动汽车电池容量保持率异常检测的终端1，包括处理器2、存储器3以及存储在所述存储器3中并可在所述处理器2上运行的计算机程序，所述处理器2执行所述计算机程序时实现以上所述的一种电动汽车电池容量保持率异常检测的方法中的步骤。[0102] 综上所述，本发明提供的一种电动汽车电池容量保持率异常检测的方法与终端，通过STL算法基于历史检测数据提取趋势项，并基于历史容量保持率序列，确定合理偏差值，根据合理偏差和趋势项进行异常判断，能够有效判断当前检测的实时容量保持率是否存在异常。[0103] 以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

专利地区：福建

专利申请日期：2023-10-07

专利公开日期：2024-11-29

专利公告号：CN117368765B