發(fā)布時間：2021-01-06 13:24

　　隨著電動汽車新能源產(chǎn)業(yè)的蓬勃發(fā)展,能源問題和環(huán)境問題得到很大的緩解,但由于技術(shù)儲備問題,國內(nèi)外出現(xiàn)諸多電動汽車自燃現(xiàn)象,產(chǎn)生的安全問題也引起人們的關(guān)注,這是阻礙電動汽車領(lǐng)域發(fā)展的重要因素之一,因此對電池的故障進行提前預測與診斷具有極其重要的現(xiàn)實意義。在如今這個時代,數(shù)據(jù)已經(jīng)成為技術(shù)變革的突破點,誰能更好的挖掘出數(shù)據(jù)里隱藏的信息,就能在市場中取得先機。本文利用“國家新能源汽車監(jiān)控平臺”匯集的電池包數(shù)據(jù),以動力電池的實時故障為研究對象,在電動汽車實時行駛數(shù)據(jù)的基礎(chǔ)上,以大數(shù)據(jù)的手段實現(xiàn)了對電池的故障進行診斷以及預測。本文的研究內(nèi)容如下:1、采用PCA降維以及K-means聚類預處理的方式對單體電壓數(shù)據(jù)進行處理和分析,識別并診斷出單體電池的各類故障;2、以電動汽車電池包的總電壓作為學習樣本,利用最小二乘支持向量機回歸算法（LS-SVR）的基本原理,建立了基于電池包總電壓的故障預測模型,實現(xiàn)了對總電壓過壓和欠壓故障的預測;3、為了提高模型的預測精度,采取網(wǎng)格法尋優(yōu)和K-折交叉驗證的方法優(yōu)化預測模型的參數(shù),再利用單體電壓數(shù)據(jù)對模型進行訓練,對狀態(tài)趨勢進行預測與故障預報。將支持向量回歸機與最小二乘... 

【文章來源】：北方工業(yè)大學北京市

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

總電壓過壓時的單體電壓

號、３７號、３９號電池也有著相反的差異性，產(chǎn)生故障的具體原因需要后續(xù)拆開??電池包才能分析。??圖２－３、圖２－４分別是故障發(fā)生前的５０個數(shù)據(jù)點和故障發(fā)生后的１０１個數(shù)據(jù)??點ＰＣＡ降維及ｋ－ｍｅａｎｓ聚類后二維效果圖，從圖２－３和圖２－４對比中可以看出，??雖然故障后和故障前的降維聚類數(shù)據(jù)處理圖不完全一樣，但是從圖中能明顯看??到，２８、３６、４５號電池都是遠離其它電池單體，可在所有電池中提取故障單體??的差異性，從而找出某個或者某類故障單體。??２．３．２欠電壓故障降維聚類對比分析??欠電壓報警是在電池包總電壓低于某一設置閾值時產(chǎn)生的，可能是在電動汽??車大電流放電或者電池己經(jīng)過放的情況下出現(xiàn)的結(jié)果。若報警不及時，將會令電??池包深度過放，嚴重損害電池壽命。??２——

號、３７號、３９號電池也有著相反的差異性，產(chǎn)生故障的具體原因需要后續(xù)拆開??電池包才能分析。??圖２－３、圖２－４分別是故障發(fā)生前的５０個數(shù)據(jù)點和故障發(fā)生后的１０１個數(shù)據(jù)??點ＰＣＡ降維及ｋ－ｍｅａｎｓ聚類后二維效果圖，從圖２－３和圖２－４對比中可以看出，??雖然故障后和故障前的降維聚類數(shù)據(jù)處理圖不完全一樣，但是從圖中能明顯看??到，２８、３６、４５號電池都是遠離其它電池單體，可在所有電池中提取故障單體??的差異性，從而找出某個或者某類故障單體。??２．３．２欠電壓故障降維聚類對比分析??欠電壓報警是在電池包總電壓低于某一設置閾值時產(chǎn)生的，可能是在電動汽??車大電流放電或者電池己經(jīng)過放的情況下出現(xiàn)的結(jié)果。若報警不及時，將會令電??池包深度過放，嚴重損害電池壽命。??２——

【參考文獻】：
期刊論文
[1]基于交叉驗證的礦巖爆破塊度SVM模型優(yōu)選研究[J]. 唐躍,徐曲,柯波,趙明生,柴修偉.  爆破. 2018(03)
[2]基于數(shù)據(jù)挖掘技術(shù)的配電網(wǎng)故障預測研究[J]. 肖一兵.  設備管理與維修. 2018(17)
[3]基于支持向量機回歸組合模型的中長期降溫負荷預測[J]. 王寧,謝敏,鄧佳梁,劉明波,李嘉龍,王一,劉思捷.  電力系統(tǒng)保護與控制. 2016(03)
[4]基于K-means聚類算法的葉螨圖像分割與識別[J]. 劉國成,張楊,黃建華,湯文亮.  昆蟲學報. 2015 (12)
[5]多維時間序列關(guān)聯(lián)分析方法在電力設備故障預測中的應用[J]. 習偉,李鵬,郭曉斌,許愛東,蔣愈勇,張利強,吳玉生.  電網(wǎng)與清潔能源. 2014(12)
[6]基于聚類分析的心電節(jié)拍分類算法[J]. 鄢羽,孫成.  計算機應用. 2014(07)
[7]基于數(shù)據(jù)挖掘的電信故障分類及回歸預測[J]. 王洋,張延華.  中國電子科學研究院學報. 2012(06)
[8]基于變尺度PCA的電力設備載流故障早期預警[J]. 許力,竺鵬東,顧宏杰,許文才.  電力自動化設備. 2012(05)
[9]航空發(fā)動機PHM中的數(shù)據(jù)挖掘機遇與挑戰(zhàn)[J]. 尉詢楷,朱紀洪,陳良峰,馮悅,楊立.  計算機工程與科學. 2012(04)
[10]基于主成分分析與人工神經(jīng)網(wǎng)絡的風電功率預測[J]. 周松林,茆美琴,蘇建徽.  電網(wǎng)技術(shù). 2011(09)

碩士論文
[1]基于數(shù)據(jù)挖掘的葡萄酒質(zhì)量識別[D]. 林翠香.中南大學 2010



本文編號：2960650