【技术实现步骤摘要】
本专利技术涉及识别算法，具体涉及一种高能耗用户行为识别算法。
技术介绍
1、目前，车辆续驶里程衰减问题是当今新能源汽车使用中的一大痛点，造成续驶里程衰减的主要原因是电池寿命衰减和高耗能驾驶行为，而高耗能的用户驾驶行为又对电池实际放电容量造成影响，从而加速电池寿命衰减，因此如何准确识别高能耗用户行为，对车辆续驶里程的估计精度有很大的提高。
2、与此同时，目前对高耗能驾驶行为的识别方法主要是在《一种识别高能耗驾驶行为的方法及系统》中提到的基于获取驾驶员驾驶车辆过程中的车辆行驶数据，识别车辆的行驶状态，进而计算车辆的实际能耗以及等效模式能耗，从而计算出评价驾驶行为能耗的能耗权重值，最后识别出驾驶员当前的驾驶行为是否属于高能耗驾驶行为。该种识别方法主要是根据实车的运行状态来识别司机意图，通过经验法，实时统计分析出高耗能的驾驶行为。该种识别方法精度不高，经验估计适配性差，尤其在山地等特殊环境容易出现误识别，而且该种方案没有实时能耗计算输出，对不同司机的驾驶行为无法展开对比。
3、因此，基于现有识别分析方法，本领域技术人员认为很有必要提出一种适应性强，无需额外匹配经验参数，计算准确度高的基于大数据分析的高能耗用户行为识别算法，从而解决车辆续驶里程衰减失效分析领域亟需解决的技术问题。
技术实现思路
1、针对现有技术存在上述技术问题，本专利技术提供一种高能耗用户行为识别算法，该算法适应性强，无需额外匹配经验参数，特征参数计算准确度高，根据统计理论得出高耗能用户模型，有效解决
2、为实现上述目的，本专利技术提供以下技术方案：
3、一种高能耗用户行为识别算法，其包括以下步骤：
4、步骤一：获取特征参数，通过新能源汽车云平台的监测采集模块获取车辆的实时大数据，该实时大数据包括采样时间、整车电压、系统电流、故障告警、单体电芯电压、单体电芯温度、soc、整车运行状态、运行模式、车速、累计里程、档位、加速踏板行程、制动踏板行程以及dcdc状态等信号；
5、步骤二：计算特征参数，步骤一中采集获取的实时大数据通过新能源汽车云平台的监测采集模块反馈给新能源汽车云平台的后台计算模块，通过新能源汽车云平台的计算模块计算出高耗能用户行为的特征参数，该特征参数包括soc使用窗口＞80％的累计放电次数、充放电时瞬时功率持续时间、加速踏板开度＞1时的平均放电倍率、电芯温升速率、每百公里的平均能耗以及每百公里放电过程中回馈电量；
6、步骤三：处理特征参数，步骤二中计算出来的特征参数通过新能源汽车云平台的后台计算模块反馈给新能源汽车云平台的后台处理模块，通过新能源汽车云平台的后台处理模块进行特征参数的数据处理，根据统计的特征参数绘制出每台车辆的特征参数分布趋势图，根据统计的特征参数对比每台车辆的差异，后台处理模块实时选取出特征参数的极大值、极小值和平均值的车辆，并获取车辆的soh和累计里程信息；
7、步骤四：判断用户行为，对步骤三中新能源汽车云平台的后台处理模块筛选出的特征参数为极大值的车辆进行百公里续驶里程的变化趋势计算以及soh变化趋势计算，若续驶里程和soh衰减速率大于均值的话，判断该车辆符合高耗能用户行为；
8、步骤五：计算影响因子，对步骤四中筛选出的高耗能用户行为的车辆的特征参数的影响力最大参数筛选出来，该参数的影响因子累积一次，从而逐步迭代，获取不同特征参数的影响因子的排序。
9、作为对上述技术方案的进一步阐述：
10、在上述技术方案中，在步骤二中，soc使用窗口＞80％的累计放电次数为特征参数1，根据系统电流与整车运行状态来判断当前车辆的行车工况，在行车过程中，实时判断soc最大值和soc最小值，soc最大值为socmax，，soc最大值为socmin，当车辆转入充电状态时，计算本次行车工况的soc使用窗口，δsoc＝socmax-socmin，其中，soc的使用窗口是0％～100％，若本次计算的soc使用窗口δsoc＞80％，则认为是一次深度放电，该特征参数1的深度放电次数累计加1。
11、在上述技术方案中，在步骤二中，瞬时功率持续时间为特征参数2，根据系统电流与运行模式等数据来判断整车运行工况，当整车运行在行车工况时，同时实时判断当前系统电流＞瞬时放电电流或者当前系统电流＞瞬时充电电流时，开始累计时间，直到不满足上述条件不再累计，其中，系统电流的使用窗口是瞬时充放电的最大电流。
12、在上述技术方案中，在步骤二中，平均放电倍率为特征参数3，根据系统电流、运行模式与加速踏板开度等数据来判断整车放电工况，当加速踏板开度＞1时，开始实时计算平均放电倍率，其中，平均放电倍率的使用窗口是0～瞬时充放电的最大倍率，该计算公式为iave＝(q累计/t放电周期)/caprate。
13、在上述技术方案中，在步骤二中，电芯温升速率为特征参数4，根据系统电流、运行模式与加速踏板开度等数据来判断整车放电工况，当整车运行在行车工况时，实时计算电芯温升速率，其中，电芯温度的正常温度范围是-40～120度，该计算公式为vt＝δt/t。
14、在上述技术方案中，在步骤二中，每百公里的平均能耗为特征参数5，根据系统电流、运行模式与加速踏板开度等数据来判断整车放电工况，当整车运行在行车工况时，实时累计整车放电电量计算百公里平均能耗，其中，能耗的正常范围是0～50kwh/km。
15、在上述技术方案中，每百公里回馈电量为特征参数6，根据系统电流、运行模式与加速踏板开度等数据来判断整车放电工况，当整车运行在行车工况时，实时累计整车回馈电量计算百公里回馈电量。
16、本专利技术的有益效果：
17、本专利技术该算法适应性强，无需额外匹配经验参数，特征参数计算准确度高，根据统计理论得出高耗能用户模型，可有效解决车辆续驶里程衰减失效分析领域亟需解决的技术问题，减少目前车辆厂家因为能耗问题接收到客户投诉，认为车辆存在异常，耗电量较高，的现象发生，减轻售后服务端压力，通过识别高能耗用户行为可以直观的获取该车辆的能耗是否在正常能耗分布内，可以从用户耗电量、整车静态耗电量等多维角度，及时解决客户投诉问题，具有极大的市场应用前景。
本文档来自技高网...【技术保护点】
1.一种高能耗用户行为识别算法，其特征在于，其包括以下步骤：
2.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，在步骤二中，SOC使用窗口>80％的累计放电次数为特征参数1，根据系统电流与整车运行状态来判断当前车辆的行车工况，在行车过程中，实时判断SOC最大值和SOC最小值，当车辆转入充电状态时，计算本次行车工况的SOC使用窗口，ΔSOC＝SOCmax-SOCmin，其中，SOC的使用窗口是0％～100％，若本次计算的SOC使用窗口ΔSOC>80％，则认为是一次深度放电，该特征参数1的深度放电次数累计加1。
3.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，在步骤二中，瞬时功率持续时间为特征参数2，根据系统电流与运行模式等数据来判断整车运行工况，当整车运行在行车工况时，同时实时判断当前系统电流>瞬时放电电流或者当前系统电流>瞬时充电电流时，开始累计时间，直到不满足上述条件不再累计，其中，系统电流的使用窗口是瞬时充放电的最大电流。
4.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，
5.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，在步骤二中，电芯温升速率为特征参数4，根据系统电流、运行模式与加速踏板开度等数据来判断整车放电工况，当整车运行在行车工况时，实时计算电芯温升速率，其中，电芯温度的正常温度范围是-40～120度，该计算公式为VT＝ΔT/t。
6.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，在步骤二中，每百公里的平均能耗为特征参数5，根据系统电流、运行模式与加速踏板开度等数据来判断整车放电工况，当整车运行在行车工况时，实时累计整车放电电量计算百公里平均能耗，其中，能耗的正常范围是0～50kwh/km。
7.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，每百公里回馈电量为特征参数6，根据系统电流、运行模式与加速踏板开度等数据来判断整车放电工况，当整车运行在行车工况时，实时累计整车回馈电量计算百公里回馈电量。
...【技术特征摘要】
1.一种高能耗用户行为识别算法，其特征在于，其包括以下步骤：
2.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，在步骤二中，soc使用窗口>80％的累计放电次数为特征参数1，根据系统电流与整车运行状态来判断当前车辆的行车工况，在行车过程中，实时判断soc最大值和soc最小值，当车辆转入充电状态时，计算本次行车工况的soc使用窗口，δsoc＝socmax-socmin，其中，soc的使用窗口是0％～100％，若本次计算的soc使用窗口δsoc>80％，则认为是一次深度放电，该特征参数1的深度放电次数累计加1。
3.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，在步骤二中，瞬时功率持续时间为特征参数2，根据系统电流与运行模式等数据来判断整车运行工况，当整车运行在行车工况时，同时实时判断当前系统电流>瞬时放电电流或者当前系统电流>瞬时充电电流时，开始累计时间，直到不满足上述条件不再累计，其中，系统电流的使用窗口是瞬时充放电的最大电流。
4.根据权利要求1所述的一种高能耗用户行为识别算法，其特征在于，在步骤二中，平均放电倍率为特征参数3，根据系统电流...
【专利技术属性】
技术研发人员：王绍菲，
申请(专利权)人：上海科列新能源技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。