一种电动汽车的电池绝缘失效预测方法与流程

技术特征：
1.一种电动汽车的电池绝缘失效预测方法，其特征在于，机器学习平台对从大数据平台获取的车辆历史数据进行合并和分割处理，得到至少两类电池绝缘失效影响数据；所述机器学习平台采用所述电池绝缘失效影响数据对预设的线性分类器进行训练，得到电池绝缘失效预测模型；所述业务运营平台根据车端的当前电池绝缘失效影响数据，应用所述机器学习平台发送的电池绝缘失效预测模型进行离线电池绝缘失效风险预测；或者，车端根据其当前电池绝缘失效影响数据，应用所述电池绝缘失效预测模型进行在线电池绝缘失效风险预测。2.如权利要求1所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述机器学习平台采用所述电池绝缘失效影响数据对预设的线性分类器进行训练，得到电池绝缘失效预测模型，包括：所述机器学习平台对所述电池绝缘失效影响数据进行切片处理，得到若干数据切片；其中，每个数据切片的长度相等；所述机器学习平台根据所述数据切片对预设的线性分类器进行训练，得到电池绝缘失效预测模型。3.如权利要求1所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述机器学习平台对从大数据平台获取的车辆历史数据进行合并和分割处理，得到至少两类电池绝缘失效影响数据，包括：所述机器学习平台将所述车辆历史数据按照其所属的车辆及时间戳进行合并；所述机器学习平台将合并后的车辆历史数据按照车辆状态进行分割，得到至少两类电池绝缘失效影响数据。4.如权利要求3所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述车辆状态包括电池上高压状态、充电状态；则，所述机器学习平台将合并后的车辆历史数据按照车辆状态进行分割，得到至少两类电池绝缘失效影响数据，包括：所述机器学习平台将合并后的车辆历史数据分割成对应所述电池上高压状态的电池绝缘失效影响数据和对应所述充电状态的电池绝缘失效影响数据。5.如权利要求2所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述方法还包括：在切片处理之前，所述机器学习平台对所述电池绝缘失效影响数据进行降维处理；在切片处理之后，所述机器学习平台对所述数据切片进行标准化和归一化处理。6.如权利要求5所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述方法还包括：所述机器学习平台对降维后的电池绝缘失效影响数据进行数据清洗和/或数据缺失填充处理。7.如权利要求5所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述机器学习平台对所述电池绝缘失效影响数据进行降维处理，包括：所述机器学习平台对所述电池绝缘失效影响数据进行皮尔逊相关系数分析，筛选出皮尔逊系数小于第一设定值的电池绝缘失效影响数据，作为降维后的电池绝缘失效影响数
据；或者，所述机器学习平台对所述电池绝缘失效影响数据进行pca降维，得到降维后的电池绝缘失效影响数据。8.如权利要求6所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述数据缺失填充处理，具体包括：当所述电池绝缘失效影响数据中的一个数据属于事件型数据时，采用对应上一时间戳的数据对所述数据进行缺失填充；当所述电池绝缘失效影响数据中的一个数据属于连续周期型数据时，采用平均值填充方式对所述数据进行缺失填充；当所述电池绝缘失效影响数据中的一个数据属于离散周期型数据时，采用对应上一时间戳的数据对所述数据进行缺失填充。9.如权利要求1所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述电池绝缘失效影响数据包括驾驶行为数据、整车数据、车辆工况数据、电池数据以及环境数据。10.如权利要求6所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述数据清洗，具体包括：采用正态分布的3σ原则对降维后的电池绝缘失效影响数据进行数据清洗，剔除所述电池绝缘失效影响数据中无效数据和重复数据。11.如权利要求1所述的电动汽车的电池绝缘失效预测方法，其特征在于，所述方法包括：所述业务运营平台根据其自身预测得到的电池绝缘失效风险或者所述车端预测得到的电池绝缘失效风险进行监控预警；或者，用户端或车机系统根据所述车端预测得到的电池绝缘失效风险进行预警。

技术总结
本发明提供了一种电动汽车的电池绝缘失效预测方法，包括：机器学习平台对从大数据平台获取的车辆历史数据进行合并和分割处理，得到至少两类电池绝缘失效影响数据；机器学习平台采用电池绝缘失效影响数据对预设的线性分类器进行训练，得到电池绝缘失效预测模型；业务运营平台根据车端的当前电池绝缘失效影响数据，应用机器学习平台发送的电池绝缘失效预测模型进行离线电池绝缘失效风险预测；或者，车端根据其当前电池绝缘失效影响数据，应用电池绝缘失效预测模型进行在线电池绝缘失效风险预测；本发明可以实现车端的实时在线电池绝缘失效风险预测和业务运营平台的离线电池绝缘失效风险预测，提升电池绝缘失效风险预测的可靠性。可靠性。可靠性。


技术研发人员：丁磊 韩大鹏
受保护的技术使用者：华人运通（上海）云计算科技有限公司
技术研发日：2021.10.28
技术公布日：2022/3/1