一种监控电动自行车原厂锂电池篡改行为的算法的制作方法

1.本发明涉及篡改行为监控领域，具体涉及监控电动自行车原厂锂电池篡改行为的算法。


背景技术：

2.正据国家统计局数据,2018年中国电动自行车社会保有量达2.5亿辆,电动自行车使用率极高,超过60%以上,电动车已经渐渐成为人们重要的代步工具,也是非常方便的交通工具。但因为管理不善，用户随意改造电池导致电动车频繁起火引发火灾，给用户、群众、公共场所造成巨大的灾难。并且铅酸电池对环境破坏性很大，不利于国家的环保建设。杜绝使用铅酸电池，也可以对保护环境起到一定的作用。目前，防止电池篡改领域都采用的是行政手段，规定厂家生产电池和电动车时出具配套的认证文件等方案，该方法从制度管理方面控制篡改行为，具有一定的人为因素，不能监督实施过程，不能时刻监督用户行为，不能做到事后监控，实时监督，也不能从根本上杜绝违规改造廉价电池的行为，更不能从根源上去除电动车引发火灾的安全隐患，因此，从监管角度急需从技术层面根本上解决篡改监控问题。


技术实现要素：

3.基于此，本发明要解决的技术问题是提供一种以技术手段监控电动自行车原厂锂电池篡改行为，最终实现以下目的：1.以人工智能技术为广大电瓶车主的人身和财产安全提供保障。2.算法计算的决策可以在系统上进行维护或设置。3.在第一时间发现篡改，可以遥控车辆，秒级响应，人工操作更简单，更人性化。4.减少政府管理人员的管控成本，提高城市的公共安全管理的质量。
4.为解决上述问题并实现上述目标，本发明涉及监控原厂锂电池篡改行为的算法。采用如下技术方案：1）首先利用电动车车载设备，收集电压、电流等信息，并上传数据到kafka队列（一种开源的分布式数据库）；2）然后由报警服务、状态服务对kafka队列中的数据进行消费，并根据各种不同品牌电池参数指标进行判断是否满足锂电池被篡改为铅酸电池；3）如果满足被篡改条件，就实时远程控制或推送语音播报告知车主或用户；4）处理完成后，把需要实时查询的历史数据存入tidb数据库（一种开源的大数据组件），把需要进行搜索的历史数据存入es搜索引擎；5）最后通过电瓶车安全预警系统的客户端通过报表或实时统计图给系统用户或管理员查看。
5.监控电动车锂电池篡改或更换原厂锂电池为铅酸电池的判断规则如下：1）根据近百公里能耗曲线判断：根据近100公里内的能耗曲线图判断当前电池是否为原厂电池；
2）根据近一个月压差曲线判断：根据近一个月的压差曲线图判断当前电池是否为原厂电池；3）根据近一个月健康状态曲线判断：根据近一个月的健康状态曲线图判断当前电池是否为原厂电池；4）根据近24小时充电电压、电流、温度曲线判断：根据近24小时充电电压、电流、温度曲线图判断当前电池是否为原厂电池。
6.更进一步的，根据近24小时充电电压、电流、温度曲线判断：根据近24小时充电电压、电流、温度曲线图判断当前电池是否为原厂电池，具体判断如下：当前电池近百公里能耗曲线和原厂相同规格且使用相同时长的电池的近百公里能耗曲线误差波动不大于10%；当前电池近一个月压差曲线和原厂相同规格且使用相同时长电池的近一个月压差曲线误差波动不大于10%；当前电池近一个月健康状态曲线和原厂相同规格且使用相同时长电池的近一个月健康状态曲线误差波动不大于10%；当前电池近24小时充电电压曲线和原厂相同规格且使用相同时长电池的近24小时充电电压曲线误差波动不大于10%；当前电池近24小时充电电流曲线和原厂相同规格且使用相同时长电池的近24小时充电电流曲线误差波动不大于10%；当前电池近24小时充电温度曲线和原厂相同规格且使用相同时长电池的近24小时充电温度曲线误差波动不大于10%；当前电池近24小时放电电压曲线和原厂相同规格且使用相同时长电池的近24小时放电电压曲线误差波动不大于10%；当前电池近24小时放电电流曲线和原厂相同规格且使用相同时长电池的近24小时放电电流曲线误差波动不大于10%；当前电池近24小时放电温度曲线和原厂相同规格且使用相同时长电池的近24小时放电温度曲线误差波动不大于10%。
7.有益效果：在篡改为非原厂锂电池后，车载设备(中控)会向《电池安全风控系统》发送电池状态数据（如电压放电电压曲线、放电电流曲线、放电温度曲线、充电温度曲线、健康状态曲线等）。这些状态数据，不同类型的电池各指标的值是不一样的。根据各指标的值的变化按照本发明的判断规则，可以预知该电动车使用的电池是原厂锂电池还是非原厂锂电池，从而为行政监管部门提供数据。通过实时监控充电电流、充电电压、充电时长、放电电流、放电电压、放电时长、当前剩余电量等指标各种状态数据，及时发现电池故障，防止火灾，保护车主、用户、附近群众的人身安全。
8.算法设计原理：车载设备实时海量上传电池的标称电压、能量密度、充电速度、耐低温环境程度等指标各种状态数据。用kafka队列进行接收。再用各种内部自研服务，对kafka队列的数据进行实时消费，然后做出各种逻辑判断。凡符合某些业务场景标准，就立刻做出响应，通过车载语音设备提醒或播报信息。需要实时查询的数据存放在tidb数据库。电池电压、电流、电量、温度、使用年限、报警记录、维修记录等相关基本信息数据存放在es搜索引擎，给其他搜
索系统提供搜索服务。
9.电动车车载设备上传数据到kafka队列，然后由报警服务、状态服务对kafka队列中的数据进行消费，并根据各种不同品牌电池指标不同标准进行判断是否满足锂电池是否篡改为铅酸电池的条件。如果满足条件，就实时远程控制或推送语音播报告知车主或用户。处理完成后，把需要实时查询的历史数据存入tidb数据库，把需要进行搜索的历史数据存入es搜索引擎。最后通过电瓶车安全预警系统的客户端通过各种报表或实时统计图给系统用户或管理员查看。
10.监控信息计算篡改原厂锂电池为非原厂里电池的方法及规则：车载设备(中控)定时向《电池安全风控系统》发送电池温度信息，系统收到该信息后，判断是否把原厂锂电池篡改为非原厂锂电池的规则进行匹配。智能判断规则：1. 当前电池近百公里能耗曲线和原厂相同规格且使用相同时长的电池的近百公里能耗曲线误差波动不大于10%。2. 当前电池近一个月压差曲线和原厂相同规格且使用相同时长电池的近一个月压差曲线误差波动不大于10%。3. 当前电池近一个月健康状态曲线和原厂相同规格且使用相同时长电池的近一个月健康状态曲线误差波动不大于10%。4. 当前电池近24小时充电电压曲线和原厂相同规格且使用相同时长电池的近24小时充电电压曲线误差波动不大于10%。5. 当前电池近24小时充电电流曲线和原厂相同规格且使用相同时长电池的近24小时充电电流曲线误差波动不大于10%。6. 当前电池近24小时充电温度曲线和原厂相同规格且使用相同时长电池的近24小时充电温度曲线误差波动不大于10%。7. 当前电池近24小时放电电压曲线和原厂相同规格且使用相同时长电池的近24小时放电电压曲线误差波动不大于10%。8. 当前电池近24小时放电电流曲线和原厂相同规格且使用相同时长电池的近24小时放电电流曲线误差波动不大于10%。9. 当前电池近24小时放电温度曲线和原厂相同规格且使用相同时长电池的近24小时放电温度曲线误差波动不大于10%。
附图说明
11.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方案，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
12.图1电动自行车车载设备数据传输示意图；图2电动自行车放篡改监控路线示意图；图3电动自行车放篡改监控判断规则示意图。
具体实施方式
13.下面对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
14.实施例一车载设备(中控)定时向《电池安全风控系统》发送电池温度、电流、放电电压、百公里能耗、健康状态、压差信息，《电池安全风控系统》收到该信息后，分析存在以下内容，则可判断发生了锂电池篡改行为：1. 当前电池近百公里能耗曲线和原厂相同规格且使用相同
时长的电池的近百公里能耗曲线误差波动不大于10%。2. 当前电池近一个月压差曲线和原厂相同规格且使用相同时长电池的近一个月压差曲线误差波动不大于10%。3. 当前电池近一个月健康状态曲线和原厂相同规格且使用相同时长电池的近一个月健康状态曲线误差波动不大于10%。4. 当前电池近24小时充电电压曲线和原厂相同规格且使用相同时长电池的近24小时充电电压曲线误差波动不大于10%。5. 当前电池近24小时充电电流曲线和原厂相同规格且使用相同时长电池的近24小时充电电流曲线误差波动不大于10%。
15.实施例二车载设备(中控)定时向《电池安全风控系统》发送电池温度、电流、放电电压、百公里能耗、健康状态、压差信息，《电池安全风控系统》收到该信息后，分析存在以下内容，则可判断发生了锂电池篡改行为：1. 当前电池近百公里能耗曲线和原厂相同规格且使用相同时长的电池的近百公里能耗曲线误差波动不大于10%。2. 当前电池近一个月压差曲线和原厂相同规格且使用相同时长电池的近一个月压差曲线误差波动不大于10%。3. 当前电池近一个月健康状态曲线和原厂相同规格且使用相同时长电池的近一个月健康状态曲线误差波动不大于10%。4. 当前电池近24小时充电电压曲线和原厂相同规格且使用相同时长电池的近24小时充电电压曲线误差波动不大于10%。9. 当前电池近24小时放电温度曲线和原厂相同规格且使用相同时长电池的近24小时放电温度曲线误差波动不大于10%。
16.实施例三车载设备(中控)定时向《电池安全风控系统》发送电池温度、电流、放电电压、百公里能耗、健康状态、压差信息，《电池安全风控系统》收到该信息后，分析存在以下内容，则可判断发生了锂电池篡改行为：1. 当前电池近百公里能耗曲线和原厂相同规格且使用相同时长的电池的近百公里能耗曲线误差波动不大于10%。2. 当前电池近一个月压差曲线和原厂相同规格且使用相同时长电池的近一个月压差曲线误差波动不大于10%。3. 当前电池近一个月健康状态曲线和原厂相同规格且使用相同时长电池的近一个月健康状态曲线误差波动不大于10%。4. 当前电池近24小时放电电流曲线和原厂相同规格且使用相同时长电池的近24小时放电电流曲线误差波动不大于10%。5. 当前电池近24小时放电温度曲线和原厂相同规格且使用相同时长电池的近24小时放电温度曲线误差波动不大于10%。
17.实施例四车载设备(中控)定时向《电池安全风控系统》发送电池温度、电流、放电电压、百公里能耗、健康状态、压差信息，《电池安全风控系统》收到该信息后，分析存在以下内容，则可判断发生了锂电池篡改行为：1. 当前电池近百公里能耗曲线和原厂相同规格且使用相同时长的电池的近百公里能耗曲线误差波动不大于10%。2. 当前电池近一个月压差曲线和原厂相同规格且使用相同时长电池的近一个月压差曲线误差波动不大于10%。3. 当前电池近24小时放电电压曲线和原厂相同规格且使用相同时长电池的近24小时放电电压曲线误差波动不大于10%。4. 当前电池近24小时放电电流曲线和原厂相同规格且使用相同时长电池的近24小时放电电流曲线误差波动不大于10%。5. 当前电池近24小时放电温度曲线和原厂相同规格且使用相同时长电池的近24小时放电温度曲线误差波动不大于10%。
18.实施例五车载设备(中控)定时向《电池安全风控系统》发送电池温度、电流、放电电压、百公里能耗、健康状态、压差信息，《电池安全风控系统》收到该信息后，分析存在以下内容，则可
判断发生了锂电池篡改行为：1. 当前电池近百公里能耗曲线和原厂相同规格且使用相同时长的电池的近百公里能耗曲线误差波动不大于10%。2 当前电池近24小时充电温度曲线和原厂相同规格且使用相同时长电池的近24小时充电温度曲线误差波动不大于10%。3. 当前电池近24小时放电电压曲线和原厂相同规格且使用相同时长电池的近24小时放电电压曲线误差波动不大于10%。4. 当前电池近24小时放电电流曲线和原厂相同规格且使用相同时长电池的近24小时放电电流曲线误差波动不大于10%。5. 当前电池近24小时放电温度曲线和原厂相同规格且使用相同时长电池的近24小时放电温度曲线误差波动不大于10%。
19.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本实用新保护范围为准。