基于数据挖掘的电动汽车动力电池的故障预测研究
发布时间：2021-01-06 13:24
随着电动汽车新能源产业的蓬勃发展,能源问题和环境问题得到很大的缓解,但由于技术储备问题,国内外出现诸多电动汽车自燃现象,产生的安全问题也引起人们的关注,这是阻碍电动汽车领域发展的重要因素之一,因此对电池的故障进行提前预测与诊断具有极其重要的现实意义。在如今这个时代,数据已经成为技术变革的突破点,谁能更好的挖掘出数据里隐藏的信息,就能在市场中取得先机。本文利用“国家新能源汽车监控平台”汇集的电池包数据,以动力电池的实时故障为研究对象,在电动汽车实时行驶数据的基础上,以大数据的手段实现了对电池的故障进行诊断以及预测。本文的研究内容如下:1、采用PCA降维以及K-means聚类预处理的方式对单体电压数据进行处理和分析,识别并诊断出单体电池的各类故障;2、以电动汽车电池包的总电压作为学习样本,利用最小二乘支持向量机回归算法（LS-SVR）的基本原理,建立了基于电池包总电压的故障预测模型,实现了对总电压过压和欠压故障的预测;3、为了提高模型的预测精度,采取网格法寻优和K-折交叉验证的方法优化预测模型的参数,再利用单体电压数据对模型进行训练,对状态趋势进行预测与故障预报。将支持向量回归机与最小二乘...
【文章来源】：北方工业大学北京市
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
总电压过压时的单体电压
号、３７号、３９号电池也有着相反的差异性，产生故障的具体原因需要后续拆开??电池包才能分析。??图２－３、图２－４分别是故障发生前的５０个数据点和故障发生后的１０１个数据??点ＰＣＡ降维及ｋ－ｍｅａｎｓ聚类后二维效果图，从图２－３和图２－４对比中可以看出，??虽然故障后和故障前的降维聚类数据处理图不完全一样，但是从图中能明显看??到，２８、３６、４５号电池都是远离其它电池单体，可在所有电池中提取故障单体??的差异性，从而找出某个或者某类故障单体。??２．３．２欠电压故障降维聚类对比分析??欠电压报警是在电池包总电压低于某一设置阈值时产生的，可能是在电动汽??车大电流放电或者电池己经过放的情况下出现的结果。若报警不及时，将会令电??池包深度过放，严重损害电池寿命。??２——
号、３７号、３９号电池也有着相反的差异性，产生故障的具体原因需要后续拆开??电池包才能分析。??图２－３、图２－４分别是故障发生前的５０个数据点和故障发生后的１０１个数据??点ＰＣＡ降维及ｋ－ｍｅａｎｓ聚类后二维效果图，从图２－３和图２－４对比中可以看出，??虽然故障后和故障前的降维聚类数据处理图不完全一样，但是从图中能明显看??到，２８、３６、４５号电池都是远离其它电池单体，可在所有电池中提取故障单体??的差异性，从而找出某个或者某类故障单体。??２．３．２欠电压故障降维聚类对比分析??欠电压报警是在电池包总电压低于某一设置阈值时产生的，可能是在电动汽??车大电流放电或者电池己经过放的情况下出现的结果。若报警不及时，将会令电??池包深度过放，严重损害电池寿命。??２——
【参考文献】：
期刊论文
[1]基于交叉验证的矿岩爆破块度SVM模型优选研究[J]. 唐跃,徐曲,柯波,赵明生,柴修伟. 爆破. 2018(03)
[2]基于数据挖掘技术的配电网故障预测研究[J]. 肖一兵. 设备管理与维修. 2018(17)
[3]基于支持向量机回归组合模型的中长期降温负荷预测[J]. 王宁,谢敏,邓佳梁,刘明波,李嘉龙,王一,刘思捷. 电力系统保护与控制. 2016(03)
[4]基于K-means聚类算法的叶螨图像分割与识别[J]. 刘国成,张杨,黄建华,汤文亮. 昆虫学报. 2015 (12)
[5]多维时间序列关联分析方法在电力设备故障预测中的应用[J]. 习伟,李鹏,郭晓斌,许爱东,蒋愈勇,张利强,吴玉生. 电网与清洁能源. 2014(12)
[6]基于聚类分析的心电节拍分类算法[J]. 鄢羽,孙成. 计算机应用. 2014(07)
[7]基于数据挖掘的电信故障分类及回归预测[J]. 王洋,张延华. 中国电子科学研究院学报. 2012(06)
[8]基于变尺度PCA的电力设备载流故障早期预警[J]. 许力,竺鹏东,顾宏杰,许文才. 电力自动化设备. 2012(05)
[9]航空发动机PHM中的数据挖掘机遇与挑战[J]. 尉询楷,朱纪洪,陈良峰,冯悦,杨立. 计算机工程与科学. 2012(04)
[10]基于主成分分析与人工神经网络的风电功率预测[J]. 周松林,茆美琴,苏建徽. 电网技术. 2011(09)
硕士论文
[1]基于数据挖掘的葡萄酒质量识别[D]. 林翠香.中南大学 2010
本文编号：2960650
【文章来源】：北方工业大学北京市
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
总电压过压时的单体电压
号、３７号、３９号电池也有着相反的差异性，产生故障的具体原因需要后续拆开??电池包才能分析。??图２－３、图２－４分别是故障发生前的５０个数据点和故障发生后的１０１个数据??点ＰＣＡ降维及ｋ－ｍｅａｎｓ聚类后二维效果图，从图２－３和图２－４对比中可以看出，??虽然故障后和故障前的降维聚类数据处理图不完全一样，但是从图中能明显看??到，２８、３６、４５号电池都是远离其它电池单体，可在所有电池中提取故障单体??的差异性，从而找出某个或者某类故障单体。??２．３．２欠电压故障降维聚类对比分析??欠电压报警是在电池包总电压低于某一设置阈值时产生的，可能是在电动汽??车大电流放电或者电池己经过放的情况下出现的结果。若报警不及时，将会令电??池包深度过放，严重损害电池寿命。??２——
号、３７号、３９号电池也有着相反的差异性，产生故障的具体原因需要后续拆开??电池包才能分析。??图２－３、图２－４分别是故障发生前的５０个数据点和故障发生后的１０１个数据??点ＰＣＡ降维及ｋ－ｍｅａｎｓ聚类后二维效果图，从图２－３和图２－４对比中可以看出，??虽然故障后和故障前的降维聚类数据处理图不完全一样，但是从图中能明显看??到，２８、３６、４５号电池都是远离其它电池单体，可在所有电池中提取故障单体??的差异性，从而找出某个或者某类故障单体。??２．３．２欠电压故障降维聚类对比分析??欠电压报警是在电池包总电压低于某一设置阈值时产生的，可能是在电动汽??车大电流放电或者电池己经过放的情况下出现的结果。若报警不及时，将会令电??池包深度过放，严重损害电池寿命。??２——
【参考文献】：
期刊论文
[1]基于交叉验证的矿岩爆破块度SVM模型优选研究[J]. 唐跃,徐曲,柯波,赵明生,柴修伟. 爆破. 2018(03)
[2]基于数据挖掘技术的配电网故障预测研究[J]. 肖一兵. 设备管理与维修. 2018(17)
[3]基于支持向量机回归组合模型的中长期降温负荷预测[J]. 王宁,谢敏,邓佳梁,刘明波,李嘉龙,王一,刘思捷. 电力系统保护与控制. 2016(03)
[4]基于K-means聚类算法的叶螨图像分割与识别[J]. 刘国成,张杨,黄建华,汤文亮. 昆虫学报. 2015 (12)
[5]多维时间序列关联分析方法在电力设备故障预测中的应用[J]. 习伟,李鹏,郭晓斌,许爱东,蒋愈勇,张利强,吴玉生. 电网与清洁能源. 2014(12)
[6]基于聚类分析的心电节拍分类算法[J]. 鄢羽,孙成. 计算机应用. 2014(07)
[7]基于数据挖掘的电信故障分类及回归预测[J]. 王洋,张延华. 中国电子科学研究院学报. 2012(06)
[8]基于变尺度PCA的电力设备载流故障早期预警[J]. 许力,竺鹏东,顾宏杰,许文才. 电力自动化设备. 2012(05)
[9]航空发动机PHM中的数据挖掘机遇与挑战[J]. 尉询楷,朱纪洪,陈良峰,冯悦,杨立. 计算机工程与科学. 2012(04)
[10]基于主成分分析与人工神经网络的风电功率预测[J]. 周松林,茆美琴,苏建徽. 电网技术. 2011(09)
硕士论文
[1]基于数据挖掘的葡萄酒质量识别[D]. 林翠香.中南大学 2010
本文编号：2960650
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2960650.html
