一种基于XGBoost的电动重卡电池故障预警方法、装置及设备与流程

本发明涉及电动重卡，更具体地，涉及一种基于xgboost的电动重卡电池故障预警方法、装置及设备。

背景技术：

1、电动重卡作为新能源汽车的一种，具有节能减排的优势。电动重卡使用动力电池作为能源，电池系统由数千个锂离子电池串并联而成，以提供足够的动力。但是，电池系统也存在着故障风险，如soc低报警、soc跳变报警、电池一致性差等，这些故障会影响电池的性能和寿命，甚至导致安全事故。因此，对电池系统进行实时在线的故障诊断和预警是非常必要的。

2、现有的电动重卡电池故障诊断方法基于物理模型，通过获取故障因素之间的关系来对电动重卡电池进行故障诊断，只能在故障发生后才能进行诊断，对于复杂的电动重卡电池系统来说，存在着诊断效率低以及精度低的缺陷。

技术实现思路

1、本发明为克服现有技术存在的电动重卡电池故障诊断效率低以及精度低的缺陷，提出如下技术方案：

2、第一个方面，本发明提出一种基于xgboost的电动重卡电池故障预警方法，包括：

3、从电动重卡的历史数据中获取充电段数据和放电段数据；

4、根据所述充电段数据和放电段数据，提取电动重卡电池的状态特征数据；

5、使用滑动窗口将所述状态特征数据划分为若干类标签特征数据；

6、将所述若干类标签特征数据输入预训练好的xgboost模型进行预测，所述xgboost模型输出故障预测值；

7、当所述预测结果值大于或等于故障阈值时，发出故障预警。

8、第二个方面，本发明还提出一种基于xgboost的电动重卡电池故障预警方法装置，包括：

9、获取模块，用于从电动重卡的历史数据中获取充电段数据和放电段数据；

10、提取模块，用于根据所述充电段数据和放电段数据，提取电动重卡电池的状态特征数据；

11、划分模块，用于使用滑动窗口将所述状态特征数据划分为若干类标签特征数据；

12、预测模块，用于将所述若干类标签特征数据输入预训练好的xgboost模型进行预测，所述xgboost模型输出故障预测值；

13、预警模块，用于当所述预测结果值大于或等于故障阈值时，发出故障预警。

14、第三个方面，本发明还提出一种电子设备，所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如第一个方面中所述的基于xgboost的电动重卡电池故障预警方法所执行的操作。

15、本发明的有益效果至少包括：

16、(1)本发明通过获取电动重卡的历史数据，提取电动重卡电池的状态特征数据，并将所述状态特征数据划分为若干类标签特征数据，然后使用xgboost模型进行故障预测，可以自动从大量历史数据中学习出最优的故障预测模型，无需人工干预，解决了传统的基于规则或物理模型的电动重卡电池故障诊断方法存在的效率低和精度低缺陷，提升了电动重卡电池故障诊断的效率和精度。

17、(2)xgboost模型可以根据电动重卡的实时数据，快速地输出故障预测值，并根据故障阈值进行故障预警，准确分析出不同工况下电动重卡的潜在规律和内在特征，从而可以及时发现电池的异常情况，避免发生严重的故障或事故。

技术特征：

1.一种基于xgboost的电动重卡电池故障预警方法，其特征在于，包括：

2.根据权利要求1所述的基于xgboost的电动重卡电池故障预警方法，其特征在于，所述电动重卡电池的状态特征数据包括总电压、总电流、soc、最高单体电压、最低单体电压、最高单体温度以及电芯端电压的统计值。

3.根据权利要求2所述的基于xgboost的电动重卡电池故障预警方法，其特征在于，所述电芯端电压的统计值包括电芯端电压的均值、标准差、中位数和压差；

4.根据权利要求1所述的基于xgboost的电动重卡电池故障预警方法，其特征在于，使用滑动窗口将所述状态特征数据划分为若干类标签特征数据，具体的步骤包括：

5.根据权利要求4所述的基于xgboost的电动重卡电池故障预警方法，其特征在于，所述判断每一个滑动窗口内的状态特征数据是否达到故障阈值，具体为：

6.根据权利要求1所述的基于xgboost的电动重卡电池故障预警方法，其特征在于，将所述若干类标签特征数据输入预训练好的xgboost模型进行预测，所述xgboost模型输出故障预测值其表达式如下所示：

7.根据权利要求6所述的基于xgboost的电动重卡电池故障预警方法，其特征在于，所述xgboost模型的目标函数obj如下所示：

8.根据权利要求1～7任一项所述的基于xgboost的电动重卡电池故障预警方法，其特征在于，在获取充放电段数据之前，所述方法还包括对所述历史数据进行以下预处理：

9.根据权利要求8所述的基于xgboost的电动重卡电池故障预警方法，其特征在于，所述从电动重卡的历史数据中获取充电段数据和放电段数据，具体包括：

10.一种基于xgboost的电动重卡电池故障预警装置，其特征在于，包括：

11.一种电子设备，其特征在于，所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至9中任一项所述的基于xgboost的电动重卡电池故障预警方法所执行的操作。

技术总结
本发明涉及电动重卡技术领域，公开了一种基于XGBoost的电动重卡电池故障预警方法、装置及设备，所述方法包括：从电动重卡的历史数据中获取充电段数据和放电段数据；根据所述充电段数据和放电段数据，提取电动重卡电池的状态特征数据；将所述状态特征数据划分为若干类标签特征数据；将所述若干类标签特征数据输入预训练好的XGBoost模型进行预测，所述XGBoost模型输出故障预测值；当所述预测结果值大于或等于故障阈值时，发出故障预警。本发明提升了电动重卡电池故障诊断的效率和精度，可以根据电动重卡的实时数据，快速地输出故障预测值，并根据故障阈值进行故障预警，避免发生严重的故障或事故。

技术研发人员：徐悦,周浩,周海,张锦学
受保护的技术使用者：湖南行必达网联科技有限公司
技术研发日：
技术公布日：2024/1/16