车用电池的健康状况评估方法、系统、电子设备和介质与流程

1.本发明属于电池的健康状况的获取技术领域，尤其涉及一种车用电池的健康状况评估方法、系统、电子设备和介质。


背景技术：

2.在充换电领域，电池需要被反复充电以便反复投入使用，那么电池的健康情况就是运营过程中需要重点关注的方面。目前业界界定电池的健康情况，有不同的计算方式，最终都会得出一个小于1的数值，代表电池的健康情况，称为soh(电池健康状态)。然而目前通常基于人工的方式对soh值进行异常识别，但是电池的soh值数据量巨大，通过人工识别效率低下。


技术实现要素：

3.本发明要解决的技术问题是为了克服现有技术中电池的健康情况的评估的效率低的缺陷，提供一种车用电池的健康状况评估方法、系统、电子设备和介质。
4.本发明是通过下述技术方案来解决上述技术问题：
5.本发明提供一种车用电池的健康状况评估方法，包括以下步骤：
6.获取车用电池的soh数据集；
7.从soh数据集中划分出正常soh值和异常soh值；
8.对异常soh进行修复，得到异常soh值相应的修复soh值；
9.根据正常soh值和修复soh值的分布，得到车用电池的健康状况评估结果。
10.在本技术方案中，自动从soh数据集中划分出正常soh值和异常soh值，然后对异常soh值进行修复，再基于修复后的数据的分布情况得到车用电池的健康状况评估结果，能够提高车用电池的健康状况评估的效率。而且对异常soh值进行修复后再进行健康状况评估，还能提高车用电池的健康状况评估结果的准确性，对车用电池的后续操作提供了较佳的参考。
11.较佳地，从soh数据集中划分出正常soh值和异常soh值之前，车用电池的健康状况评估方法还包括：
12.获取soh数据集中各soh值对应的降维分析数据，得到soh数据集对应的分析数据集；
13.确定分析数据集的聚类数量以及主成分；
14.根据聚类数量和主成分对分析数据集进行聚类。
15.在该技术方案中，通过获取各soh值对应的降维分析数据，得到soh数据集对应的分析数据集，基于分析数据集进行聚类可提高数据处理效率；而且选定分析数据集的聚类数量以及主成分，并根据聚类数量和主成分对分析数据集进行聚类，可以有效提高聚类的准确性，从而提高基于聚类结果划分正常soh值和异常soh值的准确性。
16.较佳地，确定分析数据集的聚类数量以及主成分，包括：
17.根据分析数据集中的降维分析数据，筛选候选成分；
18.根据候选成分的解释方差率，从候选成分中筛选主成分；
19.根据聚类数量和主成分对分析数据集进行聚类，包括：
20.选取聚类数量的且包括主成分的聚类中心点；
21.以聚类中心点为聚类中心进行聚类，在聚类后重新选取每类的聚类中心点且保持主成分为聚类中心点再继续聚类直至收敛。
22.在该技术方案中，根据候选成分的解释方差率筛选主成分，且维持主成分为聚类中心点进行聚类，可以有效提高聚类的准确性。
23.较佳地，从soh数据集中划分出正常soh值和异常soh值，包括：
24.获取一个降维分析数据与所对应的聚类中心之间的距离，并将对应的距离最大的多个降维分析数据为异常降维分析数据，以及将异常降维分析数据对应的soh值识别为异常soh值；
25.或者，
26.根据异常比例从每类聚类数据中筛选异常降维分析数据，并将异常降维分析数据对应的soh值识别为异常soh值。
27.在该技术方案中，提供了基于聚类结果划分正常soh值和异常soh值的具体方式，将离散度最高的多个降维分析数据划分为异常降维分析数据或者将根据异常比例从每类聚类数据中筛选异常降维分析数据，再将异常降维分析数据对应的soh值识别为异常soh值，这样可以有效地从大量的soh值中快速且准确地划分出异常soh值。
28.较佳地，对异常soh值进行修复，得到异常soh值相应的修复soh值，包括：
29.根据异常soh值相邻的正常soh值对异常soh值进行修复，得到异常soh值相应的修复soh值；
30.或者，
31.获取异常soh值对应的至少一个备用soh值，并在备用soh值为正常soh值时，根据备用soh值对异常soh值进行修复，得到异常soh值相应的修复soh值；异常soh值和对应的备用soh值根据不同的计算方式得到。
32.在该技术方案中，根据异常soh值相邻的正常soh值对异常soh值进行修复，或者基于备用soh值对异常soh值进行修复，可以提高数据修复的可信度以及准确性，进而保证车用电池的健康状况评估的准确性。
33.较佳地，获取异常soh值对应的至少一个备用soh值，并在备用soh值为正常soh值时，根据备用soh值对异常soh值进行修复，得到异常soh值相应的修复soh值，包括：
34.获取异常soh值对应的备用soh值；
35.在备用soh值为两个且均为正常soh值时，获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；
36.选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值。
37.在该技术方案中，提供了基于异常soh值的备用soh值对异常soh值进行修复的具体方式，在备用soh值为两个且均为正常soh值时，获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值，可以提高数据修复的准确性，进而保证车用电池的健康状况评估的准确性。
38.较佳地，根据正常soh值和修复soh值的分布，得到车用电池的健康状况评估结果之后，还包括：
39.对车用电池执行与健康状况评估结果相匹配的目标操作。
40.在该技术方案中，基于车用电池的健康状况评估结果对车用电池执行与健康状况评估结果相匹配的目标操作，既能够及时处理异常避免安全问题发生，又能够物尽其用避免资源浪费。
41.本发明还提供一种车用电池的健康状况评估系统，包括获取单元、划分单元、修复单元、评估单元；
42.获取单元用于获取车用电池的soh数据集；
43.划分单元用于从soh数据集中划分出正常soh值和异常soh值；
44.修复单元用于对异常soh进行修复，得到异常soh值相应的修复soh值；
45.评估单元用于根据正常soh值和修复soh值的分布，得到车用电池的健康状况评估结果。
46.在本技术方案中，自动从soh数据集中划分出正常soh值和异常soh值，然后对异常soh值进行修复，再基于修复后的数据的分布情况得到车用电池的健康状况评估结果，能够提高车用电池的健康状况评估的效率。而且对异常soh值进行修复后再进行健康状况评估，还能提高车用电池的健康状况评估结果的准确性，对车用电池的后续操作提供了较佳的参考。
47.较佳地，获取单元还用于获取soh数据集中各soh值对应的降维分析数据，得到soh数据集对应的分析数据集；
48.获取单元还用于确定分析数据集的聚类数量以及主成分；
49.获取单元还用于根据聚类数量和主成分对分析数据集进行聚类。
50.在该技术方案中，通过获取各soh值对应的降维分析数据，得到soh数据集对应的分析数据集，基于分析数据集进行聚类可提高数据处理效率；而且选定分析数据集的聚类数量以及主成分，并根据聚类数量和主成分对分析数据集进行聚类，可以有效提高聚类的准确性，从而提高基于聚类结果划分正常soh值和异常soh值的准确性。
51.较佳地，获取单元还用于根据分析数据集中的降维分析数据，筛选候选成分；
52.获取单元还用于根据候选成分的解释方差率，从候选成分中筛选主成分；
53.获取单元还用于根据聚类数量和主成分对分析数据集进行聚类，包括：
54.获取单元还用于选取聚类数量的且包括主成分的聚类中心点；
55.获取单元还用于以聚类中心点为聚类中心进行聚类，在聚类后重新选取每类的聚类中心点且保持主成分为聚类中心点再继续聚类直至收敛。
56.在该技术方案中，根据候选成分的解释方差率筛选主成分，且维持主成分为聚类中心点进行聚类，可以有效提高聚类的准确性。
57.较佳地，划分单元还用于获取一个降维分析数据与所对应的聚类中心之间的距离，并将对应的距离最大的多个降维分析数据为异常降维分析数据，以及将异常降维分析数据对应的soh值识别为异常soh值；
58.或者，
59.划分单元还用于根据异常比例从每类聚类数据中筛选异常降维分析数据，并将异
常降维分析数据对应的soh值识别为异常soh值。
60.在该技术方案中，提供了基于聚类结果划分正常soh值和异常soh值的具体方式，将离散度最高的多个降维分析数据划分为异常降维分析数据或者将根据异常比例从每类聚类数据中筛选异常降维分析数据，再将异常降维分析数据对应的soh值识别为异常soh值，这样可以有效地从大量的soh值中快速且准确地划分出异常soh值。
61.较佳地，修复单元还用于根据异常soh值相邻的正常soh值对异常soh值进行修复，得到异常soh值相应的修复soh值；
62.或者，
63.修复单元还用于获取异常soh值对应的至少一个备用soh值，并在备用soh值为正常soh值时，根据备用soh值对异常soh值进行修复，得到异常soh值相应的修复soh值；异常soh值和对应的备用soh值根据不同的计算方式得到。
64.在该技术方案中，根据异常soh值相邻的正常soh值对异常soh值进行修复，或者基于备用soh值对异常soh值进行修复，可以提高数据修复的可信度以及准确性，进而保证车用电池的健康状况评估的准确性。
65.较佳地，修复单元还用于获取异常soh值对应的备用soh值；
66.在备用soh值为两个且均为正常soh值时，修复单元还用于获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；
67.修复单元还用于选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值。
68.在该技术方案中，提供了基于异常soh值的备用soh值对异常soh值进行修复的具体方式，在备用soh值为两个且均为正常soh值时，获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值，可以提高数据修复的准确性，进而保证车用电池的健康状况评估的准确性。
69.较佳地，评估单元还用于对车用电池执行与健康状况评估结果相匹配的目标操作。
70.在该技术方案中，基于车用电池的健康状况评估结果对车用电池执行与健康状况评估结果相匹配的目标操作，既能够及时处理异常避免安全问题发生，又能够物尽其用避免资源浪费。
71.本发明还提供一种电子设备，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，处理器执行计算机程序时实现本发明的车用电池的健康状况评估方法。
72.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本发明的车用电池的健康状况评估方法的步骤。
73.本发明的积极进步效果在于：自动从soh数据集中划分出正常soh值和异常soh值，然后对异常soh值进行修复，再基于修复后的数据的分布情况得到车用电池的健康状况评估结果，能够提高车用电池的健康状况评估的效率。而且对异常soh值进行修复后再进行健康状况评估，还能提高车用电池的健康状况评估结果的准确性，对车用电池的后续操作提供了较佳的参考。
附图说明
74.图1为本发明的实施例1的车用电池的健康状况评估方法的流程图。
75.图2为本发明的实施例1的车用电池的健康状况评估方法的soh数据集的各个soh值的分布情况的示意图。
76.图3为本发明的实施例1的车用电池的健康状况评估方法的elbow曲线的示意图。
77.图4为本发明的实施例1的车用电池的健康状况评估方法的soh数据集的累积解释方差和独立的解释方差的示意图。
78.图5为本发明的实施例1的车用电池的健康状况评估方法的划分的正常值和异常值的示意图。
79.图6为本发明的实施例1的车用电池的健康状况评估方法的修复后的数据的分布状况的示意图。
80.图7为本发明的实施例3的电子设备的结构示意图。
81.图8为本发明的实施例5的车用电池的健康状况评估系统的结构示意图。
具体实施方式
82.下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
83.实施例1
84.本实施例提供一种车用电池的健康状况评估方法。参照图1，该车用电池的健康状况评估方法包括以下步骤：
85.步骤s1、获取车用电池的soh数据集。
86.步骤s2、从soh数据集中划分出正常soh值和异常soh值。
87.步骤s3、对异常soh进行修复，得到异常soh值相应的修复soh值。
88.步骤s4、根据正常soh值和修复soh值的分布，得到车用电池的健康状况评估结果。
89.具体实施时，首先，在步骤s1中，获取车用电池的soh数据集。
90.在一块电池的soh数据集中，正常情况下，是由大部分正常的soh值和部分异常的soh值组成。正常的soh值具备相似的特征，异常的soh值的特征跟正常的soh值的特征相差甚大。图2示出了一个soh数据集的各个soh值的分布情况，其中，横轴表征soh值，纵轴表征对应的soh值的数据的数量。该soh数据集大量的soh值处于0.8-1.0之间，符合正常的soh值的特点；其中少量数据分布与0-0.8之间。可以判断，这部分少量数据，其中存在一些异常值。
91.为了识别异常值，首先，获取soh数据集中各soh值对应的降维分析数据，得到soh数据集对应的分析数据集。
92.然后，确定分析数据集的聚类数量以及主成分。
93.可实施地，可通过任意能够确定数据集的聚类数量以及主成分的算法来确定分析数据集的聚类数量以及主成分，本实施例并不具体限定，该算法可根据实际需求进行相应的选择及调整。
94.例如可基于elbow(肘系数)方法来确定聚类数量。图3示出了一elbow曲线，当聚类数量趋于6时，曲线开始趋于收敛，此时可以取聚类数量为6。
95.然后，基于主成分分析法分析数据集中的主成分及每个主成分的解释方差率。图4示出了soh数据集的累积解释方差和独立的解释方差，其中，横轴表征主成分，纵轴表征解释方差率，图中折线对应累积解释方差，矩形色块对应独立的解释方差。纵轴表征解释方差率。根据图4所示，数据集中共有两个主成分，每个主成分大概解释了一半的方差，故两个主成分均需要保留。
96.确定了聚类数量，确定了主成分个数，接下来则进行数据集的标准化处理并进行kmeans聚类。聚类的过程包括：选取聚类数量的且包括主成分的聚类中心点；以聚类中心点为聚类中心进行聚类，在聚类后重新选取每类的聚类中心点且保持主成分为聚类中心点再继续聚类直至收敛。
97.通过获取各soh值对应的降维分析数据，得到soh数据集对应的分析数据集，基于分析数据集进行聚类可提高数据处理效率；而且选定分析数据集的聚类数量以及主成分，并根据聚类数量和主成分对分析数据集进行聚类，可以有效提高聚类的准确性，从而提高基于聚类结果划分正常soh值和异常soh值的准确性。
98.根据候选成分的解释方差率筛选主成分，且维持主成分为聚类中心点进行聚类，可以有效提高聚类的准确性。
99.聚类完成后，从soh数据集中划分出正常soh值和异常soh值。
100.在第一种可选的实施方式中，获取一个降维分析数据与所对应的聚类中心之间的距离，并将对应的距离最大的多个降维分析数据为异常降维分析数据，以及将异常降维分析数据对应的soh值识别为异常soh值。
101.在第二种可选的实施方式中，根据异常比例从每类聚类数据中筛选异常降维分析数据，并将异常降维分析数据对应的soh值识别为异常soh值。例如，在一种情形下，设定一个异常值的比例outliers_fraction为1％，这样设置是因为在标准正太分布的情况下(n(0,1))，一般认定3个标准差以外的数据为异常值。3个标准差以内的数据包含了数据集中99％以上的数据，所以剩下的1％的数据可以视为异常值。
102.本实施例提供了基于聚类结果划分正常soh值和异常soh值的具体方式，将离散度最高的多个降维分析数据划分为异常降维分析数据或者将根据异常比例从每类聚类数据中筛选异常降维分析数据，再将异常降维分析数据对应的soh值识别为异常soh值，这样可以有效地从大量的soh值中快速且准确地划分出异常soh值。
103.图5以图示的方式示出了划分的正常值和异常值，其中，横轴表征时间，纵轴表征数据对应的soh值，其中圆点用于表征该数值属于异常soh值。
104.然后，对异常soh值进行修复，得到异常soh值相应的修复soh值。
105.在一种可选的实施方式中，根据异常soh值相邻的正常soh值对异常soh值进行修复，得到异常soh值相应的修复soh值。电池正常的soh值分布在0.8～1之间，且随使用过程的变化趋势是一个缓慢下降的趋势。据此，在一种可选的实施方式中，可以选择该异常soh值所在点的距离最近的一个正常soh值作为该异常soh值的修复值。
106.在该实施方式中，根据异常soh值相邻的正常soh值对异常soh值进行修复，或者基于备用soh值对异常soh值进行修复，可以提高数据修复的可信度以及准确性，进而保证车用电池的健康状况评估的准确性。
107.在对异常soh值进行修复之后，根据正常soh值和修复soh值的分布，得到车用电池
的健康状况评估结果。图6示出了修复后的数据的分布状况，其中，横轴表征时间，纵轴表征数据对应的soh值。
108.进一步地，根据车用电池的健康状况评估结果对车用电池执行与健康状况评估结果相匹配的目标操作。修复了异常soh值，才能还原最接近电池健康状态的情况，才能比较准确的判断电池是否可以继续使用。
109.比如，假如修复后的soh分布，都分布在0.8～1之间，那么电池健康状态就正常，可以继续使用。如果出现大量低于0.8的soh值，则该电池明显已经老化，可以弃用(报废)或者用作其他地方的电池(转用储能电池)，不再作为汽车电池使用。基于车用电池的健康状况评估结果对车用电池执行与健康状况评估结果相匹配的目标操作，既能够及时处理异常避免安全问题发生，又能够物尽其用避免资源浪费。
110.本实施例的车用电池的健康状况评估方法自动从soh数据集中划分出正常soh值和异常soh值，然后对异常soh值进行修复，再基于修复后的数据的分布情况得到车用电池的健康状况评估结果，能够提高车用电池的健康状况评估的效率。而且对异常soh值进行修复后再进行健康状况评估，还能提高车用电池的健康状况评估结果的准确性，对车用电池的后续操作提供了较佳的参考。
111.实施例2
112.本实施例提供一种车用电池的健康状况评估方法。该车用电池的健康状况评估方法与实施例1的车用电池的健康状况评估方法大致相同，区别在于对异常soh值进行修复的步骤。
113.在一种可选的实施方式中，在进行修复时，获取异常soh值对应的至少一个备用soh值，并在备用soh值为正常soh值时，根据备用soh值对异常soh值进行修复，得到异常soh值相应的修复soh值；异常soh值和对应的备用soh值根据不同的计算方式得到。具体实施时，获取异常soh值对应的备用soh值；在备用soh值为两个且均为正常soh值时，获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值。
114.在一种可选的实施方式中，基于soh1(即积分电量/额定电量*百分比)形成的soh数据集对车用电池的健康状况进行评估，则以soh2(即积分容量/额定容量*百分比)、soh3(即积分容量/可用容量*百分比)作为备用soh值。如果该异常soh值对应的soh2值和soh3值均属于正常soh值，获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值。具体实施时，计算该异常soh值对应的soh2值与其前一个正常的soh2的变化幅度，记为diff2；同时计算该异常soh值对应的soh3与其前一个正常的soh3的变化幅度，记为diff3。选取diff2、diff3中较小者对应的备用soh值作为修复值。如果该异常soh值对应的soh2值和soh3值中只有一个属于正常soh值，则以该备用soh值作为该异常soh值相应的修复soh值。如果该异常soh值对应的soh2值和soh3值均属于异常soh值，则不进行修复。
115.类似地，在其他可选的实施方式中，基于soh2形成的soh数据集对车用电池的健康状况进行评估，则以soh1、soh3作为备用soh值；基于soh3形成的soh数据集对车用电池的健康状况进行评估，则以soh2、soh1作为备用soh值。异常soh值的修复方式参照以上说明，不再赘述。
116.基于备用soh值对异常soh值进行修复，可以提高数据修复的准确性，进而保证车用电池的健康状况评估的准确性。
117.在本实施例中，提供了基于异常soh值的备用soh值对异常soh值进行修复的具体方式，在备用soh值为两个且均为正常soh值时，获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值，可以提高数据修复的准确性，进而保证车用电池的健康状况评估的准确性。
118.实施例3
119.图7为本实施例提供的一种电子设备的结构示意图。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，所述处理器执行所述程序时实现实施例1或实施例2的车用电池的健康状况评估方法。图7显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
120.电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
121.总线33包括数据总线、地址总线和控制总线。
122.存储器32可以包括易失性存储器，例如随机存取存储器(ram)321和/或高速缓存存储器322，还可以进一步包括只读存储器(rom)323。
123.存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
124.处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或实施例2的车用电池的健康状况评估方法。
125.电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
126.应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
127.实施例4
128.本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1或实施例2的车用电池的健康状况评估方法的步骤。
129.其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
130.在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1或实施例2的车用电池的健康状况评估方法的步骤。
131.其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
132.实施例5
133.本实施例提供一种车用电池的健康状况评估系统。参照图8，该车用电池的健康状况评估系统包括获取单元201、划分单元202、修复单元203、评估单元204。
134.获取单元201用于获取车用电池的soh数据集；划分单元202用于从soh数据集中划分出正常soh值和异常soh值；修复单元203用于对异常soh进行修复，得到异常soh值相应的修复soh值；评估单元204用于根据正常soh值和修复soh值的分布，得到车用电池的健康状况评估结果。
135.具体实施时，首先，获取单元201获取车用电池的soh数据集。在一块电池的soh数据集中，正常情况下，是由大部分正常的soh值和部分异常的soh值组成。正常的soh值具备相似的特征，异常的soh值的特征跟正常的soh值的特征相差甚大。图2示出了一个soh数据集的各个soh值的分布情况，其中，横轴表征soh值，纵轴表征对应的soh值的数据的数量。该soh数据集大量的soh值处于0.8-1.0之间，符合正常的soh值的特点；其中少量数据分布与0-0.8之间。可以判断，这部分少量数据，其中存在一些异常值。
136.为了识别异常值，首先，划分单元202获取soh数据集中各soh值对应的降维分析数据，得到soh数据集对应的分析数据集。
137.然后，划分单元202确定分析数据集的聚类数量以及主成分。
138.可实施地，可通过任意能够确定数据集的聚类数量以及主成分的算法来确定分析数据集的聚类数量以及主成分，本实施例并不具体限定，该算法可根据实际需求进行相应的选择及调整。
139.例如划分单元202可基于elbow(肘系数)方法来确定聚类数量。图3示出了一elbow曲线，当聚类数量趋于6时，曲线开始趋于收敛，此时可以取聚类数量为6。
140.然后，划分单元202基于主成分分析法分析数据集中的主成分及每个主成分的解释方差率。图4示出了soh数据集的累积解释方差和独立的解释方差，其中，横轴表征主成分，纵轴表征解释方差率。根据图4所示，数据集中共有两个主成分，每个主成分大概解释了一半的方差，故两个主成分均需要保留。
141.确定了聚类数量，确定了主成分个数，接下来则划分单元202进行数据集的标准化处理并进行kmeans聚类。聚类的过程包括：选取聚类数量的且包括主成分的聚类中心点；以聚类中心点为聚类中心进行聚类，在聚类后重新选取每类的聚类中心点且保持主成分为聚类中心点再继续聚类直至收敛。
142.通过获取各soh值对应的降维分析数据，得到soh数据集对应的分析数据集，基于分析数据集进行聚类可提高数据处理效率；而且选定分析数据集的聚类数量以及主成分，并根据聚类数量和主成分对分析数据集进行聚类，可以有效提高聚类的准确性，从而提高基于聚类结果划分正常soh值和异常soh值的准确性。
143.根据候选成分的解释方差率筛选主成分，且维持主成分为聚类中心点进行聚类，可以有效提高聚类的准确性。
144.聚类完成后，划分单元202从soh数据集中划分出正常soh值和异常soh值。
145.在第一种可选的实施方式中，划分单元202获取一个降维分析数据与所对应的聚类中心之间的距离，并将对应的距离最大的多个降维分析数据为异常降维分析数据，以及将异常降维分析数据对应的soh值识别为异常soh值。
146.在第二种可选的实施方式中，划分单元202根据异常比例从每类聚类数据中筛选异常降维分析数据，并将异常降维分析数据对应的soh值识别为异常soh值。例如，在一种情形下，设定一个异常值的比例outliers_fraction为1％，这样设置是因为在标准正太分布的情况下(n(0,1))，一般认定3个标准差以外的数据为异常值。3个标准差以内的数据包含了数据集中99％以上的数据，所以剩下的1％的数据可以视为异常值。
147.本实施例提供了基于聚类结果划分正常soh值和异常soh值的具体方式，将离散度最高的多个降维分析数据划分为异常降维分析数据或者将根据异常比例从每类聚类数据中筛选异常降维分析数据，再将异常降维分析数据对应的soh值识别为异常soh值，这样可以有效地从大量的soh值中快速且准确地划分出异常soh值。
148.图5以图示的方式示出了划分的正常值和异常值，其中，横轴“data time integer”表征时间，纵轴“soh1”表征数据对应的soh值。
149.然后，修复单元203对异常soh值进行修复，得到异常soh值相应的修复soh值。
150.在一种可选的实施方式中，修复单元203根据异常soh值相邻的正常soh值对异常soh值进行修复，得到异常soh值相应的修复soh值。电池正常的soh值分布在0.8～1之间，且随使用过程的变化趋势是一个缓慢下降的趋势。据此，在一种可选的实施方式中，可以选择该异常soh值所在点的距离最近的一个正常soh值作为该异常soh值的修复值。
151.在该实施方式中，根据异常soh值相邻的正常soh值对异常soh值进行修复，或者基于备用soh值对异常soh值进行修复，可以提高数据修复的可信度以及准确性，进而保证车用电池的健康状况评估的准确性。
152.在对异常soh值进行修复之后，评估单元204根据正常soh值和修复soh值的分布，得到车用电池的健康状况评估结果。图6示出了修复后的数据的分布状况，其中，横轴表征时间，纵轴表征数据对应的soh值。
153.进一步地，评估单元204根据车用电池的健康状况评估结果对车用电池执行与健康状况评估结果相匹配的目标操作。修复了异常soh值，才能还原最接近电池健康状态的情况，才能比较准确的判断电池是否可以继续使用。比如，假如修复后的soh分布，都分布在0.8～1之间，那么电池健康状态就正常，可以继续使用。如果出现大量低于0.8的soh值，则该电池明显已经老化，可以弃用或者用作其他地方的电池，不再作为汽车电池使用。基于车用电池的健康状况评估结果对车用电池执行与健康状况评估结果相匹配的目标操作，既能够及时处理异常避免安全问题发生，又能够物尽其用避免资源浪费。
154.本实施例的车用电池的健康状况评估系统自动从soh数据集中划分出正常soh值和异常soh值，然后对异常soh值进行修复，再基于修复后的数据的分布情况得到车用电池的健康状况评估结果，能够提高车用电池的健康状况评估的效率。而且对异常soh值进行修复后再进行健康状况评估，还能提高车用电池的健康状况评估结果的准确性，对车用电池
的后续操作提供了较佳的参考。
155.实施例6
156.本实施例提供一种车用电池的健康状况评估系统。该车用电池的健康状况评估系统与实施例5的车用电池的健康状况评估系统大致相同，区别在于修复单元203对异常soh值进行修复的过程。
157.在一种可选的实施方式中，在进行修复时，修复单元203获取异常soh值对应的至少一个备用soh值，并在备用soh值为正常soh值时，根据备用soh值对异常soh值进行修复，得到异常soh值相应的修复soh值；异常soh值和对应的备用soh值根据不同的计算方式得到。具体实施时，修复单元203获取异常soh值对应的备用soh值；在备用soh值为两个且均为正常soh值时，修复单元203获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；修复单元203选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值。
158.在一种可选的实施方式中，基于soh1(即积分电量/额定电量*百分比)形成的soh数据集对车用电池的健康状况进行评估，则以soh2(即积分容量/额定容量*百分比)、soh3(即积分容量/可用容量*百分比)作为备用soh值。如果该异常soh值对应的soh2值和soh3值均属于正常soh值，修复单元203获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；修复单元203选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值。具体实施时，修复单元203计算该异常soh值对应的soh2值与其前一个正常的soh2的变化幅度，记为diff2；同时，修复单元203计算该异常soh值对应的soh3与其前一个正常的soh3的变化幅度，记为diff3。修复单元203选取diff2、diff3中较小者对应的备用soh值作为修复值。如果该异常soh值对应的soh2值和soh3值中只有一个属于正常soh值，则修复单元203以该备用soh值作为该异常soh值相应的修复soh值。如果该异常soh值对应的soh2值和soh3值均属于异常soh值，则修复单元203不进行修复。
159.类似地，在其他可选的实施方式中，基于soh2形成的soh数据集对车用电池的健康状况进行评估，则以soh1、soh3作为备用soh值；基于soh3形成的soh数据集对车用电池的健康状况进行评估，则以soh2、soh1作为备用soh值。异常soh值的修复方式参照以上说明，不再赘述。
160.在本实施例中，提供了基于异常soh值的备用soh值对异常soh值进行修复的具体方式，在备用soh值为两个且均为正常soh值时，获取两个备用soh值分别与相邻的正常soh值之间的变化幅度；选取两个变化幅度中的较小者，用作异常soh值相应的修复soh值，可以提高数据修复的准确性，进而保证车用电池的健康状况评估的准确性。
161.虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。