买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京保险服务中心股份有限公司

摘要：本发明涉及损伤评估技术领域，具体为一种基于车联网大数据的事故电池损伤评估方法及系统。本发明中，利用实时和历史电池运行数据结合统计方法，定位和识别电池事故中的异常电芯并输出结果，通过分析事故前后的电池数据，使用等效电路模型对电芯故障模式进行模拟和诊断并输出结果，根据收集的实时数据计算电池容量衰减系数和实际容量，利用线性关系确定在电池组中电芯损伤后的容量衰减系数并输出结果，利用卷积神经网络算法模型根据输出结果确定对应的指标和电池损伤结果，并将指标与上述三种不同输出结果进行比较，根据比较结果确定电池损伤是否为最终结果，以及对三种方法进行优化处理，优化处理后，进行再次比较，直到确定最终的电池评估结果。

主权项：1.一种基于车联网大数据的事故电池损伤评估方法，其特征在于，方法步骤如下：S1、利用实时和历史电池运行数据结合统计方法，定位和识别电池事故中的异常电芯，输出结果包括电池参数和电池异常偏离指数；S2、通过分析事故前后的电池数据，使用等效电路模型对电芯故障模式进行模拟和诊断，识别长期电池性能变化，输出结果包括电路模型参数和故障指标；S3、根据收集的实时数据计算电池容量衰减系数和实际容量，利用线性关系确定在电池组中电芯损伤后的容量衰减系数，并据此计算出受损电池组的实际容量，输出结果包括实际容量和容量衰减系数；S4、整合S1输出的电池参数、S2输出的电路模型参数和S3输出的实际容量的结果作为输入特征向量，并训练卷积神经网络算法模型，利用训练完成的卷积神经网络算法模型根据该输入特征向量预测出电池异常偏离指数、故障指标、容量衰减系数和电池损伤结果，将预测结果分别与S1输出的电池参数、S2输出的电路模型参数和S3输出的实际容量输出结果进行比较，三者比较结果全部一致，确定卷积神经网络算法预测的电池损伤结果为最终结果，否则对比较不一致的方法进行优化处理；S5、神经网络预测的电池异常偏离指数与S1中的电池异常偏离指数比较不一致时，通过缩小采集数据的时间间隔进行高频率的数据传输；神经网络预测的故障指标与S2中的故障指标比较不一致时，通过用数据清洗技术提高数据质量；神经网络预测的容量衰减系数与S3中的量衰减系数比较不一致时，通过对输出的结果进行归一化处理，让结果权重保持平衡；优化处理后，按照之前的比较逻辑进行再次比较，直到确定最终的电池评估结果。

全文数据：

权利要求：

百度查询： 北京保险服务中心股份有限公司 一种基于车联网大数据的事故电池损伤评估方法及系统