本发明涉及新能源汽车动力电池大数据处理，特别是涉及一种改进的动力电池组最大可用容量计算方法。
背景技术：
1、在当前全球能源与交通领域经历的变革背景下，大数据技术、新能源汽车以及动力电池的快速发展正共同推动着行业向着更绿色、更高效的未来迈进。动力电池作为纯电动汽车(battery electric vehicle，bev)的核心组件，其性能显著影响车辆续航里程、安全性能和整体效能。目前，对于锂离子电池(lithium-ion batteries，libs)健康状态(state of health，soh)估计的研究大多依赖于实验室收集的数据，在实验室环境下，通常每隔50或100个循环进行一次容量标定测试，通常称之为定期静态容量测试。与之相对应的为实时动态容量测试，是在最理想情况下的容量获取方式，能够更好地反映电池的soh，但在车辆的实际应用中，车辆并不能进行实时动态容量测试，也不会进行定期静态容量测试。因此，如何通过历史数据准确计算出电池包当前的最大可用容量是一个挑战。
技术实现思路
1、本发明所要解决的技术问题是：为了克服现有技术中的不足，本发明提供一种改进的动力电池组最大可用容量计算方法。
2、本发明解决其技术问题所要采用的技术方案是：一种改进的动力电池组最大可用容量计算方法，包括以下步骤：
3、s1：采集第一数据集x
4、车载终端通过电池管理系统bms以一定的采样频率，对整车及各个部件数据进行实时采集，获得第一数据集x。
5、s2：对第一数据集x进行清洗
6、在第一数据集x基础上，剔除冗余样本，获得第二数据集x′；在第二数据集x′基础上，修正时间序列，获得第三数据集x″，确保数据质量，并提升分析结果的可信度，具体包括以下步骤：
7、s2.1：剔除冗余样本
8、由于数据采集过程中的重复记录或数据传输过程中的信号波动，数据集中包含了重复或相似的样本记录，因此首先需要对冗余数据进行剔除，采用滤波方式，将第一数据集x中重复或相似的样本记录删除，从而得到第二数据集x′。
9、s2.2：修正时间序列
10、在实时数据传输或记录的过程中，可能会由于数据传输延迟、不同设备的时间同步等问题引发时间乱序。为了解决数据集中的时间乱序问题，通过时间格式化函数对第二数据集x′中数据时间的格式进行统一，按照时间顺序排布，并获取每个数据的时间戳字段，利用排序函数对时间戳字段进行排序，修正第二数据集x′中数据的时间序列，得到第三数据集x″。
11、s3：提取充放电片段
12、基于时间特征，构建充放电片段切分流程，利用该流程从第三数据集x″数据中准确可靠地识别出动力电池的充电片段(即充电周期)和放电片段(即放电周期)，具体包括以下步骤：
13、s3.1：根据车辆状态和充电状态，从第三数据集x″中筛选出充放电样本数据集，剔除非充电、非行驶状态的数据，得到第四数据集，记为d＝[xc,xd]；
14、s3.2：判断第四数据集d＝[xc,xd]中相邻两行数据之间的时间间隔是否超过了设定的充放电周期阈值θ，若超过，则将其视为一个新的充放电周期，记录充放电周期的数量，按照上述过程，识别出第四数据集d＝[xc,xd]中所有的充电周期数和放电周期数，分别记为m和n，从而得到m个充电片段xc(i),i∈[1,m]与n个放电片段xd(i),i∈[1,n]，记为第五数据集d′＝[xc(i)|i∈[1,m],xd(i)|i∈[1,n]]；
15、s3.3：剔除第五数据集d′内的充放电过程中存在干扰和杂波的异常片段，得到第六数据集，记为d″＝[x′c(i)|i∈[1,m′],x′d(i)|i∈[1,n′]]，m′≤m，n′≤n；
16、s3.4：修正离群值与缺失值
17、对于极值类字段(单体最高电压、最高温度等)，假设其不存在离群值，反映了系统的真实状况，因此不做处理。对于其他关键字段(单体电压，单体温度等)，构建全局四分位法—局部孤立森林法的离群值综合检测方法，利用离群值综合检测方法识别第六数据集d″内的离群值，并将离群值置为缺失值，然后，基于插值算法对缺失值进行插值填充，得到第七数据集，记为d″′＝[x″c(i)|i∈[1,m],x″d(i)|i∈[1,n]]，m≥m′，n≥n′，其中，x″c(i)|i∈[1,m]为最终提取的充电片段，x″d(i)|i∈[1,n]为最终提取的放电片段。
18、其中，全局四分位法—局部孤立森林法的离群值综合检测方法具体为：
19、首先，将关键字段分为全局字段与局部字段两大类，其中，全局字段是指对整个数据集或车辆系统进行描述的属性字段，不随路况、环境、驾驶行为的变化而变化；局部字段是指数据集中的每个充放电片段独立相关的字段，包含充放电片段的特定电池状态信息，随着路况、环境、驾驶行为的变化而变化。
20、其次，利用四分位法对关键字段进行全局检测，对于存在离群值的全局字段和局部字段，利用孤立森林法分别对每个充放电片段的全局字段和局部字段进行了检测，并将离群值置为缺失值，方便后续的插值填充。
21、s4：计算最大可用容量
22、分别对充电片段和放电片段利用改进的安时积分法，进而得到充电过程和放电过程的最大可用容量；具体包括以下步骤：
23、s4.1：确定改进的充放电过程的最大可用容量公式
24、最大可用容量的计算公式为：
25、
26、其中，cmax为某一充放电片段对应的最大可用容量，δq为充放电容量变化量，δsoc为充放电电量变化量；
27、基于安时积分法对上述cmax公式进行逆运算有：
28、
29、再进一步离散化后得到改进的充放电过程的最大可用容量公式：
30、
31、式中，soc(t0)为某一充放电片段t0时刻对应的soc值；soc(t)为该片段充放电终止t时刻对应的soc值；i(τ)为电池电流；η为充放电效率，通常在0.98～1，k为该充放电片段的总采样数，△ti为充电片段相邻两行的采样间隔，ii为该充放电片段的电流。
32、s4.2：根据影响最大可用容量的因素对cmax进行调整
33、s4.2.1：根据不同地区和季节确定充放电效率η，则：
34、南方春夏秋季放电效率为ηd,s；
35、北方春夏秋季放电效率为ηd,n；
36、南方春夏秋季充电效率为ηc,s＝ηd,s-bs；
37、北方春夏秋季充电效率为ηc,n＝ηd,n-bn；
38、冬季充放电效率为ηwinter＝ηstate，region-b；
39、其中，η为充放电效率，c、d分别代表充电状态与放电状态，s、n分别代表南方与北方，bs、bn、b分别为不同地区和季节对应的偏置常数，ηsyate，region为某地区的春夏秋的充放电效率。
40、s4.2.2：对总电流和soc的局部孤立森林离群值检测和修正
41、分别对步骤s3获得的每一个充电片段和放电片段的soc和总电流进行离群值检测并修正，公式如下：
42、
43、式中，i(t)、soc(t)分别为t时刻对应的电流与soc值，φ(.)分别为局部孤立森林离群值检测函数与异常值修正函数(即插值函数)，i′(t)、soc′(t)分别为t时刻修正后的电流与soc值。
44、s4.2.3：充放电深度有效性筛选
45、基于电池充电深度doc对s4.2.2修正后的充电片段进行筛选，剔除doc值小于电池充电状态阈值εc的kc个片段；
46、同样的，基于电池的放电深度dod对s4.2.2修正后的放电片段进行筛选，剔除dod值小于电池的放电深度阈值εd的kd个片段。
47、s4.2.4：考虑充放电电流的连续性，在数据的采集过程中，采样频率一般为10s、20s或者其他，电流i′(t)在采样间隔的实际值未知，因此考虑将相邻采样间隔(i′j,i′j+1)的平均电流作为一个采样周期(10s/20s)内的电流，而不是一个采样周期△ti的首末值。
48、s4.2.5：根据步骤s4.2.1-s4.2.4确定的影响最大可用容量的因素对cmax进行调整，则：
49、对提取的充电片段进行处理，得到充电过程最大可用容量为：
50、
51、同样的，对提取的放电片段进行处理，得到放电过程最大可用容量为：
52、
53、其中，ηj取值为ηd,s、ηd,n、ηc，s、ηc，n、ηwinter；
54、则充放电过程最大可用容量数据集，记为第八数据集c＝[ccmax(t)，cdmax(t)]。
55、s4.3：重采样
56、以一定的重采样频率f，将不同时间分辨率下的单一充放电的第八数据集c转换为固定时间频率的时间序列数据集，记为第九数据集[cmax(t)]：
57、cmax(t)＝rf(ccmax(t),cdmax(t))
58、式中，cmax(t)为重采样后的充放电最大可用容量，rf表示重采样频率为f的重采样函数r(.)。
59、s4.4：对空值进行填充
60、基于插值算法对重采样后的第九数据集[cmax(t)]中的空值进行填充，得到当前最大可用容量的非线性表示，即第十数据集c′max(t)：
61、c′max(t)＝φ(cmax(t))
62、式中，φ(.)为插值函数。
63、s5：利用当前最大可用容量的非线性表示计算出的最大可用容量，对电池进行准确有效的控制。
64、现有技术中对电池最大可用容量的计算精确度比较有限，而采用本发明的方法，能够获得更加精确的最大可用容量，从而可以对电池进行精确使用，更好的控制，从而能够较为精确的监测电池组当前的最大可用容量，为动力电池健康状态的准确估计奠定坚实基础。
65、本发明中局部孤立森林离群值检测函数插值函数φ(.)即异常值修正函数，重采样函数r(.)，四分位法以及孤立森林法均为现有技术中的已知函数和方法，因此，本发明中对其具体内容不做详细说明。
66、本发明的有益效果是：
67、(1)结合充放电过程及不同地区和季节的充放电效率，计算动力电池组的最大可用容量，考虑不同阶段对电池的影响，具有较好的准确性与适用性；
68、(2)在经过重采样技术后，离群值的影响被显著减少，有效平滑了数据波动，充分利用了数据信息，具有较好的准确性与泛化性。
1.一种改进的动力电池组最大可用容量计算方法，其特征在于：包括以下步骤：
2.如权利要求1所述的改进的动力电池组最大可用容量计算方法，其特征在于：步骤s2对第一数据集x进行清洗，具体包括以下步骤：
3.如权利要求2所述的改进的动力电池组最大可用容量计算方法，其特征在于：步骤s3提取充放电片段具体包括以下步骤：
4.如权利要求3所述的改进的动力电池组最大可用容量计算方法，其特征在于：步骤s3.4中全局四分位法-局部孤立森林法的离群值综合检测方法具体为：
5.如权利要求1所述的改进的动力电池组最大可用容量计算方法，其特征在于：步骤s4计算最大可用容量具体包括以下步骤：
6.如权利要求5所述的改进的动力电池组最大可用容量计算方法，其特征在于：还包括以下步骤：
