电动汽车原理与应用技术 第3版 PPT课件09 新能源汽车大数据平台及应用

第9章新能源汽车大数据平台及应用1汽车大数据概述新能源汽车大数据采集数据分析与处理大数据应用案例目录汽车大数据概述3国务院相关领导人指出：要强化远程运行的监控体系，以建立体系、统一要求、落实责任为重点，加快覆盖国家、地区、企业运行的数据监控平台。新能源汽车大数据新能源汽车大数据的需求背景2016年，工业和信息化部制定并发布了《新能源汽车生产企业及产品准入管理规定》。2018年，工业和信息化部制定了《新能源汽车动力电池回收利用溯源管理暂行规定》。2020年，由国家市场监督管理总局、国家标准化管理委员会批准发布了工业和信息化部组织制定的GB18384—2020《电动汽车安全要求》、GB38032—2020《电动客车安全要求》和GB38031—2020《电动汽车用动力电池安全要求》三项强制性国家标准。新能源汽车安全监管的国家政策要求汽车大数据概述42015年国务院正式印发了《中国制造2025》。新能源汽车行业作为制造业与高新技业的交叉产业，与车辆大数据的融合应用是顺应汽车产业发展的必然结果。这种高度融合必将加速“中国制造2025”及智能网联汽车在新能源汽车领域的早日实现。新能源汽车大数据汽车产业转型升级的需求新能源汽车大数据的需求背景汽车大数据概述5新能源汽车的电子设备数量及其采集的数据量相比之前有了巨大的提升，普通的行车电脑已不能满足数据的记录需求，且该方法没有即时更新的数据，其时效性较差。新能源汽车大数据新能源汽车行业应用与管理需求新能源汽车的行车安全问题依赖于前期的数据分析发现，且其发生事故的救援难度相比普通燃油车要大得多，大部分的车企都对新能源汽车有着较高的数据传输分析及管理需求。汽车大数据平台的方案便应运而生。新能源汽车大数据的需求背景汽车大数据概述6依靠车联网系统，可以实时采集车辆及相关设备的运行和设备检测数据，积累新能源汽车产业运营数据，形成海量数据池。新能源汽车大数据新能源汽车大数据的特点新能源汽车领域数据包括车载智能终端采集的车辆工况及驾驶行为数据、车辆故障诊断信息、车辆维修保养数据、天气路况等。数据增长速度快，包含大量实时数据，导致了数据创建、处理和分析的速度持续加快。对于对时间敏感的流程，具备典型的大数据的4V特征。汽车大数据概述7应用领域主要分为政府、商业、用户三个层次。新能源汽车大数据车辆大数据的应用领域政府需要对车辆安全、交通管理、公共安全、产业政策、环境保护方面进行管理。提出以下几点要求：1）加强和完善大数据基础设施建设及服务功能，扩大大数据专业人才及技术引进力度。2）加快搭建统一平台，统筹大数据研发应用。从组织保障、数据采集、数据共享、数据应用等方面入手。3）继续推进大部制改革，促进统一类型数据在业务部门内整合。4）加速数据挖掘及运用，提高大数据在政府决策中的作用。有效挖掘、存储、处理、分析大数据。汽车大数据概述8商业领域包括公共服务、商业服务、汽车金融、汽车企业。新能源汽车大数据车辆大数据的应用领域公共服务，通过挖掘大数据中潜在信息，可提供更优质的公共服务。商业服务，可以利用数据挖掘技术，定义线索级别并进行购车意向分析，提高销售线索的转化率；利用汽车大数据对用户进行多维度的画像扫描，对客户进行细分。汽车金融，可以让汽车保险定价更合理、让理赔定损更简单等。汽车企业，合理运用车辆大数据，可实现设计优化、车间通信、无人驾驶等功能。汽车大数据概述9用户领域主要包括智能控制、交通服务、车辆信息等方面，可以将这些方面内容集成在App终端上。通过App终端的下载与应用，给用户提供车辆信息，提供交通服务，使其对车辆进行智能控制，帮助用户更好地驾驶车辆，提升驾驶体验。新能源汽车大数据车辆大数据的应用领域汽车大数据概述10车联网是以车、路以及道路的基本设施为节点组成网络，用以实现车与车、车与人、车与路的信息交换，利用先进的技术实现安全防护、智能驾驶、车辆售后服务、位置服务，最终达到提高交通效率、提升道路通行能力、降低交通事故等目的。基本架构如图。车联网基本架构车联网的基本架构汽车大数据概述11数据采集层通过感知技术、车载信息终端以及路边系统设备，实现对车辆自身的位置、速度、加速度、行进方向等行驶和运行信息以及车辆外在属性（如道路、人和环境）等信息的提取，通过轻量级的车载设备完成车辆相关信息的收集和处理，同时接收和执行来自上层的智能交通和信息服务等交互控制指令。车联网基本架构汽车大数据概述12网络层包括网络接入层和网络交互层。与车辆相关的网络包括车对车（V2V）、车对路（V2R）、车对网（V2I）及车对人（V2H）等。车联网基本架构网络接入层实现运行系统（车辆信息系统、路网信息、信息采集基站系统和运行管控服务中心系统）和运营系统（运营管控平台系统、关键服务子系统）之间的数据传输。网络交互层完成对业务的承载，作为承载网络提供到外部网络的接口，从而实现汽车各种服务、管理和服务交互过程的控制。汽车大数据概述13数据处理层对在网车辆和设施产生的数据进行存储和分析计算，同时集成其他服务基础数据，为智能交通管控和车载信息服务提供支撑。车联网基本架构数据应用层通过车载信息服务与运营中心负责面向不同类型用户提供开放多样的车载信息服务，同时提供安全可靠的运营支撑环境。汽车大数据概述14智能网联汽车同时具备“智能”与“网联”两个方面的特性，是道路交通系统中一个具备一定自主决策和自我控制能力的载运工具平台，也是车联网络大环境中的一个信息交互节点。新能源汽车大数据平台架构智能网联汽车的“端-网-云”架构未来自动驾驶和智能交通场景的实现，都需要依赖车-车、车-路、车-云协同的信息交互和协调控制技术。智能网联汽车从功能到技术实现方面都体现为“端-网-云”的体系架构。汽车大数据概述15“端”既包括道路交通环境中行驶的车辆（智能移动终端），也包括非车辆，如行人、动物等。“端”是智能网联汽车运行过程中数据获取、计算处理、智能应用的功能载体。新能源汽车大数据平台架构智能网联汽车的“端-网-云”架构“网”指车联网环境，车联网是以车内网、车际网和车载移动互联网（车云网）为基础，按照约定的通信协议和数据交互标准，在车-车、车-路、车-云，以及车辆与互联网之间，进行无线通信和信息交换，以实现智能交通管理控制、车辆智能化控制和智能动态信息服务。“云”指用以进行跨领域大数据存储和处理的云服务平台。能够至少同时支持百万级车载智能终端及千万级智能移动终端的大数据并发，实现对海量实车数据的存储、计算、管理、监控、分析、挖掘及应用，是系统互联与智能的核心。汽车大数据概述16有企业监测平台、地方监测平台以及国家监测平台三类，这三类平台形成了数据平台的三级架构。新能源汽车大数据平台架构大数据云平台架构与管理体系（1）新能源汽车数据平台三级结构数据平台的三级架构汽车大数据概述17以北京理工大学新能源汽车监测与管理平台为例。电动车辆大数据平台采用Hadoop体系架构，与阿里、京东等公司的大数据技术同步，同时具有更强的灵活性和可扩展性。新能源汽车大数据平台架构大数据云平台架构与管理体系（2）整体平台架构数据采集、存储、挖掘流程图汽车大数据概述新能源汽车大数据采集数据分析与处理大数据应用案例目录新能源汽车大数据采集19数据采集流程静态信息采集静态信息指没有与服务器进行交互的数据，车辆外部的静态信息主要包括充电桩的使用情况、路网情况、气象情况等，对分析车辆的行驶状况、安全管理和故障回溯提供有效的依据。车辆的静态信息包括车辆的相关参数、车辆公告信息、车辆的销售情况以及用户对车辆的评价情况等，这些信息也是进行大数据分析所必备的。新能源汽车大数据采集20数据采集流程动态信息采集通过布置在车辆上的传感器获取车辆的动态信息。新能源汽车数据平台车辆动态信息采集步骤如下：连接建立车载终端向远程服务与管理平台发送通信连接请求，远程服务与管理平台应对接收到的数据进行校验。信息传输按一定时间周期向远程服务与管理平台上报电动汽车运行、充电、事故报警或断电后3min内的实时信息。连接维持车载终端应向远程服务与管理平台发送周期性心跳信息，远程服务与管理平台应对车载终端反馈成功应答。信息补发数据通信链路异常时，车载终端应将实时上报数据进行本地储存。恢复正常后，在发送实时上报数据的空闲时间完成补发储存的上报数据。新能源汽车大数据采集21新能源汽车数据采集项纯电动汽车数据采集项纯电动汽车的数据对提高动力电池、驱动电机、电机控制、车身和底盘设计及能量管理等关键技术研发速度，降低研发成本及验证技术可靠性等方面的作用十分显著。数据采集项主要涉及电机数据、电池数据、整车数据、车辆道路行驶信息和车辆运行状态信息等。驱动电机需要采集的数据项共十一项驱动电机个数驱动电机总成信息驱动电机状态驱动电机序号驱动电机状态驱动电机控制器温度驱动电机转速驱动电机温度驱动电机转矩输入电压电机控制器直流母线电流新能源汽车大数据采集22新能源汽车数据采集项纯电动汽车数据采集项动力电池的数据采集项包括如下几项：电池电压电池电流电池温度探针数探针温度值高压DC/DC变换器状态电池最低单体电压电池最低单体箱号当前最大允许放电电流锂电池系统故障等级整车数据采集项包括：车辆横向加速度纵向加速度垂直加速度制动信息转向信息胎压信息车内温度新能源汽车大数据采集23新能源汽车数据采集项混合动力电动汽车数据采集项混合动力汽车的动力传动系统由两个或多个能够同时运转的单个动力传动系统联合组成。如果其中一个动力传动系统为纯电动汽车动力传动系统，则该混合动力汽车为混合动力电动汽车。与纯电动汽车相比，多了发动机和一套变速机构，在采集车辆数据时需要注意发动机的相关参数信息，例如发动机状态、曲轴转速、燃油消耗率、机油温度、冷却液温度、机油压力及进气压力等。新能源汽车大数据采集24新能源汽车数据采集项燃料电池电动汽车数据采集项燃料电池电动汽车动力系统主要由燃料电池发动机、燃料存储装置、驱动电机、动力电池组等组成，采用燃料电池发电作为主要能量源，通过电机驱动车辆前进。相比于纯电动汽车，其电能来源于燃料电池发生化学反应产生的电能，多了燃料电池和储氢瓶，采集与之相关的参数信息如燃料电池电压、燃料电池电流、燃料消耗率、燃料电池温度探针总数、氢系统中最高温度、氢系统中最高温度探针代号、氢气最高浓度、氢气最高浓度传感器代号、氢气最高压力、氢气最高压力传感器代号、高压DC/DC变换器状态等。新能源汽车大数据采集25车载终端设备车载终端设备概念车载终端是安装在电动汽车上，采集及保存整车及系统部件的关键状态参，并与车联网后台及其他对象进行通信的装置或系统。智能车载终端主要有两种产品形态：一种是独立的车载终端；另外一种是将车载终端功能和车机等进行集成设计，成为集成式、一体化车载终端。新能源汽车大数据采集26车载终端设备车载终端主要组成部分蜂窝通信模块建立与广域网的通信，与车联网后台进行数据交互。还需要具备传统的电话、短信等通信功能。微处理器（MPU）运行智能车载终端的应用层软件，需要具有较高的性能。一般选用车规级ARM芯片运行Linux等操作系统。微控制器（MCU）MCU主要对接车辆网络，满足高可靠性、高实时性要求。全球导航卫星系统（GNSS）定位模块获取车辆定位数据，包括时间、车速、经度、纬度、航向、海拔等数据。为GPS、北斗、GLONASS等。存储器存储器主要用于存储车辆运行状态数据，在进行车载终端及车辆控制器的远程升级时，可用于存储升级文件。新能源汽车大数据采集27车载终端设备车载终端设备应用实例NE-EVT200型的新能源车载终端设备，采用了外置GPS或双模定位的方式，位置数据精度更高。支持近端SD卡进行固件升级，也支持FTP远程固件升级，降低了维护工作量。支持串口参数设计，也可根据车厂提供的BMS及车辆仪表协议，通过dbc配置方式，快速定制车型的协议。最多可同时支持2个主站后台进行数据传输。具体流程：通过GPRS协议从CAN总线中读取数据，如电池电流、电压、温度、车速、GPS定位信息等，遵循国家标准TCP协议，以数据流量的方式将数据传送到云端大数据平台。平台参照国标将所需要的信息翻译出来，最终形成可以为数据平台所利用的数据。NE-EVT200型新能源车载终端汽车大数据概述新能源汽车大数据采集数据分析与处理大数据应用案例目录29数据分析与处理新能源汽车运行环境复杂，在实际情况下采集到的数据往往存在不正确或不一致等问题。数据预处理在大数据系统中需要进行数据预处理以提高数据的质量，从而有助于提高数据挖掘与分析的准确率和效率。大数据预处理技术主要包括数据清洗、数据集成、数据归约与数据变换。30数据分析与处理现实世界的数据一般是不完整的、有噪声的和不一致的。数据清洗的目的是填补缺失的值、光滑噪声并识别离群点。数据预处理1.填补缺失值常见方法有删除、填充默认值、均值、众数和通过模型预测等。2.

光滑噪声并识别离群点噪声指被测量变量的随机误差。给定一个数值属性，可以通过以下数据光滑技术来平滑噪声。（1）分箱通过考察数据的“近邻”（即周围的值）来光滑有序数据值。这些有序的值被分布到一些“桶”或箱中。由于分箱方法考察近邻的值，因此它只能进行局部光滑。数据清洗31数据分析与处理数据预处理①用箱均值光滑：箱中每一个值被箱中的平均值替换。②用箱中位数平滑：箱中的每一个值被箱中的中位数替换。③用箱边界平滑：箱中的最大和最小值同样被视为边界。箱中的每一个值被最近的边界值替换。数据清洗一些数据光滑的分箱方式（2）离群点分析可通过如聚类等方法来检测离群点。聚类将类似的值聚成群或“簇”。直观地，落在簇集合之外的值被视为离群点。32数据分析与处理数据集成技术在逻辑上和物理上把来自不同数据源的数据进行集中，为用户提供一个统一的视图。合理的集成有助于减少结果数据集的冗余和不一致，提高其后挖掘过程的准确性和速度。数据预处理（1）冗余和相关分析一个属性如果能由另一个或另一组属性“导出”，则这个属性可能是冗余的。对于标称数据，可使用卡方检验解决数据冗余问题；对于数值属性，则可使用相关系数和协方差。（2）数据值冲突的检测与处理对于现实世界的同一实体，不同数据源可能有不同的表示方法，进而形成数据语义的差异性。例如，重量属性可能在一个系统中以公制单位存放，而在另一个系统中以英制单位存放。数据集成33数据分析与处理数据预处理数据归约是指在对分析任务和数据本身内容理解的基础之上，寻找依赖于发现目标特征的有用数据，以缩减数据规模，从而在尽可能保持数据原始特性的前提下，最大限度地精简数据量。常见的数据归约方法包括维归约、数量归约和数据压缩等。数据归约数据规约示意图34数据分析与处理数据预处理数据变换可将原始数据转换成适合数据分析的形式。其策略包括属性构造、聚集、数据规范化、数据离散化和概念分层等。数据离散化和概念分层产生也是数据归约形式。原始数据被少数区间或标签取代从而被简化，使挖掘的结果模式更容易理解。数据变换与数据离散化连续数据离散化35数据分析与处理数据预处理3.研究人员在进行数据分析前，将根据实际计算需求，选择缺失值填充或数据清洗的方式进一步处理数据。新能源汽车数据预处理新能源汽车运行数据预处理分为三个阶段：1.在原始数据采集时，对车载终端采集到的SOC信息、车速信息、电流电压信息等进行数据格式转化、异常数据处理。为保证数据传输的精度，往往需要将采集的数据值扩大10倍。2.国家平台接收数据之前，将调用预处理模块对每个数据项值进行有效验证。其规则是把当前车载终端动态上传的数据项和管理员预配置的有效取值范围进行大小关系比较，对异常数据置空处理，保障数据的有效性和准确性。36数据分析与处理数据分析大数据分析是指用准确适宜的分析方法和工具来分析经过预处理后的大数据，提取具有价值的信息，进而形成有效的结论并通过可视化技术展现出来的过程。对于不同的挖掘目标，采用合适的大数据分析技术，可以达到更好数据挖掘效果。车辆大数据分析常用的几种方法有相关分析、回归分析、聚类方法等。37数据分析与处理数据分析相关分析是研究概率变量之间的相关性的一种统计方法。其按照不同的分类关系可以分为正相关与负相关、单相关与复相关、线性相关与非线性相关等。判断两个现象间有无相关关系，可以通过相关表和相关图进行直观判断。相关分析相关分析热力图38数据分析与处理数据分析回归分析是构建变量间数量关系的具体模型，并对模型进行各种检验的分析方法。被影响的变量是因变量，只有一个，影响变量为自变量，可以有多个。根据自变量个数可分为一元回归与多元回归；根据变量间相关的形式又可分为线性回归与非线性回归。回归分析一元线性回归分析39数据分析与处理数据分析回归分析1.一元线性回归模型一元线性回归是一个自变量与因变量之间线性关系的回归，又称为直线回归，是回归分析中最基本的形式。直线回归与直线相关对应，一元线性回归模型的一般表达形式为:

40数据分析与处理数据分析回归分析2.多元线性回归分析许多现实问题的研究对象往往受到多个自变量的影响。多元线性回归分析是指因变量表现为两个或两个以上自变量的线性组合关系，其与一元线性回归分析的基本原理和方法类似。

41数据分析与处理数据分析聚类分析将物理或抽象对象的集合分成由类似的对象组成的多个类或簇的过程被称为聚类。其相似度根据描述对象的属性值度量，常采用距离来进行度量。在许多应用中，簇的概念都没有严格的定义。左图显示了18个点和将它们划分成簇的3种不同方法。标记的形状指示簇的隶属关系。相同点集的不同聚类方法42数据分析与处理数据分析聚类分析聚类算法可分为划分聚类、层次聚类、基于密度的聚类、基于网格的聚类和基于模型的聚类。实践中常用K-means、层次聚类、神经网络聚类、模糊C-均值聚类、高斯聚类等。K-means聚类方法43数据分析与处理数据可视化数据可视化技术利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。数据可视化工具1.TableauDesktopTableauDesktop是Tableau公司开发的商业智能工具软件。它可以让用户自己编写代码和自定义控制台配置。通过拖放程序把所有的数据展示到数字“画布”上，能快速创建各种图表且有多种展现形式。44数据分析与处理数据可视化数据可视化工具2.Python—MatplotlibMatplotlib是Python最著名的绘图库，它提供了一整套类似Matlab的API，非常适合交互式绘图，其文档也相当完备。Matplotlib是第一个Python可视化程序库，许多程序库都是建立在它的基础上或者直接调用它。例如，Pandas和Seaborn就可以直接调用Matplotlib。45数据分析与处理数据可视化数据可视化工具3.R—ggplot2R语言提供了一套内置函数和库，如ggplot2、leaflet和lattice，用来建立可视化效果以呈现数据。ggplot2有图形精美、函数和参数设置方便记忆以及代码可用性强、可以方便地定制图形等优点。ggplot2绘制的图形46数据分析与处理数据可视化数据可视化工具4.Excel在简单的数据处理时，Excel显然是最方便人们使用的入门级工具。不仅能通过Excel内在集成的图表来对选定的数据源进行可视化展示，也能创建供内部使用的数据图。Excel绘制的图形47数据分析与处理数据可视化新能源汽车数据可视化车辆运行数据繁多复杂，很难直接从数据中发现车辆运行规律以及车辆运行状态，而通过数据可视化则可以清楚地显示出这些情况。1.折线图折线图可以用来显示某一变量跟随时间（或另外的变量）的变化而变化的趋势，能够非常清晰地反映出数据变化情况，以及从中预测出一定的数据未来走势。2023年第一季度车辆故障报警数48数据分析与处理数据可视化新能源汽车数据可视化2.柱状图柱状图可以通过其高度来清晰表达不同指标值之间的对比。其关键是要精确计算出需要表达的尺度和比例。柱状图可进一步发展成三维的情况，增加指标数量，丰富对比。左图所示为我国新能源汽车产量以及平台车辆接入量的对比关系，从中可以看出新能源汽车产量增长情况。49数据分析与处理数据可视化新能源汽车数据可视化3.饼图饼图主要用来表达某一类型数据在整体中所占的比重以及与其他类型相比较情况，可以很明显地突出所要表达的重点。左图所示为截至2023年5月接入新能源汽车大数据平台的新能源汽车比例分布情况。50数据分析与处理数据可视化新能源汽车数据可视化4.热力图通过热力图可以清楚地看到每一个区域的数据焦点，能够实现实时直观地展现充电需求、车辆分布等与地域信息密切相关的信息要素。左图所示为北京地区某一时刻的充电需求热力图。51数据分析与处理数据可视化新能源汽车数据可视化5.行驶轨迹图动态的行驶轨迹图可以直观、实时地表现某一地区某一时刻的交通运行状态。左图所示为北京地区某一时刻的新能源车辆行驶轨迹。52数据分析与处理数据可视化新能源汽车数据可视化6.知识图谱新能源汽车故障诊断方面可以通过构建可视化的知识图谱，建立故障树与数据库之间的联系。知识图谱的UI界面知识图谱的故障关系查询模块汽车大数据概述新能源汽车大数据采集数据分析与处理大数据应用案例目录54大数据应用案例新能源汽车大数据平台功能驾驶行为分析：可结合采集到的加速度、方向盘转角、节气门开度等参数分析用户在不同场景、不同环境下的车辆使用情况，包括行驶环境、起步习惯、怠速状况及加速行为等。车辆性能分析：可分析车辆在实际道路环境下的加速、减速、转弯等性能表现，为车辆研发提供重要的依据。电池寿命预测：通过对电池充放电次数监控、电池的衰减度分析，预测电池的剩余使用寿命。55大数据应用案例新能源汽车大数据平台功能电池性能评估：通过电池性能指标进行电池性能评估。客户画像：通过对车主的行驶区域、驾驶习惯、驾驶风格等方面进行分析，进行车主画像，从而为车辆的售后和研发提供依据。行程分析：以安全得分、绿色得分、安全指标（急加速、急减速、急转弯等）、绿色指标（百公里能耗）对车辆行程进行评估。远程诊断：基于实时的行车数据流进行实时故障诊断，对于未发生的故障进行风险预判，防患于未然。智能提醒：通过监控车辆的运行状况、驾驶表现、环境参数等对车主进行智能提醒。56大数据应用案例新能源车辆大数据评价赛维评价规程能耗安全体验C-AHI中国汽车健康指数GB18384—2020《电动汽车安全要求》DB31/T634—2020GB18352.6—2016《轻型汽车污染物排放限值及测量方法（中国第六阶段）》GB/T18386.2—2022《电动汽车能量消耗量和续驶里程试验方法第2部分：重型商用车辆》GB/T32960.3—2016驾驶体验耐用体验质量体验出行体验评价维度参考

文件动力电池作为新能源汽车中重要的储能装置，近年来频发的动力电池系统危险故障加剧了电动汽车消费者的担忧。对动力电池系统进行故障诊断，明确故障类型，定位故障位置，避免故障发生，对新能源汽车汽车的稳定性提升有十分积极的作用。大数据应用案例新能源车辆安全状态分析与应用本案例通过3σ多层次筛选算法，建立电压离群点检测模型，研究动力电池电压的变化规律和异常波动，并据此判定故障概率，最后与实车对应，将数据统计故障诊断结论转换成实际车辆故障诊断结论。571.对于小部分车辆，某个不确定位置的电池单体电压经常超3σ范围，并且它们的故障频率通常超过90%。定义这种故障为偶然故障，原因为某些偶然的问题（如生产问题、意外情况）导致的该单体故障概率比较大，如图a所示。58大数据应用案例电池系统常见故障2.对于大部分车辆，有一个或几个固定的位置的电池单体，它们的故障频率低于35%，如图b、c、d所示。这种故障的原因主要是设计缺陷和一些固有的系统问题。称为固有故障。59大数据应用案例动力电池系统健康状态评估与故障诊断动力电池的电压故障是动力电池主要故障之一，主要表现为由电池不一致性导致的过充、过放等问题。大多数电池故障诊断方法仍是基于试验数据进行研究，缺少基于实车动力电池数据的研究。因此对整车动力电池系统进行健康状态评估和故障诊断预警研究非常必要。如何评估与诊断评估指标？诊断阈值？香农熵：1984年由香农提出，主要用来解决信息量化度量问题，目前被广泛应用在信息科学、图像处理等众多领域，其中主要用在对系统的混乱程度的描述。60大数据应用案例电池单体的异常检测H（X）表示样本熵值；P（Xi）表示在第i

区间内的时间发生的概率密度；n是区间个数Z分数也叫标准分数，在统计和金融领域具有风险预测的功能，是一个分数与平均数的差再除以标准差的过程。x为某一具体分数；μ为平均数；σ为标准差。标准分数Z能够真实反映一个分数距离平均数的相对标准距离。异常系数A可以表征电池单体的状态，通过电池运行数据确定单体异常诊断的阈值，当某单体异常系数大于诊断阈值，则认为该单体出现故障。61大数据应用案例电池单体的异常检测

为检测异常的电池单体，确定一个合理的实时检测和评估标准，建立基于Z分数的异常系数基于国家级新能源汽车监控管理与服务平台的数据，以京B1Y***的实车监控数据进行分析。B1Y***于2016-09-09的09：50：16-10：10：16发生了过电压报警（单体电压大于3.6V，属于大数据平台二级故障）。62大数据应用案例电池异常检测案例分析a和b分别显示故障发生前1h的电压曲线和熵值曲线。c和d分别表示故障发生前一天的电压曲线和熵值曲线。明显看出71号单体的电压和熵值曲线变化异常。因此可实现提前1h或者提前一天就对将发生异常的单体电池进行报警与提醒。63大数据应用案例电池单体异常分级根据异常系数A的值将电压健康状态实时评估和预警策略分为3个级别：第1级：当所有的单体异常系数都符合|A|≤3.5时，被检测车辆的