基于数据挖掘技术对车载蓄电池数据的研究与分析

• 作 者: 赵天星
• 出 处: 沈阳师范大学
• 发表日期: 2019年01期
• 关键词: 车载蓄电池 工业大数据 数据挖掘 聚类分析

随着环境污染问题不断加剧,不可再生能源的紧缺,市场对新能源汽车的需求越来越大,作为新能源汽车主要动力的车载蓄电池技术因此受到社会各界的广泛关注。同时伴随大数据概念的推广,数据中包含的信息开始被厂家重视并创造了巨大的经济效益,数据挖掘技术逐渐被应用在工业生产的各个阶段。为了进一步改进和完善新能源车载蓄电池工业技术,挖掘新能源汽车在行驶过程产生的电池数据中潜在的信息价值。本文基于数据挖掘技术对车载蓄电池的数据进行了研究和分析。首先在分析了厂家需求后针对现有车载电池数据集制定了一套行之有效的数据挖掘方法。依据方案对蓄电池单体信息表和极值信息表中数据进行挖掘,从温度异常数据检测的极值信息、各特征之间的相关性分析和总电流极值的聚类分析三个方面入手,确定各自使用的算法,最后用python加以实现。其中,针对k-means算法对总电流聚类分析的结果不够精确的问题,对其进行了改进,根据一定的概率分布选择初始聚类中心,避免了随机采样带来的可靠性问题。最后通过算例表明改进后的k-means++算法在聚类精准度和计算速度上都具有更优的效果。本文依据车载蓄电池电池在不同行驶行为时的电流差异,对总电流进行聚类,根据聚类结果得出不同行驶行为所占的比例,推测出了车辆在行驶过程中的路况信息。在相关性分析中,本文发现电池箱中电池的温度与电池电流之间是弱相关的,通过对温度异常值的检测确定出异常温度电池在电池组中的分布。两次数据分析结果表明电池箱中温度高的电池受在电池箱中的位置的影响。为此对厂家提出了对处于电池节不同位置的电池的改进建议,即对异常温度高发位置的电池进行性能优化、稳定性增强等措施,增加整个电池组的稳定性。