本發(fā)明屬于車(chē)輛安全，特別是涉及一種基于多維排序篩選的車(chē)輛自燃風(fēng)險(xiǎn)評(píng)估方法。

背景技術(shù)：

1、隨著新能源汽車(chē)技術(shù)的不斷發(fā)展，提升安全性是新能源汽車(chē)研究的重要課題。相比燃油動(dòng)力汽車(chē)，新能源汽車(chē)的電池安全隱患較多，其中，車(chē)輛自燃屬于最為嚴(yán)重的安全問(wèn)題，一旦發(fā)生會(huì)對(duì)各方造成極大的損失，是限制新能源汽車(chē)發(fā)展的主要瓶頸之一。

2、如中國(guó)專(zhuān)利cn114643929a公開(kāi)了一種車(chē)輛電池包自燃自動(dòng)報(bào)警系統(tǒng)和車(chē)輛，其中車(chē)輛電池包自燃自動(dòng)報(bào)警系統(tǒng)包括：監(jiān)測(cè)系統(tǒng)、自動(dòng)報(bào)警系統(tǒng)、預(yù)警系統(tǒng)和定位系統(tǒng)。監(jiān)測(cè)系統(tǒng)設(shè)置在電池包上，以用于監(jiān)測(cè)電池包的狀態(tài)；監(jiān)測(cè)系統(tǒng)與自動(dòng)報(bào)警系統(tǒng)通訊，自動(dòng)報(bào)警系統(tǒng)與網(wǎng)端火警系統(tǒng)通訊；監(jiān)測(cè)系統(tǒng)與預(yù)警系統(tǒng)通訊，預(yù)警系統(tǒng)與車(chē)輛所有人的電子設(shè)備通訊；定位系統(tǒng)適于定位車(chē)輛，定位系統(tǒng)與自動(dòng)報(bào)警系統(tǒng)通訊。該車(chē)輛電池包自燃自動(dòng)報(bào)警系統(tǒng)能夠在車(chē)輛非使用狀態(tài)下，監(jiān)控電池包自燃風(fēng)險(xiǎn)，并在有自燃風(fēng)險(xiǎn)時(shí)及時(shí)通知車(chē)主，發(fā)生自燃險(xiǎn)情時(shí)能夠自動(dòng)報(bào)警并將車(chē)輛位置信息提供給火警，以為車(chē)輛的救援爭(zhēng)取大量時(shí)間，避免火情進(jìn)一步蔓延。還如中國(guó)專(zhuān)利cn109649301a涉及用于車(chē)輛的自燃預(yù)警系統(tǒng)和方法。一種用于車(chē)輛的自燃預(yù)警系統(tǒng)，包括：自燃預(yù)測(cè)裝置，用于獲取車(chē)輛的電池相關(guān)參數(shù)，并且根據(jù)所述電池相關(guān)參數(shù)，判斷所述車(chē)輛是否將要自燃；和自燃警示裝置，用于在所述自燃預(yù)測(cè)裝置判斷所述車(chē)輛將要自燃時(shí)，向所述車(chē)輛周?chē)奈矬w發(fā)送警報(bào)。

3、基于上述現(xiàn)有技術(shù)，顯而易見(jiàn)的，若能提前評(píng)估車(chē)輛的自燃風(fēng)險(xiǎn)，及時(shí)處置高風(fēng)險(xiǎn)車(chē)輛，盡可能降低燒車(chē)事件的發(fā)生概率，則可以大大提升新能源汽車(chē)的市場(chǎng)競(jìng)爭(zhēng)力，增強(qiáng)用戶(hù)對(duì)電動(dòng)汽車(chē)的接受度。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于多維排序篩選的車(chē)輛自燃風(fēng)險(xiǎn)評(píng)估方法，通過(guò)結(jié)合不同工況下電池信號(hào)的當(dāng)前表現(xiàn)和歷史累計(jì)表現(xiàn)，對(duì)不同時(shí)間段不同重要性的指標(biāo)賦予不同權(quán)重，對(duì)自燃風(fēng)險(xiǎn)進(jìn)行較為全面且準(zhǔn)確的評(píng)估，解決了現(xiàn)有的問(wèn)題，識(shí)別中高自燃風(fēng)險(xiǎn)車(chē)輛，根據(jù)車(chē)輛風(fēng)險(xiǎn)等級(jí)予以相應(yīng)程度的關(guān)注和干預(yù)，盡可能避免實(shí)際燒車(chē)的發(fā)生，提升電動(dòng)汽車(chē)的安全性。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

3、本發(fā)明為一種基于多維排序篩選的車(chē)輛自燃風(fēng)險(xiǎn)評(píng)估方法，包括以下步驟：

4、對(duì)歷史自燃車(chē)輛進(jìn)行共性初篩縮小樣本范圍：分析歷史自燃車(chē)的基本信息和特征表現(xiàn)，基于電池型號(hào)、里程范圍、數(shù)據(jù)量級(jí)及其他明顯的共性特征圈出可能存在風(fēng)險(xiǎn)且具備評(píng)估條件的車(chē)輛，初步縮小樣本范圍；

5、指標(biāo)衍生與維度拆分：對(duì)橫向的不同指標(biāo)和縱向的時(shí)間窗口進(jìn)行組合，對(duì)所有指標(biāo)進(jìn)行分類(lèi)整理和對(duì)比分析，根據(jù)區(qū)分度將指標(biāo)分為單獨(dú)維度、補(bǔ)充維度；

6、根據(jù)劃分的維度獲取數(shù)據(jù)，基于應(yīng)用模型構(gòu)建表征風(fēng)險(xiǎn)程度的風(fēng)險(xiǎn)因子；

7、在各維度內(nèi)部對(duì)車(chē)輛進(jìn)行篩選和風(fēng)險(xiǎn)排序，獲取各維度的風(fēng)險(xiǎn)分；

8、綜合各維度的風(fēng)險(xiǎn)分計(jì)算總風(fēng)險(xiǎn)分，并輸出綜合篩選的高風(fēng)險(xiǎn)車(chē)輛。

9、進(jìn)一步地，所述指標(biāo)衍生與維度拆分的方法包括：

10、橫向上，基于不同工況獲取各指標(biāo)的水平值、差值、變化率的偏離情況；

11、縱向上，獲取各指標(biāo)在時(shí)間軸上的偏離累計(jì)以及預(yù)設(shè)周期內(nèi)的表現(xiàn)情況；

12、基于自燃樣本和業(yè)務(wù)經(jīng)驗(yàn)輸入，分析所有指標(biāo)的區(qū)分度和可靠度，將區(qū)分度高于預(yù)設(shè)閾值的指標(biāo)劃分為單獨(dú)維度，其余指標(biāo)整體合并為一個(gè)補(bǔ)充維度。

13、進(jìn)一步地，所述風(fēng)險(xiǎn)因子的構(gòu)建方法包括：

14、針對(duì)單體不一致性，應(yīng)用熵值法輸出異常系數(shù)；

15、針對(duì)靜態(tài)壓差，應(yīng)用規(guī)則聚合輸出異常因子；

16、針對(duì)補(bǔ)充風(fēng)險(xiǎn)因子，應(yīng)用風(fēng)險(xiǎn)累計(jì)模型和分類(lèi)模型輸出風(fēng)險(xiǎn)概率。

17、進(jìn)一步地，所述異常系數(shù)的獲取方法包括：

18、選取近n1天國(guó)標(biāo)報(bào)文的單體電壓數(shù)組，對(duì)單體電壓數(shù)組進(jìn)行拆分，得到單體電壓矩陣；n1為預(yù)設(shè)值；

19、用上下幀的正常值替換無(wú)效值進(jìn)行數(shù)據(jù)清洗；

20、以m幀報(bào)文為一個(gè)迭代窗口，基于窗口內(nèi)電壓值分布劃分電壓區(qū)間間隔；m為預(yù)設(shè)值；

21、對(duì)電壓值進(jìn)行離散化，統(tǒng)計(jì)落在不同電壓區(qū)間的樣本數(shù)，計(jì)算窗口內(nèi)各電芯的熵值；對(duì)熵值進(jìn)行標(biāo)準(zhǔn)化處理得到異常系數(shù)；

22、其中，熵值的計(jì)算公式為：e(x)＝-∑p(xi)logp(xi)

23、式中，e(x)為樣本熵值；p(xi)為第i電壓區(qū)間內(nèi)的時(shí)間發(fā)生的概率密度；n為電壓區(qū)間的個(gè)數(shù)；

24、異常系數(shù)的計(jì)算公式為：a＝|e–eave|/σe

25、式中，e為某一電池單體熵值；eave為多個(gè)電芯的熵值平均值；σe為多個(gè)電芯的熵值標(biāo)準(zhǔn)差。

26、進(jìn)一步地，所述異常因子的獲取方法包括：

27、在車(chē)輛靜止四小時(shí)以上，重新上電時(shí)的壓差是具有較高業(yè)務(wù)價(jià)值的靜態(tài)壓差，靜態(tài)壓差超過(guò)30毫伏的報(bào)文是電池廠(chǎng)商較為關(guān)注的，故選取每日第一幀報(bào)文的靜態(tài)壓差，若第一幀的最高單體電壓或最低單體電壓是無(wú)效值，則跳過(guò)第一幀報(bào)文的靜態(tài)壓差，取下一幀報(bào)文的靜態(tài)壓差；

28、當(dāng)報(bào)文的靜態(tài)壓差超過(guò)0.03v時(shí)視為當(dāng)日靜態(tài)壓差異常；

29、統(tǒng)計(jì)近3天、近7天、近一個(gè)月、近兩個(gè)月內(nèi)的異常天數(shù)占比；

30、根據(jù)規(guī)則聚合輸出異常因子。

31、進(jìn)一步地，所述風(fēng)險(xiǎn)概率的獲取方法包括：

32、根據(jù)區(qū)分度挑選指標(biāo)，根據(jù)指標(biāo)超閾值的程度和數(shù)據(jù)量，將指標(biāo)值映射到(0，1)范圍內(nèi)獲取風(fēng)險(xiǎn)值；

33、對(duì)近n2天報(bào)文的風(fēng)險(xiǎn)值求均值，得到各指標(biāo)的風(fēng)險(xiǎn)累計(jì)值，n2為預(yù)設(shè)值；

34、結(jié)合歷史自燃樣本，基于應(yīng)用分類(lèi)模型計(jì)算各指標(biāo)的權(quán)重，獲取指標(biāo)對(duì)應(yīng)的風(fēng)險(xiǎn)概率。

35、進(jìn)一步地，在各所述維度內(nèi)部對(duì)車(chē)輛進(jìn)行篩選和風(fēng)險(xiǎn)排序的方法包括：

36、先根據(jù)閾值篩選出維度內(nèi)的風(fēng)險(xiǎn)車(chē)輛，再將風(fēng)險(xiǎn)因子按照風(fēng)險(xiǎn)程度從小到大進(jìn)行排序，用風(fēng)險(xiǎn)因子對(duì)應(yīng)的序號(hào)除以維度內(nèi)篩選出的總車(chē)輛數(shù)得到百分制的風(fēng)險(xiǎn)分。

37、進(jìn)一步地，獲取所述風(fēng)險(xiǎn)分時(shí)，還包括風(fēng)險(xiǎn)分的基準(zhǔn)線(xiàn)調(diào)整步驟，所述基準(zhǔn)線(xiàn)的調(diào)整步驟包括：

38、若篩選出來(lái)的風(fēng)險(xiǎn)車(chē)輛不超過(guò)總車(chē)輛數(shù)的5％，則將對(duì)應(yīng)維度的風(fēng)險(xiǎn)分的取值范圍從[0，100]等比例調(diào)整為[60，100]。

39、進(jìn)一步地，計(jì)算所述總風(fēng)險(xiǎn)分的方法包括：

40、分維度評(píng)估效果，根據(jù)各維度的命中效果分配權(quán)重，對(duì)各維度的風(fēng)險(xiǎn)分做加權(quán)平均，得到百分制的總風(fēng)險(xiǎn)分；

41、總風(fēng)險(xiǎn)分超過(guò)指定閾值的車(chē)輛視為高風(fēng)險(xiǎn)車(chē)輛，輸出車(chē)輛的vin、總風(fēng)險(xiǎn)分、各維度風(fēng)險(xiǎn)分及指標(biāo)值；

42、其中，權(quán)重之和等于1。

43、進(jìn)一步地，所述權(quán)重分配為：

44、針對(duì)單體不一致性、靜態(tài)壓差、補(bǔ)充風(fēng)險(xiǎn)因子的權(quán)重，系統(tǒng)分別默認(rèn)為0.4、0.35、0.25；

45、單體不一致性、靜態(tài)壓差、補(bǔ)充風(fēng)險(xiǎn)因子對(duì)應(yīng)的風(fēng)險(xiǎn)分為x1、x2、x3時(shí)，總風(fēng)險(xiǎn)分為0.4*x1+0.35*x2+0.25*x3。

46、本發(fā)明具有以下有益效果：

47、本發(fā)明通過(guò)風(fēng)險(xiǎn)評(píng)估這種較為溫和的方式衡量市場(chǎng)車(chē)輛的自燃風(fēng)險(xiǎn)，識(shí)別出相對(duì)風(fēng)險(xiǎn)較高的車(chē)輛進(jìn)行重點(diǎn)關(guān)注，預(yù)防小概率事件的發(fā)生；采樣多維度多輪篩選排序，能夠有效控制風(fēng)險(xiǎn)車(chē)輛占比，同時(shí)，對(duì)排名靠前車(chē)輛的風(fēng)險(xiǎn)判定有更大的把握；結(jié)合時(shí)間窗口融合了時(shí)序特征，對(duì)車(chē)輛風(fēng)險(xiǎn)的評(píng)估較為全面和細(xì)致；豐富了電動(dòng)汽車(chē)自燃風(fēng)險(xiǎn)的評(píng)估維度，減少了風(fēng)險(xiǎn)車(chē)輛的誤報(bào)率和漏報(bào)率，通過(guò)風(fēng)險(xiǎn)識(shí)別與前置處理，力求減少實(shí)際燒車(chē)的發(fā)生，提升車(chē)主對(duì)電動(dòng)汽車(chē)安全性的信心。

48、當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。