(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110146869.7 (22)申请日 2021.02.0 3 (65)同一申请的已公布的文献号 申请公布号 CN 112836967 A (43)申请公布日 2021.05.25 (73)专利权人 武汉理工大 学 地址 430070 湖北省武汉市洪山区珞狮路 122号 (72)发明人 张晖　丰红霞　白秀琴　陈枫　 李少鹏　侯宁昊　张奕骏　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 专利代理师 王丹 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01)G06F 30/27(2020.01) (56)对比文件 CN 111967192 A,2020.1 1.20 CN 109270461 A,2019.01.25 CN 106651408 A,2017.0 5.10 KR 2014010 6142 A,2014.09.0 3 CN 105404936 A,2016.0 3.16 陆倩茵.基 于贝叶斯 修正Logistic回归 模型 的电梯风险评估研究. 《中国优秀博硕士学位 论 文全文数据库(硕士)经济与管理科 学辑》 .2019, J145-134. Kui Yang;Xueso ng Wang;Ro ngjie Yu.A Bayesian dynamic updati ng approach for urban expres sway real-time crash risk evaluati on. 《Transportati on Researc h Part C: Emergi ng Technologies》 .2018,P19 2-207. 审查员 喻婷 (54)发明名称 新能源汽车电池安全风险评估系统 (57)摘要 本发明公开了一种新能源汽车电池安全风 险评估系统， 包括以下模块： 车辆行车信息采集 模块， 用于获取新能源汽车的行车数据并进行数 据清洗； 指标提取模块， 对进行数据清洗后的行 车数据和三个动态指标进行二元Logistic回归 分析， 确定与新能源汽车报警相关的特征指标以 及各个特征指标对对应报警信息的影 响权重； 电 池安全风险评估模块， 根据确定的特征指标以及 对应的报警信息的关系搭建贝叶斯网络模型， 并 对通过二元Logistic回归识别出的特征指标与 报警信息进行信息融合度验证， 以及对每类报警 情况进行安全风险评估结果验证， 最后输出新能 源汽车电池安全评估量化的结果。 本发明可对新 能源汽车的电池安全风险状态进行定量的评估， 精确的识别电池的安全状态。 权利要求书2页 说明书6页 附图4页 CN 112836967 B 2022.07.08 CN 112836967 B 1.新能源 汽车电池安全风险评估系统， 其特 征在于： 该系统包括： 车辆行车信息采集模块， 用于获取新能源 汽车的行 车数据并进行 数据清洗； 指标提取模块， 用于针对是否报警的二分类问题， 对进行数据清洗后的行车数据以及 欧每伏、 电池 单体电压差和电池 单体温度差这三个动态指标， 进行二元Logistic回归分析， 确定与新能源 汽车报警相关的特 征指标以及各个特 征指标对 对应报警信息的影响权 重； 电池安全风险评估模块， 根据确定的特征指标以及对应的报警信息的关系， 分别将特 征指标作为数据层、 将报警信息作为报警层、 将安全评价结果作为指数层， 搭建贝叶斯网络 模型， 并对通过二元Logistic回归识别 出的特征指标与报警信息进行信息融合度验证， 以 及对每类报警信息进 行安全风险评估结果验证， 最后输出新能源汽车电池安全评估量化的 结果。 2.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述车辆行 车信息采集模块 通过新能源 汽车中安装的T ‑BOX传感器采集基于国家标准的行 车数据。 3.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述数据清 洗具体采用分段线性差值方法针对缺失值进行补全。 4.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述车辆行 车信息采集模块针对进行数据清洗后的行车数据采用MAD算法进行离群点检测， 计算判定 系数D， 将判定系数 大于d的异常数据剔除。 5.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述车辆行 车信息采集模块对经过数据清洗后的行车数据， 采用基于数据密度的欠采样方法， 将每类 报警信息与正常行 车数据的比例保持在1:4。 6.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述二元 Logistic回归分析的具体操作为： 式中， Pj为报警类型， β0为常量， p为特征指标的个数， xq为影响因素， βq为特征指标的权 重系数； 二元Logistic回归分析包括 卡方检验和Hos mer‑Lemeshow检验。 7.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述电池安 全风险评估模块， 将数据层中报警信息和正常数据不重叠的部分分别定义为Faulty和Good 两种状态， 将报警信息和正常数据重叠的部分定义为Fair； 报警层依据是否报警划分为两 种状态； 指数层依据国家标准对于故障等级的定义， 划分为无风险、 可接受风险、 可容忍风 险以及不可接受风险四种状态。 8.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述贝叶斯 网络模型通过GeNIe平台搭建， 通过贝叶斯网络模型确定指数层的条件概率表， 根据条件概 率表量化评估新能源汽车的安全状态， 并利用GenNIe平台的验证模块， 进行信息融合度验 证和安全风险评估结果的验证。 9.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述信 息融 合度验证， 为对二元Logistic回归识别 出的特征指标与报警信息的因果进行验证， 具体为权　利　要　求　书 1/2 页 2 CN 112836967 B 2检验GeNIe平台输出的ROC曲线面积是否大于 0.5。 10.根据权利要求1所述的新能源汽车电池安全风险评估系统， 其特征在于： 所述安全 风险评估结果验证， 为针对每类报警信息进行安全风险评估结果的验证， 具体为当确定发 生某种报警时， 验证输出的安全风险评估结果是否与根据故障等级划分的风险状态区间值 保持一致。权　利　要　求　书 2/2 页 3 CN 112836967 B 3