本技术涉及动力电池，尤其涉及一种自适应动力电池预加热方法、系统、车辆及计算机可读存储介质。
背景技术：
1、新能源汽车多数采用动力电池储能，动力电池的输出效率和使用寿命是用户普遍关注的问题。对于新能源汽车来说，用车前开启电池预热功能，可以让车辆提前进入最佳行驶状态。这个过程不需要消耗多大的电量，但是却能很大程度地提升车辆的续航里程，同时也能更好地保护动力电池，提升动力电池的使用寿命。电池预热启用后，车机系统会根据当前环境温度和电池温度来计算出最佳的加热时间(20分钟至数分钟不等)，并根据车主设定的触发时间，提前按照最佳加热时间启动电池预热。若在设定的触发时间前启动车辆，则电池加热功能将自动关闭，此时，电池没有完全达到最佳状态，但不会影响正常出行。
2、现有的动力电池预加热方法需要依赖用户设定触发时间决定何时启动电池预加热功能，没有考虑到用户实际出行规律，使用场景有限，导致实际功能渗透率较低。
3、因此，现有技术还有待于改进和发展。
技术实现思路
1、本技术的主要目的在于提供一种自适应动力电池预加热方法、系统、车辆及计算机可读存储介质，旨在解决现有技术中自适应动力电池预加热方法未根据用户实际出行规律推荐及自适应预加热的问题。
2、本技术第一方面实施例提供一种自适应动力电池预加热方法，包括以下步骤：采集车辆的出行数据；根据所述出行数据建立出行模式和行驶习惯模型，并基于所述出行模式和行驶习惯模型分析得到用户出行规律信息；根据所述用户出行规律信息规划电池预加热策略，并根据所述电池预加热策略对车辆动力电池进行预加热。
3、根据上述技术手段，本技术实施例针对现有技术中自适应动力电池预加热方法未根据用户实际出行规律推荐及自适应预加热的问题，采集用户使用车辆的出行数据，可基于用户出行模式和行驶习惯分析得到用户出行规律信息，从而根据不同的用户习惯来自适应调整电池预加热策略，以及根据自适应调整后的电池预加热策略对车辆动力电池进行预加热，使得用户无需设置固定的动力电池预加热的触发时间，实现了动力电池自适应预加热，提高了动力电池的续航里程以及低温环境下的出行效率。
4、可选地，在本技术的一个实施例中，所述采集车辆的出行数据，具体包括：采集车辆出行过程中启动和停止对应的状态信号、里程信息、gps地理位置信息、环境温度信息以及能耗信息，得到所述出行数据。
5、根据上述技术手段，本技术实施例通过采集出行过程中启动和停止对应的状态信号、里程信息、gps地理位置信息、环境温度信息以及能耗信息，可根据这些信息进行综合分析，得到出行模式和行驶习惯模型，从而可利用出行模式和行驶习惯模型预测用户即将进行的出行信息，提高了动力电池预加热的自适应能力。
6、可选地，在本技术的一个实施例中，所述根据所述出行数据建立出行模式和行驶习惯模型，并基于所述出行模式和行驶习惯模型分析得到用户出行规律信息，具体包括：根据所述车辆出行过程中启动和停止对应的状态信号生成出行轨迹，并在所述出行轨迹中记录对应的里程信息、gps地理位置信息、环境温度信息，得到用户出行记录；根据所述用户出行记录进行聚类处理，并根据聚类后用户出行记录构建通勤地点的用车时间分布的概率分布模型，得到所述出行模式和行驶习惯模型；基于所述出行模式和行驶习惯模型分析得到所述用户出行规律信息。
7、根据上述技术手段，本技术实施例采用机器学习算法和统计分析方法来识别出行规律，提高了对用户出行规律预测的准确率，并且通过构建通勤地点的用车时间分布的概率分布模型，可利用该模型准确预测用户即将出行的概率以及对应的出行时间，从而根据预测的出行时间提前对动力电池进行预加热。
8、可选地，在本技术的一个实施例中，所述根据所述用户出行记录进行聚类处理，并根据聚类后用户出行记录构建通勤地点的用车时间分布的概率分布模型，具体包括：对所述用户出行记录进行过滤，并从过滤后的用户出行记录中获取预设时间段内第一次出发的gps地理位置信息和最后一次出发的gps地理位置信息；基于聚类算法分别对所述第一次出发的gps地理位置信息和所述最后一次出发的gps地理位置信息进行聚类，并根据聚类结果确定所述通勤地点；从所述过滤后的用户出行记录中获取所述通勤地点对应的用户历史出行时间，并对获取的用户历史出行时间进行清洗；根据清洗后的用户历史出行时间进行统计分析，并根据分析得到的出行时间分布数据选择对应的偏态分布模型进行数据拟合；对选择的偏态分布模型进行参数估计，并根据估计得到的参数值构建所述通勤地点的用车时间分布的概率分布模型。
9、根据上述技术手段，本技术实施例通过过滤处理、聚类处理以及清洗处理，可以准确得到与通勤地点相关的用户出行记录，从而根据这些相关的用户出行记录进行统计分析，利用偏态分布模型进行数据拟合，使得出行模式和行驶习惯模型能够更加符合统计分析的概率分布模型，以概率的方式分析用户即将进行的出行时间，提高了对用户出行规律分析的准确性。
10、可选地，在本技术的一个实施例中，所述根据所述用户出行规律信息规划电池预加热策略，具体包括：根据所述用户出行规律信息，分析得到用户出行时间分布的峰度；判断所述用户出行时间分布的峰度是否大于预设阈值；若大于所述预设阈值，则根据所述用车时间分布的概率分布模型规划所述电池预加热策略，并向所述用户推荐所述电池预加热策略。
11、根据上述技术手段，本技术实施例通过分析得到的用户出行规律信息规划电池预加热策略，可在用户即将出行前自适应调整电池预加热策略，使得用户无需手动设置固定的动力电池预加热的触发时间，实现了动力电池自适应预加热，提高了电池预加热策略灵活性。
12、可选地，在本技术的一个实施例中，所述根据所述用车时间分布的概率分布模型规划所述电池预加热策略，具体包括：根据所述用车时间分布的概率分布模型计算出行时间的命中概率，并获取所述命中概率对应的最短时间的起始时间和终止时间；将所述起始时间设为所述电池预加热策略的预加热计划完成时间，并将所述终止时间设为加热后保温的完成时间，得到所述电池预加热策略的控制参数。
13、根据上述技术手段，本技术实施例通过概率分布模型计算出行时间的命中概率，利用这个概率对应的前后时间点，即可确定电池预加热策略的预加热计划完成时间以及加热后保温的完成时间，使得规划后的电池预加热策略的控制参数能够适应预测的用户出行时间，提高了电池预加热策略的智能化。
14、可选地，在本技术的一个实施例中，所述根据所述电池预加热策略对车辆动力电池进行预加热，具体包括：对当前的电池电量进行检测；根据检测结果获取当前环境温度、电池加热的目标温度以及加热器的热效率；根据所述当前环境温度、所述电池加热的目标温度以及所述加热器的热效率计算加热时长；根据所述加热时长和所述预加热计划完成时间确定加热开始时间，并根据所述加热开始时间和所述预加热计划完成时间将所述车辆动力电池加热到所述目标温度；根据所述加热后保温的完成时间对加热后的车辆动力电池进行保温。
15、根据上述技术手段，本技术实施例将电池预加热策略与实际的环境温度、电池加热的目标温度以及加热器的热效率相结合，可计算当前环境下动力电池所需要的加热时长，并且可根据预加热计划完成时间确定加热开始时间，从而在用户出行之前完成动力电池的预加热和保温过程，提高了电池预加热策略与用户出行规律的适应能力。
16、本技术第二方面实施例提供一种自适应动力电池预加热系统，所述自适应动力电池预加热系统包括：采集模块，用于采集车辆的出行数据；出行规律分析模块，用于根据所述出行数据建立出行模式和行驶习惯模型，并基于所述出行模式和行驶习惯模型分析得到用户出行规律信息；推荐及预加热模块，用于根据所述用户出行规律信息规划电池预加热策略，并根据所述电池预加热策略对车辆动力电池进行预加热。
17、可选地，在本技术的一个实施例中，所述采集模块包括：出行数据采集单元，用于采集车辆出行过程中启动和停止对应的状态信号、里程信息、gps地理位置信息、环境温度信息以及能耗信息，得到所述出行数据。
18、可选地，在本技术的一个实施例中，所述出行规律分析模块包括：用户出行记录单元，用于根据所述车辆出行过程中启动和停止对应的状态信号生成出行轨迹，并在所述出行轨迹中记录对应的里程信息、gps地理位置信息、环境温度信息，得到用户出行记录；模型构建单元，用于根据所述用户出行记录进行聚类处理，并根据聚类后用户出行记录构建通勤地点的用车时间分布的概率分布模型，得到所述出行模式和行驶习惯模型；模型分析单元，用于基于所述出行模式和行驶习惯模型分析得到所述用户出行规律信息。
19、可选地，在本技术的一个实施例中，所述模型构建单元包括：过滤子单元，用于对所述用户出行记录进行过滤，并从过滤后的用户出行记录中获取预设时间段内第一次出发的gps地理位置信息和最后一次出发的gps地理位置信息；聚类子单元，用于基于聚类算法分别对所述第一次出发的gps地理位置信息和所述最后一次出发的gps地理位置信息进行聚类，并根据聚类结果确定所述通勤地点；清洗子单元，用于从所述过滤后的用户出行记录中获取所述通勤地点对应的用户历史出行时间，并对获取的用户历史出行时间进行清洗；拟合子单元，用于根据清洗后的用户历史出行时间进行统计分析，并根据分析得到的出行时间分布数据选择对应的偏态分布模型进行数据拟合；参数估计及构建子单元，用于对选择的偏态分布模型进行参数估计，并根据估计得到的参数值构建所述通勤地点的用车时间分布的概率分布模型。
20、可选地，在本技术的一个实施例中，所述推荐及预加热模块包括：峰度分析单元，用于根据所述用户出行规律信息，分析得到用户出行时间分布的峰度；推荐判断单元，用于判断所述用户出行时间分布的峰度是否大于预设阈值；推荐单元，用于在大于所述预设阈值时，根据所述用车时间分布的概率分布模型规划所述电池预加热策略，并向所述用户推荐所述电池预加热策略。
21、可选地，在本技术的一个实施例中，所述推荐单元包括：概率计算子单元，用于根据所述用车时间分布的概率分布模型计算出行时间的命中概率，并获取所述命中概率对应的最短时间的起始时间和终止时间；控制参数设置子单元，用于将所述起始时间设为所述电池预加热策略的预加热计划完成时间，并将所述终止时间设为加热后保温的完成时间，得到所述电池预加热策略的控制参数。
22、可选地，在本技术的一个实施例中，所述推荐及预加热模块还包括：电量检测单元，用于对当前的电池电量进行检测；参数获取单元，用于根据检测结果获取当前环境温度、电池加热的目标温度以及加热器的热效率；加热时长计算单元，用于根据所述当前环境温度、所述电池加热的目标温度以及所述加热器的热效率计算加热时长；加热控制单元，用于根据所述加热时长和所述预加热计划完成时间确定加热开始时间，并根据所述加热开始时间和所述预加热计划完成时间将所述车辆动力电池加热到所述目标温度；保温单元，用于根据所述加热后保温的完成时间对加热后的车辆动力电池进行保温。
23、本技术第三方面实施例提供一种车辆，所述车辆包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自适应动力电池预加热程序，所述自适应动力电池预加热程序被所述处理器执行时实现如上述实施例所述的自适应动力电池预加热方法的步骤。
24、本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有自适应动力电池预加热程序，所述自适应动力电池预加热程序被处理器执行时实现如上述实施例所述的自适应动力电池预加热方法的步骤。
25、本技术的有益效果：
26、(1)本技术实施例通过采集用户使用车辆的出行数据，可基于用户出行模式和行驶习惯分析得到用户出行规律信息，提高了对用户出行规律分析的准确性，并且根据用户习惯来自适应调整电池预加热策略，使得规划后的电池预加热策略的控制参数能够动态适应用户出行时间。
27、(2)本技术实施例中采用机器学习算法和统计分析方法来识别用户出行规律，提高了对用户出行规律预测的准确率，并且通过构建通勤地点的用车时间分布的概率分布模型，可利用该模型准确预测用户即将出行的概率以及对应的出行时间，从而根据预测的出行时间提前对动力电池进行预加热。
28、(3)本技术实施例中根据自适应调整后的电池预加热策略对车辆动力电池进行预加热，使得用户无需设置固定的动力电池预加热的触发时间，实现了动力电池自适应预加热，提高了动力电池的续航里程以及低温环境下的出行效率。
29、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
1.一种自适应动力电池预加热方法，其特征在于，所述自适应动力电池预加热方法包括：
2.根据权利要求1所述的自适应动力电池预加热方法，其特征在于，所述采集车辆的出行数据，具体包括：
3.根据权利要求2所述的自适应动力电池预加热方法，其特征在于，所述根据所述出行数据建立出行模式和行驶习惯模型，并基于所述出行模式和行驶习惯模型分析得到用户出行规律信息，具体包括：
4.根据权利要求3所述的自适应动力电池预加热方法，其特征在于，所述根据所述用户出行记录进行聚类处理，并根据聚类后用户出行记录构建通勤地点的用车时间分布的概率分布模型，具体包括：
5.根据权利要求4所述的自适应动力电池预加热方法，其特征在于，所述根据所述用户出行规律信息规划电池预加热策略，具体包括：
6.根据权利要求5所述的自适应动力电池预加热方法，其特征在于，所述根据所述用车时间分布的概率分布模型规划所述电池预加热策略，具体包括：
7.根据权利要求6所述的自适应动力电池预加热方法，其特征在于，所述根据所述电池预加热策略对车辆动力电池进行预加热，具体包括：
8.一种自适应动力电池预加热系统，其特征在于，所述自适应动力电池预加热系统包括：
9.一种车辆，其特征在于，所述车辆包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自适应动力电池预加热程序，所述自适应动力电池预加热程序被所述处理器执行时实现如权利要求1-7任一项所述的自适应动力电池预加热方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有自适应动力电池预加热程序，所述自适应动力电池预加热程序被处理器执行时实现如权利要求1-7任一项所述的自适应动力电池预加热方法的步骤。
