动力电池安全性和可靠性是国际前沿研究课题,它决定着新能源汽车的市场和未来。运行工况分析、状态估计、一致性维护、全生命期内安全监测是解决该问题的重要途径。频繁模式挖掘具有单次线性扫描、低时/空复杂度、实时响应、适应性强等特性,为动力电池全生命周期的安全评价和可靠性分析提供了独特的解决方案。本文以新能源电动汽车为研究对象,以提高电池组状态估计准确性、一致性维护的有效性为目标,利用频繁模式流挖掘技术,开展了电动汽车行驶工况构建、SOC估计和单体均衡策略等研究,主要内容和研究工作如下:1.针对传统马尔科夫工况构建方法在保证微行程随机性的同时,难以兼顾继承性的问题,本文提出一种基于频繁项统计和马尔科夫状态转移概率矩阵的工况构建方法,该方法利用黏性抽样算法和滑动窗口技术构造驾驶场景链,在同一场景内利用马尔科夫状态转移概率矩阵构造微行程,保证了随机性和继承性的统一,为电动汽车设计和路段能耗评估提供了技术参考。2.传统安时积分法是一种开环的估计方法,其误差在电流积分过程中持续积累。库伦效率、电流传感器的精度和元器件老化导致的监测变量概念漂移都会对积累电流产生显著影响。本文提出一种基于频繁项统计进行电流分段积分,进而利用不同库仑效率对分段积分后电量进行修正的流-安时积分法。该方法利用连续的充放电循环对库仑效率进行在线修正,基于柯西频繁项统计算法对电流进行分段累积,利用修正后的库仑效率对分段累计电量进行校正,实现了电池剩余容量的准确估计。3.针对当前将端电压作为均衡变量的均衡控制策略由于单体一致性变差而导致的无法进行精确均衡的问题,本文引入数据窗口和流-安时积分法,对切换电流进行连续积分,构造了统计性概要数据结构,将均衡依据从开路电压、工作电压、SOC转变为切换电量,解决了传统基于端电压均衡策略在单体一致性较差条件下无法有效均衡的问题。