如今,国家已经将新能源汽车作为战略性新型产业而加以大力支持发展,但是新能源汽车当前存在的一些问题与难点,归根到底,还是在于一直未能在动力电池的关键技术领域取得实质性的发展和突破。动力电池性能不稳定、可靠性差、寿命不长以及安全隐患大等都制约了新能源汽车的快速有效的推广和应用。因此,对于动力电池状态的实时监控的研究具有重要的理论意义。首先揭示了“大数据”方法对于动力电池组状态实时分析预测的重要性和必要性:大数据的核心功能在于可以对海量数据进行存储和分析,从“廉价、迅速、优化”来看,大数据具有最优的成本优势;阐述了“大数据”在动力电池组状态实时分析预测中的应用研究方法,利用新能源汽车监控平台实时进行数据的监控、采集与存储,并结合Matlab的优势,对与SOH值有关的数据进行了汇总分析,剔除了异常数据。结合相空间重构的原理,证明了动力电池的SOH数值的变化构成的一维相空间可以用混沌系统的方法进行处理,分别使用Cao氏方法确定了最小嵌入维数、互信息量法确定了最佳延迟时间,还原了相空间向量的动力学变化特性,推导了迭代递推方程和一步预测公式。其次,对RVM算法的重要参数进行了公式推导,列举了缺点,使用改进的算法降低了参数迭代的计算复杂程度,提高了计算速度;结合相空间重构进行了SOH的概率性预测,将历史运行数据集分成3组,进行计算速度与计算精度等评价指标的验证对比分析;根据监控数据集进行实时预测分析,更新了QMU评估方法的评价标准,可以更好地适应在线评估,保证了数值预测的可靠性。最后,考虑了实时交通状态等随机影响因素对动力电池组SOC的作用,将里程按照一定标准划分成28段,每一段都近似为匀加速、匀速和匀减速工况中的一种,绘制了每一小段SOC消耗与加速度均值之间的对应关系的直方图,通过概率密度直方图的绘制选取了随机正态分布模型作为近似模型,确定了SOC消耗的均值以及置信度,计算了置信区间的上下极限,提供了概率性的计算分析结果。