[发明专利]一种电池健康状态识别方法

权利要求书

1.一种电池健康状态识别方法，其作用在于实时识别动力电池当前所处的健康状态等级，其步骤如下：

A.利用动力电池系统模型提取动力电池各状态下的端电压、电流、温度和SOC原始数据，并对原始数据进行预处理；

B.对预处理后的电池数据进行特征提取，并进行归一化处理；

C.建立混合高斯分布模型和单高斯分布模型，利用特征序列对隐半马尔科夫模型参数进行初始化以及重估计算，确定符合电池各状态的隐半马尔科夫模型；

D.在各状态下采集测试数据，通过特征提取后，输入到各状态隐半马尔科夫模型中，计算前向概率；

E.对每一个特征序列进行前向概率计算，比较在各状态下的概率值，确定当前序列所属状态；

F.跳转至D步骤，继续下一组特征序列的识别。

2.根据权利要求1所述的电池健康状态识别方法，其特征在于：步骤A中的电池状态是根据电池直流内阻将电池状态划分为四个宏观状态，分别为健康状态、退化状态一、退化状态二和老化状态，每个宏观状态下又划分为多个微观状态，其中健康状态下起始微观状态内阻为初始内阻，老化状态表明电池即将失效。

3.根据权利要求1所述的电池健康状态识别方法，其特征在于：步骤A中的电池数据采集是在每个微观状态下采集电池的端电压(U)、电流(I)和SOC数据作为原始数据，并利用U/I来表征电流数据，温度设置为室温。

4.根据权利要求1所述的电池健康状态识别方法，其特征在于：步骤B中的特征提取采用小波包能量法对电池各数据进行特征值提取，对各原始数据进行小波包分解，分解后得每个节点系数ω_ij，计算各节点能量值E_ij，并对同一节点能量值进行归一化，得最终特征值序列。

5.根据权利要求1所述的电池健康状态识别方法，其特征在于：步骤C采用隐半马尔科夫模型作为电池健康状态识别的算法，在模型训练过程中采用产生随机数的方法和K均值算法对各参数进行初始化，采用前后向算法和Baum-Welch算法对隐半马尔科夫模型各参数进行重估，确定各状态模型。

6.根据权利要求1所述的电池健康状态识别方法，其特征在于：步骤D和步骤E计算测试数据集在各个隐半马尔科夫模型中的前向概率P(O_t|λ)，通过比较各概率的大小，确定当前测试数据集所属的健康状态。

7.根据权利要求1所述的电池健康状态识别方法，其特征在于：步骤F中对当前特征序列进行状态识别后，进入下一组数据，重复步骤D和步骤E，继续进行识别，从而实时完成电池健康状态的识别评估。