[发明专利]软包锂离子电池跳水退化模式早期预警方法

权利要求书

1.一种软包锂离子电池跳水退化模式早期预警方法，其特征在于：其包括以下步骤：

S1：设置进行预警的软包锂离子电池循环次数n_cycle；

S2：利用第1循环到第n_cycle循环中各个循环的充放电过程中的容量-电压-时间数据，提取特征数据；

特征数据包括三类子特征数据：第一，软包锂离子电池充电过程中容量增量曲线的最大峰的峰值，第二，放电过程中第n_cycle循环不同电压下电池放电容量和第10循环下同等电压条件下放电容量的差值，第三，放电过程中不同时刻的电压值；特征数据为由上述三类子特征数据组成的多维数据；

S3：对每一个软包锂离子电池样本采用步骤S2提取特征数据，并对软包锂离子电池样本的特征数据使用过采样方法以增加样本量；

所述的过采样方法具体包括以下步骤：

步骤S31：分别统计样本中正常线性退化的软包锂离子电池数量n₁和异常跳水退化的软包锂离子电池数量n₂，分别设置所需要的两类电池的过采样个数N_normal和N_abnormal；

步骤S32：随机选取两个正常线性退化的软包锂离子电池，二者所提取得到的特征数据分别为s_i和s_j；

步骤S33：随机生成一个在0到1之间服从均分分布的随机数rand(0,1)；

步骤S34：新生成样本的特征数据为rand(0,1)·s_i+(1-rand(0,1))·s_j；

步骤S35：重复步骤S32-S34直至正常线性退化的软包锂离子电池样本数量达到N_normal，由此完成对正常线性退化软包锂离子电池的过采样；

步骤S36：将步骤S32-S34中的正常线性退化的软包锂离子电池替换为异常跳水退化的软包锂离子电池，重复步骤S32-S34，直至异常跳水退化的软包锂离子电池样本数量达到N_abnormal，由此完成对异常跳水退化电池的过采样；

S4：使用线性判别分析方法对步骤S3中所得到的样本数据进行数据降维；

数据降维需要将步骤S3过采样后的共N_normal+N_abnormal个数据分为训练集和测试集两类，使用训练集对线性判别分析方法进行训练，对测试集中电池样本的特征数据根据训练结果进行降维；

S5：对步骤S4中所得到的测试集的降维数据使用量子聚类方法进行分类以实现预警；

量子聚类方法包括以下步骤：

S51：对步骤S4降维后得到的数据进行归一化处理，得到数据

S52：分别寻找每个数据点最近的K个数据并计算它们和的距离平方的平均值y_i：

S53：计算y_i的平均值并开根，以此作为量子聚类的输入参数σ：

其中N_s为样本的数量；

S54：根据量子聚类方法，计算势能函数：

其中x为势能函数的自变量；

S55：根据势能函数的极小值点个数作为分类的个数，势能函数的极大值作为类别间的分类边界；

S56：将软包锂离子电池分类为正常样本、异常样本和模糊区样本，对分类为异常样本的软包锂离子电池进行预警；

S6：对一个新软包锂离子电池进入跳水退化模式进行早期预警；

对步骤S1中的n_cycle设置多个不同值，当新软包锂离子电池循环次数到达预设的n_cycle时，就根据步骤S2提取新软包锂离子电池特征数据，将新软包锂离子电池特征数据根据步骤S4进行降维，此时新软包锂离子电池特征数据相当于是测试集中的数据，使用步骤S5中的量子聚类方法对新软包锂离子电池进行分类，如果此次新软包锂离子电池被分类为正常样本或模糊区样本，则不进行任何操作，等新软包锂离子电池循环次数达到下一个n_cycle值时重新进行分类，如果此次新软包锂离子电池被分类为异常样本，则给出新软包锂离子电池将进入跳水退化模式的预警。