[发明专利]数据驱动与电化学机理结合的电池SOH自动估计方法及设备

权利要求书

1.一种数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，包括以下步骤：

获取每个电池单体的电流、端电压和温度信息，计算每次充电周期内的IC曲线、DV曲线、电压曲线和温度差分曲线；

在相同充放电模式的循环周期内，分别提取各曲线的关键点序列；

基于各曲线的关键点序列及对时间序列的回归，获得SOH相关指标组(SOH_{IC_i}，SOH_{DV_i}，SOH_{V_i}，SOH_{DT_i})，其中，SOH_{IC_i}、SOH_{DV_i}、SOH_{V_i}、SOH_{DT_i}分别为由IC曲线、DV曲线、电压曲线和温度差分曲线在线时间序列预测获得的SOH；

基于预先离线获取的指标权重(ω_{IC_i}，ω_{DV_i}，ω_{V_i}，ω_{DT_i})及所述SOH相关指标组，得到各电池单体的最终SOH估计SOH_i，其中，ω_{IC_i}、ω_{DV_i}、ω_{V_i}、ω_{DT_i}分别为各曲线的权重；

根据各电池单体的SOH_i，结合单体的SOH平均水平和分布差异，获得整个电池簇的最终SOH估计。

2.根据权利要求1所述的数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，对于IC曲线，所述关键点提取具体为：利用高斯回归拟合充电数据，获取IC曲线，进行微分处理，提取IC曲线的多个峰值作为IC曲线的关键点。

3.根据权利要求1所述的数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，对于DV曲线，所述关键点提取具体为：以测量的电压、电流数据采用数值导数法计算得到DV曲线，采用二阶多项式拟合，对DV曲线进行平滑处理，从平滑后的DV曲线提取多个峰值，作为DV曲线的关键点。

4.根据权利要求1所述的数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，对于电压曲线，所述关键点提取具体为：识别电压曲线的拐点，获取拐点曲率的数学定义连续函数，以所述连续函数对应的标准闭形式的多个局部最小值作为电压曲线的关键点。

5.根据权利要求1所述的数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，对于温度差分曲线，所述关键点提取具体为：计算电芯温度T相对于时间的梯度，获得温度差分曲线，采用去噪平滑方法对DT-V曲线进行预处理，提取温度差分曲线上的峰值和谷值作为关键点。

6.根据权利要求1所述的数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，采用时间序列预测方法进行对时间序列的回归，所述时间序列预测方法包括传统机器学习回归模型、时序建模方法或深度学习回归模型。

7.根据权利要求1所述的数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，所述指标权重采用经离线训练的支持向量回归SVR进行回归得到。

8.根据权利要求1所述的数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，所述整个电池簇的最终SOH估计的计算公式为：

其中，SOH为整个电池簇的最终SOH估计，μ为离散系数，N为簇中电芯数。

9.根据权利要求8所述的数据驱动与电化学机理结合的电池SOH自动估计方法，其特征在于，所述离散系数包括离散度松弛系数、全距系数、平均差系数或标准差系数。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；和

被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述数据驱动与电化学机理结合的电池SOH自动估计方法的指令。