基于几何特征融合决策的锂电池容量跳水转折点识别方法

1.本发明涉及锂电池监测技术领域，尤其是涉及一种基于几何特征融合决策的锂电池容量跳水在线预警及转折点识别方法，用于电动汽车、混合动力汽车以及储能领域中锂离子电池的在线老化状态评价及梯次利用。


背景技术：

2.传统能源枯竭和环境污染问题引发了全世界对新能源领域的高度重视，我国不断加大对新能源汽车的扶持力度，出台了加大研发投入、基础设施建设、扩大市场规模等一系列政策。在各类新能源电池中，锂离子电池以体积小、能量密度高、寿命周期长、零排放、无污染等优良的综合优势，被广泛应用在包括新能源汽车在内的多个行业和领域。然而在实际应用中，由于受到自身化学变化和具体使用工况的共同影响，锂离子电池寿命往往无法达到预定寿命值，由电池寿命失效引发的系统故障和安全事故对人们的人身和财产安全造成了极大的威胁。
3.锂离子电池老化客观的存在于其整个生命周期，其是一个复杂的过程，具有多种影响老化机理的机制，包括固体电解质中间相的形成和生长、电极材料的机械破裂、正极上过渡金属的溶解和金属锂在负极的析出等。在大多数情况下，在循环充放电过程中锂离子电池的容量保持率与电荷通过量保持线性依赖的关系。但近年来，许多研究报告了与上述老化特征相违背的老化行为，即部分电池样本的容量保持率曲线形态会表现出在一段时间内的线性退化，但当超过某个临界点之后，表现出容量衰退速率迅速增大的行为。当锂离子电池容量保持率出现这种突然加速衰退的情况时，即认为电池出现了容量跳水现象，而出现这种现象的临界点即为容量跳水的转折点。
4.在电池的实际使用过程中针对容量跳水在线预警和转折点的准确识别应该引起人们的重点关注，具体原因如下：
5.现有研究表明，当电池样本发生容量跳水时，往往伴随着电池内部的大面积析锂行为，而形成的锂树枝状晶体可能会导致隔膜撕裂，引发短路和瞬间电池故障，成为热失控的重要诱因。因此，希望在跳水点即将出现时或出现后的短时间内对电池进行更换，防止热失控的发生。
6.然而，考虑到上述问题，现有的针对锂电池容量跳水在线预警和转折点识别的分析处理方法尚不完善。
7.针对跳水样本是否发生容量跳水，以及转折点的识别与标注，现有方法基本为离线判断，且大多依赖人工判断，即将数据曲线可视化之后，肉眼判别电池是否发生了容量跳水，这种判别方法存在以下三个弊端：
8.一是人工判别标注受主观因素影响较大，不同的判别标注人员、判别尺度等都会影响到判别结果，为容量跳水转折点的识别与分类带来干扰。
9.二是依赖人工判别方法需要大量的人力成本和时间成本，且无法批量操作，影响样本的标注效率。
10.三是离线判断并不能够对发生容量跳水的电池进行及时的预警和处理，从而错过最佳的更换时机，严重时甚至会发生还没来得及判断，锂电池已发生热失控。
11.针对容量跳水在线预警和转折点的识别，现在并无成熟方法投入使用。在电池的使用过程中，由于没有实时检测机制，一旦出现容量跳水点之后，不能够及时的进行预警，则电池还是会继续使用，直到电池的完全失效或发生故障。这样不仅会降低电池的梯次利用价值，甚至会造成电池严重失效，带来了较大的经济损失。


技术实现要素：

12.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于几何特征融合决策的锂电池容量跳水转折点识别方法。
13.本发明的目的可以通过以下技术方案来实现：
14.一种基于几何特征融合决策的锂电池容量跳水转折点识别方法，包括以下步骤：
15.1)在线获取待识别锂电池的容量衰退曲线，并进行平滑去噪和双轴归一化处理，得到归一化后的锂电池容量衰退曲线；
16.2)连接归一化后的锂电池容量衰退曲线上的起始点c1和终止点c2形成一条完全线性的老化参考线c1c2；
17.3)计算归一化后的锂电池容量衰退曲线上的点偏离老化参考线的程度，并比较偏离最大值与容量跳水预警阈值β，实时判断是否发生容量跳水；
18.4)当发生容量跳水时触发锂电池容量跳水预警，并以此偏离程度最大值对应的点作为识别出的锂离子电池容量跳水转折点。
19.所述的步骤1)中，采用滤波的方式进行平滑去噪，具体为基于最小二乘的卷积原理，在时域内通过局部最小二乘法进行滑动窗口的多项式拟合。
20.进行滑动窗口的多项式拟合具体包括以下步骤：
21.11)选择一个窗口大小w，按照窗口大小从原始数据中提取出部分数据；
22.12)利用p阶多项式函数对窗口内的数据进行最小二乘拟合；
23.13)将窗口中心处的原始数据点替换为由多项式拟合得到的预测点，将窗口向前移动一个间隔后重复步骤11)
‑
13)直至完成数据平滑。
24.通过调节w和p的大小实现数据平滑程度的控制，且满足以下条件：
25.(1)窗口大小w为奇数，并且不超过原始数据的长度；
26.(2)多项式阶次p≤w
‑
1。
27.所述的步骤1)中，双轴归一化处理具体为：
28.将待识别锂电池的容量和循环圈数统一映射到[0,1]区间内，使其转变为无量纲数据，并具有相同的数量级。
[0029]
所述的步骤2)中，完全线性的老化参考线c1c2的表达式为：
[0030][0031]
其中，x
n
为完全线性老化过程中的循环数，为完全线性老化过程中相应循环对应的容量。
[0032]
所述的步骤3)中，归一化后的锂电池容量衰退曲线上的点偏离老化参考线的程度
定义如下：
[0033]
连接归一化后的锂电池容量衰退曲线上的点l、起始点c1和终止点c2三点形成三角形lc1c2，将点l与底边c1c2的垂线段lm的长度α定义为偏离老化参考线的程度，垂线段lm的长度α越大代表该点偏离老化参考线的程度越大。
[0034]
所述的步骤3)中，判断是否发生容量跳水具体为：
[0035]
设定容量跳水预警阈值β，当最大偏离程度大于容量跳水预警阈值时，判定待识别锂电池发生容量跳水，反之，则判定未发生容量跳水。
[0036]
根据历史数据和专家知识确定容量跳水预警阈值α，具体包括以下步骤：
[0037]
从历史容量衰退数据中选取n个被人工标注为发生容量跳水和未发生容量跳水的锂离子电池，并将其对应的容量衰退曲线中偏离线性老化参考线距离的最大值α1,α2,
…
,α
n
作为样本，在样本中，以所有发生容量跳水对应的α值的最小值作为范围上限，以所有未发生容量跳水对应的α值的最大值作为范围下限，容量跳水预警阈值β则为范围的中值。
[0038]
在线进行容量跳水预警具体包括以下步骤：
[0039]
当待识别电池循环了n0圈时，获取此时对应的实际容量衰退点偏离线性老化参考线距离最大值α0，实时比较α0与容量跳水预警阈值β，当α0＞β时，则直接触发报警，并且此时α0所对应的循环数即为该锂电池容量跳水的转折点，当α0＜β时，则待识别电池继续进行循环，并更新终止点c2，从而得到新的容量衰退曲线，此时的待识别电池循环了n1圈，并计算此时的偏离线性老化参考线距离最大值α1，比较α1与β，再次进行跳水判断，以此重复。
[0040]
与现有技术相比，本发明具有以下优点：
[0041]
一、本发明通过添加完全线性的容量衰退参考线，提出了在线的基于几何方法计算的偏离线性老化程度值，能够有效的对电池衰退过程中的容量跳水现象进行有效的表征，且计算结果更加稳定。
[0042]
二、本发明所提出的容量跳水在线预警方法，能够实时的对电池是否发生容量跳水进行监测和预警，且监测方法可以通过算法实现自动化的批量处理。
[0043]
三、本发明所提出的容量跳水转折点在线识别方法，能够对电池的老化状态进行准确判别，有助于后续梯次利用，提升电池的全生命周期价值。
附图说明
[0044]
图1为本发明基于几何特征融合的锂电池容量跳水在线预警及转折点识别流程图。
[0045]
图2为本发明平滑降噪和双轴归一化预处理及添加参考线示意图，其中，图 (2a)为进行电池容量衰减数据样本平滑过程，图(2b)为添加完全线性老化参考线后的归一化容量衰退曲线。
[0046]
图3为本发明的一种基于几何特征融合决策的计算实际容量衰退点偏离完全线性衰退曲线距离最大值的示意图。
[0047]
图4为本发明的跳水电池样本几何特征融合在线实时计算结果、阈值比较及转折点识别示意图。
[0048]
图5为基于本发明策略的正常电池样本与跳水电池样本的几何特征融合在线实时计算结果、阈值比较及转折点识别示意图，其中，图(5a)为未跳水样本b3c28，图(5b)为跳水
样本b1c24。
具体实施方式
[0049]
为了使本发明的目的、技术方案及创新点更加清晰，以下结合附图及实施例对本发明作进一步的阐释。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
[0050]
如图1所示，本发明提供一种基于几何特征融合决策的锂电池容量跳水在线预警和转折点识别方法，该方法包括以下步骤：
[0051]
首先，基于滤波方法和双轴归一化方法，滤波方法以savitzky
‑
golay为例，对锂电池容量衰退曲线进行滤波平滑和双轴归一化处理，获得经过预处理后的锂电池容量衰退曲线，包括起始点c1和终止点c2；
[0052]
然后，在归一化后的容量衰退曲线的基础上，添加一条由起始点c1和终止点c2组成的完全线性的容量衰退曲线；
[0053]
接着，计算实际容量衰退点偏离完全线性衰退曲线的程度，并找出偏离最大值，并将该最大值与容量跳水预警阈值进行比较，确定是否发生容量跳水；
[0054]
最后，当确定已经发生锂电池容量跳水时，触发锂电池容量跳水预警，且此时偏离程度最大值对应的点即为识别出锂离子电池容量跳水转折点，当确定还未发生锂电池容量跳水时，更新容量数据终止点，并重复上述步骤。
[0055]
下面结合图2
‑
图5对上述方法进行详细说明。
[0056]
步骤1：数据预处理及添加参考线
[0057]
预处理的目的主要有两点，一是由于测量仪器的误差以及试验环境的影响，在进行锂离子电池寿命试验的过程中，采集到的的原始数据难免会产生一定的随机噪声，通过数理统计或定义的规则找到数据集中不符合质量要求的数据进行剔除，减少由于数据质量问题给后续的研究带来的干扰，二是由于不同的电池数据样本，其容量的大小和循环次数都存在很大的不一致性，使得计算出的某些特征值不具有可比性，同时也给预警阈值的选取带来了不一致性，为了进行统一化处理，通过双轴归一化方法，将其容量和循环次数均映射到[0,1]区间内，在不改变其原始曲线变化趋势的基础上，使其具有相同的数量级，便于批量操作。
[0058]
进行平滑的具体操作步骤如下：
[0059]
定义原始电池样本数据集为dc，按照循环进行的先后顺序进行排列，即
[0060]
dc＝{(x0,y0),(x1,y1),
…
(x
n
,y
n
)|0＜x1＜x2＜
…
＜x
n
}
[0061]
其中，对于x
i
对应着老化过程中的循环数，y
i
为相应循环的电池充电或放电容量。
[0062]
由于电池的容量保持率是随着时间而不断退化的，其数据之间存在着一定的相关关系，为了充分考虑数据点之间的时间关联关系，本例以savitzky
‑
golay滤波为例，进行电池容量衰减数据样本的平滑，根据数据样本，选择窗口大小w和多项式阶次p，以兼顾较好的平滑效果和对曲线形状特征的捕捉。平滑后的容量衰减数据集合表示为dc
f
，如图(2a)所示。
[0063][0064]
其中，对于x
i
对应着老化过程中的循环数，为相应循环平滑后的电池充电或放电容量。
[0065]
进行双轴归一化的步骤如下：
[0066]
为了提升算法对于不同电池上的适用能力，平滑后的电池样本dc
f
的循环和容量分别进行归一化处理，使其转换为0到1之间的数据，从而得到双轴归一化后的容量衰减数据集合ndc
f
，即
[0067][0068][0069][0070]
其中，为归一化之后老化过程中的循环数，且且为归一化之后相应循环的充电或放电容量，且
[0071]
添加完全线性老化参考线的步骤如下：
[0072]
归一化之后电池容量的起始点c1坐标为(0,1)，终止点c2坐标为(1,0)，而添加的完全线性老化参考线即为c1c2的连线，如图(2b)所示，参考线c1c2的表达式如下所示，
[0073][0074]
其中，x
n
为添加的完全线性老化过程中的循环数，为添加的完全线性老化过程中相应循环对应的容量。
[0075]
步骤2：实际容量衰退点偏离完全线性衰退曲线距离最大值在线实时计算
[0076]
如图3所示，跳水电池样本的双轴归一化后的容量衰减数据集合ndc
f
对应的曲线与添加的完全线性老化参考线构建起了一个近似弓形的结构，它们均可以看作是从起始点c1(0,1)到终止点c2(1,0)的不同老化路径，若电池样本依照虚线路径发生电池老化，则其容量衰退是完全线性的。而按照实际老化路径衰退的话，在前期相比于参考老化路径，容量衰减稳定但较慢，积累了明显的容量优势，但后期容量衰减速率的显著增加使得容量优势快速消退，最后同时到达终止点c2。
[0077]
而根据几何特征，可以计算出曲线上每个点的lm的值，即
[0078]
lm＝{lm1,lm2,
…
lm
n
}
[0079]
而实际容量衰退点偏离完全线性衰退曲线距离最大值α计算如下，
[0080]
α＝max{lm1,lm2,
…
lm
n
}
[0081]
步骤3：样本跳水风险实时预警
[0082]
步骤31：定量预警阈值β的选取的步骤如下：
[0083]
定量阈值依赖人工标注的结果，因此，首先在全部待标注样本中，随机抽样一部分样本作为训练集其中α
i
为第i 个训练
样本的实际容量衰退点偏离完全线性衰退曲线距离最大值，为第i个样本的数据集，n为训练集样本数量。
[0084]
通过对样本中跳水电池和未跳水电池的实际容量衰退点偏离完全线性衰退曲线距离最大值α的比较，最终确定阈值的范围(所有跳水电池和未跳水电池的距离最大值α之间存在一个中空的区域，以该区域作为阈值的范围)，并取该阈值范围区间的中值为β。
[0085]
步骤32：跳水风险实时预警步骤如下：
[0086]
图4是本发明的跳水风险在线实时预警的示意图。如图4所示，当电池样本循环了n0圈时，通过前述步骤，会得到此时对应的实际容量衰退点偏离完全线性衰退曲线距离最大值α0，通过对实时计算得到的α0与预警阈值β进行比较，当α0＞β时，则直接触发报警，并且此时α0所对应的循环数即为锂电池容量跳水的转折点；当α0＜β时，则电池将继续进行循环，并再次更新电池样本的终止点c2，从而得到新的电池样本，此时的电池样本循环了n1圈，并根据计算可得到α1，此时重复上述步骤，再次对电池的跳水进行判断，以此类推。
[0087]
实施例
[0088]
本发明采用severson等人公开的a123数据集验证所提出的锂离子电池容量跳水预警和转折点识别方法的可行性和有效性。
[0089]
选取数据集中编号为b3c28和b1c24的两个电池样本案例进行分析，其中包括一个未跳水样本b3c28和一个跳水样本b1c24。
[0090]
在进行了数据预处理、参考线添加、实际容量衰退点偏离完全线性衰退曲线距离最大值α的计算等步骤后，两个样本的实时动态结果如图5所示。其中，通过考虑所选数据集的历史数据情况及专家知识，将锂电池容量跳水的阈值设定为0.18。
[0091]
如图(5a)中所示，虚线表示所选预警阈值，电池b3c28一直未发生明显的跳水行为，通过计算得出的α也一直未超过所设定的阈值0.18。结果表明，基于几何特征融合决策的容量跳水在线预警方法能够有效地监测电池的跳水现象。
[0092]
如图(5b)中所示，虚线同样表示所选预警阈值，电池b1c24则在循环至583 圈时，其实际容量衰退点偏离完全线性衰退曲线距离最大值α大于所设定阈值0.18，表明电池发生容量跳水，且所对应的第583圈也是电池容量跳水的转折点。从结果中可以看出，基于几何特征融合决策的锂电池容量跳水在线预警及转折点识别方法能够有效且及时地发现和预警电池的容量跳水行为，从而起到了提前终止电池继续运行，防止电池寿命继续恶化，提高电池使用的安全性和电池梯次利用的价值。
[0093]
尽管上文对本发明进行了详细说明，但是本发明不限于此，本技术领域技术人员可以根据本发明的原理进行各种修改。因此，凡按照本发明原理所作的修改，都应当理解为落入本发明的保护范围。