基于DTW-TWP方法的锂电池健康特征评估方法和装置

本发明涉及一种基于动态时间规整图提取锂电池健康特征、预测锂电池寿命的方法和装置。

背景技术：

1、锂离子电池具有能量和功率密度高、循环时间长，使用寿命长、自放电率低等优点，例如，在汽车行业，使用锂离子电池能够有效减少化石燃料的使用，降低碳排放，实现资源的可持续发展随着智能电网、储能等多种技术创新，锂离子电池被广泛的应用于电动汽车、分布式储能、大规模储能等不同场景。由于受到穿刺、碰撞和挤压等物理外在因素，以及成膜、电解液分解、自放电和极耳粘结老化等内在因素的影响，电池在长期运行中不可避免的出现能量和容量的衰减，进一步导致用电设备的性能下降或故障。另一方面，在实际应用中，通常存在着大量锂离子电池串、并联成组的情况，由于成组的单体性能参数参差不齐，加上散热条件、接触电阻差异等原因，性能故障的概率提高，可能导致巨大损失和灾难性的安全问题。故提高电池的健康特征参数的准确度并进行健康评估和故障诊断，能够保证锂离子电池在实际应用场景中运行的安全性和稳定性。

2、电池健康状态(state of health,soh)是以百分比的形式表征当前电池相对于新电池的健康状态，是评估电池衰退程度的重要指标，为电池安全保护、充放电控制、热管理等功能提供了重要的参考，因此，实时监测并且精准获取soh信息对延长电池的使用寿命和避免锂电池故障至关重要。然而,soh作为电池的内部数据无法被直接测量得到，只能通过各种直接或间接的方法找到健康状态与测量信号(例如电流、电压、电容、温度等)之间的非线性关系进行评估。

3、目前，提取电池健康特征的方法得到了广泛的研究，主要分为基于电压差分/容量增量、基于监测参数变化特性、基于电池单体不一致性的退化状态识别方法。针对基于电压差分/容量增量的方法，现有技术中有一种将ica曲线的波峰作为表征锂离子电池组的退化参数，实现了锂离子电池组健康状态监测的方法。以及采用循环老化实验、增量容量分析(ica)、主成分分析(pca)等方法分析锂离子电池的老化特性和衰减机理，进行健康状态评估的方法。基于电压差分/容量增量的方法需要对电池组进行低倍率充放电，才能得出有效结果。

4、针对基于监测参数变化特性的方法，现有技术中有一种把放电阶段等电压间隔的放电容量作为退化特征，研究放电深度、电流和温度的影响，完成对低轨卫星锂离子电池的健康状态评估的方法。还有一种基于多维特征的锂离子电池健康状态评估模型的方法，此方法分析了电流、电压、表面温度等可监测参数的变化特征与电池退化的联系。但实际应用场景中工况多变，放电电流恒定的要求难以满足，许多参数难以控制。

5、对于基于电池单体不一致性的退化状态识别方法，现有技术中有一种方法分析了容量、内阻与荷电状态的参数一致性对电池组能量利用效率的影响，用来作为表征电池组内单体一致性水平的指标。虽然分析结果有利于继续进行电池组内单体均衡，但在实际应用场景中，如航空航天领域，用来表征单体一致性的参数难以准确测量，且缺少有效方法来融合不一致性的评价。

技术实现思路

1、本发明要克服现有技术的上述缺点，提出一种基于dtw-twp方法的电池健康特征评估方法和装置。

2、一种基于dtw-twp方法的电池健康特征评估方法，包括如下步骤：

3、(1)采用动态时间规整的方法从电池数据中得到电池充放电电压曲线。

4、动态时间规整算法(dynamic time warping)是一种按照距离最近原则来衡量两个不等长度时间序列的相似性的方法，是一种非线性规整技术。将锂电池第一次放电的序列看作参考序列s0＝{s0(1)，s0(2)，s0(3)，…s0(m)…s0(m)}，此后第k次的放电序列看作采样序列sk＝{sk(1)，sk(2)，sk(3)，…sk(n)…sk(n)}。要使参考序列和采样序列在时间上实现最优匹配，需要使用相同函数和代表同一类事物的参数才具有可比性。

5、如果参考序列中的参数n与采样序列中的参数m相同，可直接计算两个序列的距离。但在实际情况中，两个参数一般不相等，最简单的方式是通过线性缩放实现对齐，即将短的序列线性放大到和长序列一样的长度进行比较，或者将长序列线性缩小到和短序列一样的长度进行比较。但这样的对齐方式忽略了各段在不同情况下的持续时间会产生不同的变化，效果不佳。

6、根据两个序列中任意两点的欧式距离构造一个n*m的矩阵a，

7、

8、其中，元素(i，j)(1≤i≤m，1≤j≤n)表示s0(i)和sk(j)两个点的距离，也就是序列s0中的点和序列sk中的点之间的相似度，距离越小则相似度越高。计算a(1，1)到a(n，m)的最短距离，从中得出最优规划路径wwbest＝{w1，w2，w3…wk…wk}。

9、(2)将步骤(1)中得到的放电电压曲线，采用时间规整图对最优规划路径进行相位转换，选取合理的健康特征反映电池健康状态。

10、dtw算法主要是通过时间序列幅值的差异来表征时间序列的相似性，虽然效果不错，但时间序列中时域上的相位差异未被考虑会导致误差。

11、如果只通过dtw算法获得最优规整路径，将无法准确地描述时间序列的相似性，故本发明提出了保留序列节点的时间信息和序列特征的一种基于坐标转换的时间规整图方法进行完善。

12、其步骤主要是通过dtw算法获得两条时间序列s0和sk的距离矩阵a，然后将距离矩阵的对角线和反对角线作为相位参考系(t,φ)。将最优规划路径wwbest转化为时间规整图twp中的相位差异序列的公式如(2)-(4)所示：

13、

14、

15、

16、一维的相位差异序列φ(t)的统计性质能够反映出参考序列s0和采样序列sk的相似性。

17、接着，选取了四个合理值作为锂电池的间接健康特征。具体如公式(5)所示：

18、

19、特征f1表示转换后的φ(t)序列与横轴的偏差，即锂离子电池采样序列和参考序列的差异。f1越大表示φ(t)序列离横轴越远，即采样序列和参考序列的差异越大。

20、f2表示φ(t)序列的变化率，f2越大φ(t)的时间变化率越大，表明电池采样序列和参考序列的差异越来越大。

21、f3表示φ(t)序列的平均值，f3越大φ(t)幅值变化越大，即采样序列和参考序列的整体相位差异越大。

22、f4表示φ(t)序列中最大值与最小值之和，体现了序列的波动性。f4越大φ(t)幅值变化越大，同样能够证明采样序列与参考序列的相位差异性大。

23、以上四个统计特征能够反应出两个序列的相似性,从而能够表征电池的健康特征。采样序列与参考序列的相似性越高，表明此时电池的健康状态较好。

24、(3)通过皮尔森系数、斯皮尔曼系数和肯德尔系数评估提取的间接健康特征与电池容量衰减的关系。

25、皮尔森系数，斯皮尔曼系数和肯德尔系数是三大统计学相关系数,用于表征两个变量之间变化的趋势方向和趋势程度，即表征四个间接健康特征与电池实际容量衰减之间的关系。如公式(6)-(8)所示：

26、

27、

28、

29、其中，fi表示第i次循环中的某一个间接健康特征，表示多次循环中某一个间接健康值的平均值，qi表示第i次循环的电池容量，表示多次循环的电池容量平均值。

30、三个相关系数可以说明电池容量衰减曲线和选取的四个间接健康特征的相关性，相关性系数的绝对值越高说明两者的相关性越大，那么选取的四个间接健康特征则可以良好的反映出电池容量的衰减，进行健康评估。

31、(4)通过仿真实验验证步骤(3)健康评估的可行性与有效性。

32、本发明的第二个方面涉及一种基于dtw-twp方法的锂电池健康特征评估装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现本发明的基于dtw-twp方法的锂电池健康特征评估方法。

33、本发明的第三个方面涉及一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现本发明的基于dtw-twp方法的锂电池健康特征评估方法。

34、本发明采用马里兰大学电池团队提供的棱柱形cs2电池在1℃的恒定电流下循环的数据进行实验。具体算法主要使用到数据集的电压、电流和电容列。本发明将第一次循环放电曲线作为参考序列，第k次循环放电曲线作为采样序列，首先，通过dtw算法得到两个序列最优规划路径，然后利用时间规整图对最优规划路径进行相位转换，选取四个健康特征。在dtw算法找到最优规划路径的基础上，twp对得到的数据进行相位转换，并且选取了四个健康特征。根据相关性系数的评估，该特征值能有效的表征电池容量的衰减，具有代表性。

35、本发明基于监测参数变化特性来评估soh，从低成本传感器中采集的数据(电压，电流和电容等)提取出间接健康特征来表征soh，并且可以保证特征提取的准确性和检测效率。其主要运用动态规整算法将电池数据输出为不同循环的充放电电压曲线，以此来衡量两个不等长时间序列的相似性，相较于欧式距离(euclidean distance)、模式距离(pattern distance)、形状距离(shape distance),动态时间规整算法不仅能衡量序列的相关性、还能衡量序列的相似性，且能很好地解决机器平移问题。然而，动态时间规整算法忽略了时域上的相位差异。本发明在进行坐标转换后，通过时间规整图从相位差异序列中提取锂电池的间接健康特征，解决了时域相位差异导致的预测精度不高的问题。

36、与已有技术相比，本发明的有益效果体现在：

37、1、本发明方法设计简单、成本低、实用性广；

38、2、本发明方法具有极强的可解释性；

39、3、与传统的动态时间规整算法相比，本发明方法考虑了时域上的相位差异，在进行坐标转换后，通过时间规整图从相位差异序列中提取锂电池的间接健康特征，解决了时域相位差异导致的预测精度不高的问题。