一种形态感知与局部寻优的锂电池老化模式判别方法及系统

本发明涉及一种电池老化识别方法及系统，尤其涉及一种形态感知与局部寻优的锂电池老化模式判别方法及系统，属于储能锂电池态势感知。

背景技术：

1、随着锂离子电池在储能电站以及新能源汽车等场景中的广泛使用，电池运行状态的精准感知已成为保障储能系统安全的核心前提。实际应用中，受充放电策略、温度、电压窗口等多因素耦合影响，锂离子电池容量衰减普遍呈现非线性退化特征，部分电池经历减速老化阶段与加速老化阶段的形态转变。准确识别容量衰减曲线中的减速老化拐点和加速老化拐点，是电池健康状态评估的重要依据，也是后续拐点预测、寿命预测等应用的重要前置环节，对电池全寿命周期健康管理具有重要支撑作用。

2、目前，电池老化拐点领域的研究多聚焦于拐点的前瞻式预估，即基于电池早期循环数据预判拐点未来出现的循环位置。该类方法依赖已知拐点位置的数据集进行训练，若训练所用的拐点标签本身定位不准，则预测模型的准确性将受到根本性限制。因此，前瞻式预估与老化拐点判定属于两类不同的技术范畴。

3、在现有拐点判定的研究中，仅将拐点识别视为基于预设函数模型或几何特征计算的单一步骤数学问题，当待测曲线存在噪声或形态不典型时，识别结果容易受到曲线局部形态变化的影响，同一电池在不同数据预处理方式下可能得到差异较大的拐点位置。

4、现有研究仅停留于通过时序分割将退化过程划分为多个阶段，输出分割边界。当曲率振荡特征不明显或曲线形态偏离典型模式时分割边界模糊，仍无法实现拐点的精确定位。而锂离子电池容量衰减时会存在减速老化拐点和加速老化拐点同时存在的复杂退化形态，现有方法缺乏对两类拐点差异化特征的针对性判别机制，难以同时稳定识别两类拐点，容易出现漏检或将局部波动误判为拐点的问题。

5、因此，亟需一种能够精确且稳定识别锂电池老化拐点的判别方法。

技术实现思路

1、发明目的：本发明的目的是提供了一种形态感知与局部寻优的锂电池老化模式判别方法及系统，通过依次执行多维退化特征构建、典型模式匹配、候选老化拐点粗定位、自适应局部搜索、离散曲率精确寻优，可实现对锂电池老化双拐点的精确定位，降低了动态时间规整中一对多、多对一映射以及容量局部波动对老化拐点判别结果的影响，提高了识别的稳定性。

2、技术方案：所述形态感知与局部寻优的锂电池老化模式判别方法，包括以下步骤：

3、获取待测锂电池的容量衰减序列，经处理后得到待测多维退化序列；

4、将所述待测多维退化序列与典型容量衰减模板库中的各典型模板进行形态匹配，确定最佳匹配模板，并获取所述待测电池多维退化序列与所述最佳匹配模板之间的最优规整路径；其中，所述典型模板针对电池多维退化序列的按照形态分类所划分出的老化模式构建；

5、根据所述最佳匹配模板上预先标定的标准老化拐点，沿所述最优规整路径进行映射，获得所述待测锂电池的候选老化拐点位置；

6、以所述候选老化拐点位置为中心，根据所述候选老化拐点邻域的规整扭曲代价自适应确定局部搜索窗；

7、在所述局部搜索窗内计算所述容量衰减序列的离散曲率，根据所述离散曲率的极值确定所述待测锂电池的真实老化拐点位置；

8、根据所述真实老化拐点位置输出所述待测锂电池的老化拐点判别结果，所述老化拐点判别结果用于确定所述待测锂电池的老化模式类别。

9、可选地，所述典型容量衰减模板库通过以下步骤构建：

10、获取多条历史锂电池的全寿命容量衰减序列；

11、对各历史容量衰减序列进行平滑滤波，计算容量的一阶导数和二阶导数，将容量、一阶导数和二阶导数组合形成历史多维退化序列；

12、按照容量衰减曲线的老化拐点特征将所述多条历史容量衰减序列划分为多种老化模式；

13、针对每种老化模式，采用动态时间规整重心平均算法对归属于该老化模式的历史多维退化序列进行迭代对齐与重心更新，生成该老化模式对应的典型容量衰减模板；

14、对每个典型容量衰减模板标定标准老化拐点。

15、可选地，所述标准老化拐点包括：标准减速老化拐点、标准加速老化拐点。

16、可选地，所述标准老化拐点的标定按照如下方式执行：

17、对于包含减速老化拐点的模板，标定其标准减速老化拐点为：

18、

19、对于包含加速老化拐点的模板，标定其标准加速老化拐点为：

20、

21、式中，和分别为模板上的标准减速老化拐点索引和标准加速老化拐点索引；和分别为对应老化拐点处的容量值。

22、对于线性老化模式，模板标准拐点集合为空；对于减速老化拐点模式，仅标定标准减速老化拐点；对于加速老化拐点模式，仅标定标准加速老化拐点；对于复合拐点模式，同时标定标准减速拐点和标准加速拐点。因此，若所述待测多维退化序列中只有减速老化拐点，则匹配减速老化拐点模式；若只有加速老化拐点，则匹配加速老化拐点模式；若同时存在减速老化拐点和加速老化拐点，则匹配复合拐点模式；若无老化拐点，则匹配线性老化模式。

23、可选地，所述确定最佳匹配模板，并获取所述待测电池多维退化序列与所述最佳匹配模板之间的最优规整路径包括：分别计算所述待测多维退化序列与各典型容量衰减模板之间的归一化累积规整距离，选取归一化累积规整距离最小的模板作为所述最佳匹配模板，并将该模板所对应的规整路径作为所述最优规整路径；

24、其中，所述待测多维退化序列与任一典型容量衰减模板之间的累积规整距离为：基于所述待测多维退化序列与该典型模板之间的局部距离矩阵，通过动态规划递推得到的累积规整距离矩阵的终点值。

25、优选地，所述待测锂电池的候选老化拐点位置通过以下方式获取：

26、对于最佳匹配模板中的标准减速老化拐点索引，在最优规整路径中检索满足模板索引为的全部路径节点：

27、

28、当所述索引集合中包含多个待测序列节点时，取其均值、中位数或加权中位数作为待测曲线减速老化拐点的候选索引：

29、

30、类似地，对于最佳匹配模板中的标准加速老化拐点索引 ，得到待测曲线加速老化拐点的候选索引：

31、

32、当标准模板老化拐点在最优规整路径中不存在完全相同的模板索引时，选取其前后相邻模板索引对应的待测索引进行线性插值，得到候选老化拐点索引。

33、上述候选老化拐点仅用于确定真实老化拐点所在的宏观区域，不直接作为最终老化拐点判别结果，从而避免dtw路径中一对多映射或多对一映射造成的索引偏差。

34、可选地，所述根据所述候选老化拐点邻域的规整扭曲代价自适应确定局部搜索窗，包括：

35、提取所述最优规整路径中与所述候选老化拐点邻域对应的局部路径节点，计算所述局部路径节点的平均多维局部距离作为所述规整扭曲代价；

36、所述局部搜索窗的半径与所述规整扭曲代价呈正相关关系：当所述规整扭曲代价增大时扩大所述半径，当所述规整扭曲代价减小时缩小所述半径。

37、可选地，所述候选老化拐点位置包括候选减速老化拐点位置和候选加速老化拐点位置，所述真实老化拐点位置包括真实减速老化拐点位置和真实加速老化拐点位置；分别以所述候选减速老化拐点位置和候选加速老化拐点位置为中心执行局部寻优，分别获得所述真实减速老化拐点位置和所述真实加速老化拐点位置。

38、可选地，所述在所述局部搜索窗内计算所述容量衰减序列的离散曲率，根据所述离散曲率的极值确定所述待测锂电池的真实老化拐点位置，包括：

39、对于所述候选减速老化拐点位置，在对应的局部搜索窗内筛选满足以下条件的节点作为候选节点：该节点后的平均容量衰减速率绝对值小于该节点前的平均容量衰减速率绝对值；在所述候选节点中选取离散曲率最大的节点作为所述真实减速老化拐点位置；

40、对于所述候选加速老化拐点位置，在对应的局部搜索窗内筛选满足以下条件的节点作为候选节点：该节点后的平均容量衰减速率绝对值大于该节点前的平均容量衰减速率绝对值；在所述候选节点中选取离散曲率最大的节点作为所述真实加速老化拐点位置。

41、可选地，确定所述真实老化拐点位置之后，还包括：

42、对所述真实老化拐点位置进行有效性校验：

43、计算所述真实老化拐点前后局部区间的平均衰减速率变化量，以及所述真实老化拐点处离散曲率相对于局部搜索窗内曲率均值的突出度；

44、当所述平均衰减速率变化量大于预设速率变化阈值且所述突出度大于预设曲率突出度阈值时，判定所述真实老化拐点为有效拐点；

45、否则，判定所述真实老化拐点为伪拐点并予以剔除。

46、可选地，在对所述真实老化拐点位置进行有效性校验后，还根据所述真实老化拐点位置的有效性，判定所述待测锂电池的老化模式类别：

47、当真实减速老化拐点位置和真实加速老化拐点位置均有效时，判定为复合拐点模式；

48、当真实减速老化拐点位置和真实加速老化拐点位置均无效时，判定为线性老化模式；

49、当仅真实减速老化拐点位置有效时，判定为减速老化拐点模式；

50、当仅真实加速老化拐点位置有效时，判定为加速老化拐点模式。

51、所述形态感知与局部寻优的锂电池老化模式判别系统，包括：

52、形态匹配模块，用于将待测锂电池的容量衰减序列与典型容量衰减模板库中的各典型模板进行形态匹配，确定最佳匹配模板，并获取所述待测电池多维退化序列与所述最佳匹配模板之间的最优规整路径；

53、候选拐点映射模块，用于根据所述最佳匹配模板上预先标定的标准老化拐点，沿所述最优规整路径进行映射，获得所述待测锂电池的候选老化拐点位置；

54、自适应搜索窗构建模块，用于以所述候选老化拐点位置为中心，根据所述候选老化拐点邻域的规整扭曲代价自适应确定局部搜索窗；

55、曲率寻优模块，用于在所述局部搜索窗内计算所述容量衰减序列的离散曲率，根据所述离散曲率的极值确定所述待测锂电池的真实老化拐点位置；

56、结果输出模块，用于根据所述真实老化拐点位置输出所述待测锂电池的老化拐点判别结果，所述老化拐点判别结果用于确定所述待测锂电池的老化模式类别。

57、可选地，所述系统还包括：

58、历史数据处理模块，用于获取锂电池全寿命历史容量数据，并完成异常值剔除、平滑去噪、容量一阶导数计算和容量二阶导数计算，输出标准化多维退化序列；

59、典型模板构建模块，用于按照老化模式对历史容量衰减曲线进行分类，并通过动态时间规整重心平均算法构建各老化模式对应的典型容量衰减模板。

60、有益效果：与现有技术相比，本发明具有如下显著优点：

61、1、跨环节复用规整扭曲代价，实现搜索策略的反馈式动态调控。现有技术中动态时间规整匹配仅用于全局老化模式分类，匹配完成后规整路径与距离信息即被丢弃，老化拐点定位环节多采用固定宽度搜索窗，无法适配不同待测序列的形态差异，易出现范围过窄漏判、范围过宽冗余的问题。本发明在全局模板匹配步骤完成后，从最优规整路径中提取老化拐点邻域的局部规整扭曲代价，将其作为形态差异量化信号跨步骤反馈至后续定位环节，用于自适应计算局部搜索窗半径；匹配契合度越高则搜索窗越窄，匹配差异越大则搜索窗适度拓宽，使搜索策略能够根据待测曲线与模板的实际匹配状况动态缩放，在不损失拐点召回率的前提下同步提升定位精度与运算效率。

62、2、构建全局引导-局部校验的双向闭环机制，阻断误差单向传递。现有技术采用“全局模式判定→局部老化拐点定位”的单向信息流架构，全局匹配的误判会沿流程逐级传导至最终结果，无反向修正能力。本发明一方面通过全局模板匹配得到的初始老化模式，限定局部寻优环节的目标老化拐点类型与数量，实现全局形态先验对局部定位的正向引导；另一方面在局部寻优输出有效拐点组合后，反向校验其与初始老化模式的一致性，若不匹配则触发模式重判定，形成双向验证的闭环链路，避免了模式误判沿信息流单向累积且无法纠正的缺陷。

63、3、映射定域与曲率定点解耦耦合，兼顾范围约束与定位精度。现有技术要么直接以动态时间规整的映射点作为老化拐点位置，受一对多、多对一的对齐失真影响，定位精度不足；要么在全序列范围内搜索曲率极值，缺乏范围约束易受局部容量波动干扰，稳定性差。本发明先通过规整路径将模板标准老化拐点映射至待测序列，仅用于确定老化拐点的宏观候选区域，不承担精确定位功能；再在候选区域内脱离规整路径，独立开展多维曲率极值计算完成老化拐点精确定位；该“定域+定点”两步解耦耦合的方式，既利用模板先验缩小了搜索范围、抑制了全局噪声干扰，又规避了规整路径对齐失真对最终定位精度的限制，同时解决了两类单一方法的固有缺陷。

64、4、双拐点差异化趋势约束结合时序校验，贴合老化物理演化规律。现有技术对减速老化拐点与加速老化拐点采用统一的曲率判别规则，未结合两类拐点的物理演化特性做差异化约束，复杂退化形态下易出现两类拐点混淆、时序颠倒的误判。本发明针对减速老化拐点施加“衰减速率绝对值由大变小”的趋势约束，针对加速老化拐点施加“衰减速率绝对值由小变大”的反向趋势约束，两类约束方向相反、独立校验；同时结合模板匹配得到的老化拐点先后时序，做空间合理性校验，从物理演化规律与逻辑顺序两层保障判别结果的合理性，显著降低了复杂工况下两类拐点漏检、混淆的概率。