一种基于时频域联合特征的电池健康状态快速评估方法与流程

1.一种基于时频域联合特征的电池健康状态快速评估方法，包括步骤一，设计测试流程；步骤二，时频域数据获取；步骤三，联合特征提取；步骤四，构建评估模型；步骤五，部署应用；其特征在于：

2.根据权利要求1所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤一中，整个评估测试流程由充放电阶段、静置阶段、eis测试阶段三部分组成，在充放电阶段，首先放空电池电量确保处于0％soc，静置后充电至电池20％soc，充电完毕需静置1h让电池内部状态稳定，静置结束再进行eis测试，整个测试流程相对单一电池耗时1h24min。

3.根据权利要求1所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤二中，通过充放电设备电池充电至20％soc，工步信息：恒流放电1-静置2-恒流放电3-静置4-恒流充电5-静置6，其中静置2的静置时间为5min，静置4的静置时间为1min，静置6的静置时间为30s，恒流放电1电流为1c，恒流放电3电流为0.1c，充电电流0.6c，预充容量＝额定容量*20％soc，该部分操作与梯度电池出厂要求的电池荷电状态重合，因此不需将该部分作为增加部分，快速阻抗谱设备设定10khz-0.1hz频率范围利用设定电流激励，激励电流设定5a，通过对不同老化程度的梯度电池进行测试获取不同老化状态下的频域数据。

4.根据权利要求1所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤三中，通过dbscan聚类算法将训练样本进行分组，组内样本数小于3条样本的聚类结果进行剔除，视聚类组内数量小于阈值的样本为异常样本，将剔除后的样本进行时频域特征提取表征电池的健康因子，采用步骤二中的调压充放电工步作为时域特征提取方式，利用扫频方式获取10khz-0.1hz频率范围内复数阻抗信息，取频率对数分布，每对数尺度取10个频率点，共计51组，时频域最终组合特征为300-0.1hz实部阻抗、3.2-3.35v间的充电时长、电压均值、电压方差、ic容量增量峰值。

5.根据权利要求4所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤三中，时频域特征选择方式利用皮尔森相关系数方式获取各特征与容量之间的正负相关程度，利用特征与容量进行可视化查看相关程度，剔除相关程度低的特征，皮尔森相关系数计算公式为：

6.根据权利要求5所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤三中，根据电池等效电路ecm先验知识与利用皮尔森相关系数方式得到的相关性分析结果对时频域特征进行剔除和缩减范围，剔除前预备健康因子特征列表由电化学阻抗谱的实部虚部阻抗、利用弛豫时间分布方法计算出的drt特征中的γ、调压曲线的充电时长、电压均值、电压方差、ic增量容量峰值组成，根据皮尔森方式计算出各健康因子与容量的相关性得分，相关性得分为[-1，1]，负数为与容量负相关，正数为与容量正相关，进一步筛选出更优特征。

7.根据权利要求1所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤四中，利用多种特征组合，构建特征列表后，数据划分为训练集和验证集，划分比例为7:3，数据较少时可用留一法和k折交叉验证方式划分，并构建极端梯度回归树xgboost模型，学习电池老化规律并输出电池现有的容量残值，将验证估计结果通过多种模型评估指标表明模型学习程度，这里所用评估指标为：模型精度r2、相对均方根百分比误差rrmse、平均绝对百分比误差mape、最大相对误差。

8.根据权利要求7所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤四中，模型精度决定系数的计算公式为：

9.根据权利要求7所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤四中，电池容量估计算法部分，xgboost回归模型是通过串行连接多个弱学习器(即回归树)进行训练，每个学习器会在前一个学习器的学习残差结果基础上进行进一步修正学习，逐步提升模型的估计能力，每一轮迭代通过优化目标函数构建新的回归树模型，构建过程中使用贪婪优化方式最小化目标函数，并利用正则化避免过拟合。

10.根据权利要求1所述的一种基于时频域联合特征的电池健康状态快速评估方法，其特征在于：所述步骤五中，在线应用部分流程是由采样、数据处理、算法估计、结果可视化输出组成，对应软硬件部分实现是由电化学阻抗谱激励采样模块、树莓派：数据保存、传输和算法部署以及可视化结果上位机组成，选定最佳模型并通过pickle库函数保存为pkl格式文件，将模型部署在边缘设备树莓派，通过构建fastapi接口调用模型，并在线测试算法评估电池容量，收集大量该电池信息，持续进行模型再训练和优化。