CN112327194A - 一种锂电池容量跳水识别方法及装置 - Google Patents

Abstract

本发明公开了一种锂电池容量跳水识别方法及装置，包括：获取经过数据预处理的锂电池充放电循环的包括起始点Q1和终止点Q2的锂电池退化曲线；根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角；将锂电池退化曲线特征夹角与特征夹角跳水阈值进行比较；根据比较结果对所述锂电池是否属于跳水样本进行识别。

Description

一种锂电池容量跳水识别方法及装置

技术领域

本发明涉及一种锂电池技术领域，特别涉及一种锂电池容量跳水识别方法及装置。

背景技术

锂离子电池目前是广泛应用于军事电子产品、航空电子器件、电动汽车以及各种便携式电子装置(例如笔记本电脑、数码相机、平板电脑、手机等)的主要储能器件，由于其质量轻、放电率低及寿命长的特点，锂离子电池已基本取代了镍镉电池、镍氢电池。与此同时，由于目前对于气候环境变化的关注和新能源开发的迫切性，锂离子电动汽车得到了快速发展，众多汽车厂商和研究机构都致力于开发能够代替传统石油的新能源汽车，例如德国大众、美国特斯拉、中国比亚迪等汽车公司纷纷投入大量资金和人力资源开发纯动力、混合动力等新能源汽车的车载锂离子电池。因此，锂离子电池的性能是其整体电子系统可靠性的关键因素，其失效可能会造成系统故障甚至是致命灾难。

锂离子的寿命退化客观的存在于其整个生命周期，其寿命问题主要指影响其放电能力的正负极活性材料的物化结构性质、粘结剂对涂层的粘结强度、隔膜的质量等在循环充放电过程中的逐渐劣化。锂离子电池的容量是指示电池性能退化的重要指标，随着电池的使用不断降低，当电池容量低于某一阈值后，电池无法继续稳定提供储能功能，即认为发生失效。不同设计配方、设计因素下的电池型号寿命不同，因此电池设计生产厂商在电池设计定性或批量生产之前需要对不同配方、不同批次的电池进行加速寿命试验，对试验结果使用统计方法进行分析，得到该配方或批次下电池样本总体的寿命信息。通常，电池的测试在加速应力条件下开展，在特殊的测试台中进行循环充放电试验，激发电池性能的不断退化，反映在电池容量上，体现为容量保持率随着充放电循环数的增加而不断衰减。

根据现有文献研究表明，在加速应力条件下，锂离子电池容量保持率的衰退趋势总体满足平方根规律。即可以认为，电池若在试验条件下以正常的趋势发生退化，容量保持率随循环数变化的曲线理论上来讲呈现平方根函数的关系。但是在实际测试过程中，部分电池样本的容量保持率曲线形态会呈现在一段时间内平稳退化，当超过某个临界点之后衰退速率迅速增大的特点。当锂离子电池容量保持率出现这种突然加速率退化的情况时，即认为电池容量发生了跳水现象，退化速率发生突然变化的临界点即为跳水点。出现跳水现象的电池样本，在测试过程中需要引起试验人员的重点关注。具体原因有如下两点。

第一，跳水往往与电池设计因素、生产批次等密切相关，分析测试数据中跳水样本的电池可以为电池的优化设计、优化生产提供反馈指导信息。例如，如果发现在某一设计配方下的大部分电池都会出现跳水现象，则可以很大的概率说明这种设计配方中存在缺陷，应该予以针对性改进。因此，电池设计生产商的测试部门需要对试验结束的电池样本数据进行逐一分析，对电池容量保持率衰退曲线是否出现跳水现象进行识别和标注，将总体中那些发生跳水的电池样本区分开来。

第二，跳水电池样本的测试数据对总体寿命分析产生影响。除了设计因素之外，试验条件也会激发锂离子电池的容量跳水现象。现有研究表明，低温度、高充放电倍率、过高或过低SOC状态都可能诱发锂离子电池电极的析锂现象，在容量保持率上体现为跳水。因此，若电池样本在试验过程中发生了跳水现象，跳水点之后的循环容量数据对电池加速寿命试验数据分析作用不大，因为两段退化过程趋势已经不一致，无法用平方根物理模型或阿伦尼乌斯公式等加速模型进行数据分析。因此，希望在跳水点即将出现时或出现后短时间内发出预警，终止试验，节省试验成本。

然而，考虑上述两点，现有测试流程中针对跳水样本或跳水点的分析处理方法尚不完善。

针对跳水样本曲线的识别与标注，现有方法大多依赖人工判断，即将数据曲线可视化之后，肉眼判别电池在试验过程中容量是否发生跳水。这种人工判别的方式存在两个弊端。弊端之一，是人工识别标注方法受主观因素影响较大，不同的标注人员、判别尺度甚至可视化方法都会影响到标注结果，为跳水样本的识别与分类带来干扰。弊端之二，是依赖人工的标注方法需要大量的人力成本和时间成本，且无法批量化操作，影响样本标注效率。

针对跳水点的预警，现在并无成熟方法投入使用。在试验过程中，由于没有实时监测机制，当跳水点出现之后，试验还是会继续进行，直到电池容量保持率到达预定失效阈值，才终止试验。电池充放电循环试验成本较高，且耗时较长，因此无法在跳水点即将出现或出现不久后及时终止试验，带来了较大的试验成本浪费，包括经济成本和时间成本。

发明内容

为了解决上述技术问题，本发明提出了一种锂电池容量跳水识别方法及装置。

根据本发明第一方面，一种锂电池容量跳水识别方法包括：

获取经过数据预处理的锂电池充放电循环的包括起始点Q1和终止点Q2的锂电池退化曲线；

根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角；

将锂电池退化曲线特征夹角与特征夹角跳水阈值进行比较；

根据比较结果对所述锂电池是否属于跳水样本进行识别。

优选地，根据比较结果对锂电池是否属于跳水样本进行识别包括：当比较结果为锂电池退化曲线特征夹角大于特征夹角跳水阈值时，确定所述锂电池属于跳水样本；当比较结果为锂电池退化曲线特征夹角小于特征夹角跳水阈值时，确定所述锂电不属于跳水样本。

优选地，根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角包括：连接锂电池退化曲线起始点Q₁和终止点Q₂，作割线；将每个充放电循环处的真实容量保持率值与割线上的对应循环处容量保持率值作差，计算退化曲线与割线上每点的距离，将最大距离l_max处对应的点定义为疑似跳水点D；连接Q₁、 Q₂、D三点组成三角形，将线段Q₁Q₂与线段DQ₂所夹锐角∠Q₁Q₂D确锂电池退化曲线特征夹角α。

优选地，根据历史数据和专家知识确定所述特征夹角跳水阈值，具体包括：从历史数据中选取m个被标注为发生跳水和未发生跳水的锂电池退化曲线特征夹角α₁,α₂...α_m为样本；将能够使所述样本中满足被标注为发生跳水和未发生跳水的预测阈值确定为所述特征夹角跳水阈值。

优选地，所确定的特征夹角跳水阈值小于所述样本中被标注为发生跳水的锂电池退化曲线特征夹角，大于等于所述样本中被标注为未发生跳水的锂电池退化曲线特征夹角。

优选地，所述数据预处理是对原始锂电池退化曲线进行的平滑去噪预处理。

优选地，所述平滑去噪预处理是局部加权散点回归平滑LOWESS处理。

根据本发明第二方面，一种锂电池容量跳水识别装置包括：

锂电池退化曲线获取模块，用于获取经过数据预处理的锂电池充放电循环的包括起始点Q1和终止点Q2的锂电池退化曲线；

锂电池退化曲线特征夹角确定模块，用于根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角；

比较模块，用于将锂电池退化曲线特征夹角与特征夹角跳水阈值进行比较；

识别模块，用于根据比较结果对所述锂电池是否属于跳水样本进行识别。

优选地，所述识别模块包括：跳水确定单元，用于当比较结果为锂电池退化曲线特征夹角大于特征夹角跳水阈值时，确定所述锂电池属于跳水样本；反之，则确定所述锂电池不属于跳水样本。

本发明的积极与有益效果在于：1)提出了一种通过容量退化曲线形态计算的特征夹角，可以有效对电池退化中的容量跳水现象进行有效表征，且计算结果更加稳定；2)所提出的方法能够根据人工标注跳水的结果，自适应地生成用于区分样本是否跳水的特征夹角阈值；3)所提出的特征夹角及生成的阈值，能够开展电池充放电循环后的跳水样本识别，从而为批次试验鉴定提供辅助信息。

附图说明

图1是本发明的一种锂电池容量跳水识别方法的示意图；

图2是本发明的一种锂电池容量跳水识别装置的示意图；

图3是本发明的锂电池容量保持率退化曲线特征夹角定义示意图；

图4是本发明的跳水样本识别与标注流程图；

图5是本发明的四个电池样本的原始退化曲线；

图6是本发明的数据平滑降噪预处理结果图；

图7是本发明的跳水识别和标注结果图。

具体实施方式

图1显示了本发明的一种锂电池容量跳水识别方法，包括：

获取经过数据预处理的锂电池充放电循环的包括起始点Q1和终止点Q2的锂电池退化曲线；

根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角；

将锂电池退化曲线特征夹角与特征夹角跳水阈值进行比较；

根据比较结果对所述锂电池是否属于跳水样本进行识别。

本发明对锂电池是否属于跳水样本进行识别的具体过程是：当比较结果为锂电池退化曲线特征夹角大于特征夹角跳水阈值时，确定所述锂电池属于跳水样本；当比较结果为锂电池退化曲线特征夹角小于特征夹角跳水阈值时，确定所述锂电不属于跳水样本。

根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角是本发明的重要特征之一，包括：连接锂电池退化曲线起始点Q₁和终止点Q₂，作割线；将每个充放电循环处的真实容量保持率值与割线上的对应循环处容量保持率值作差，计算退化曲线与割线上每点的距离，将最大距离l_max处对应的点定义为疑似跳水点D；连接Q₁、Q₂、D三点组成三角形，将线段Q₁Q₂与线段DQ₂所夹锐角∠Q₁Q₂D确锂电池退化曲线特征夹角α。

根据历史数据和专家知识确定所述特征夹角跳水阈值也是本发明的重要特征之一，具体包括：从历史数据中选取m个被标注为发生跳水和未发生跳水的锂电池退化曲线特征夹角α₁,α₂...α_m为样本；将能够使所述样本中满足被标注为发生跳水和未发生跳水的预测阈值确定为所述特征夹角跳水阈值。

在本发明中，所确定的特征夹角跳水阈值小于所述样本中被标注为发生跳水的锂电池退化曲线特征夹角，大于等于所述样本中被标注为未发生跳水的锂电池退化曲线特征夹角。

本发明所述的数据预处理是对原始锂电池退化曲线进行的平滑去噪预处理。本发明采用局部加权散点回归平滑LOWESS处理进行平滑去噪预处理。

本发明的局部加权散点回归平滑处理包括：

以原始锂电池退化曲线的一个点x₁为中心，确定一个区间长度为f的数据，该长度取决于q＝fn，其中q是参加局部回归的观察值的个数，f是参加局部回归的观察值的个数占观察值个数的比例，n表示观察值的个数；

赋予所确定的区间内的所有点的权重；

对于所述区间内数据用权值函数做一个加权的线性回归，得到点x₁处的平滑值(x₁,y₁)，其中y₁为拟合后曲线的对应值；

对原始锂电池退化曲线中的其他点重复上述处理，最终将得到一组平滑点 (x_i,y_i)，将这些平滑点用短直线连接起来，就得到LOWESS曲线。

图2显示了本发明一种锂电池容量跳水识别装置，包括：

锂电池退化曲线获取模块，用于获取经过数据预处理的锂电池充放电循环的包括起始点Q1和终止点Q2的锂电池退化曲线；

锂电池退化曲线特征夹角确定模块，用于根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角；

比较模块，用于将锂电池退化曲线特征夹角与特征夹角跳水阈值进行比较；

识别模块，用于根据比较结果对所述锂电池是否属于跳水样本进行识别。

所述识别模块包括跳水确定单元，用于当比较结果为锂电池退化曲线特征夹角大于特征夹角跳水阈值时，确定所述锂电池属于跳水样本；反之，则确定所述锂电池不属于跳水样本。

下面结合图3-图7对上述方法进行详细说明。

1、锂电池容量跳水识别

1.1、数据预处理

实际情况中，锂离子电池容量退化数据中包含大量噪声。这些噪声在退化曲线体现出局部波动的特性，但对于长期退化趋势并不构成显著影响。因此，为保证数据处理的鲁棒性，需要对容量退化数据进行平滑去噪预处理。本发明中采用局部加权散点回归平滑(LOWESS)方法对容量退化数据进行处理，将退化过程的局部波动去除的同时保留长期趋势。具体实施方式如下：

1.以一个点x₁为中心，确定一个区间长度为f的数据，该长度取决于q＝fn，其中q是参加局部回归的观察值的个数，f是参加局部回归的观察值的个数占观察值个数的比例，n表示观察值的个数。一般情况f的取值在1/3-2/3之间，q和 f无明确的准则。曲线的光滑程度与选取数据比例有关：比例越少，拟合越不光滑(因为过于看重局部性质)，反之越光滑。

2.定义区间内的所有点的权重。权重由权值函数来确定。任一点(x₁,y₁)的权重是x₁处权值函数曲线的高度。权值函数具有以下三方面特性：(1)点(x₁,y₁)具有最大权重；(2)当x离x₁越远，权重逐渐减小；(3)加权函数以x₁为中心对称。即对附近的点赋予更高的权重。

3.对于该段数据用权值函数w做一个加权的线性回归，得到x₁处的平滑值 (x₁,y₁)，其中y₁为拟合后曲线的对应值。

上述步骤对每个点都进行一遍，最终将得到一组平滑点(x_i,y_i)。将这些平滑点用短直线连接起来，就得到LOWESS曲线。

以上LOWESS拟合为局部直线拟合。在实际中还可进行局部曲线拟合(一般为二次曲线)。要看具体数据而定，一般数据变化比较平缓，常选用局部直线拟合；数据变化剧烈，则选用局部曲线拟合。

1.2、特征夹角计算

1)特征夹角的定义

特征夹角是反映退化曲线弯折程度的一个角度值，几何定义如图3所示。首先选定计算特征夹角的退化曲线段起始点Q₁和终止点Q₂，连接Q₁和Q₂，作割线；将每个充放电循环处的真实容量保持率值与割线上的对应循环处容量保持率值作差，计算退化曲线与割线上每点的距离，可以看出，最大距离l_max处对应的点，即为发生跳水的样本电池容量保持率发生跳水的位置，定义为疑似跳水点D (对于能确定发生跳水的样本，即为跳水点。下文的定义针对确定发生跳水的样本展开)。连接Q₁、Q₂、D三点组成三角形，线段Q₁Q₂与线段DQ₂所夹锐角∠Q₁Q₂D定义为该段容量保持率退化曲线定义的特征夹角α。

从几何意义上来讲，割线反映的是电池在选定段退化过程中的总体走势；最大距离点到终止点的连线反映的是电池退化速率发生突变之后的退化总体走势。则二者之间的夹角则可以反映在退化全过程中退化规律变化的程度。容量跳水越严重的样本或数据段，特征夹角越大。因此，本发明提出的特征夹角可以作为锂电池容量保持率跳水的重要指示因子。

2)特征夹角的计算方法

设起始点Q₁在平面直角坐标系中坐标为(x₁,y₁)，终止点坐标为(x₂,y₂)，跳水样本跳水点为(x_D,y_D)。根据余弦定理可以用解三角形的方法求出特征夹角的余弦值

其中

分别代表三角形三条边的长度。根据特征夹角的余弦值，可以反算出特征夹角的弧度值。

3)基于全部测试数据的特征夹角计算方法

当电池充放电循环试验全部结束后，需要对所有样本的容量退化曲线进行跳水识别标注。因此，需要使用全寿命测试数据进行特征夹角的计算。

在实际应用过程中，由于电池本身制造因素和外界测试不稳定因素，在测试开始的若干循环，电池特性未完全稳定，这一段数据的退化规律可能对跳水识别与标注造成干扰。因此首先需要对初始段数据进行剔除。设样本容量保持率退化序列为S＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}，初始k个点为不稳定状态，则剔除初始段之后的序列为S′＝{(x_k+1,y_k+1),(x_k+2,y_k+2),…,(x_n,y_n)}。选定初始点 Q₁＝(x_k+1,y_k+1)，终止点Q₂＝(x_n,y_n)，则根据Q₁、Q₂两点确定的割线方程为

用真实退化曲线上每一个充放电循环处的真实容量保持率值与割线上对对应的容量保持率作差，差值最大的循环处即为样本的疑似跳水点

得到初始点、终止点和疑似跳水点坐标之后，根据上文的公式可以计算出全寿曲线的特征夹角值α。

1.3、定量阈值设定

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T＝{(α₁,L₁),(α₂,L₂),…,(α_m,L_m)}，其中α_i为第i个训练样本的特征夹角，L_i为第i个样本的跳水标签，若第i个样本人工判定发生跳水，则L_i＝1，反之L_i＝0；m为训练集样本数量。

当阈值为β时，第i个训练样本的预测标签

则根据训练集数据确定的跳水阈值为

其中I(·)为示性函数，当括号内判别式为真时，函数值为1；反之函数值为 0。上述公式的含义为：跳水阈值

取m个人工标注标签L₁,L₂...L_m与m个预测标签

相等时(此时示性函数为最小值0)的预测阈值。

即，确定的阈值需要使训练集中样本分类错误数量最少。若阈值在某个区间内均可满足上述公式条件，则阈值取区间的中点。

这种定量阈值设定方法，实质就是遍历搜索所有的β值，然后选择使跳水结果分类错误数最少的β，作为设定的跳水阈值；也就是说，从历史数据中选取m 个被人工标注为发生跳水和未发生跳水的锂电池退化曲线特征夹角α₁,α₂...α_m为样本；将能够使所述样本中满足人工标注为发生跳水的值确定为所述特征夹角跳水阈值。

例如，共有4个样本，特征夹角分别为[1,2,3,4]，人工标注是(1)否(0) 跳水结果为[0,0,1,1]，则从0开始逐渐向上遍历不同的β值。当β值为1.5时，预测标签为[0,1,1,1]，错误数为1；当β值在2-3之间时，预测标签均为[0,0,1,1]，错误数最少，因此定量阈值可选择2-3之间任意值。

1.4、跳水样本的识别与标注

图4显示了跳水样本识别与标注过程。根据上文中阈值确定的方法，确定跳水阈值为

使用待标注样本j的容量保持率退化数据序列，根据上文中的特征夹角计算方法，计算出基于全部测试数据的特征夹角α_j。若

则判定该样本在测试过程中未发生跳水，标注L_j＝0；反之若

则判定该样本在测试过程中容量保持率发生了跳水，标注L_j＝1。

2、特征夹角动态实时计算

锂电池在充放电循环试验的前期由于自身及环境原因，性质较不稳定，初始段退化数据会干扰特征夹角的计算和跳水预警效果。因此，需要跳过初始的若干循环的数据，延迟启动特征夹角计算。假设前k个循环，电池由于性质不稳定导致数据情况不良，需要加以剔除；而计算特征夹角至少需要三个数据点，因此从 k+3个循环处启动特征夹角实时计算。

固定起始点为Q₁＝(x_k+1,y_k+1)，动态更新终止点Q₂，使之始终为现有所有测试数据点的最后一个。确定疑似跳水点及计算实时特征夹角的方法与4.3.1节相同。当充放电循环试验进行到第c个循环(c≥k+3)时，终止点为Q₂＝(x_c,y_c)，计算得到的特征夹角值为α_c。当试验进行至c+1个循环处时，若实时预警进程未终止，则重新启动特征夹角计算，起始点不变，将终止点移动至Q₂′＝(x_c+1,y_c+1)，计算得到新的特征夹角α_c+1。上述过程即为特征夹角动态实时计算方法。

具体实施例

本发明采用宁德时代新能源科技股份有限公司的试验数据验证所提出的锂离子电池寿命预测方法的可行性和有效性(注：试验中所用电池是一种专门用于产品设计阶段的软包电池，与公司真实产品中使用的电池有所不同)。

选取25℃试验条件下的锂电池样本进行分析验证，本方法以四个样本开展案例分析，其中包括跳水样本两个，正常样本两个。四个样本的编号标记如下：

正常样本：N1、N2

跳水样本：D1、D2

四个电池样本的原始退化曲线如图5所示：

基于特征夹角的跳水识别与标注、基于特征夹角趋势的跳水识别方法都需要对电池容量退化曲线进行平滑降噪处理，保留容量退化总体趋势，去除局部噪声、自恢复效应等干扰。使用LOWESS方法对容量退化曲线进行平滑，其中平滑尺度参数统一设置为0.4。

经过平滑降噪处理之后的容量退化曲线结果如图6所示。

对于四个选定的样本容量退化曲线进行平滑降噪预处理之后，按照上文中介绍的基于全部测试数据的特征夹角计算方法，计算充放电循环试验全过程的电池退化曲线特征夹角值。

在本发明中，考虑历史数据情况及专家知识，将锂电池容量跳水的特征夹角阈值设定为0.05。

对实施例中四个电池样本进行跳水识别和标注结果如图7所示。

在图7的左图中，虚线表示的退化曲线是人工判定正常的容量退化曲线，短横线表示的的是人工判定发生跳水的容量退化曲线；右图为每个电池样本对应的特征夹角值。可以看出，通过特征夹角与阈值的比较，超过阈值的电池样本容量发生明显跳水；而在阈值之下的样本则未发生跳水现象。结果说明，基于静态特征夹角计算与阈值比较的方法能够有效地完成跳水样本的定量自动识别与标注。

特征夹角动态实时计算。在本实施例中，用样本电池的全部测试数据，模拟电池充放电循环试验的动态推进过程。具体方法为，充放电循环数每增加1，在该样本电池容量退化曲线序列中增补该循环对应的样本电池真实容量保持率数据，然后使用上文中提出的方法进行动态特征夹角计算，形成随着充放电循环数增加的特征夹角变化序列。

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。

Claims (10)

1.一种锂电池容量跳水识别方法，其特征在于，包括：

获取经过数据预处理的锂电池充放电循环的包括起始点Q1和终止点Q2的锂电池退化曲线；

根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角；

将锂电池退化曲线特征夹角与特征夹角跳水阈值进行比较；

根据比较结果对所述锂电池是否属于跳水样本进行识别。

2.根据权利要求1所述的锂电池容量跳水识别方法，其特征在于，根据比较结果对锂电池是否属于跳水样本进行识别包括：

当比较结果为锂电池退化曲线特征夹角大于特征夹角跳水阈值时，确定所述锂电池属于跳水样本；

当比较结果为锂电池退化曲线特征夹角小于特征夹角跳水阈值时，确定所述锂电不属于跳水样本。

3.根据权利要求1或2所述的锂电池容量跳水识别方法，其特征在于，根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角包括：

连接锂电池退化曲线起始点Q₁和终止点Q₂，作割线；

将每个充放电循环处的真实容量保持率值与割线上的对应循环处容量保持率值作差，计算退化曲线与割线上每点的距离，将最大距离l_max处对应的点定义为疑似跳水点D；

连接Q₁、Q₂、D三点组成三角形，将线段Q₁Q₂与线段DQ₂所夹锐角∠Q₁Q₂D确锂电池退化曲线特征夹角α。

4.根据权利要求3所述的锂电池容量跳水识别方法，其特征在于，根据历史数据和专家知识确定所述特征夹角跳水阈值，具体包括：

从历史数据中选取m个被标注为发生跳水和未发生跳水的锂电池退化曲线特征夹角α₁,α₂...α_m为样本；

将能够使所述样本中满足被标注为发生跳水和未发生跳水的预测阈值确定为所述特征夹角跳水阈值。

5.根据权利要求4所述的锂电池容量跳水识别方法，其特征在于，所确定的特征夹角跳水阈值小于所述样本中被标注为发生跳水的锂电池退化曲线特征夹角，大于等于所述样本中被标注为未发生跳水的锂电池退化曲线特征夹角。

6.根据权利要求1所述的锂电池容量跳水识别方法，其特征在于，所述数据预处理是对原始锂电池退化曲线进行的平滑去噪预处理。

7.根据权利要求6所述的锂电池容量跳水识别方法，其特征在于，所述平滑去噪预处理是局部加权散点回归平滑LOWESS处理。

8.一种锂电池容量跳水识别装置，其特征在于，包括：

锂电池退化曲线获取模块，用于获取经过数据预处理的锂电池充放电循环的包括起始点Q1和终止点Q2的锂电池退化曲线；

锂电池退化曲线特征夹角确定模块，用于根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角；

比较模块，用于将锂电池退化曲线特征夹角与特征夹角跳水阈值进行比较；

识别模块，用于根据比较结果对所述锂电池是否属于跳水样本进行识别。

9.根据权利要求8所述的锂电池容量跳水识别装置，其特征在于，识别模块包括：

跳水确定单元，用于当比较结果为锂电池退化曲线特征夹角大于特征夹角跳水阈值时，确定所述锂电池属于跳水样本；反之，则确定所述锂电池不属于跳水样本。

10.根据权利要求8或9所述的锂电池容量跳水识别装置，其特征在于，根据锂电池退化曲线的弯曲程度，确定锂电池退化曲线特征夹角包括：

连接锂电池退化曲线起始点Q₁和终止点Q₂，作割线；

将每个充放电循环处的真实容量保持率值与割线上的对应循环处容量保持率值作差，计算退化曲线与割线上每点的距离，将最大距离l_max处对应的点定义为疑似跳水点D；

连接Q₁、Q₂、D三点组成三角形，将线段Q₁Q₂与线段DQ₂所夹锐角∠Q₁Q₂D确锂电池退化曲线特征夹角α。

Images