本发明涉及电池健康状态评估，具体涉及一种基于图卷积的锂离子电池健康状态评估方法。
背景技术：
1、随着化石燃料消耗和碳排放问题日益受到关注，锂离子电池（lib）在新能源汽车领域得到广泛应用，健康状态（soh）是评估电池状态的重要指标之一。通常情况下，当soh降低到80%以下时，假定电池已经耗尽其最大使用寿命，必须更换，在这种情况下，准确监测soh的变化变得至关重要，因为它直接标志着电池的性能和寿命，这突显了快速、准确估计锂离子电池的soh已经成为一个重要的研究课题。卷积神经网络（cnn）在电池健康评估方面取得了突破，其优秀的图像特征提取能力备受关注，对电池数据分析至关重要。
2、目前电池寿命估计面临的问题主要有以下三点。1、电池的健康受多种因素影响，准确表示其特征需要大量的领域知识和专业经验，同时需要进行复杂的特征工程；2、深度学习需要充足的训练数据，由于退化测试通常需要很长时间才能完成，因此可用的训练样本数量有限；3、一些电池可能不具备明显的可视化特征，需要更深入地研究和分析电池的特性，不同类型的电池上难以保持良好的适应性。
3、公开号为cn116756351a一种基于视觉技术的动力电池组数据存储及健康评估方法的发明专利中，提出利用充电段数据绘制单体电压-容量曲线图像，将单体电压-容量曲线图转换为灰度图并进行压缩，以替代原浮点数据，该方法仅采用了电压-容量的特征图像；但电池内部化学反应的速率和性质，对于了解电池工作状态至关重要，并可以以此获取更全面的电池健康状况和性能信息。
技术实现思路
1、针对现有技术中的问题，本发明提供一种基于图卷积的锂离子电池健康状态评估方法，目的在于综合利用容量差以及实际容量相对于充电电压的变化率等信息，提高模型性能和泛化能力，更准确地评估锂离子电池的健康状况和性能。
2、一种基于图卷积的锂离子电池健康状态评估方法，包括以下步骤：
3、步骤1：训练锂离子电池健康状态评估模型，包括以下步骤；
4、步骤1.1：对若干块锂离子电池进行恒流恒压循环充电，并获得包含循环序列、充电电压序列、实际容量序列、健康状态的电池数据；
5、步骤1.2：根据电池数据制作电压容量像素图、电量变化率像素图、容量差像素图，电压容量像素图用于记录每个循环中充电电压和实际容量的对应关系，电量变化率像素图用于记录每个循环内实际容量相对于充电电压的变化率；容量差像素图用于记录每个循环内相对电池初始实际容量的容量变化量；
6、步骤1.3：将相应的电压容量像素图、电量变化率像素图、容量差像素图进行堆叠并形成三通道的特征图，进而获得由特征图和健康状态组成的训练集；
7、步骤1.4：利用训练集对resnet50网络进行训练，并获得训练好的锂离子电池健康状态评估模型；
8、步骤2：根据待测动力电池数据获得待测特征图；
9、步骤3：将待测特征图送入训练好的锂离子电池健康状态评估模型；
10、步骤4：输出锂离子电池的健康状态评估结果。
11、进一步为：制作电压容量像素图的步骤为：
12、对循环的实际容量序列进行整体归一化，设定一个颜色范围，使用黑色像素表示实际容量的最大值，白色像素表示实际容量的最小值；然后，绘制一个1*100的像素图，像素图横坐标的数值范围从3.5v逐渐增加至4.2v并用于表示充电电压，根据与充电电压序列对应的实际容量序列填充像素颜色，填充像素颜色的规则为实际容量值大小与黑色至白色渐变的对应关系，最后生成一个1*100的电压容量对应图，将电压容量对应图进行上下堆叠，并得到100*100的电压容量像素图。
13、进一步为：制作电量变化率像素图的步骤为：
14、对循环的电量变化率序列整体归一化的方式，用黑色像素表示电量变化率的最大值，用白色像素表示电量变化率的最小值；然后，绘制一个1*100的像素图，该像素图横坐标的数值范围从3.5v逐渐增加至4.2v并用于表示充电电压，根据与充电电压序列对应的电量变化率填充像素颜色，填充像素颜色的规则为实际容量值大小与黑色至白色渐变的对应关系，生成一个1*100的电压电量变化率对应图，将电压电量变化率对应图进行上下堆叠，并得到100*100的电量变化率像素图。
15、进一步为：电量变化率为：
16、
17、其中，表示循环数，描述为充电电压随实际容量变化的斜率，为电池实际容量的变化量，为电池充电电压的变化量，当前时刻电池的实际容量，表示前一时刻的电池的实际容量，当前时刻电池的充电电压，前一时刻电池的充电电压。
18、进一步为：制作容量差像素图的步骤为：
19、首先，构建一个充电电压值列表，步长0.007v，将3.5v到4.2v划分为100个间隔，将第一次循环和当前循环的实际容量差值记为，具体计算公式如下：
20、
21、其中，第一次循环的实际容量与第n次循环的实际容量的差值，表示第1次循环的锂电池实际容量，表示第n次循环的锂电池实际容量；
22、将计算所得的实际容量的差值填入到对应循环的容量差序列中，采用的是对循环的容量差序列进行整体的归一化，设定一个颜色范围，用黑色像素表示容量差的最大值，用白色像素表示容量差的最小值，然后，绘制一个1*100的像素图，该像素图横坐标的数值范围从3.5v逐渐增加至4.2v并用于表示充电电压，根据与充电电压序列对应的容量差序列填充像素颜色，填充像素颜色的规则为实际容量值大小与黑色至白色渐变的对应关系，生成一个1*100的电压容量差对应图，将电压容量差进行上下堆叠，并得到100*100的容量差像素图。
23、进一步为：resnet50网络包括依次相连的输入层、7x7卷积特征提取层、3x3最大池化层、第一残差模块、第二残差模块、第三残差模块、第四残差模块、agent attention模块、average pool层、1000-d全连接层、softmax层和output层；通过逐步提取图像的抽象特征，并通过softmax层进行分类预测，并通过output层输出锂离子电池的的健康状态评估结果。
24、本发明的有益效果：通过电量变化率反映锂离子电池内部化学反应的速率和性质，对于了解锂离子电池工作状态至关重要，通过跟踪实际容量与充电电压变化率，获取更全面的电池健康状况和性能信息；同时，比较首次循环和当前循环的实际容量差值，提供了锂离子电池历史性能和状态的重要线索，有助于判断电池老化程度、性能衰退速度和可能的故障模式；本发明综合利用电量变化率和容量差等信息可以提高模型性能和泛化能力，更准确地评估锂离子电池健康状况和性能。
1.一种基于图卷积的锂离子电池健康状态评估方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图卷积的锂离子电池健康状态评估方法，其特征在于：制作电压容量像素图的步骤为：
3.根据权利要求1所述的基于图卷积的锂离子电池健康状态评估方法，其特征在于：制作电量变化率像素图的步骤为：
4.根据权利要求3所述的基于图卷积的锂离子电池健康状态评估方法，其特征在于：电量变化率为：
5.根据权利要求1所述的基于图卷积的锂离子电池健康状态评估方法，其特征在于：制作容量差像素图的步骤为：
6.根据权利要求1所述的基于图卷积的锂离子电池健康状态评估方法，其特征在于：resnet50网络包括依次相连的输入层、7x7卷积特征提取层、3x3最大池化层、第一残差模块、第二残差模块、第三残差模块、第四残差模块、agent attention模块、average pool层、1000-d全连接层、softmax层和output层；通过逐步提取图像的抽象特征，并通过softmax层进行分类预测，并通过output层输出锂离子电池的的健康状态评估结果。
