本技术属于电池管理，具体涉及一种动力电池健康状态与衰退模式协同估计方法、介质及系统。
背景技术：
1、随着电动汽车渗透率的快速增长，作为电动汽车核心动力源的动力电池，其运行安全性问题日益突出，亟需电池管理系统能够高精度地估计动力电池的内部状态。其中，健康状态估计对于动力电池的安全运行至关重要，是实现动力电池优化设计、提高动力电池运行性能和服役寿命的关键。
2、然而，目前对动力电池老化路径的路径依赖性研究尚未引起足够重视。即使对于相同健康状态的两个动力电池，也会由于历史运行老化过程衰退模式的不同而表现出不同的运行性能。动力电池的衰退模式大致可以分为三种，包括负极活性材料损失、正极活性材料损失以及锂含量损失。对动力电池健康状态与衰退模式协同估计，不仅决定了其当前的运行状态，而且对未来的性能预测和衰退缓解策略的制定具有重要影响。
3、现有动力电池健康状态的估计方法主要取决于对容量和等效内阻等可测参数的估计。然而，动力电池作为层状结构的电化学反应装置，其电化学反应机理复杂，在层状结构的不同位置均会发生性能衰退，仅通过整体的容量和等效内阻无法更加全面地合理评价动力电池的健康状态。此外，整体的容量和等效内阻信息也缺乏对动力电池衰退模式的参数表征，而动力电池的开路电压-荷电状态曲线，作为链接电池健康状态与衰退模式的纽带，目前仅作为动力电池荷电状态标定的工具。如何充分利用开路电压-荷电状态曲线隐含的健康状态和衰退模式特征信息，建立客观精确的动力电池健康状态与衰退模式协同估计手段，在本领域中具有重要作用。
技术实现思路
1、本技术的目的即为解决上述现有技术存在的缺点，提供一种针对动力电池健康状态与衰退模式协同估计方法介质、及系统，
2、本技术的目的可以通过以下技术方案来实现：
3、根据本技术实施例的第一方面，一种动力电池健康状态与衰退模式协同估计方法，该方法的实现步骤如下：
4、获取初始健康状态条件下的动力电池开路电压-荷电状态数值曲线，确定动力电池电极开路电势与荷电状态间的初始函数关系；
5、将动力电池开路电压-荷电状态曲线与电极电势-荷电状态曲线之间的坐标变换，构建动力电池健康状态估计模型；
6、获取动力电池开路电压-荷电状态离散数值点集合，通过元启发式群体智能算法对动力电池健康状态与衰退模式协同估计模型构建模块的模型参数进行辨识，得到动力电池健康状态估计辨识模型；
7、计算动力电池的当前健康状态估计值，根据健康状态估计辨识模型的辨识参数，计算不同衰退模式对健康状态变化的量化贡献估计值。
8、进一步地：所述获取初始健康状态条件下的动力电池开路电压-荷电状态数值曲线，包括：
9、对目标动力电池进行初始健康状态下的开路电压测试；
10、获取动力电池开路电压与充入电量之间的数值曲线；
11、将充入电量归一化处理；
12、获得初始健康状态条件下的动力电池开路电压-荷电状态数值曲线。
13、进一步地：所述确定动力电池电极开路电势与荷电状态间的初始函数关系，包括正极开路电势与荷电状态间的初始函数关系和负极开路电势与荷电状态间的初始函数关系。
14、进一步地：所述正极开路电势与荷电状态间的初始函数关系获取的步骤如下：
15、获取所述动力电池的正极活性材料，将所述正极活性材料作为正极，锂片作为负极，组装成电池结构后进行开路电压测试；
16、获取正极开路电势与充入电量之间的数值曲线，进而将充入电量归一化为[0,1]区间的荷电状态区间，获得初始健康状态条件下的动力电池正极开路电势-荷电状态数值曲线；
17、根据所述动力电池正极开路电势-荷电状态数值曲线，建立动力电池正极开路电势与荷电状态间的初始函数关系。
18、进一步地：所述负极开路电势与荷电状态间的初始函数关系获取的步骤如下：
19、获取的初始健康状态条件下的动力电池开路电压-荷电状态数值曲线和动力电池正极开路电势-荷电状态数值曲线；
20、通过两条曲线之间的做差运算得到动力电池负极开路电势-荷电状态数值曲线；
21、根据所述动力电池负极开路电势-荷电状态数值曲线，建立动力电池负极开路电势与荷电状态间的初始函数关系。
22、进一步地：对所述开路电压-荷电状态数值曲线和正极开路电势-荷电状态数值曲线进行相同荷电状态下的插值计算，从而得到对应于相同荷电状态下的动力电池开路电压数值和正极开路电势数值。
23、进一步地：所述将动力电池开路电压-荷电状态曲线与电极电势-荷电状态曲线之间的坐标变换，包括：
24、对任意健康状态下动力电池开路电压对应的荷电状态分别与初始健康状态下正极和负极开路电势对应的荷电状态进行坐标变换；
25、根据所述初始健康状态下正极开路电势和负极开路电势与任意健康状态下动力电池开路电压对应的荷电状态之间的关系式，得到任意健康状态下对应于动力电池荷电状态的实际开路电压。
26、进一步地：所述获取实际动力电池健康状态下的动力电池开路电压-荷电状态离散数值点集合，包括：
27、将动力电池的充电过程划分为多个阶段，从而获取由多个阶段的相邻两开路电压-荷电状态离散数值点对，构成开路电压-荷电状态离散数值点集合。
28、进一步地：所述元启发式群体智能算法采用更新策略实现定期更新，更新策略采用综合评估候选解的适应性和多样性指导算法更新，需要综合考虑适应性和多样性度量进行最终的候选解评价计算。
29、进一步地，所述适应性和多样性度量进行最终的候选解评价计算包括以下步骤：
30、确定种群大小，对种群个体采用基于概率的自适应协同性能度量函数来量化地评估候选解对种群进化的综合贡献；
31、根据确定的自适应协同优化算法的种群个体迭代模型进行迭代计算，对模型参数进行迭代搜索，直到达到迭代终止条件迭代终止。
32、进一步地，所述迭代终止条件为当迭代得到的所有种群个体的协同性能度量函数的最小值小于指定阈值或迭代次数等于设定的最大迭代次数；得到所有种群个体的协同性能度量函数的最小值对应的种群个体参数，得到最终的动力电池健康状态估计辨识模型。
33、进一步地，所述计算动力电池的当前健康状态估计值，根据健康状态估计辨识模型的辨识参数，计算不同衰退模式对健康状态变化的量化贡献估计值，包括以下步骤：
34、基于当前动力电池健康状态条件下的健康状态估计辨识模型，由得到的辨识参数(初始健康状态下正极开路电势对应的荷电状态坐标变换常数)与任意健康状态下动力电池开路电压对应的荷电状态结合；计算得到的动力电池的当前健康状态估计值；
35、根据健康状态估计辨识模型的辨识参数，计算负极活性材料损失、正极活性材料损失以及锂含量损失等三种衰退模式对健康状态变化的量化贡献估计值。
36、根据本技术实施例的第二方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述的动力电池健康状态与衰退模式协同估计方法的计算机程序。
37、根据本技术实施例的第三方面，一种动力电池健康状态与衰退模式协同估计系统，包括：
38、初始开路电压-荷电状态曲线确定模块；被配置为确定初始健康状态条件下的动力电池开路电压-荷电状态数值曲线，以及确定动力电池电极开路电势与荷电状态间的初始函数关系；
39、健康状态估计模型构建模块：被配置为通过动力电池开路电压-荷电状态曲线与电极电势-荷电状态曲线之间的坐标变换关系，建立动力电池健康状态估计模型；
40、健康状态估计模型辨识模块；被配置为用于采用自适应协同优化的元启发式群体智能算法，基于实际动力电池健康状态下获取的动力电池开路电压-荷电状态离散数值点，对所述动力电池健康状态估计模型构建模块的模型参数进行辨识，得到动力电池健康状态估计辨识模型；
41、健康状态与衰退模式协同估计模块：被配置为用于根据健康状态和不同衰退模式量化指标的定义式，基于获取的当前动力电池健康状态条件下的健康状态估计辨识模型，计算动力电池的当前健康状态估计值，进而根据所述健康状态估计辨识模型的辨识参数，计算不同衰退模式对健康状态变化的量化贡献估计值。
42、有益效果：本技术综合考虑了动力电池开路电压-荷电状态曲线与电极开路电势-荷电状态曲线之间的坐标变换关系，能够通过有限的曲线离散数值点电压-荷电状态信息，基于高效的元启发群体智能算法，实现快速的健康状态估计模型参数辨识和实际健康状态条件下的动力电池开路电压-荷电状态曲线的精确重构，进一步能够对动力电池的健康状态和衰退模式贡献进行快速的在线评估应用。
43、本技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
1.一种动力电池健康状态与衰退模式协同估计方法，其特征在于，包括以下步骤：
2.如权利要求1所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述获取初始健康状态条件下的动力电池开路电压-荷电状态数值曲线，包括：
3.如权利要求1或2所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述确定动力电池电极开路电势与荷电状态间的初始函数关系，包括：正极开路电势与荷电状态间的初始函数关系和负极开路电势与荷电状态间的初始函数关系。
4.如权利要求3所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述正极开路电势与荷电状态间的初始函数关系获取的步骤如下：
5.如权利要求4所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述负极开路电势与荷电状态间的初始函数关系获取的步骤如下：
6.如权利要求3所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，对所述开路电压-荷电状态数值曲线和正极开路电势-荷电状态数值曲线进行相同荷电状态下的插值计算，从而得到对应于相同荷电状态下的动力电池开路电压数值和正极开路电势数值。
7.如权利要求6所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述将动力电池开路电压-荷电状态曲线与电极电势-荷电状态曲线之间的坐标变换，包括：
8.如权利要求7所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述获取实际动力电池健康状态下的动力电池开路电压-荷电状态离散数值点集合，包括：
9.如权利要求1所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述元启发式群体智能算法采用更新策略实现定期更新，更新策略采用综合评估候选解的适应性和多样性指导算法更新，需要综合考虑适应性和多样性度量进行最终的候选解评价计算。
10.如权利要求9所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述适应性和多样性度量进行最终的候选解评价计算，包括：
11.如权利要求10所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述迭代终止条件为迭代得到的所有种群个体的协同性能度量函数的最小值小于指定阈值或迭代次数等于设定的最大迭代次数；得到所有种群个体的协同性能度量函数的最小值对应的个种群个体参数，得到最终的动力电池健康状态估计辨识模型。
12.如权利要求11所述的动力电池健康状态与衰退模式协同估计方法，其特征在于，所述计算动力电池的当前健康状态估计值，根据健康状态估计辨识模型的辨识参数，计算不同衰退模式对健康状态变化的量化贡献估计值，包括：
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-12中任一项所述的动力电池健康状态与衰退模式协同估计方法。
14.一种动力电池健康状态与衰退模式协同估计系统，其特征在于，包括初始开路电压-荷电状态曲线确定模块；被配置为确定初始健康状态条件下的动力电池开路电压-荷电状态数值曲线，以及确定动力电池电极开路电势与荷电状态间的初始函数关系；
