張凡 邢子軒 武明虎 韋紹遠(yuǎn) 高洋

（1.湖北工業(yè)大學(xué)，武漢 430068；2.新能源及電網(wǎng)裝備安全監(jiān)測(cè)湖北省工程研究中心，武漢 430068；3.欣旺達(dá)電子股份有限公司，深圳 518108）

主題詞：動(dòng)力電池 充電習(xí)慣 駕駛習(xí)慣 隸屬度函數(shù)

1 前言

鋰離子電池因其高能量密度、長(zhǎng)使用壽命等特點(diǎn)而廣泛應(yīng)用于新能源汽車(chē)[1]。電池的健康狀態(tài)（State Of Health，SOH）和安全風(fēng)險(xiǎn)除與電池品質(zhì)、制造工藝等有關(guān)[2]，還與電池的使用行為相關(guān)。動(dòng)力電池的不良使用行為，如大倍率充放電、過(guò)充、過(guò)放等會(huì)增加電池析鋰風(fēng)險(xiǎn)，嚴(yán)重影響電池使用安全[3]。用戶的用車(chē)習(xí)慣不同，使得電池實(shí)際使用工況不同，電池安全風(fēng)險(xiǎn)的累積也有所差異。分析動(dòng)力電池實(shí)際使用工況，合理評(píng)估動(dòng)力電池使用行為，可以為動(dòng)力電池故障診斷提供支撐。

目前，針對(duì)車(chē)載動(dòng)力電池實(shí)車(chē)數(shù)據(jù)的相關(guān)研究主要是基于電池機(jī)理的內(nèi)短路識(shí)別。利用電池系統(tǒng)機(jī)理建立適用于實(shí)車(chē)運(yùn)行數(shù)據(jù)的內(nèi)短路識(shí)別算法，可實(shí)現(xiàn)電池故障早期預(yù)警。Cong[4]使用廣義無(wú)量綱指標(biāo)構(gòu)造公式提取了電池內(nèi)短路關(guān)鍵信號(hào)特征，并通過(guò)稀疏聚類(lèi)方法檢測(cè)異常信號(hào)，該方法在電池內(nèi)短路發(fā)生早期即可識(shí)別并預(yù)警。Jiang[5]通過(guò)狀態(tài)表征算法表征電池系統(tǒng)狀態(tài)與當(dāng)前監(jiān)測(cè)數(shù)據(jù)的關(guān)系，從而識(shí)別異常數(shù)據(jù)。狀態(tài)表征算法使用標(biāo)準(zhǔn)化的電池電壓代替原始電壓，使得異常狀態(tài)表現(xiàn)更加顯著，提高了對(duì)微短路的識(shí)別性能?；跈C(jī)理的內(nèi)短路識(shí)別對(duì)數(shù)據(jù)質(zhì)量要求高，無(wú)法徹底排除由數(shù)據(jù)傳輸錯(cuò)誤造成的數(shù)據(jù)異常，導(dǎo)致該類(lèi)型方法的誤報(bào)率較高。要排除此類(lèi)數(shù)據(jù)異常，需要從系統(tǒng)級(jí)別分析電池全生命周期數(shù)據(jù)變化信息。

為了解決非故障因素導(dǎo)致的數(shù)據(jù)異常，本文從系統(tǒng)級(jí)別分析電池全生命周期數(shù)據(jù)分布，基于隸屬度函數(shù)評(píng)估電池使用行為，并通過(guò)電池組電壓一致性對(duì)比分析，驗(yàn)證該方法的有效性。

2 電池使用行為分析

電池使用行為分析流程如圖1 所示，包括數(shù)據(jù)輸入、數(shù)據(jù)預(yù)處理、特征參數(shù)定義與計(jì)算、統(tǒng)計(jì)分析、評(píng)分計(jì)算5個(gè)部分。

圖1 使用行為分析流程

2.1 數(shù)據(jù)預(yù)處理

本文所用數(shù)據(jù)為某地區(qū)4 輛同型號(hào)純電動(dòng)汽車(chē)2021 年6～12 月期間的使用數(shù)據(jù)，采集的參數(shù)如表1 所示。

表1 采集的車(chē)輛狀態(tài)參數(shù)

數(shù)據(jù)預(yù)處理包含數(shù)據(jù)清洗、數(shù)據(jù)段劃分。數(shù)據(jù)采集過(guò)程會(huì)受到各種因素干擾，導(dǎo)致數(shù)據(jù)出現(xiàn)異常，數(shù)據(jù)清洗過(guò)程需要對(duì)異常數(shù)據(jù)進(jìn)行平滑處理，以提高數(shù)據(jù)質(zhì)量。從原始數(shù)據(jù)中尋找數(shù)據(jù)的階段性變化，需要對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)段劃分。充電過(guò)程和放電過(guò)程數(shù)據(jù)段劃分的標(biāo)準(zhǔn)有所區(qū)別。充電過(guò)程通常是連續(xù)的，每個(gè)數(shù)據(jù)段為一個(gè)完整的充電過(guò)程。放電過(guò)程隨機(jī)性較強(qiáng)，通常不具有連續(xù)性，故每個(gè)放電數(shù)據(jù)段時(shí)長(zhǎng)設(shè)為60 s。

2.2 特征參數(shù)定義與計(jì)算

為了從全生命周期長(zhǎng)度描述電池的使用行為、發(fā)現(xiàn)電池使用行為的統(tǒng)計(jì)規(guī)律，需要定義一系列與電池實(shí)際運(yùn)行工況相關(guān)的特征參數(shù)。動(dòng)力電池充、放電過(guò)程中環(huán)境變量和運(yùn)行工況有顯著區(qū)別。在充電過(guò)程中，汽車(chē)處于靜止?fàn)顟B(tài)，電流、SOC與用戶充電習(xí)慣高度相關(guān)；在放電過(guò)程中，汽車(chē)處于運(yùn)動(dòng)狀態(tài)，其電流的變化情況與駕駛習(xí)慣高度相關(guān)，波動(dòng)劇烈。因此，特征參數(shù)的定義需要分別考慮，本文定義的特征參數(shù)如表2所示。值得注意的是，充、放電狀態(tài)下電壓參數(shù)整體變化趨勢(shì)均較緩慢，僅通過(guò)電壓無(wú)法區(qū)別不同車(chē)輛的使用行為差異。因此，本文未選取電壓描述電池使用行為特征。

表2 電池使用行為特征參數(shù)

充電過(guò)程中，電流多為階梯充電模式，需要統(tǒng)計(jì)不同充電電流在不同SOC 區(qū)間的持續(xù)時(shí)間。放電模式下電動(dòng)汽車(chē)狀態(tài)變化頻繁，包括加速、減速、勻速、停車(chē)，在電池端表現(xiàn)為電流變化劇烈。

2.3 使用行為統(tǒng)計(jì)分析方法

為了從系統(tǒng)級(jí)別描述電池的使用行為，需要對(duì)特征參數(shù)進(jìn)行重組、提煉、統(tǒng)計(jì)，得到關(guān)于電池系統(tǒng)使用行為的全局信息。電池使用行為的統(tǒng)計(jì)主要從放電行為、充電行為2 個(gè)方面進(jìn)行。對(duì)統(tǒng)計(jì)結(jié)果可視化分析得到車(chē)輛間使用習(xí)慣的差別，以此作為電池故障診斷的輸入信息。

電池放電過(guò)程以電流為變量間接描述車(chē)輛狀態(tài)。動(dòng)力電池功率狀態(tài)為：

汽車(chē)動(dòng)力學(xué)公式為：

式（1）、式（2）聯(lián)立可得電流與汽車(chē)加速度的關(guān)系：

式中，P、U、I分別為電池組的功率、電壓、電流；F為汽車(chē)行駛驅(qū)動(dòng)力；m為整車(chē)質(zhì)量；v為汽車(chē)行駛瞬時(shí)速度；t為時(shí)間。

由開(kāi)路電壓（Open Circuit Voltage，OCV）-SOC 特性曲線可知，在極小SOC 區(qū)間內(nèi)電壓變化可忽略不計(jì)，則有：

通過(guò)電池運(yùn)行工況的初步分類(lèi)可以了解到該車(chē)輛整體駕駛習(xí)慣。由式（4）可知，電流的變化率與加速度的平方以及車(chē)速的二階微分呈現(xiàn)正相關(guān)。當(dāng)車(chē)輛處于停車(chē)狀態(tài)或勻速行駛狀態(tài)時(shí)，電流變化率應(yīng)為0。考慮到車(chē)輛在停車(chē)狀態(tài)下車(chē)內(nèi)用電設(shè)備仍會(huì)產(chǎn)生電能消耗，故認(rèn)為電流長(zhǎng)時(shí)間（超過(guò)6個(gè)采樣間隔）維持在0～4 A范圍內(nèi)時(shí)車(chē)輛處于停車(chē)狀態(tài)。由式（3）、式（4）可知，車(chē)輛處于加速狀態(tài)時(shí)，電流為正值，電流變化率為正值。同理，車(chē)輛處于減速狀態(tài)時(shí)，電流為負(fù)值或在上一階段處于平穩(wěn)狀態(tài)，當(dāng)前階段突然開(kāi)始減小。即電流為負(fù)值時(shí)，識(shí)別為減速狀態(tài)，在上一階段判斷為勻速行駛，當(dāng)前階段電流變化率開(kāi)始為負(fù)，則識(shí)別為減速狀態(tài)。電流維持在某一特定范圍（＜4 A）時(shí)，識(shí)別為勻速行駛狀態(tài)。使用箱型圖法對(duì)電動(dòng)汽車(chē)云端大數(shù)據(jù)平臺(tái)的車(chē)輛駕駛信息進(jìn)行統(tǒng)計(jì)分析，選取處于第50 百分位的車(chē)輛作為分析對(duì)象。該車(chē)輛在駕駛使用周期內(nèi)一半以上的時(shí)間處于停車(chē)狀態(tài)。加速時(shí)間較減速時(shí)間稍多，而在非停車(chē)狀態(tài)下勻速行駛狀態(tài)持續(xù)時(shí)間最長(zhǎng)，且該車(chē)輛大部分時(shí)間為短途駕駛。

通過(guò)對(duì)電流數(shù)據(jù)聚類(lèi)分析，能更加詳細(xì)地描述電池輸出工況的分布情況，本文使用K-Means聚類(lèi)算法進(jìn)行分析。對(duì)于給定的樣本集，按照樣本間距離大小實(shí)現(xiàn)最優(yōu)劃分，劃分標(biāo)準(zhǔn)為：

式中，E為最小化平方誤差；k為樣本簇?cái)?shù)量；Ci為樣本簇；x為樣本值；ui為聚類(lèi)質(zhì)心。

電流的標(biāo)準(zhǔn)采樣間隔為10 s，以6個(gè)采樣點(diǎn)（1 min）為單位區(qū)間對(duì)整體數(shù)據(jù)進(jìn)行重新劃分。在單位區(qū)間內(nèi)提取與電流有關(guān)的參數(shù)：最大電流Imax、平均電流Imean、電流標(biāo)準(zhǔn)差SCurrent作為聚類(lèi)算法的輸入。

圖2 展示了放電電流參數(shù)的聚類(lèi)結(jié)果。平均電流和電流標(biāo)準(zhǔn)差分別表征了該單位區(qū)間內(nèi)的平均功率和電流變化情況。該結(jié)果將電流工況分布情況分為若干類(lèi)。通過(guò)對(duì)電流工況的K-Means 聚類(lèi)分析能全面獲取該車(chē)輛在放電階段的電流工況分布，并根據(jù)每個(gè)類(lèi)別的數(shù)量分析其主要工況分布情況。

圖2 放電電流參數(shù)聚類(lèi)結(jié)果

電池充電SOC 區(qū)間和充電電流直接反映了車(chē)輛的日常充電習(xí)慣，分析車(chē)輛長(zhǎng)生命周期內(nèi)的充電習(xí)慣，可以為電池故障診斷提供數(shù)據(jù)輸入。研究表明，鋰電池在充電電流和截止電壓超過(guò)特定值后，容量衰退速度會(huì)顯著加快[6]。相較于健康區(qū)間，在非健康區(qū)間內(nèi)動(dòng)力電池容量衰減速度更快。圖3 展示了電池在充放電周期內(nèi)的起止SOC分布情況。將SOC劃分為A1、A2、A3、A4共4 個(gè)區(qū)域。其中A4 為電池健康充電區(qū)域，A2 為電池充電深度最大的區(qū)域。由圖3可知，SOC分布最為集中的區(qū)域?yàn)锳3，即該區(qū)域?yàn)橛脩袅?xí)慣充電區(qū)域，該區(qū)域內(nèi)SOC大部分超過(guò)90%。

圖3 SOC區(qū)間分布

進(jìn)一步描述電池充電行為，需要詳細(xì)區(qū)分不同階段的充電電流在各SOC區(qū)間上的持續(xù)時(shí)間，統(tǒng)計(jì)每個(gè)充電周期內(nèi)不同SOC區(qū)間的等效充電次數(shù)，定性描述每個(gè)充電階段的充電行為。將SOC 區(qū)間和電流平均分劃為若干個(gè)子區(qū)間，對(duì)不同的充電SOC 區(qū)間和電流進(jìn)行區(qū)分。由圖3 所展示的充電次數(shù)統(tǒng)計(jì)結(jié)果可以獲取該車(chē)輛在不同SOC階段的充電電流分布、充電電流偏好以及快充區(qū)間偏好等全局信息。

2.4 使用行為評(píng)估方法

電池內(nèi)部電化學(xué)機(jī)理復(fù)雜，無(wú)法直接構(gòu)建一個(gè)確切的數(shù)學(xué)公式或模型對(duì)每個(gè)行為進(jìn)行準(zhǔn)確評(píng)估。因此，本文構(gòu)建了符合電池特性的隸屬度函數(shù)用于描述使用行為參數(shù)與評(píng)價(jià)得分之間的模糊關(guān)系。隸屬度函數(shù)的構(gòu)建帶有主觀性，但總體變化趨勢(shì)需滿足客觀規(guī)律[7]。在現(xiàn)有研究基礎(chǔ)上，對(duì)電池使用行為構(gòu)建隸屬度函數(shù)，模糊地評(píng)估電池使用行為，能得到相對(duì)準(zhǔn)確的評(píng)估結(jié)果。

車(chē)輛駕駛過(guò)程中環(huán)境變量較為復(fù)雜，且目前尚未有明確的試驗(yàn)論證車(chē)輛駕駛行為與電池安全性之間的聯(lián)系。相反，電池充電行為與電池安全性之間的關(guān)系已有試驗(yàn)論證，且車(chē)輛充電過(guò)程參數(shù)變化均較小，便于定量評(píng)估。因此，本文定量評(píng)估電池充電行為，且通過(guò)電池電壓一致性變化情況驗(yàn)證該評(píng)估方法的合理性。

充電行為評(píng)估流程如圖4所示：

圖4 充電行為評(píng)估流程

a.根據(jù)SOC、電流數(shù)據(jù)段劃分規(guī)則獲取SOC 序列和電流序列。將SOC區(qū)間等分為數(shù)量為n的子區(qū)間，記為s1,…,si,…,sn；電流依據(jù)電流額定值均分為數(shù)量為m的子區(qū)間，記為i1,…,ii,…,im。

b.統(tǒng)計(jì)單個(gè)循環(huán)周期內(nèi)，充電電流落在電流子區(qū)間和SOC子區(qū)間中的次數(shù)，得到SOC區(qū)間si、電流區(qū)間ii的等效充電次數(shù)，由等效充電次數(shù)、SOC序列和電流序列計(jì)算得到等效充電矩陣MC-SOC：

c.構(gòu)建基于SOC 健康區(qū)間和電流健康區(qū)間的隸屬度函數(shù)ASOC、AC。一般認(rèn)為電池SOC 使用區(qū)間在20%～80%范圍內(nèi)為健康區(qū)間，小倍率充電為電流健康區(qū)間。為了與客觀的規(guī)律相吻合，SOC隸屬度函數(shù)應(yīng)為對(duì)稱型，電流隸屬度函數(shù)應(yīng)為梯形函數(shù)。本文構(gòu)建的SOC隸屬度函數(shù)和電流隸屬度函數(shù)分別為：

式中，ASOC(x)為SOC 隸屬度函數(shù)；AC(x)為電流隸屬度函數(shù)；μ為SOC 隸屬度函數(shù)曲線尖峰中心坐標(biāo)；σ為標(biāo)準(zhǔn)差。

d.對(duì)2 個(gè)一維隸屬度函數(shù)等間隔采樣得到子區(qū)間隸屬度，采樣數(shù)量對(duì)應(yīng)SOC序列和電流序列。SOC隸屬度向量記為(S1,…,Si,…,Sn)；電流隸屬度記為(I1,…,Ii,…,In)T；評(píng)估矩陣MSOC-I=(S1,…,Si,…,Sn)×(I1,…,Ii,…,In)T。根據(jù)MSOC-I與MC-SOC的計(jì)算結(jié)果對(duì)數(shù)據(jù)長(zhǎng)度加權(quán)后得到單個(gè)周期的評(píng)估得分。

3 試驗(yàn)結(jié)果分析

本文分別從使用行為統(tǒng)計(jì)和使用行為評(píng)估2 個(gè)角度描述所提出的特征參數(shù)和評(píng)估方法對(duì)在役動(dòng)力電池使用行為評(píng)估的有效性。本文使用的數(shù)據(jù)為在役車(chē)載電池實(shí)際使用數(shù)據(jù)，包含至少200 個(gè)充放電循環(huán)，數(shù)據(jù)總長(zhǎng)度超過(guò)106行。

3.1 使用行為統(tǒng)計(jì)

動(dòng)力電池的故障診斷通常以健康電池和故障電池間的數(shù)據(jù)差異作為有效的輸入信息。在放電模式下，使用K-Means聚類(lèi)法對(duì)電流特征參數(shù)聚類(lèi)，獲取每輛車(chē)在放電過(guò)程中電流工況的整體分布以及每輛車(chē)駕駛習(xí)慣的差異。在充電模式下，計(jì)算每個(gè)SOC區(qū)間和電流區(qū)間的等效充電次數(shù)，由此區(qū)分不同車(chē)輛的充電習(xí)慣差異。

圖5所示為放電模式下4輛電動(dòng)汽車(chē)的電流參數(shù)聚類(lèi)結(jié)果。觀察聚類(lèi)結(jié)果中不同類(lèi)別標(biāo)記的分布情況，以此評(píng)定車(chē)輛的駕駛習(xí)慣。以圖5 中的車(chē)輛1、車(chē)輛2 為例：車(chē)輛1 中每種類(lèi)型的標(biāo)記均較為緊湊，聚類(lèi)效果不明顯，即該車(chē)輛放電電流數(shù)據(jù)多集中在0～60 A區(qū)間內(nèi)，由此不難得出，該車(chē)輛駕駛較為穩(wěn)定；車(chē)輛2 標(biāo)記較為分散、聚類(lèi)效果明顯，每個(gè)數(shù)據(jù)段內(nèi)電流參數(shù)變化量大，車(chē)輛2中1類(lèi)、2類(lèi)的數(shù)據(jù)量較3類(lèi)、4類(lèi)稍大，由此可知，該車(chē)輛駕駛不確定性大。比較車(chē)輛間的參數(shù)分布以及數(shù)據(jù)量的差異，可以獲取相同時(shí)間內(nèi)不同車(chē)輛駕駛時(shí)間和駕駛風(fēng)格的差異。車(chē)輛3 在相同時(shí)間內(nèi)的數(shù)據(jù)量明顯較車(chē)輛4 少，即車(chē)輛3 的駕駛時(shí)長(zhǎng)較車(chē)輛4 短。電流標(biāo)準(zhǔn)差參數(shù)表征單位數(shù)據(jù)段內(nèi)電流的變化量。通過(guò)對(duì)比發(fā)現(xiàn)，車(chē)輛1、車(chē)輛3、車(chē)輛4 的電流標(biāo)準(zhǔn)差均集中在0～40 A 區(qū)間內(nèi)，而車(chē)輛2 有部分時(shí)刻標(biāo)準(zhǔn)差超過(guò)40 A，由此可以認(rèn)為，在以車(chē)輛1、車(chē)輛3、車(chē)輛4為參照時(shí)，車(chē)輛2的駕駛習(xí)慣較為激進(jìn)，產(chǎn)生電池安全風(fēng)險(xiǎn)的概率也更高，在后續(xù)診斷過(guò)程中該判據(jù)可以作為數(shù)據(jù)支撐。

圖5 放電模式下電流參數(shù)聚類(lèi)結(jié)果

圖6 所示為充電模式下等效充電次數(shù)分布情況。如表3 所示，本次計(jì)算將SOC 區(qū)間0～100%等間隔分為10 個(gè)子區(qū)間，電流區(qū)間0～200 A 等間隔分為5 個(gè)子區(qū)間。等效充電次數(shù)為指定區(qū)間內(nèi)的電流通過(guò)SOC 子區(qū)間的次數(shù)。

表3 SOC、電流區(qū)間劃分

圖6 等效充電次數(shù)分布

通過(guò)單車(chē)統(tǒng)計(jì)分析，車(chē)輛4 充電SOC 區(qū)間集中在20%～60%，其他SOC 區(qū)間內(nèi)數(shù)據(jù)較少。由此可知，車(chē)輛4的充電SOC區(qū)間偏好為20%～60%。車(chē)輛4充電電流區(qū)間分布較為均勻，沒(méi)有體現(xiàn)出電流大小偏好。而車(chē)輛1充電電流全部小于40 A，即該車(chē)輛用戶偏好小電流充電。車(chē)輛2 用戶偏好80～160 A 電流充電，而在40%～60%SOC 區(qū)間內(nèi)更偏好使用超過(guò)160 A 的大電流充電。通過(guò)車(chē)輛間數(shù)據(jù)對(duì)比，比較處于健康區(qū)間內(nèi)數(shù)據(jù)量占比，以此評(píng)定不同車(chē)輛的充電習(xí)慣差異。車(chē)輛3 用戶偏好較大的充電電流，且SOC 區(qū)間偏好包含0～20%，存在過(guò)放電風(fēng)險(xiǎn)。綜上，車(chē)輛3充電產(chǎn)生安全風(fēng)險(xiǎn)的概率更高。

3.2 使用行為評(píng)估

受生產(chǎn)制造工藝的限制，電池組中各電池單體在使用初期即不完全一致。在后續(xù)使用過(guò)程中，隨著電池使用次數(shù)增加，電池組一致性會(huì)逐漸變化[8]，在相同使用次數(shù)下，電池組的一致性變化程度可以表征電池使用行為的差別。

本文使用電池組各單體電壓的差別代表電池組一致性。使用均方根誤差ERMS量化電壓一致性：

式中，c為循環(huán)次數(shù)；N為電池總循環(huán)次數(shù)；Cn為電池單

體數(shù)量；T為采樣周期；Vt為t時(shí)刻單體電壓；為t時(shí)刻平均電壓；DV為電壓一致性得分；ERMS,c=i為循環(huán)次數(shù)為i時(shí)電壓電壓一致性計(jì)算值。

每輛車(chē)的全生命周期充電分?jǐn)?shù)分布如圖7所示，分?jǐn)?shù)區(qū)間為(0,1)，分?jǐn)?shù)越高代表充電行為越健康。車(chē)輛1使用行為分?jǐn)?shù)維持在0.72～0.74 分范圍內(nèi)，相較于其他車(chē)輛分?jǐn)?shù)最高，因?yàn)樵撥?chē)輛偏好使用小倍率電流充電，這與前文的分析結(jié)果相吻合。電池充電行為評(píng)估分?jǐn)?shù)取全生命周期分?jǐn)?shù)的中位數(shù)，表4展示了電池電壓一致性得分和充電行為評(píng)估分?jǐn)?shù)。為驗(yàn)證評(píng)估方法的有效性，使用皮爾遜（Pearson）相關(guān)系數(shù)公式驗(yàn)證2個(gè)變量之間的相關(guān)性，求得使用行為評(píng)估分?jǐn)?shù)與電池電壓一致性分?jǐn)?shù)之間相關(guān)系數(shù)為0.862，變量間為強(qiáng)正相關(guān)。結(jié)果表明，在本文分析的4 輛車(chē)中，電池充電行為與電池電壓一致性變化之間存在強(qiáng)正相關(guān)性，即電池使用行為在健康區(qū)間內(nèi)，電池的電壓一致性變化較小，反之，電池電壓一致性變化較大。

圖7 全生命周期充電評(píng)估分?jǐn)?shù)

表4 電池使用行為評(píng)估結(jié)果

4 結(jié)束語(yǔ)

本文基于實(shí)車(chē)運(yùn)行工況數(shù)據(jù)，提出了使用行為統(tǒng)計(jì)分析方法和使用行為評(píng)估方法。通過(guò)定義的特征參數(shù)獲取電池實(shí)際運(yùn)行過(guò)程的工況信息，統(tǒng)計(jì)分析不同車(chē)輛的電池充放電習(xí)慣差異，為電池故障診斷提供數(shù)據(jù)支撐。使用行為評(píng)估方法能從電池的充電習(xí)慣中定量評(píng)估充電行為。使用電壓一致性指標(biāo)對(duì)使用行為評(píng)估方法進(jìn)行驗(yàn)證，結(jié)果表明，電池充電行為與電池電壓一致性之間存在強(qiáng)正相關(guān)性。由于數(shù)據(jù)量的限制，隸屬度函數(shù)的構(gòu)建還有進(jìn)一步優(yōu)化的空間。K-Means 聚類(lèi)過(guò)程需要提高數(shù)據(jù)量以構(gòu)建更為精確的分類(lèi)結(jié)果與使用行為間的映射關(guān)系。在獲取新的數(shù)據(jù)后，將對(duì)該方法進(jìn)行優(yōu)化，提高其在不同車(chē)型數(shù)據(jù)之間的泛化能力。由于溫度傳感器的精度限制，本文尚未考慮到溫度與電流參數(shù)的耦合關(guān)系。在后續(xù)研究中，會(huì)將溫度因素納入評(píng)估方法，結(jié)合試驗(yàn)測(cè)試，重新構(gòu)建電池使用行為評(píng)估方法。