电化学参数辨识方法、装置、设备及存储介质

摘要

本发明提供了一种电化学参数辨识方法、装置、设备及存储介质，其中，该方法包括：获取待测电池连续的工作数据、前静置期数据和后静置期数据；提取工作数据中的第一特征值，前静置期数据中的第二特征值，后静置期数据中的第三特征值；基于群体算法确定电化学参数的当前解，并使用电化学模型进行仿真，验证当前解；群体算法的目标函数具有增加的正则项；在当前解符合要求的情况下，将当前解作为待测电池的电化学参数。本发明实施例提供的方案，在工作数据不是满充或满放数据的情况下，也能够加强待测电池内部重要化学变化时期的识别，可比较准确地确定电化学参数；可以为群体迭代算法提供更好的方向，能够增加算法收敛的速度。

权利要求

1.一种电化学参数辨识方法，其特征在于，包括：

获取待测电池连续的工况数据，所述连续的工况数据包括工作数据、前静置期数据和后静置期数据；所述工作数据为所述待测电池在充电阶段或放电阶段的数据，所述前静置期数据为在所述工作数据之前所述待测电池处于静置期的数据，所述后静置期数据为在所述工作数据之后所述待测电池处于静置期的数据；

提取所述工作数据中第一特征点处的第一特征值，提取所述前静置期数据中第二特征点处的第二特征值，提取所述后静置期数据中第三特征点处的第三特征值；

基于群体算法确定电化学参数的当前解，并使用电化学模型进行仿真，验证所述当前解；所述群体算法的目标函数具有增加的正则项，所述正则项与第一差异、第二差异、第三差异之间均为正相关关系；所述第一差异为所述第一特征值与所述电化学模型所确定的所述第一特征点处的第一模拟值之间的差异，所述第二差异为所述第二特征值与所述电化学模型所确定的所述第二特征点处的第二模拟值之间的差异，所述第三差异为所述第三特征值与所述电化学模型所确定的所述第三特征点处的第三模拟值之间的差异；

在所述当前解符合要求的情况下，将所述当前解作为所述待测电池的电化学参数。

2.根据权利要求1所述的方法，其特征在于，

所述提取所述工作数据中第一特征点处的第一特征值，包括：将所述工作数据中最后一个数据点作为第一特征点，将所述第一特征点处的电压作为第一特征值；所述第一模拟值为电压；

所述提取所述前静置期数据中第二特征点处的第二特征值，包括：将所述前静置期数据中第一个数据点作为第二特征点，将所述第二特征点处的电压作为第二特征值；所述第二模拟值为电压；

所述提取所述后静置期数据中第三特征点处的第三特征值，包括：将所述后静置期数据中最后一个数据点作为第三特征点，将所述第三特征点处的电压作为第三特征值；所述第三模拟值为电压。

3.根据权利要求1所述的方法，其特征在于，所述工作数据中的最小SOC小于第一阈值，最大SOC大于第二阈值，所述第二阈值大于所述第一阈值，且所述待测电池的台阶期所对应的SOC位于所述第一阈值与所述第二阈值之间；

所述方法还包括：

确定所述工作数据中处于电压平台期的平台期数据，并提取所述平台期数据中第四特征点处的第四特征值，所述第四特征点为位于台阶处的特征点；

其中，所述正则项还与第四差异之间为正相关关系；所述第四差异为所述第四特征值与所述电化学模型所确定的所述第四特征点处的第四模拟值之间的差异。

4.根据权利要求3所述的方法，其特征在于，所述提取所述平台期数据中第四特征点处的第四特征值，包括：预设滑动窗口；

滑动所述滑动窗口，并确定所述平台期数据中所述滑动窗口的两个边界电压的差值，在两个边界电压的差值大于预设阈值的情况下，将所述滑动窗口内能够表示台阶突变的数据点作为第四特征点。

5.根据权利要求3所述的方法，其特征在于，所述提取所述平台期数据中第四特征点处的第四特征值，包括：将所述第四特征点处的时间作为第四特征值；所述第四模拟值为所述电化学模型所确定的到达位于台阶处的所述第四特征点的时间。

6.根据权利要求5所述的方法，其特征在于，所述正则项满足：

其中，W表示所述正则项，V1表示所述第一特征值， 表示所述第一模拟值，V2表示所述第二特征值， 表示所述第二模拟值，V3表示所述第三特征值， 表示所述第三模拟值，T1表示所述第四特征值， 表示所述第四模拟值；a1,a2,a3,a4为相应的系数；所述第一特征值、所述第一模拟值、所述第二特征值、所述第二模拟值、所述第三特征值、所述第三模拟值均为电压。

7.根据权利要求1所述的方法，其特征在于，所述基于群体算法确定电化学参数的当前解，包括：确定所述待测电池所对应类型的电化学参数范围；

基于群体算法，在所述电化学参数范围内确定电化学参数的当前解。

8.一种电化学参数辨识装置，其特征在于，包括：

获取模块，用于获取待测电池连续的工况数据，所述连续的工况数据包括工作数据、前静置期数据和后静置期数据；所述工作数据为所述待测电池在充电阶段或放电阶段的数据，所述前静置期数据为在所述工作数据之前所述待测电池处于静置期的数据，所述后静置期数据为在所述工作数据之后所述待测电池处于静置期的数据；

提取模块，用于提取所述工作数据中第一特征点处的第一特征值，提取所述前静置期数据中第二特征点处的第二特征值，提取所述后静置期数据中第三特征点处的第三特征值；

仿真模块，用于基于群体算法确定电化学参数的当前解，并使用电化学模型进行仿真，验证所述当前解；所述群体算法的目标函数具有增加的正则项，所述正则项与第一差异、第二差异、第三差异之间均为正相关关系；所述第一差异为所述第一特征值与所述电化学模型所确定的所述第一特征点处的第一模拟值之间的差异，所述第二差异为所述第二特征值与所述电化学模型所确定的所述第二特征点处的第二模拟值之间的差异，所述第三差异为所述第三特征值与所述电化学模型所确定的所述第三特征点处的第三模拟值之间的差异；

确定模块，用于在所述当前解符合要求的情况下，将所述当前解作为所述待测电池的电化学参数。

9.一种电化学参数辨识设备，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述存储器中存储的计算机程序，以实现如权利要求1至7中任一项所述的电化学参数辨识方法。

10.一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至7中任一项所述的电化学参数辨识方法。

说明书

电化学参数辨识方法、装置、设备及存储介质

技术领域

[0001] 本发明涉及电化学模型技术领域，具体而言，涉及一种电化学参数辨识方法、装置、设备及存储介质。

背景技术

[0002] 锂电池广泛应用于储能电站、新能源汽车中。为了保证锂电池在长期使用中的安全，需要对锂电池状态进行估计，如电池的当前电量(如SOC)、电池的健康度(SOH)等。通过电化学建模的方法可以对电池内部状态进行精准仿真，而电化学模型的精度与参数的精度强相关，目前大多采用参数辨识的方法获得电化学模型参数(简称为电化学参数)。传统的电化学参数辨识通常利用各类群体算法(遗传算法、粒子群算法等)，通过拟合完整的充放电电压曲线，最小化电压均方残差来得到最佳的参数估计。

[0003] 为保证参数辨识的准确度，一般要求对电池进行满充满放；而在真实储能电站运行过程中，往往不会对电池进行满充满放。例如，对于磷酸铁锂电池，若其并未满充满放，则用于识别的电压数据处于平整的平台期，现有的参数辨识方法无法准确得到电化学参数。

发明内容

[0004] 为解决现有存在的技术问题，本发明实施例提供一种电化学参数辨识方法、装置、设备及存储介质。

[0005] 第一方面，本发明实施例提供了一种电化学参数辨识方法，包括：

[0006] 获取待测电池连续的工况数据，所述连续的工况数据包括工作数据、前静置期数据和后静置期数据；所述工作数据为所述待测电池在充电阶段或放电阶段的数据，所述前静置期数据为在所述工作数据之前所述待测电池处于静置期的数据，所述后静置期数据为在所述工作数据之后所述待测电池处于静置期的数据；

[0007] 提取所述工作数据中第一特征点处的第一特征值，提取所述前静置期数据中第二特征点处的第二特征值，提取所述后静置期数据中第三特征点处的第三特征值；

[0008] 基于群体算法确定电化学参数的当前解，并使用电化学模型进行仿真，验证所述当前解；所述群体算法的目标函数具有增加的正则项，所述正则项与第一差异、第二差异、第三差异之间均为正相关关系；所述第一差异为所述第一特征值与所述电化学模型所确定的所述第一特征点处的第一模拟值之间的差异，所述第二差异为所述第二特征值与所述电化学模型所确定的所述第二特征点处的第二模拟值之间的差异，所述第三差异为所述第三特征值与所述电化学模型所确定的所述第三特征点处的第三模拟值之间的差异；

[0009] 在所述当前解符合要求的情况下，将所述当前解作为所述待测电池的电化学参数。

[0010] 在一种可能的实现方式中，所述提取所述工作数据中第一特征点处的第一特征值，包括：将所述工作数据中最后一个数据点作为第一特征点，将所述第一特征点处的电压作为第一特征值；所述第一模拟值为电压；

[0011] 所述提取所述前静置期数据中第二特征点处的第二特征值，包括：将所述前静置期数据中第一个数据点作为第二特征点，将所述第二特征点处的电压作为第二特征值；所述第二模拟值为电压；

[0012] 所述提取所述后静置期数据中第三特征点处的第三特征值，包括：将所述后静置期数据中最后一个数据点作为第三特征点，将所述第三特征点处的电压作为第三特征值；所述第三模拟值为电压。

[0013] 在一种可能的实现方式中，所述工作数据中的最小SOC小于第一阈值，最大SOC大于第二阈值，所述第二阈值大于所述第一阈值，且所述待测电池的台阶期所对应的SOC位于所述第一阈值与所述第二阈值之间；

[0014] 所述方法还包括：

[0015] 确定所述工作数据中处于电压平台期的平台期数据，并提取所述平台期数据中第四特征点处的第四特征值，所述第四特征点为位于台阶处的特征点；

[0016] 其中，所述正则项还与第四差异之间为正相关关系；所述第四差异为所述第四特征值与所述电化学模型所确定的所述第四特征点处的第四模拟值之间的差异。

[0017] 在一种可能的实现方式中，所述提取所述平台期数据中第四特征点处的第四特征值，包括：

[0018] 预设滑动窗口；

[0019] 滑动所述滑动窗口，并确定所述平台期数据中所述滑动窗口的两个边界电压的差值，在两个边界电压的差值大于预设阈值的情况下，将所述滑动窗口内能够表示台阶突变的数据点作为第四特征点。

[0020] 在一种可能的实现方式中，所所述提取所述平台期数据中第四特征点处的第四特征值，包括：

[0021] 将所述第四特征点处的时间作为第四特征值；所述第四模拟值为所述电化学模型所确定的到达位于台阶处的所述第四特征点的时间。

[0022] 在一种可能的实现方式中，所所述正则项满足：

[0023]

[0024] 其中，W表示所述正则项，V1表示所述第一特征值， 表示所述第一模拟值，V2表示所述第二特征值， 表示所述第二模拟值，V3表示所述第三特征值， 表示所述第三模拟值，T1表示所述第四特征值， 表示所述第四模拟值；a1,a2,a3,a4为相应的系数；所述第一特征值、所述第一模拟值、所述第二特征值、所述第二模拟值、所述第三特征值、所述第三模拟值均为电压。

[0025] 在一种可能的实现方式中，所所述基于群体算法确定电化学参数的当前解，包括：

[0026] 确定所述待测电池所对应类型的电化学参数范围；

[0027] 基于群体算法，在所述电化学参数范围内确定电化学参数的当前解。

[0028] 第二方面，本发明实施例还提供了一种电化学参数辨识装置，包括：

[0029] 获取模块，用于获取待测电池连续的工况数据，所述连续的工况数据包括工作数据、前静置期数据和后静置期数据；所述工作数据为所述待测电池在充电阶段或放电阶段的数据，所述前静置期数据为在所述工作数据之前所述待测电池处于静置期的数据，所述后静置期数据为在所述工作数据之后所述待测电池处于静置期的数据；

[0030] 提取模块，用于提取所述工作数据中第一特征点处的第一特征值，提取所述前静置期数据中第二特征点处的第二特征值，提取所述后静置期数据中第三特征点处的第三特征值；

[0031] 仿真模块，用于基于群体算法确定电化学参数的当前解，并使用电化学模型进行仿真，验证所述当前解；所述群体算法的目标函数具有增加的正则项，所述正则项与第一差异、第二差异、第三差异之间均为正相关关系；所述第一差异为所述第一特征值与所述电化学模型所确定的所述第一特征点处的第一模拟值之间的差异，所述第二差异为所述第二特征值与所述电化学模型所确定的所述第二特征点处的第二模拟值之间的差异，所述第三差异为所述第三特征值与所述电化学模型所确定的所述第三特征点处的第三模拟值之间的差异；

[0032] 确定模块，用于在所述当前解符合要求的情况下，将所述当前解作为所述待测电池的电化学参数。

[0033] 第三方面，本发明实施例提供了一种电化学参数辨识设备，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述存储器中存储的计算机程序，所述计算机程序被所述处理器执行时实现上述第一方面所述的电化学参数辨识方法。

[0034] 第四方面，本发明实施例还提供了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上述第一方面所述的电化学参数辨识方法。

[0035] 第五方面，本申请还提供一种计算机程序产品，包括计算机程序，当计算机程序被执行时，可以实现上述第一方面或者第一方面的任一种可能的设计方式所述的电化学参数辨识方法。

[0036] 本发明实施例提供的电化学参数辨识方法、装置、设备及存储介质，选取的工况数据除了包括充电阶段或放电阶段的工作数据之外，还包括位于该工作数据之前的前静置期数据以及位于该工作数据之后的后静置期数据，在该工作数据、前静置期数据、后静置期数据中均提取相应特征点的特征值，并将该特征值与电化学模型仿真确定的模拟值进行比较，以此优化群体算法的目标函数。该电化学参数辨识方法利用静置期的工况数据进行参数辨识，在工作数据不是满充或满放数据的情况下，也能够加强待测电池内部重要化学变化时期的识别，可比较准确地确定电化学参数；并且，将特征值与模拟值之间的差异作为正则项添加至群体算法的目标函数中，可以为群体迭代算法提供更好的方向，能够增加算法收敛的速度。

附图说明

[0037] 为了更清楚地说明本发明实施例或背景技术中的技术方案，下面将对本发明实施例或背景技术中所需要使用的附图进行说明。

[0038] 图1示出了本发明实施例所提供的一种电化学参数辨识方法的流程图；

[0039] 图2示出了本发明实施例所提供的电化学参数辨识方法中，所选取的某工况数据的电压曲线；

[0040] 图3示出了本发明实施例所提供的电化学参数辨识方法中，选取特征点的示意图；

[0041] 图4示出了本发明实施例所提供的另一种电化学参数辨识方法的流程图；

[0042] 图5示出了本发明实施例所提供的一种电化学参数辨识装置的结构示意图；

[0043] 图6示出了本发明实施例所提供的一种电化学参数辨识的设备的结构示意图。

具体实施方式

[0044] 下面结合本发明实施例中的附图对本发明实施例进行描述。

[0045] 图1示出了本发明实施例所提供的一种电化学参数辨识方法的流程图，该电化学参数辨识方法利用静置期的工况数据，在电池未满充或满放的情况下，也可比较准确地确定电池的电化学参数。如图1所示，该方法包括：

[0046] 步骤101：获取待测电池连续的工况数据，该工况数据包括工作数据、前静置期数据和后静置期数据；工作数据为待测电池在充电阶段或放电阶段的数据，前静置期数据为在工作数据之前待测电池处于静置期的数据，后静置期数据为在工作数据之后待测电池处于静置期的数据。

[0047] 本发明实施例中，在需要确定某电池的电化学参数时，将该电池作为待测电池，例如，将储能电站的电池作为该待测电池。其中，电化学参数指的是用于描述该待测电池的电化学模型的参数。例如，该电化学模型可以是伪二维模型(Pseudo‑two‑Dimensions,P2D)模型，其电化学参数包括固液相扩散系数、固液相电导率、隔膜的厚度、粒子半径、阴阳极传递系数等，本实施例对电化学参数不做详述。其中，该待测电池可以为锂电池。

[0048] 待测电池在正常工作过程中，可以采集待测电池的电流、电压等数据，形成该待测电池的工况数据；例如，可以通过电池管理系统(BMS)等测量得到该待测电池不同时间戳所对应的电流、电压，从而形成该待测电池的工况数据。该工况数据一般为离散数据，其包括在各个时间点，待测电池的电流、电压等。

[0049] 在需要确定该待测电池的电化学参数时，确定该待测电池处于充电阶段或放电阶段的连续的数据，即待测电池充电或放电时的工况数据，为方便描述，将该数据称为“工作数据”。该工作数据本身为一段连续的数据，其可以是待测电池满充或满放时的工况数据，也可以是未满充或未满放时的工况数据，本实施例对此不做限定；在实际情况，所选取的工作数据一般是非满充或非满放的。并且，该工作数据是完整的充电或放电的工况数据，即在该工作数据之前或之后相邻的时间段内，该待测电池没有充电或放电，待测电池静置；相应地，在该工作数据前后也存在待测电池处于静置期的工况数据，本发明实施例将在工作数据之前待测电池处于静置期的工况数据称为“前静置期数据”，将在工作数据之后待测电池处于静置期的工况数据称为“后静置期数据”。该前静置期数据、工作数据、后静置期数据为该待测电池处于相应阶段的工况数据，且三者是连续的工况数据，本发明实施例将包含前静置期数据、工作数据、后静置期数据的连续的工况数据作为后续确定电化学参数时所需的实际数据。

[0050] 例如，在需要选取待测电池的工况数据时，若待测电池先静置一段时间(处于前静置期)、之后充电或放电(处于充电阶段或放电阶段)、充电或放电结束后继续静置一段时间(处于后静置期)，则可将这一时间段内的工况数据作为所需的工况数据。图2示出了某待测电池先静置、后放电、最后再静置的工况数据(图2中的横坐标为时间，纵坐标为电压)，该工况数据包括该待测电池处于前静置期的数据(即前静置期数据)、处于放电阶段的数据(即工作数据)以及处于后静置期的数据(即后静置期数据)，且前静置期、放电阶段、后静置期为连续的时间段，相应的，所选取的工况数据也是连续的。

[0051] 步骤102：提取工作数据中第一特征点处的第一特征值，提取前静置期数据中第二特征点处的第二特征值，提取后静置期数据中第三特征点处的第三特征值。

[0052] 本发明实施例中，对工况数据中不同阶段分别提取特征点。

[0053] 具体地，选取工作数据中的某个数据点作为特征点，即第一特征点；并且，该第一特征点还具有相应的特征值，即第一特征值。其中，该第一特征点可以是该工作数据中关键的数据点。可选地，由于充放电结束时刻的电压通常可以反映负极的锂离子浓度、负极扩散系数和粒子半径等电化学参数，这些参数对容量的估计有重要影响，因此，该第一特征点可以为相应阶段的最后一个数据点，即将工作数据中最后一个数据点作为第一特征点。例如，若工作数据为充电阶段的数据，则将充电阶段最后的数据点作为第一特征点，该第一特征点一般是最大电压对应的数据点；若工作数据为放电阶段的数据，则将放电阶段最后的数据点作为第一特征点，该第一特征点一般是最小电压对应的数据点。如图3所示，待测电池在A点放电结束，之后进入后静置期，且由于弛豫效应，待测电池的电压会升高，直至平稳；此时可以将该点A作为第一特征点。

[0054] 待测电池静置期的电压通常可以反映锂离子浓度范围，例如，前静置期的电压可以反映初始锂离子浓度范围；并且，待测电池静置期与正常工作阶段(充电阶段或放电阶段)之间也存在压降，其可以反映待测电池的极化状态。因此，可以从待测电池处于前静置期、后静置期时分别提取出相应的特征点。其中，将前静置期数据中的某个特征点作为第二特征点，该第二特征点的特征值称为第二特征值；将后静置期数据中的某个特征点作为第三特征点，该第三特征点的特征值称为第三特征值。

[0055] 其中，该第二特征点和第三特征点均为待测电池平稳时的特征点。可选地，可以将前静置期数据中第一个数据点作为第二特征点；例如，将工况数据起始的数据点作为该第二特征点。可以将后静置期数据中最后一个数据点作为第三特征点；例如，将工况数据末尾的数据点作为该第三特征点。如图3所示：点B为工况数据起始的数据点，该点B为第二特征点；点C为工况数据末尾的数据点，该点C可以为第三特征点。

[0056] 步骤103：基于群体算法确定电化学参数的当前解，并使用电化学模型进行仿真，验证当前解；群体算法的目标函数具有增加的正则项，正则项与第一差异、第二差异、第三差异之间均为正相关关系；第一差异为第一特征值与电化学模型所确定的第一特征点处的第一模拟值之间的差异，第二差异为第二特征值与电化学模型所确定的第二特征点处的第二模拟值之间的差异，第三差异为第三特征值与电化学模型所确定的第三特征点处的第三模拟值之间的差异。

[0057] 步骤104：在当前解符合要求的情况下，将当前解作为待测电池的电化学参数。

[0058] 本发明实施例中，仍然基于群体算法进行参数辨识，上述步骤103与传统的基于群体算法进行参数辨识的过程基本相同，区别在于本发明实施例基于上述确定的第一特征值、第二特征值、第三特征值对群体算法的目标函数进行优化，为群体算法的迭代提供了更好的方向，增加了算法收敛的速度，且在所选用工况数据为非满充或非满放时也能够得到高精度的辨识结果。

[0059] 群体算法是通过多轮迭代的方式寻找问题最优解的算法，例如，该群体算法可以是遗传算法、粒子群优化、布谷鸟搜索算法等，本实施例对此不做限定。在每轮处理后，可以确定当前的最优解，即当前最优的电化学参数，之后以该当前最优的电化学参数构建相应的电化学模型，并确定该电化学模型仿真得到的数据与实际的工况数据之间的差异，群体算法的目标函数即表示二者之间的差异。若二者之间的差异较小，则该当前最优的电化学参数即可作为最终确定的电化学参数；若二者之间的差异较大，则基于群体算法对电化学参数进行进一步优化，确定下一轮最优的电化学参数，重复上述过程，直至二者之间的差异较小。

[0060] 如上所述，在基于群体算法进行参数辨识时，群体算法的目标函数表示电化学模型仿真得到的数据与实际的工况数据之间的差异，一般情况下，该目标函数表示二者的电压差异，例如，目标函数为全局电压的均方误差。

[0061] 本发明实施例中，在该群体算法的目标函数的基础上，为该目标函数增加正则项，以实现对目标函数的优化。具体地，对于本发明实施例所选取的第一特征点、第二特征点和第三特征点，基于工况数据可以确定实际的特征值，即第一特征值、第二特征值和第三特征值；在利用电化学模型进行仿真时，也可以确定在每个特征点处的特征值，仿真确定的特征值称为“模拟值”，相应地，利用电化学模型可以仿真得到第一特征点处的模拟值(即第一模拟值)、第二特征点处的模拟值(即第二模拟值)、第三特征点处的模拟值(即第三模拟值)。

[0062] 该正则项包括第一特征值与第一模拟值之间的差异(即第一差异)、第二特征值与第二模拟值之间的差异(即第二差异)、第三特征值与第三模拟值之间的差异(即第三差异)，且该正则项与与第一差异、第二差异、第三差异之间均为正相关关系；即第一差异越大，正则项所对应的数值也越大，第二差异、第三差异亦是如此。其中，可以将特征值与模拟值之间差值的绝对值作为相应的差异。例如，若第一特征值为V1，第一模拟值为 则该第一差异可表示为 以在原始目标函数基础上增加该正则项的函数作为新的目标函数，利用群体算法即可最终确定符合要求的当前解，该当前解即可作为待测电池的电化学参数。例如，目标函数小于预设的阈值时的当前解是符合要求的。

[0063] 其中，电化学模型进行仿真时的仿真条件与该工况数据的实际工作条件相一致。例如，该工况数据为待测电池先静置5min，之后以电流I恒流充电1h，再之后静置10min；相应地，该电化学模型的仿真条件也是先静置5min，之后以电流I恒流充电1h，再之后静置
10min。

[0064] 本发明实施例提供的一种电化学参数辨识方法，选取的工况数据除了包括充电阶段或放电阶段的工作数据之外，还包括位于该工作数据之前的前静置期数据以及位于该工作数据之后的后静置期数据，在该工作数据、前静置期数据、后静置期数据中均提取相应特征点的特征值，并将该特征值与电化学模型仿真确定的模拟值进行比较，以此优化群体算法的目标函数。该电化学参数辨识方法利用静置期的工况数据进行参数辨识，在工作数据不是满充或满放数据的情况下，也能够加强待测电池内部重要化学变化时期的识别，可比较准确地确定电化学参数；并且，将特征值与模拟值之间的差异作为正则项添加至群体算法的目标函数中，可以为群体迭代算法提供更好的方向，能够增加算法收敛的速度。

[0065] 可选地，大部分锂电池在平台期会出现一个或多个台阶，即在平台期中还存在一个或多个台阶期，而台阶期也对应着重要的化学反应时期，本发明实施例从台阶期中也提取出特征点参与到参数辨识中，从而可以进一步提高参数辨识的准确度。其中，为保证所选用的工况数据中，工作数据包含台阶期，需要该工作数据的数据量符合要求；具体地，工作数据中的最小SOC小于第一阈值，最大SOC大于第二阈值，第二阈值大于第一阈值，且台阶期所对应的SOC位于第一阈值与第二阈值之间。

[0066] 本发明实施例中，对于不同类型的待测电池，其出现台阶时的SOC(荷电状态)一般是比较稳定的，故在选取工况数据时，基于工况数据的SOC范围可以基本确定其是否包含台阶期；本发明实施例中，预设第一阈值和第二阈值，若某段工况数据中的最小SOC小于第一阈值，最大SOC大于第二阈值，则可认为该段工况数据可以作为所需的工作数据。其中，该第一阈值不大于该待测电池最开始出现平台期时对应的SOC，该第二阈值不小于该待测电池最后平台期结束时对应的SOC。

[0067] 例如，磷酸铁锂电池的平台期的SOC通常在约97％至约18％之间，其第一个台阶存在于SOC等于40％附近；因此，该第一阈值可以小于30％，第二阈值可以大于50％，以使得工作数据包含SOC等于40％的数据。例如，工作数据的SOC长度大小(即最大SOC与最小SOC之差)可以是20％～70％，例如工作数据的SOC长度大小为50％、60％，只要保证工作数据包含台阶期即可。例如，对于充电工况，可以选择SOC从20％到90％的充电工况数据作为工作数据，其通常会包含到该台阶。该第一阈值、第二阈值的大小具体可基于实际情况而定。

[0068] 在工作数据包含台阶期的数据的情况下，该电化学参数辨识方法还包括以下步骤A1：

[0069] 步骤A1：确定工作数据中处于电压平台期的平台期数据，并提取平台期数据中第四特征点处的第四特征值，第四特征点为位于台阶处的特征点。其中，正则项还与第四差异之间为正相关关系；第四差异为第四特征值与电化学模型所确定的第四特征点处的第四模拟值之间的差异。

[0070] 本发明实施例中，首先确定工作数据中处于平台期的数据，即平台期数据，该平台期数据是比较平稳的数据。之后，从该平台期数据中确定台阶期，进而可以从该台阶期中选取特征点，即第四特征点；相应地，该第四特征点位于台阶处。如图2所示，放电阶段大部分为平台期，并且，平台期中存在明显的台阶，该台阶所在位置即为台阶期，并可在该台阶期中选取第四特征点。参见图3所示，点D位于台阶期，该点D可以作为第四特征点。

[0071] 本发明实施例中，第一阈值、第二阈值的作用在于保证工作数据中包含台阶期的数据，在选取工作数据时，可以不确定工作数据的SOC，在工作数据足够长(即充电时间足够长或放电时间足够长)的情况下，即可认为工作数据中的最小SOC小于第一阈值，最大SOC大于第二阈值，该工作数据包含台阶期的数据。并且，在工作数据足够长的情况下，可以粗略地提取出平台期数据，即可保证该平台期数据中存在台阶，即平台期数据包含台阶期的数据。例如，待测电池为储能电站，储能电站存在静置期，且静置期较短；此时可以按照百分比直接从储能电站的工况数据(包括前静置期数据、工作数据和后静置期数据)中提取出中间的部分数据，该部分数据即可作为平台期数据。例如，将工况数据中从5％到80％的这一部分数据作为平台期数据，且其一般包含台阶。

[0072] 可选地，可以利用滑动窗口定位到平台期中的台阶。上述步骤A1“提取平台期数据中第四特征点处的第四特征值”包括以下步骤A11‑A12：

[0073] 步骤A11：预设滑动窗口。

[0074] 步骤A12：滑动滑动窗口，并确定平台期数据中滑动窗口的两个边界电压的差值，在两个边界电压的差值大于预设阈值的情况下，将滑动窗口内能够表示台阶突变的数据点作为第四特征点。

[0075] 本发明实施例中，设定大小合适的滑动窗口，基于该滑动窗口遍历平台期数据；其中，由于滑动窗口具有两个边界，在遍历平台期数据时，两个边界均对应相应的数据点，每个数据点具有相应的电压，本实施例基于两个边界电压的差值大小来确定滑动窗口当前是否位于台阶处，从而可以定位到平台期中的台阶。其中，该滑动窗口的长度可以与台阶期的长短相匹配。可以基于人为经验设置该滑动窗口的长短；例如，滑动窗口的长度可以大致定为十分之一小时除以电流倍率，可以根据具体情况调整。

[0076] 具体地，预先设置预设阈值，该预设阈值可以表示台阶期的电压变化大小。若滑动窗口滑动至某个位置处时，其两个边界电压的差值大于该预设阈值，则说明该滑动窗口两端的电压差值足够大，其包含台阶；否则，该滑动窗口只是位于平台期中非台阶的位置。本发明实施例利用滑动窗口可以简单快速地定位到平台期中的台阶，定位准确，且处理量小。

[0077] 在该滑动窗口位于台阶处时，即可从该滑动窗口内选取第四特征点，本发明实施例中选择能够表示台阶突变的数据点作为第四特征点。例如，将该滑动窗口内电压变化率最大的数据点作为第四特征点；或者，也可以简单地将滑动窗口中心位置处的数据点作为第四特征点，本实施例对此不做限定。

[0078] 其中，该预设阈值可以为预先设置的固定值；若滑动窗口在多个位置时两个边界电压的差值大于预设阈值，例如存在多个台阶期，可以在每个滑动窗口中均提取特征点。或者，由于部分类型的电池只有一个台阶期(或者只需要使用其中的一个台阶期)，为了提高适用性，且避免误判，也可以从两个边界电压的差值最大时的滑动窗口内选取第四特征点。例如，若两个边界电压的差值最大，则可认为“两个边界电压的差值大于预设阈值”，该预设阈值相当于是基于实际情况而定的阈值，即该预设阈值是略小于两个边界电压差值的最大值的数值。

[0079] 此外，与上述第一特征点、第二特征点、第三特征点相似，该第四特征点也用于修正群体算法的目标函数，即目标函数所新增的正则项还与第四特征点有关。在群体算法迭代过程中，基于电化学模型也可以确定位于第四特征点处的模拟值，即第四模拟值；设第四特征值与第四模拟值之间的差异为第四差异，该正则项与该第四差异之间也为正相关关系。

[0080] 本发明实施例结合工作结束时刻(例如充电结束时刻，或者放点结束时刻)、前后两个静置期以及台阶期的特征点，对群体算法的目标函数进行优化，可以综合考虑电化学参数对静置期、台阶期以及工作结束时刻的影响，使得所确定的电化学参数更加符合该待测电池的真实情况，电化学参数更加准确。

[0081] 可选地，在用电化学模型仿真时，仿真条件与工况数据的真实工况条件相同，故无论是真实的工况数据，还是仿真得到的数据，第二特征点、第三特征点所对应的时间戳是固定的；并且，若将工作结束时刻的数据点作为第一特征点，该第一特征点的时间戳也是固定的。因此，可以利用时间戳定位到第一特征点、第二特征点、第三特征点，进而基于工况数据确定相应的第一特征值、第二特征值、第三特征值；并且，基于电化学模型仿真得到的时候确定相应的第一模拟值、第二模拟值、第三模拟值。具体地，该第一特征值、第二特征值和第三特征值可以为电压，相应地，第一模拟值、第二模拟值、第三模拟值也均为电压。

[0082] 类似地，该第四特征值和第四模拟值也可以为电压；例如，以真实的工况数据中第四特征点对应的时间戳作为定位基准，将仿真得到的数据中该时间戳所对应的数据点的电压作为第四模拟值。基于四种特征点处的电压差异优化目标函数。

[0083] 此外，发明人发现，若第四特征值和第四模拟值是电压，可能造成电压平台存在整体误差，例如仿真得到的电压平台期提前等；在本发明实施例中，真实的工况数据和仿真得到的数据中，二者到达台阶的时间戳可能是不同的，本实施例利用该特点，对台阶处的第四特征点进行时间拟合，而非电压拟合，即该第四特征点为时间，相应地，第四模拟点也为时间。

[0084] 具体地，上述步骤A1“提取平台期数据中第四特征点处的第四特征值”包括：

[0085] 步骤B1：将第四特征点处的时间作为第四特征值；第四模拟值为电化学模型所确定的到达位于台阶处的第四特征点的时间。

[0086] 本发明实施例中，在定位到工况数据中的第四特征点时，将该第四特征点的时间作为第四特征值。相应地，在基于电化学模型仿真的到仿真数据后，需要定位到该仿真数据中的台阶，进而确定在台阶处的特征点(也是第四特征点)的时间，该时间即为第四模拟值；即，本发明实施例中的第四特征点指的是位于台阶处的特征点，其时间戳可能是不固定的。
例如，可以基于上述步骤A11‑A12相似的方式确定仿真数据中到达台阶处的时间，本实施例对此不做赘述。

[0087] 本发明实施例中，对台阶期的第四特征点进行时间拟合，即对出现台阶期的时间差进行拟合，将时间差作为衡量标准，可以有效避免出现整体偏差，有利于实现快速收敛，并能得到比较准确地电化学参数。

[0088] 例如，传统的群体算法的目标函数为F0，在本发明实施例中，对该目标函数F0增加正则项W，即本发明实施例中群体算法的目标函数F可以表示为：F＝F0+W。其中，若第四特征值和第四模拟值均为时间，该正则项W可以满足下式(1)：

[0089]

[0090] 其中，W表示正则项，V1表示第一特征值， 表示第一模拟值，V2表示第二特征值，表示第二模拟值，V3表示第三特征值， 表示第三模拟值，T1表示第四特征值， 表示第四模拟值；a1,a2,a3,a4为相应的系数。其中，第一特征值、第一模拟值、第二特征值、第二模拟值、第三特征值、第三模拟值均为电压。

[0091] 下面通过一个实施例详细介绍该电化学参数辨识方法的一种流程。参见图4所示，该电化学参数辨识方法包括步骤401‑409：

[0092] 步骤401：获取待测电池连续的工况数据。

[0093] 该工况数据包括前静置期数据、工作数据和后静置期数据，且工作数据包含台阶期。

[0094] 步骤402：将工作数据中最后一个数据点作为第一特征点，将前静置期数据中第一个数据点作为第二特征点，将后静置期数据中最后一个数据点作为第三特征点；并将第一特征点、第二特征点、第三特征点处的电压作为第一特征值、第二特征值、第三特征值。

[0095] 本发明实施例中，以V1表示第一特征值，V2表示第二特征值，V3表示第三特征值。

[0096] 步骤403：定位工作数据中的台阶，选取台阶处的第四特征点，并将第四特征点处的时间作为第四特征值。

[0097] 例如，可以基于上述步骤A11‑A12定位到第四特征点，进而确定相应的时间，即第四特征值。本实施例以T1表示该第四特征值。

[0098] 步骤404：确定待测电池所对应类型的电化学参数范围；并且，设置群体算法的目标函数。

[0099] 例如，可以通过实验测试、查找文献等方式，确定所需辨识的电池对应类型的电化学参数范围。

[0100] 并且，本发明实施例在全局电压的均方误差MSE(V)的基础上增加正则项W，即本发明实施例中群体算法的目标函数可以表示为：F＝MSE(V)+W。该正则项W具体可满足上式(1)。

[0101] 步骤405：基于群体算法确定当前最优解。

[0102] 该当前最优解为当前确定的最优的电化学参数。其中，基于群体算法确定当前最优解的过程为现有技术，此处不做详述。

[0103] 步骤406：基于该当前最优解建立电化学模型，并基于该电化学模型进行仿真，确定当前的仿真数据。

[0104] 步骤407：在该仿真数据中定位相应的第一特征点、第二特征点、第三特征点和第四特征点，并将第一特征点、第二特征点、第三特征点处的电压作为相应的第一模拟值、第二模拟值、第三模拟值，将第四特征点处的时间作为第四模拟值。

[0105] 其中，以 表示第一模拟值， 表示第二模拟值， 表示第三模拟值， 表示第四模拟值。

[0106] 步骤408：判断目标函数的值是否小于预设值，若是，则继续步骤409，否则继续步骤405。

[0107] 其中，该预设值为预先设置的用于表示群体算法迭代过程是否结束的值。将第一特征值、第一模拟值、第二特征值、第二模拟值、第三特征值、第三模拟值、第四特征值、第四模拟值代入至目标函数，即可确定该目标函数的值。若目标函数的值小于预设值，说明当前的电化学参数仿真得到的数据与真实的工况数据基本吻合，此时可以结束迭代；否则说明当前的电化学参数还不能够准确表示待测电池的参数，需要继续优化，即需要重新执行步骤405。

[0108] 步骤409：将当前最优解作为该待测电池的电化学参数。

[0109] 本发明实施例提供的电化学参数辨识方法，利用静置期的工况数据进行参数辨识，在工作数据不是满充或满放数据的情况下，也能够加强待测电池内部重要化学变化时期的识别，可比较准确地确定电化学参数；并且，将特征值与模拟值之间的差异作为正则项添加至群体算法的目标函数中，可以为群体迭代算法提供更好的方向，能够增加算法收敛的速度。结合工作结束时刻(例如充电结束时刻，或者放点结束时刻)、前后两个静置期以及台阶期的特征点，对群体算法的目标函数进行优化，可以综合考虑电化学参数对静置期、台阶期以及工作结束时刻的影响，使得所确定的电化学参数更加符合该待测电池的真实情况，电化学参数更加准确。对台阶期的第四特征点进行时间拟合，即对出现台阶期的时间差进行拟合，将时间差作为衡量标准，可以有效避免出现整体偏差。

[0110] 上文详细描述了本发明实施例提供的电化学参数辨识方法，该方法也可以通过相应的装置实现，下面详细描述本发明实施例提供的电化学参数辨识装置。

[0111] 图5示出了本发明实施例所提供的一种电化学参数辨识装置的结构示意图。如图5所示，该电化学参数辨识装置包括：

[0112] 获取模块51，用于获取待测电池连续的工况数据，所述连续的工况数据包括工作数据、前静置期数据和后静置期数据；所述工作数据为所述待测电池在充电阶段或放电阶段的数据，所述前静置期数据为在所述工作数据之前所述待测电池处于静置期的数据，所述后静置期数据为在所述工作数据之后所述待测电池处于静置期的数据；

[0113] 提取模块52，用于提取所述工作数据中第一特征点处的第一特征值，提取所述前静置期数据中第二特征点处的第二特征值，提取所述后静置期数据中第三特征点处的第三特征值；

[0114] 仿真模块53，用于基于群体算法确定电化学参数的当前解，并使用电化学模型进行仿真，验证所述当前解；所述群体算法的目标函数具有增加的正则项，所述正则项与第一差异、第二差异、第三差异之间均为正相关关系；所述第一差异为所述第一特征值与所述电化学模型所确定的所述第一特征点处的第一模拟值之间的差异，所述第二差异为所述第二特征值与所述电化学模型所确定的所述第二特征点处的第二模拟值之间的差异，所述第三差异为所述第三特征值与所述电化学模型所确定的所述第三特征点处的第三模拟值之间的差异；

[0115] 确定模块54，用于在所述当前解符合要求的情况下，将所述当前解作为所述待测电池的电化学参数。

[0116] 在一种可能的实现方式中，

[0117] 所述提取模块52提取所述工作数据中第一特征点处的第一特征值，包括：将所述工作数据中最后一个数据点作为第一特征点，将所述第一特征点处的电压作为第一特征值；所述第一模拟值为电压；

[0118] 所述提取模块52提取所述前静置期数据中第二特征点处的第二特征值，包括：将所述前静置期数据中第一个数据点作为第二特征点，将所述第二特征点处的电压作为第二特征值；所述第二模拟值为电压；

[0119] 所述提取模块52提取所述后静置期数据中第三特征点处的第三特征值，包括：将所述后静置期数据中最后一个数据点作为第三特征点，将所述第三特征点处的电压作为第三特征值；所述第三模拟值为电压。

[0120] 在一种可能的实现方式中，所述工作数据中的最小SOC小于第一阈值，最大SOC大于第二阈值，所述第二阈值大于所述第一阈值；所述提取模块52还用于：

[0121] 确定所述工作数据中处于电压平台期的平台期数据，并提取所述平台期数据中第四特征点处的第四特征值，所述第四特征点为位于台阶处的特征点；

[0122] 其中，所述正则项还与第四差异之间为正相关关系；所述第四差异为所述第四特征值与所述电化学模型所确定的所述第四特征点处的第四模拟值之间的差异。

[0123] 在一种可能的实现方式中，所述提取模块52提取所述平台期数据中第四特征点处的第四特征值，包括：

[0124] 预设滑动窗口；

[0125] 滑动所述滑动窗口，并确定所述平台期数据中所述滑动窗口的两个边界电压的差值，在两个边界电压的差值大于预设阈值的情况下，将所述滑动窗口内能够表示台阶突变的数据点作为第四特征点。

[0126] 在一种可能的实现方式中，所述提取模块52提取所述平台期数据中第四特征点处的第四特征值，包括：

[0127] 将所述第四特征点处的时间作为第四特征值；所述第四模拟值为所述电化学模型所确定的到达位于台阶处的所述第四特征点的时间。

[0128] 在一种可能的实现方式中，所述正则项满足：

[0129]

[0130] 其中，W表示所述正则项，V1表示所述第一特征值， 表示所述第一模拟值，V2表示所述第二特征值， 表示所述第二模拟值，V3表示所述第三特征值， 表示所述第三模拟值，T1表示所述第四特征值， 表示所述第四模拟值；a1,a2,a3,a4为相应的系数；所述第一特征值、所述第一模拟值、所述第二特征值、所述第二模拟值、所述第三特征值、所述第三模拟值均为电压。

[0131] 在一种可能的实现方式中，所述仿真模块53基于群体算法确定电化学参数的当前解，包括：

[0132] 确定所述待测电池所对应类型的电化学参数范围；

[0133] 基于群体算法，在所述电化学参数范围内确定电化学参数的当前解。

[0134] 需要说明的是，上述实施例提供的电化学参数辨识装置在实现相应的功能时，仅以上述各功能模块的划分举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的电化学参数辨识装置与电化学参数辨识方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

[0135] 根据本申请的一个方面，本发明实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装。在该计算机程序被处理器执行时，执行本申请实施例提供的电化学参数辨识方法。

[0136] 此外，本发明实施例还提供了一种电化学参数辨识设备，该设备包括处理器和存储器，存储器存储有计算机程序，处理器能够执行存储器中存储的计算机程序，计算机程序被处理器执行时，可以实现上述任一实施例提供的电化学参数辨识方法。

[0137] 例如，图6示出了本发明实施例提供的一种电化学参数辨识设备，该设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。

[0138] 在本发明实施例中，该设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述电化学参数辨识方法实施例的各个过程。

[0139] 收发器1130，用于在处理器1120的控制下接收和发送数据。

[0140] 本发明实施例中，总线架构(用总线1110来代表)，总线1110可以包括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。

[0141] 总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线以及存储器控制器、外围总线、加速图形端口(Accelerate Graphical Port，AGP)、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构(Industry Standard Architecture，ISA)总线、微通道体系结构(Micro Channel Architecture，MCA)总线、扩展ISA(Enhanced ISA，EISA)总线、视频电子标准协会(Video Electronics Standards Association，VESA)、外围部件互连(Peripheral Component Interconnect，PCI)总线。

[0142] 处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、复杂可编程逻辑器件(Complex Programmable Logic Device，CPLD)、可编程逻辑阵列(Programmable Logic Array，PLA)、微控制单元(Microcontroller Unit，MCU)或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。

[0143] 处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(Random Access Memory，RAM)、闪存(Flash Memory)、只读存储器(Read‑Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

[0144] 总线1110还可以将，例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本发明实施例不再对其进行进一步描述。

[0145] 收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。

[0146] 应理解，在本发明实施例中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络(ad hoc network)、内联网(intranet)、外联网(extranet)、虚拟专用网(VPN)、局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、无线广域网(WWAN)、城域网(MAN)、互联网(Internet)、公共交换电话网(PSTN)、普通老式电话业务网(POTS)、蜂窝电话网、无线网络、无线保真(Wi‑Fi)网络以及两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信(GSM)系统、码分多址(CDMA)系统、全球微波互联接入(WiMAX)系统、通用分组无线业务(GPRS)系统、宽带码分多址(WCDMA)系统、长期演进(LTE)系统、LTE频分双工(FDD)系统、LTE时分双工(TDD)系统、先进长期演进(LTE‑A)系统、通用移动通信(UMTS)系统、增强移动宽带(Enhance Mobile Broadband，eMBB)系统、海量机器类通信(massive Machine Type of Communication，mMTC)系统、超可靠低时延通信(Ultra Reliable Low Latency Communications，uRLLC)系统等。

[0147] 应理解，本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器(Read‑Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存(Flash Memory)。

[0148] 易失性存储器包括：随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如：静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本发明实施例描述的存储器1150包括但不限于上述和任意其他适合类型的存储器。

[0149] 在本发明实施例中，存储器1150存储了操作系统1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。

[0150] 具体而言，操作系统1151包含各种系统程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器(Media Player)、浏览器(Browser)，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。

[0151] 此外，本发明实施例还提供了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上述电化学参数辨识方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

[0152] 计算机可读存储介质包括：永久性和非永久性、可移动和非可移动媒体，是可以保留和存储供指令执行设备所使用指令的有形设备。计算机可读存储介质包括：电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备以及上述任意合适的组合。计算机可读存储介质包括：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带存储、磁带磁盘存储或其他磁性存储设备、记忆棒、机械编码装置(例如在其上记录有指令的凹槽中的穿孔卡或凸起结构)或任何其他非传输介质、可用于存储可以被计算设备访问的信息。按照本发明实施例中的界定，计算机可读存储介质不包括暂时信号本身，例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如穿过光纤电缆的光脉冲)或通过导线传输的电信号。

[0153] 在本申请所提供的几个实施例中，应该理解到，所披露的装置、设备和方法，可以通过其他的方式实现。例如，以上描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的、机械的或其他的形式连接。

[0154] 所述作为分离部件说明的单元可以是或也可以不是物理上分开的，作为单元显示的部件可以是或也可以不是物理单元，既可以位于一个位置，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或全部单元来解决本发明实施例方案要解决的问题。

[0155] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

[0156] 所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术作出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(包括：个人计算机、服务器、数据中心或其他网络设备)执行本发明各个实施例所述方法的全部或部分步骤。而上述存储介质包括如前述所列举的各种可以存储程序代码的介质。

[0157] 在本发明实施例的描述中，所属技术领域的技术人员应当知道，本发明实施例可以实现为方法、装置、设备及存储介质。因此，本发明实施例可以具体实现为以下形式：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外，在一些实施例中，本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。

[0158] 上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、闪存(Flash Memory)、光纤、光盘只读存储器(CD‑ROM)、光存储器件、磁存储器件或以上任意组合。在本发明实施例中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。

[0159] 上述计算机可读存储介质包含的计算机程序代码可以用任意适当的介质传输，包括：无线、电线、光缆、射频(Radio Frequency，RF)或者以上任意合适的组合。

[0160] 可以以汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，例如：Java、Smalltalk、C++，还包括常规的过程式程序设计语言，例如：C语言或类似的程序设计语言。计算机程序代码可以完全的在用户计算机上执行、部分的在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行以及完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括：局域网(LAN)或广域网(WAN)，可以连接到用户计算机，也可以连接到外部计算机。

[0161] 本发明实施例通过流程图和/或方框图描述所提供的方法、装置、设备。

[0162] 应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。

[0163] 也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。

[0164] 也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。

[0165] 以上所述，仅为本发明实施例的具体实施方式，但本发明实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明实施例的保护范围之内。因此，本发明实施例的保护范围应以权利要求的保护范围为准。