本公开涉及电动车辆，更具体地涉及识别电动车辆的电池组中电池单元退化的根本原因。
背景技术：
1、锂离子电池因其高能量密度和长循环寿命而广泛用于电动车辆。然而，随着时间的推移，这些电池会以容量衰减和自放电的形式退化，从而影响其性能。
2、容量衰减是指锂离子电池在多次充电和放电循环中储存和传递能量的能力逐渐下降。这种现象的发生是由多个因素引起的，包括电极表面上固体电解质界面(sei)层的形成、阳极表面上枝晶的生长以及电解质中活性锂离子的损失。随着容量衰减的发生，电池的总容量和运行时间逐渐减少，这可能会影响设备的性能和电池寿命。容量衰减的速度取决于多个因素，包括操作条件、电池化学物质和制造质量。
3、另一方面，自放电是指电池不使用时电荷的自然损耗。与其他电池化学物质相比，锂离子电池的自放电率相对较低，但随着时间的推移，自放电率会因多个因素而增加，包括电池老化、温度和储存条件。随着自放电的发生，电池的可用电荷减少，这可能会影响其性能和寿命。为了减轻自放电的影响，将锂离子电池储存在阴凉干燥的地方并且部分充电(约为全容量的40-60％)且定期再充电以保持其容量非常重要。
技术实现思路
1、在一示例性实施例中，提供了一种用于识别电池组中电池单元退化的根本原因的方法。该方法包括收集电池组中多个电池单元的电压数据，将多个电池单元中的第一电池单元识别为缺陷电池单元，并将多个电池单元中的第二电池单元识别为标称电池单元。该方法还包括基于缺陷电池单元和标称电池单元的电压数据计算缺陷电池单元的自放电，基于缺陷电池单元和标称电池单元的电压数据计算缺陷电池单元的容量衰减，以及基于缺陷电池单元的自放电和容量衰减确定缺陷电池单元的缺陷的根本原因。
2、除了本文描述的一个或多个特征之外，根本原因的确定包括创建缺陷电池单元的自放电和缺陷电池单元的容量衰减之间的关系的直方图。
3、除了本文描述的一个或多个特征之外，根本原因的确定还包括将直方图输入到经训练预测模型中。
4、除了本文描述的一个或多个特征之外，经训练预测模型是用标记的电池单元故障数据训练的机器学习模型。
5、除了本文描述的一个或多个特征之外，根本原因的确定包括将直方图与与电池单元退化的已知根本原因相关的多个直方图进行比较。
6、除了本文描述的一个或多个特征之外，该方法还包括向电池组的制造商提供缺陷电池单元和根本原因的指示。
7、除了本文描述的一个或多个特征之外，该方法还包括基于电池单元退化的根本原因而去激活电池组中的缺陷电池单元。
8、除了本文描述的一个或多个特征之外，多个电池单元布置成多个组，每个组包括并联连接的多个电池单元中的三个，并且其中多个组中的每个组串联连接。
9、除了本文描述的一个或多个特征之外，在电池组的每次充电事件之前和之后收集电压数据。
10、除了本文描述的一个或多个特征之外，将第一单元识别为缺陷电池单元基于确定第一电池单元的电压大于低于多个电池单元的平均电压的阈值。
11、除了本文描述的一个或多个特征之外，将第二电池单元识别为标称电池单元基于确定第二电池单元的电压在多个电池单元的平均电压的阈值内。
12、在一示例性实施例中，提供了一种包括具有多个锂离子电池单元的电池组的电动车辆。电动车辆还包括控制器，其配置成监测多个锂离子电池单元中的每个的电压电平。控制器还配置为收集电池组中多个电池单元中的每个的电压数据，将多个电池单元中的第一电池单元识别为缺陷电池单元，并将多个电池单元中的第二电池单元识别为标称电池单元。控制器还配置为基于缺陷电池单元和标称电池单元的电压数据计算缺陷电池单元的自放电，基于缺陷电池单元和标称电池单元的电压数据计算缺陷电池单元的容量衰减，以及基于缺陷电池单元的自放电和容量衰减确定缺陷电池单元的缺陷的根本原因。
13、除了本文描述的一个或多个特征之外，根本原因的确定包括创建缺陷电池单元的自放电和缺陷电池单元的容量衰减之间的关系的直方图。
14、除了本文描述的一个或多个特征之外，根本原因的确定还包括将直方图输入到经训练预测模型中。
15、除了本文描述的一个或多个特征之外，经训练预测模型是用标记的电池单元故障数据训练的机器学习模型。
16、除了本文描述的一个或多个特征之外，根本原因的确定包括将直方图与与电池单元退化的已知根本原因相关的多个直方图进行比较。
17、除了本文描述的一个或多个特征之外，控制器还配置为向电池组的制造商提供缺陷电池单元和根本原因的指示。
18、除了本文描述的一个或多个特征之外，控制器还配置为基于电池单元退化的根本原因而去激活电池组中的缺陷电池单元。
19、除了本文描述的一个或多个特征之外，多个电池单元布置成多个组，每个组包括并联连接的多个电池单元中的三个，并且其中多个组中的每个组串联连接。
20、除了本文描述的一个或多个特征之外，在电池组的每次充电事件之前和之后收集电压数据。
21、当结合附图时，从以下详细描述中，本公开的上述特征和优点以及其他特征和优点将变得显而易见。
1.一种用于识别电池组中电池单元退化的根本原因的方法，该方法包括：
2.根据权利要求1所述的方法，其中，所述根本原因的确定包括创建所述缺陷电池单元的自放电和所述缺陷电池单元的容量衰减之间的关系的直方图。
3.根据权利要求2所述的方法，其中，所述根本原因的确定还包括将所述直方图输入到经训练预测模型中。
4.根据权利要求3所述的方法，其中，所述经训练预测模型是用标记的电池单元故障数据训练的机器学习模型。
5.根据权利要求2所述的方法，其中，所述根本原因的确定包括将所述直方图与与电池单元退化的已知根本原因相关的多个直方图进行比较。
6.根据权利要求1所述的方法，还包括向所述电池组的制造商提供所述缺陷电池单元和所述根本原因的指示。
7.根据权利要求1所述的方法，还包括基于所述电池单元退化的根本原因而去激活所述电池组中的缺陷电池单元。
8.根据权利要求1所述的方法，其中，所述多个电池单元布置成多个组，每个组包括并联连接的多个电池单元中的三个，并且其中，所述多个组中的每个组串联连接。
9.一种电动车辆，包括：
10.根据权利要求9所述的电动车辆，其中，所述控制器还配置为基于所述电池单元退化的根本原因而去激活所述电池组中的缺陷电池单元。
