一种电池包老化机制分析方法、装置及相关产品

摘要

本申请公开了一种电池包老化机制分析方法、装置及相关产品。该方法以电动汽车的实际使用数据来获得电池包的历史使用数据和异常记录，并从中提取使用工况特征和异常特征，保证了使用工况特征及异常特征与电池包的实际工况的匹配性。此外，电池包的老化机制特征指标是通过非破坏性的电化学分析手段获得的，不需要实验破坏电池包，节省成本。最终通过相关性分析和关联分析获得相应的相关信息和关联信息，能够准确高效地分析出电池包老化机制和使用工况的相关性和关联性，并准确高效地分析出电池包老化机制和电池包异常的相关性和关联性。以该技术方案自动化地进行电池包老化机制分析，具有更强的适用性。

说明书

技术领域

本申请涉及数据分析技术领域，特别是涉及一种电池包老化机制分析方法、装置及相关产品。

背景技术

电池包老化机制分析是电池包研发过程中的一项重要研究项目，同时对电池包的老化机制分析也能够更好地指导电池包的使用和管理。在现有技术中，通常利用循环实验反复对电池包进行充放电，以对其进行老化机制分析。但是循环实验只能涉及较少种类的工况，电池包实际应用中可能涉及到种类非常丰富且复杂的工况，因此以现有的实验方式进行老化机制分析与实际工况可能并不匹配，适用性不足。

此外，通过实验分析电池包的老化机制需要消耗一定的实验成本，例如耗费能源建立特定的电流模式和温度环境。同时也可能需要一定的人力成本。可见，现有的电池包老化机制分析技术成本较高，也无法自动化地实现。

发明内容

基于上述问题，本申请提供了一种电池包老化机制分析方法、装置及相关产品，以自动化方式实现电池包老化机制分析，减少成本，提升与电池包实际工况的匹配性，提升适用性。

本申请实施例公开了如下技术方案：

第一方面，本申请提供了一种电池包老化机制分析方法，包括：

根据大数据平台收集的电动汽车的实际使用数据，获得所述电动汽车的电池包的历史使用数据和异常记录；

根据所述历史使用数据获得所述电池包的使用工况特征；根据所述异常记录获得所述电池包的异常特征；

通过非破坏性的电化学分析手段分析所述历史使用数据，获得所述电池包的老化机制特征指标；

通过相关性分析获得所述使用工况特征与所述老化机制特征指标的第一相关信息，以及获得所述异常特征和所述老化机制特征指标的第二相关信息；通过关联分析获得所述使用工况特征与所述老化机制特征指标的第一关联信息，以及获得所述异常特征和所述老化机制特征指标的第二关联信息。

可选地，所述根据所述历史使用数据获得所述电池包的使用工况特征，包括：

将所述历史使用数据中目标时间区间内目标工况维度的数据按照时间顺序划分为n份，得到n份所述目标工况维度的分段数据；所述n为大于1的整数；

对n份所述目标工况维度的分段数据分别提取特征值；

将n份所述目标工况维度的分段数据各自的特征值按照时间顺序排序，得到所述目标工况维度的特征向量；

根据所述目标工况维度的特征向量获得所述电池包的使用工况特征。

可选地，以上方法还包括：

获得其他m个工况维度的特征向量；所述m为正整数；

根据所述目标工况维度的特征向量和所述其他m个工况维度的特征向量获得使用工况特征矩阵。

可选地，所述根据所述异常记录获得所述电池包的异常特征，包括：

对所述异常记录中记录的电池包异常类型进行编码；

根据所述编码生成所述电池包的异常特征向量；所述编码与电池包异常类型一一对应；所述异常特征向量与电池包异常类型一一对应。

可选地，所述通过非破坏性的电化学分析手段分析所述历史使用数据，获得所述电池包的老化机制特征指标，包括：

通过非破坏性的电化学分析手段分析所述历史使用数据，获得多个不同的老化机制分别对所述电池包的总容量衰减的影响占比；每个老化机制的影响占比作为该老化机制的特征指标；

根据所述多个不同的老化机制分别对所述电池包的总容量衰减的影响占比获得所述电池包的老化机制特征指标向量。

可选地，所述通过相关性分析获得所述使用工况特征与所述老化机制特征指标的第一相关信息，以及获得所述异常特征和所述老化机制特征指标的第二相关信息，包括：

获得所述使用工况特征矩阵和所述老化机制特征指标向量的相关系数作为所述第一相关信息；获得所述异常特征向量和所述老化机制特征指标向量的相关系数作为所述第二相关信息。

可选地，所述通过关联分析获得所述使用工况特征与所述老化机制特征指标的第一关联信息，以及获得所述异常特征和所述老化机制特征指标的第二关联信息，包括：

根据所述使用工况特征矩阵和所述老化机制特征指标向量进行关联分析，获得所述第一关联信息；根据所述异常特征向量和所述老化机制特征指标向量进行关联分析，获得所述第二关联信息。

可选地，以上方法还包括：

根据所述第一相关信息和/或所述第一关联信息对所述电池包的使用工况进行预警、规避提示或对所述电池包进行管理；

和/或，

根据所述第二相关信息和/或所述第二关联信息推测引发所述电池包发生异常的老化机制。

可选地，所述目标工况维度的特征向量为利用自编码器生成的。

可选地，所述非破坏性的电化学分析手段包括以下任意一种，或者包括以下任意多种的组合：

递增容量分析法ICA、差分电压分析法DVA、电化学阻抗谱EIS、电化学模型参数估计或等效电路模型参数估计。

可选地，所述特征值为以下任意一种：

均值、方差、标准差、分位数、最大值或最小值。

第二方面，本申请提供了一种电池包老化机制分析装置，包括：

数据获取模块，用于根据大数据平台收集的电动汽车的实际使用数据，获得所述电动汽车的电池包的历史使用数据和异常记录；

特征获取模块，用于根据所述历史使用数据获得所述电池包的使用工况特征；根据所述异常记录获得所述电池包的异常特征；

特征指标获取模块，用于通过非破坏性的电化学分析手段分析所述历史使用数据，获得所述电池包的老化机制特征指标；

分析模块，用于通过相关性分析获得所述使用工况特征与所述老化机制特征指标的第一相关信息，以及获得所述异常特征和所述老化机制特征指标的第二相关信息；通过关联分析获得所述使用工况特征与所述老化机制特征指标的第一关联信息，以及获得所述异常特征和所述老化机制特征指标的第二关联信息。

第三方面，本申请提供了一种电池包老化机制分析设备，包括处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于根据所述计算机程序执行如第一方面提供的电池包老化机制分析方法。

第四方面，本申请提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器运行时执行如第一方面提供的电池包老化机制分析方法。

相较于现有技术，本申请具有以下有益效果：

本申请提供的电池包老化机制分析方法，该方法以电动汽车的实际使用数据来获得电池包的历史使用数据和异常记录，并从中提取使用工况特征和异常特征，保证了使用工况特征及异常特征与电池包的实际工况的匹配性。此外，电池包的老化机制特征指标是通过非破坏性的电化学分析手段获得的，不需要实验破坏电池包，节省成本。最终通过相关性分析和关联分析获得相应的相关信息和关联信息，能够准确高效地分析出电池包老化机制和使用工况的相关性和关联性，并准确高效地分析出电池包老化机制和电池包异常的相关性和关联性。以该技术方案自动化地进行电池包老化机制分析，具有更强的适用性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种电池包老化机制分析方法的流程图；

图2为本申请实施例提供的一种电池包老化机制分析装置的结构示意图。

具体实施方式

正如前文描述，目前通过循环实验对电池包的老化进行分析存在一定的局限性。具体地，实验时建立的工况与电池包实际使用时面临的工况相比，类型少且更加简单，因此以实验工况对电池包进行衰减分析获得的分析结果与实际工况匹配度较低，适用性较差。同时消耗了实验成本，无法自动化地执行分析。

对于上述问题，发明人经过研究提供了一种电池包老化机制分析方法、装置及相关产品。以非破坏性的电化学分析手段得到电池包的老化机制特征指标，并且结合实际工况下电池包的异常记录和使用数据来对电池包的衰减进行分析。提升了分析的准确性，使分析获得的相关信息和关联信息与实际工况更加匹配。分析结果具有更强的适用性。同时，节约了实验成本。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参见图1，该图为本申请实施例提供的一种电池包老化机制分析方法的流程图。如图1所示，该方法包括：

S101：根据大数据平台收集的电动汽车的实际使用数据，获得电动汽车的电池包的历史使用数据和异常记录。

电动汽车的实际使用数据是指电动汽车与使用过程相关的数据，这些数据可以中包括直接采集到的数据(例如温度、电压、电流等)，也可以包括对采集到的数据通过计算和/或估测获得的数据(例如内阻、电池荷电状态、电池健康状态等)。具体实现时，车上的传感器和电池管理系统可以采集的实际使用数据上传至大数据平台。作为示例，车上的传感器可以包括但不限于：温度传感器、电流传感器等。对于电池管理系统，其可以自动检测电动汽车上电池包的异常，并记录下来。另外，也可以在车上电池包内部或外部配置异常检测器件，由异常检测器件将与电池包异常相关的数据作为实际使用数据的一部分上传到大数据平台。同时，在本步骤中，也可以在基于大数据平台，分析车辆的实际使用数据检测电池包的异常，得到异常记录。

在S101中，根据大数据本平台收集的电动汽车的实际使用数据，可以获得电动汽车电池包的历史使用数据和异常记录。由于实际使用数据和异常记录均不是对应于特定的一种或几种工况，而是在实际复杂多变的工况下的实际使用数据中得到的，因此比起现有技术中实验建立的工况，数据来源更加真实、多样化且匹配实际。

从电动汽车的实际使用数据中提取电池包的历史使用数据和异常记录属于本领域比较容易实现的操作，因此此处不加赘述。作为示例，可以通过索引特定的关键字或者日期来获得电池包的历史使用数据和异常记录。

S102：根据历史使用数据获得电池包的使用工况特征；根据异常记录获得电池包的异常特征。

电池包的使用工况特征可以通过向量或者矩阵的方式表示。电池包的异常特征可以通过向量的方式表示。

电池包的工况可能建立在一种或多种工况维度下。本申请实施例中，电池包的工况维度可以包括：温度、电流、电压、电量积分值、功率等。作为一种可能的实现方式，根据历史使用数据获得电池包的使用工况特征，可以包括：

将历史使用数据中目标时间区间内目标工况维度的数据按照时间顺序划分为n份，得到n份目标工况维度的分段数据。对n份目标工况维度的分段数据分别提取特征值。将n份目标工况维度的分段数据各自的特征值按照时间顺序排序，得到目标工况维度的特征向量。根据目标工况维度的特征向量获得电池包的使用工况特征。

其中，n为大于1的整数，目标工况维度可以为以上任意一种工况维度。此处仅以一种工况维度(即目标工况维度)作为示例进行描述。

作为示例，目标工况维度为温度，电池包的温度在目标时间区间内连续变化。假设目标时间区间为1小时，n＝60，以上描述的实现方式中及时将1小时的历史使用数据按照时间顺序分成60份分段数据，每分钟一份。可以将60份分段数据提取温度特征值。特征值可以为均值、方差、标准差、分位数、最大值或最小值中的任意一种。作为示例，60份分段数据的特征值分别为T1,T2,…T60(按照时间顺序)。则目标工况维度的特征向量可以表示为[T1T2…T60]。以上目标工况维度可以直接作为电池包的使用工况特征。

另外，在一些可能的场景中，需要基于多种工况维度来获得电池包的使用工况。假设共有m+1个工况维度(m为正整数)，其中一个为前述的目标工况维度，则依照上述方式还可以获得其他m个工况维度的特征向量。其后根据目标工况维度的特征向量和其他m个工况维度的特征向量组成使用工况特征矩阵。最终将该使用工况特征矩阵作为电池包的使用工况特征。利用同维度的多个向量组成矩阵属于比较成熟的技术，此处不做限制。可以理解的是，在使用工况特征矩阵中每一行代表一个工况维度。

在其他可能的实现方式中，各个工况维度的特征向量还可以通过预先训练好的自编码器产生。将电池包的历史使用数据导入自编码器结合获得输出的工况维度的特征向量。故此处对于工况维度的特征向量的产生方式不做限制。

电池包的异常记录中可能包含电池包的多种异常类型，例如放电功率过低、温升异常等。在一种可能的实现方式中，根据异常记录获得电池包的异常特征，可以包括：

对异常记录中记录的电池包异常类型进行编码，根据编码生成电池包的异常特征向量。其中，编码与电池包异常类型一一对应。因此，异常特征向量与电池包异常类型一一对应。下面结合示例进行解释说明。

例如，共计10种异常类型，可以通过10位二进制编码表示不同的异常类型。例如10种异常类型编码分别为：1000000000，0100000000，0010000000，0001000000，0000100000，0000010000，0000001000，0000000100，0000000010，0000000001。基于上述异常编码可以分别生成如下10个异常特征向量：[1 0 0 0 0 0 0 0 0 0]，[0 1 0 0 0 0 0 0 0 0]，[0 0 10 0 0 0 0 0 0]，[0 0 0 1 0 0 0 0 0 0]，[0 0 0 0 1 0 0 0 0 0]，[0 0 0 0 0 1 0 0 00]，[0 0 0 0 0 0 1 0 0 0]，[0 0 0 0 0 0 0 1 0 0]，[0 0 0 0 0 0 0 0 1 0]，[0 0 0 00 0 0 0 0 1]。

上述的编码方式仅为示例，在实际应用中还可以通过其他的编码方式来表示不同的异常类型。此处不做限制。

S103：通过非破坏性的电化学分析手段分析所述历史使用数据，获得电池包的老化机制特征指标。

具体实现S103时，可以首先通过非破坏性的电化学分析手段分析所述历史使用数据，获得多个不同的老化机制分别对电池包的总容量衰减的影响占比；每个老化机制的影响占比作为该老化机制的特征指标；其后，根据多个不同的老化机制分别对电池包的总容量衰减的影响占比获得电池包的老化机制特征指标向量。

下面提供几种可选的非破坏性的电化学分析手段：

递增容量分析法(Incremental Capacity Analysis,ICA)、差分电压分析法(Differential Voltage Analysis,DVA)、电化学阻抗谱(Electrochemical ImpedanceSpectroscopy,EIS)、电化学模型参数估计或等效电路模型参数估计。

本步骤在具体实现时，可以依据一种非破坏性的电化学分析手段获得每个老化机制的影响占比，将影响占比作为老化机制的特征指标。可选地，还可以依据多种非破坏性的电化学分析手段获得每个老化机制的影响占比，在结合不同分析手段获得的影响占比得到老化机制的特征指标。例如，对每个电化学分析手段的分析结果(即影响占比)配置权重，加权求和后获得老化机制的特征指标。

电池包的老化机制有多种，为便于理解，以下举出几个老化机制的示例：

老化机制A、电池正负极活性材料损耗；

老化机制B、电池锂离子损耗(是指锂离子与正负极物质和电解液发生反应造成的损耗)；

老化机制C、电池内阻增加；

老化机制D、析锂(又称锂析出，是指在电池负极形成金属锂)。

下面以一种电化学分析手段获得每个老化机制的影响占比，并以该一种电化学分析手段获得的影响占比得到老化机制特征指标向量作为示例进行描述。

假设采用DVA分析出老化机制A、老化机制B、老化机制C、老化机制D对电池包的总容量衰减的影响占比分别为10％、30％、30％和30％。因此，老化机制A、老化机制B、老化机制C、老化机制D的特征指标依次为10％、30％、30％和30％。形成的老化机制特征指标向量表示为[0.1 0.30.3 0.3]。

S104：通过相关性分析获得使用工况特征与老化机制特征指标的第一相关信息，以及获得异常特征和老化机制特征指标的第二相关信息；通过关联分析获得使用工况特征与老化机制特征指标的第一关联信息，以及获得异常特征和老化机制特征指标的第二关联信息。

相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。关联分析的作用是挖掘出形如“由于某些事件的发生而引起另外一些事件的发生”的规则，例如某种异常类型常伴随着某种老化机制的高影响占比。关联分析不限于挖掘线性关联，还可以挖掘非线性的关联。

前面提到，可以通过向量或矩阵表征电池包的使用工况特征，可以通过向量表征电池包的异常特征，可以通过向量表征电池包的各种老化机制的特征指标。因此，S104的具体中可以基于向量和向量，或者矩阵和向量，进行相关性分析和关联分析。

相关性分析中，可以获得使用工况特征矩阵和老化机制特征指标向量的相关系数作为第一相关信息；获得异常特征向量和老化机制特征指标向量的相关系数作为第二相关信息。相关性分析获得相关系数的实现方式包括多种，例如皮尔逊系数，此处不做限制。

关联分析中，根据使用工况特征矩阵和老化机制特征指标向量进行关联分析，获得第一关联信息；根据异常特征向量和老化机制特征指标向量进行关联分析，获得第二关联信息。关联分析的方法有多种，例如：Apriori算法、FP-growth算法等，此处不做限制。

第一关联信息包括每个工况维度与每个老化机制的关联概率。第二关联信息包括每个电池包异常类型与每个老化机制的关联概率。在一种可能实现方式中，第一关联信息和第二关联信息还可以分别包括：置信度、提升度和支持度三个指标。

以上为本申请实施例提供的电池包老化机制分析方法。该方法以电动汽车的实际使用数据来获得电池包的历史使用数据和异常记录，并从中提取使用工况特征和异常特征，保证了使用工况特征及异常特征与电池包的实际工况的匹配性。此外，电池包的老化机制特征指标是通过非破坏性的电化学分析手段获得的，不需要实验破坏电池包，节省成本。最终通过相关性分析和关联分析获得相应的相关信息和关联信息，能够准确高效地分析出电池包老化机制和使用工况的相关性和关联性，并准确高效地分析出电池包老化机制和电池包异常的相关性和关联性。以该方法自动化地进行电池包老化机制分析，具有更强的适用性。

结合上文描述的技术方案，在S101中首先要根据大数据平台收集的电动汽车的实际使用数据，获得电动汽车的电池包的历史使用数据和异常记录。其后基于这些数据进行电池老化分析。需要说明的是，本申请技术方案中是利用多种不同车型的电动汽车的不同类型电池包的历史使用数据和异常记录作为分析基础，则得到的相关信息和关联信息作为对这些不同类型电池包的普适的老化分析结果。若目标是为了对特定类型的电池包进行老化分析，则在步骤S101中以该特定类型的电池包的历史使用数据和异常记录作为该技术方案执行老化分析的数据基础。

在以上实施例描述的技术方案基础上，可以获得使用工况特征与老化机制特征指标的第一相关信息、异常特征和老化机制特征指标的第二相关信息、使用工况特征与老化机制特征指标的第一关联信息和异常特征和老化机制特征指标的第二关联信息。

在这些相关信息和关联信息的基础上，本申请实施例提供的电池包老化机制分析方法还可以对其进行应用。例如，方法还包括：

根据第一相关信息和/或第一关联信息对电池包的使用工况进行预警、规避提示或对电池包进行管理；和/或，根据第二相关信息和/或第二关联信息推测引发电池包发生异常的老化机制。

当根据第一相关信息和/或第一关联信息分析出某种使用工况与某种老化机制强相关时，可以在电芯厂提供的电池包使用说明中提供对该使用工况的规避提示。此外，可以在到达该工况时，车辆上产生预警信息，以提示驾驶员该工况可能造成对电池老化产生影响。另外，电池管理系统也可以依据第一相关信息和/或第一关联信息，作为参考，对电池包进行电流、电压等方面的管理，以限制进入该特定的使用工况，减缓电池包老化。

可以理解的是，如果第二相关信息和/或第二关联信息揭示出电池包的某种异常类型和某种老化机制常常伴随发生，则当该种类型的异常发生时，可以推断出异常很可能是由于该种老化机制引起的。

基于以上描述可知，通过老化机制分析获得的第一相关信息、第二相关信息、第一关联信息和第二关联信息能够用以指导电池包的研发、使用和管理，降低电池包的老化速度，抑制使用风险。

基于前述实施例提供的电池包老化机制分析方法，相应地，本申请还提供一种电池包老化机制分析装置。以下结合实施例进行具体的阐述。

图2为本申请实施例提供的一种电池包老化机制分析装置的结构示意图。如图2所示，该电池包老化机制分析装置200包括：

数据获取模块201，用于根据大数据平台收集的电动汽车的实际使用数据，获得所述电动汽车的电池包的历史使用数据和异常记录；

特征获取模块202，用于根据所述历史使用数据获得所述电池包的使用工况特征；根据所述异常记录获得所述电池包的异常特征；

特征指标获取模块203，用于通过非破坏性的电化学分析手段分析所述历史使用数据，获得所述电池包的老化机制特征指标；

分析模块204，用于通过相关性分析获得所述使用工况特征与所述老化机制特征指标的第一相关信息，以及获得所述异常特征和所述老化机制特征指标的第二相关信息；通过关联分析获得所述使用工况特征与所述老化机制特征指标的第一关联信息，以及获得所述异常特征和所述老化机制特征指标的第二关联信息。

可选地，所述特征获取模块202，包括：

第一获取单元，用于将所述历史使用数据中目标时间区间内目标工况维度的数据按照时间顺序划分为n份，得到n份所述目标工况维度的分段数据；所述n为大于1的整数；对n份所述目标工况维度的分段数据分别提取特征值；将n份所述目标工况维度的分段数据各自的特征值按照时间顺序排序，得到所述目标工况维度的特征向量；

使用工况特征获取单元，用于根据所述目标工况维度的特征向量获得所述电池包的使用工况特征。

可选地，所述特征获取模块202，还包括：

第二获取单元，用于获得其他m个工况维度的特征向量；所述m为正整数；

使用工况特征矩阵获取单元，用于根据所述目标工况维度的特征向量和所述其他m个工况维度的特征向量获得使用工况特征矩阵。

可选地，所述特征获取模块202，还包括：

编码单元，用于对所述异常记录中记录的电池包异常类型进行编码；

异常特征向量获取单元，用于根据所述编码生成所述电池包的异常特征向量；所述编码与电池包异常类型一一对应；所述异常特征向量与电池包异常类型一一对应。

可选地，特征指标获取模块203，包括：

特征指标获取单元，用于通过非破坏性的电化学分析手段分析所述历史使用数据，获得多个不同的老化机制分别对所述电池包的总容量衰减的影响占比；每个老化机制的影响占比作为该老化机制的特征指标；

特征指标向量获取单元，用于根据所述多个不同的老化机制分别对所述电池包的总容量衰减的影响占比获得所述电池包的老化机制特征指标向量。

可选地，分析模块204包括第一分析单元，用于获得所述使用工况特征矩阵和所述老化机制特征指标向量的相关系数作为所述第一相关信息；获得所述异常特征向量和所述老化机制特征指标向量的相关系数作为所述第二相关信息。

可选地，分析模块204还包括第二分析单元，用于根据所述使用工况特征矩阵和所述老化机制特征指标向量进行关联分析，获得所述第一关联信息；根据所述异常特征向量和所述老化机制特征指标向量进行关联分析，获得所述第二关联信息。

可选地，电池包老化机制分析装置200，还包括：

信息第一应用模块，用于根据所述第一相关信息和/或所述第一关联信息对所述电池包的使用工况进行预警、规避提示或对所述电池包进行管理；

和/或，

信息第二应用模块，用于根据所述第二相关信息和/或所述第二关联信息推测引发所述电池包发生异常的老化机制。

基于以上描述可知，通过老化机制分析获得的第一相关信息、第二相关信息、第一关联信息和第二关联信息能够用以指导电池包的研发、使用和管理，降低电池包的老化速度，抑制使用风险。

可选地，所述目标工况维度的特征向量为利用自编码器生成的。

可选地，所述非破坏性的电化学分析手段包括以下任意一种，或者包括以下任意多种的组合：

递增容量分析法ICA、差分电压分析法DVA、电化学阻抗谱EIS、电化学模型参数估计或等效电路模型参数估计。

可选地，特征值为以下任意一种：

均值、方差、标准差、分位数、最大值或最小值。

基于前述实施例提供的电池包老化机制分析方法和装置，相应地，本申请还提供一种电池包老化机制分析设备，包括处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于根据所述计算机程序执行如前述方法实施例提供的电池包老化机制分析方法。

基于前述实施例提供的电池包老化机制分析方法、装置和设备，相应地，本申请还提供一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器运行时执行如前述方法实施例提供的电池包老化机制分析方法。

以上所述，仅为本申请的一种具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。