随着传统燃油汽车的发展和普及,车辆的尾气排放给环境带来越来越大的压力,同时还面临着石油资源枯竭的问题。为了应对环境保护和资源紧缺的问题,各个国家都在积极推动和引导新能源汽车的研发和生产,纯电动汽车因其具有系统集成度低、环境友好、节约能源、使用成本低等优点愈加受到用户和车企的青睐。作为未来汽车工业的发展方向,纯电动汽车的动力主要依靠锂离子动力电池提供,锂离子电池较铅酸蓄电池具有工作电压高、能量密度高等优点,但锂离子动力电池作为电动汽车“三电”之一却表现地相对比较脆弱,电池容量的快速衰减导致车辆行驶里程减少仍是亟待解决的问题。基于以上背景,一方面可以通过发展锂电池储能技术解决电动汽车行驶里程不足的问题,如对电池的电极进行氧化物或氢氧化物包覆改性可以提高电池的倍率性能和循环性能。另一方面在现阶段电池技术没有突破性进展情况下,通过对电池工作的实际运营数据进行研究分析,挖掘不良的充电行为对延缓电池容量衰减速度、提高电池使用寿命也至关重要,同时这在一定程度上也有利于降低电动汽车的使用成本以及解决使用者的里程焦虑问题。本文的主要研究内容如下:(1)首先对电动车辆的原始数据进行预处理并统计车辆每次的充电信息,基于密度估计方法量化描述充电行为参数以及安时积分法计算整包容量表征电池健康状态,并对充电容量进行线性回归得到电池包容量衰减率。(2)其次,从统计分析的角度探究充电行为参数与容量衰减率之间的相关性大小以及正负相关性,并对相关性系数进行显著性检验验证。基于GBDT集成学习算法对容量衰减率进行回归分析,由模型评估的角度出发分析每个充电行为参数对于模型的贡献率,由预测模型探究每个充电影响因素与电池容量衰减率之间的关系密切程度大小。(3)最后,对充电行为特征进行PCA降维处理,基于机器学习K-Means聚类算法对充电行为进行聚类分析,根据模型评价指标优化聚类个数。根据聚类结果对比不同类别之间电池容量衰减的快慢,结果表明不同类别之间的衰减速度差异明显。容量衰减速度的影响因素依次是电流、温度、频次、起始SOC、终止SOC。通过以上研究工作,分析了动力电池在实际使用情况中负面影响因素,有望对动力锂电池在电动汽车中的应用提供使用行为建议,以及动力电池梯次利用及在储能方面的可溯源评估有着重要意义。