1.一种新能源汽车动力电池组故障诊断方法，其特征在于，包括获取电池组电压数据并对其进行数据清洗后进行FEF特征提取，从提取的FEF特征中确定放电参考曲线，放电参考曲线即为参考单体电池的放电参考曲线；具体是获取电池组电压数据对其进行数据清洗后建立电压矩阵 ；

对电压矩阵 利用FEF方法提取新的特征，FEF的计算公式如下：， 表示第j采样时刻的所有单体平均电压值，

表示第j时刻的第k个单体的电压值；保存每个单体在每个采样时刻下的FEF特征值，得到最终的特征矩阵 ；

获取待测单体电池电压数据并对其进行数据清洗后进行FEF特征提取，获取待测电池放电曲线，将待测电池放电曲线与放电参考曲线进行比较并计算两者最优路径，并设置自适应阈值，若最优路径DS大于设定阈值T，则认为该单体k为故障单体。

2.根据权利要求1所述的一种新能源汽车动力电池组故障诊断方法，其特征在于，构建由k个电池单体组成的动力电池组单体矩阵 ， n是采样时刻的次数；

基于K‑means聚类的方法求取第j个时刻的k个单体中的簇中心点 ；

将K‑means聚类的计算结果构建成一个簇中心矩阵C；

比较各时刻与簇中心值最相近的单体电池，该单体即为参考单体电池。

3.根据权利要求2所述的一种新能源汽车动力电池组故障诊断方法，其特征在于，设定一个区间半径 ，并令簇中心范围矩阵 为在特征矩阵 中，寻找第j个时刻的，属于 的电池单体；

记录j个时刻内所有符合要求的单体号N，

M表示单体在j时刻内符合要求的出现次数，选择M中前p个次数最多的单体号，求取平均值即为参考单体电池，即：其中，k_max为取M中前p个次数最多的单体号， 为k_max单体的特征曲线， 为参考单体。

4.根据权利要求1所述的一种新能源汽车动力电池组故障诊断方法，其特征在于，定义被检测的单体曲线为 ，计算两者的最优路径  ， 表示

与 的DTW算法计算结果；设置阈值T，若 大于阈值T，则认为该单体k为故障单体，反之，认为当前单体k为正常单体， 表示单体k的最优路径； 为单体放电过程的理想曲线； 被检测的单体曲线。

5.根据权利要求1所述的一种新能源汽车动力电池组故障诊断方法，其特征在于，阈值T设定为式中，mean为当前时刻所有单体DS的平均值，std为当前时刻所有单体DS的标准差，即T为1.3倍的 原则。

6.根据权利要求1所述的一种新能源汽车动力电池组故障诊断方法，其特征在于，对采集到的电压数据进行判断，并且：若数据采样点的数量小于Num个，则当前获取电池组电压数据无效；

若数据采样点的数量大于Num个，则利用局部加权回归算法对当前采集的电池组电压数据进行数据清洗，去除异常数据点。

7.一种新能源汽车动力电池组故障诊断系统，其特征在于，包括：第一模块：被配置为用于获取电池组电压数据并对其进行数据清洗后进行FEF特征提取，从提取的FEF特征中确定放电参考曲线，放电参考曲线即为参考单体电池的放电参考曲线；具体是获取电池组电压数据对其进行数据清洗后建立电压矩阵 ；

对电压矩阵 利用FEF方法提取新的特征，FEF的计算公式如下：， 表示第j采样时刻的所有单体平均电压值，

表示第j时刻的第k个单体的电压值；保存每个单体在每个采样时刻下的FEF特征值，得到最终的特征矩阵 ；

第二模块：被配置为用于获取待测单体电池电压数据并对其进行数据清洗后进行FEF特征提取，获取待测电池放电曲线，将待测电池放电曲线与放电参考曲线进行比较并计算两者的最优路径值，并设置自适应阈值T，若最优路径DS大于设定阈值T，则认为该单体i为故障单体。