1.基于数据驱动的动力电池安全风险评估方法，其特征在于，包括如下步骤：

S1、采集动力电池在静置阶段的电压、温度及荷电状态，同步获取末次充放电电流值及充放电模式；

S2、提取末次充放电电流值的斜率极值点，基于充放电模式对斜率极值点进行权重修正，识别静置阶段电压曲线的几何形态突变点时序；

S3、建立斜率极值点与几何形态突变点的滞后时间映射关系，筛选时滞超限的异常拐点；

S4、根据异常拐点的分布密度和静置阶段电压弛豫曲线的分形维度衰减特性，分析历史工况对电极材料微观缺陷的累积损伤，结合荷电状态生成动态阈值区间；

S5、对静置阶段的电压进行时频变换，提取频域能量重心偏移量及时域波动包络线，对静置阶段的温度提取时滞相位差；

S6、基于时域波动包络线是否处于动态阈值区间内以及时滞相位差是否低于预设临界值的判断结果，进行安全风险判定。

2.根据权利要求1所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，采集动力电池在静置阶段的电压、温度及荷电状态，同步获取末次充放电电流值及充放电模式，包括：S1‑1、在动力电池进入静置阶段时，以第一预设采样频率连续采集静置电压数据，以第二预设采样频率连续采集静置温度数据，并通过电池管理系统实时获取荷电状态数据；

S1‑2、在动力电池结束末次充放电时，记录充放电结束时刻的电流值作为末次充放电电流值，并获取充放电过程中充放电模式分类标识，充放电模式分类标识包括恒流充电、脉冲放电及恒压充电中的至少一种；

S1‑3、将静置电压数据、静置温度数据及荷电状态数据的时间戳与末次充放电电流值及充放电模式分类标识的时间戳对齐，生成时间同步的静置阶段数据集。

3.根据权利要求1所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，提取末次充放电电流值的斜率极值点，基于充放电模式对斜率极值点进行权重修正，识别静置阶段电压曲线的几何形态突变点时序，包括：S2‑1、基于充放电模式分类标识对末次充放电电流曲线的斜率变化特征进行模式适配性筛选，其中脉冲放电模式保留充放电切换阶段的斜率极值点，恒流充电模式保留充电截止阶段的斜率极值点；

S2‑2、对筛选后的斜率极值点进行动态权重修正，脉冲放电模式下的极值点根据其对应充放电切换速率的非线性关系调整权重系数，恒流充电模式下的极值点根据充电截止电流梯度调整权重系数；

S2‑3、对静置阶段电压曲线的几何形态突变点进行多尺度曲率分析，提取曲率变化方向与幅度异常的突变点，生成几何形态突变点时序序列。

4.根据权利要求1所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，建立斜率极值点与几何形态突变点的滞后时间映射关系，筛选时滞超限的异常拐点，包括：S3‑1、将加权修正后的斜率极值点时间序列与几何形态突变点时序序列进行时间差匹配，计算每个斜率极值点与其后首个几何形态突变点的时间差，生成原始时滞数据集；

S3‑2、根据充放电模式分类标识设定动态时滞匹配窗口，脉冲放电模式下的匹配窗口基于充放电切换速率与弛豫速率的反向关联关系动态调整，恒流充电模式下的匹配窗口基于充电截止电流梯度与材料应力释放速率的反向关联关系动态调整；

S3‑3、在动态时滞匹配窗口内筛选原始时滞数据，剔除窗口外的时间差数据，保留窗口内的时滞数据作为有效时滞集合；

S3‑4、基于历史健康电池的时滞数据统计分布特征，计算有效时滞集合的基准区间，将偏离基准区间的时滞点标记为异常拐点。

5.根据权利要求1所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，根据异常拐点的分布密度和静置阶段电压弛豫曲线的分形维度衰减特性，分析历史工况对电极材料微观缺陷的累积损伤，结合荷电状态生成动态阈值区间，包括：S4‑1、统计单位时间内异常拐点的出现频次，结合异常拐点在电压曲线上分布的聚集程度计算异常拐点分布密度；

S4‑2、对静置阶段电压弛豫曲线进行分形维度衰减速率计算，提取分形维度随时间变化的平均下降速率作为分形维度衰减特性；

S4‑3、基于异常拐点分布密度与分形维度衰减特性的加权融合结果，量化历史工况对电极材料微观缺陷的累积损伤程度；

S4‑4、根据荷电状态对累积损伤程度进行补偿修正，生成随荷电状态非线性变化的动态阈值区间。

6.根据权利要求5所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，步骤S4‑2包括：S4‑2a、对静置阶段电压弛豫曲线进行分形维度序列计算，通过多时间窗口滑动计算分形维度值，生成分形维度随时间变化的衰减序列；

S4‑2b、基于电极材料应力释放与离子扩散路径的关联关系，提取衰减序列中分形维度下降速率与曲率变化方向的动态耦合特征，其中分形维度下降速率与曲率变化方向为同向时标记为快速衰减段，反向时标记为缓变衰减段；

S4‑2c、统计快速衰减段的累计时长占比及缓变衰减段的曲率跃变次数，生成分形维度衰减特性量化指标。

7.根据权利要求1所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，对静置阶段的电压进行时频变换，提取频域能量重心偏移量及时域波动包络线，对静置阶段的温度提取时滞相位差，包括：S5‑1、对静置阶段电压数据进行小波包变换，划分预设频段并计算各预设频段能量分布，提取频域能量重心偏移量为各时刻重心频率与标准健康电池对应频段基准频率的差值；

S5‑2、基于动态阈值区间过滤频域能量重心偏移量的干扰分量；

S5‑3、对电压数据时域波形进行希尔伯特变换，提取时域波动包络线为电压幅值随时间变化的上下包络线均值；

S5‑4、对静置阶段温度数据序列进行互相关分析，计算其相对于电压曲线包络线的时滞相位差，时滞相位差为互相关函数峰值对应的时间偏移量。

8.根据权利要求1所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，基于时域波动包络线是否处于动态阈值区间内以及时滞相位差是否低于预设临界值的判断结果，进行安全风险判定，包括：若时域波动包络线处于动态阈值区间内且时滞相位差低于预设临界值，则判定为电极材料微观缺陷与弛豫效应的叠加干扰；否则，匹配频域能量重心偏移量与预设故障的频域指纹库，触发分级告警。

9.根据权利要求8所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，预设故障的频域指纹库构建逻辑为：对已知内短路故障及析锂故障类型的动力电池进行标准化充放电测试，采集静置阶段的电压数据并提取频域能量重心偏移量特征，其中内短路故障在低频段呈现能量重心持续正向偏移特征，析锂故障在中频段呈现周期性波动偏移特征；将不同故障模式的特征与对应频段的能量分布规律关联映射，形成以故障类型为索引、频域能量重心偏移模式为特征的频域指纹库，低频段对应内短路故障的正向偏移模式，中频段对应析锂故障的周期性波动模式。

10.基于数据驱动的动力电池安全风险评估系统，用于实现权利要求1‑9任一项所述的基于数据驱动的动力电池安全风险评估方法，其特征在于，包括：静置数据采集模块：采集动力电池在静置阶段的电压、温度及荷电状态，同步获取末次充放电电流值及充放电模式；

极值权重修正模块：提取末次充放电电流值的斜率极值点，基于充放电模式对斜率极值点进行权重修正，识别静置阶段电压曲线的几何形态突变点时序；

时滞筛选分析模块：建立斜率极值点与几何形态突变点的滞后时间映射关系，筛选时滞超限的异常拐点；

分形动态阈值模块：根据异常拐点的分布密度和静置阶段电压弛豫曲线的分形维度衰减特性，分析历史工况对电极材料微观缺陷的累积损伤，结合荷电状态生成动态阈值区间；

时频特征提取模块：对静置阶段的电压进行时频变换，提取频域能量重心偏移量及时域波动包络线，对静置阶段的温度提取时滞相位差；

安全风险判定模块：基于时域波动包络线是否处于动态阈值区间内以及时滞相位差是否低于预设临界值的判断结果，进行安全风险判定。