一种储能系统故障诊断方法、装置、设备及存储介质与流程

本发明涉及储能系统运维，尤其涉及一种储能系统故障诊断方法、装置、设备及存储介质。

背景技术：

1、随着储能系统在调峰调频、可再生能源消纳及电力交易等场景中的广泛应用，其运行规模持续扩大，系统结构日益复杂。典型储能系统由电池簇、bms、pcs、热管理子系统、消防系统、汇流单元及ems等构成。实际运行中，单体电压异常、簇电流偏差、绝缘异常、温升异常、冷却回路失效、接触器拒动、采样漂移、均衡失效及通信中断等故障常非孤立出现，而是通过热、电、控制及结构等多重机制逐步传播。

2、现有故障诊断方法多采用阈值告警、规则匹配、相关性分析或分类模型，虽在单点异常检测方面有效，但在复杂耦合故障下，往往难以确定异常由谁引起、故障如何传播及应优先处置哪个根因节点等关键问题。此外，运行数据具有多变量、高采样频率、工况切换频繁、噪声强及变量间滞后关联显著等特点，若仅基于相关性强弱进行溯源，易将结果停留在伴随症状层面，难以区分根因变量与被动响应变量。

技术实现思路

1、本发明提供了一种储能系统故障诊断方法、装置、设备及存储介质，以提高故障诊断的准确性、可解释性和工程处置效率。

2、根据本发明的一方面，提供了一种储能系统故障诊断方法。该方法包括：

3、获取储能系统的多源运行数据，并将所述多源运行数据进行稳健标准化处理，获得标准运行数据；

4、基于所述标准运行数据，构建包含电池状态节点、热管理节点、电气执行节点和控制指令节点的有向因果图，并根据所述有向因果图中的节点建立各节点间的结构因果模型；

5、基于所述结构因果模型，通过约束时滞回归与条件独立检验对边集合进行筛选，生成所述储能系统运行场景下的运行因果图谱；

6、当检测到所述储能系统出现异常的情况下，基于所述运行因果图谱，经正常工况模型预测，对每一节点计算异常偏离情况，得到每个节点对应的残差异常度，并根据所述每个节点对应的残差异常度，构建异常候选集合；

7、针对所述异常候选集合中的每个异常候选节点，对所述异常候选节点执行虚拟干预分析，计算各所述异常候选节点对关键故障表征节点的平均因果干预效应；

8、根据每个节点对应的残差异常度、平均因果干预效应和预先确定的传播贡献度及工程先验信息，确定每个节点对应的根因综合评分；

9、按照所述根因综合评分从大到小对各节点进行排序，确定一级根因节点，并根据所述一级根因节点，沿所述有向因果图搜索从所述一级根因节点到故障表征节点的最强传播路径，输出故障诊断结果，其中，所述故障诊断结果至少包括一级根因节点、二级关联节点、故障传播主路径、节点评分、定位置信度以及建议处置动作。

10、根据本发明的另一方面，提供了一种储能系统故障诊断装置。该装置包括：

11、数据标准处理模块，用于获取储能系统的多源运行数据，并将所述多源运行数据进行稳健标准化处理，获得标准运行数据；

12、因果模型构建模块，用于基于所述标准运行数据，构建包含电池状态节点、热管理节点、电气执行节点和控制指令节点的有向因果图，并根据所述有向因果图中的节点建立各节点间的结构因果模型；

13、因果图谱生成模块，用于基于所述结构因果模型，通过约束时滞回归与条件独立检验对边集合进行筛选，生成所述储能系统运行场景下的运行因果图谱；

14、异常集合构建模块，用于当检测到所述储能系统出现异常的情况下，基于所述运行因果图谱，经正常工况模型预测，对每一节点计算异常偏离情况，得到每个节点对应的残差异常度，并根据所述每个节点对应的残差异常度，构建异常候选集合；

15、干预效应确定模块，用于针对所述异常候选集合中的每个异常候选节点，对所述异常候选节点执行虚拟干预分析，计算各所述异常候选节点对关键故障表征节点的平均因果干预效应；

16、综合评分确定模块，用于根据每个节点对应的残差异常度、平均因果干预效应和预先确定的传播贡献度及工程先验信息，确定每个节点对应的根因综合评分；

17、诊断结果输出模块，用于按照所述根因综合评分从大到小对各节点进行排序，确定一级根因节点，并根据所述一级根因节点，沿所述有向因果图搜索从所述一级根因节点到故障表征节点的最强传播路径，输出故障诊断结果，其中，所述故障诊断结果至少包括一级根因节点、二级关联节点、故障传播主路径、节点评分、定位置信度以及建议处置动作。

18、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

19、至少一个处理器；以及

20、与所述至少一个处理器通信连接的存储器；其中，

21、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的储能系统故障诊断方法。

22、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的储能系统故障诊断方法。

23、本发明实施例的技术方案，通过构建储能系统多源运行变量的因果图模型，建立异常节点识别、因果边权估计、干预效应量化、根因贡献评分与故障链自动回溯机制，实现储能系统故障从异常告警向根因定位的转化，能够区分致因节点与响应节点，提升诊断准确性，从而解决现有技术中难以区分根因与症状、溯源结果片面、可解释性不足以及现场处置效率低的问题。同时，本发明具备在线闭环更新能力，能够适应不同储能站、不同工况及不同电池老化阶段下的故障诊断需求。

24、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种储能系统故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在所述输出故障诊断结果之后，还包括：基于所述输出故障诊断结果，对所述储能系统进行故障处置，并确定故障处置后的系统状态改善率，动态调整所述因果图谱中相关节点的先验权重及因果边权重，实现在线闭环更新。

3.根据权利要求1所述的方法，其特征在于，所述结构因果模型，如下所示：

4.根据权利要求1所述的方法，其特征在于，所述对每一节点计算异常偏离情况，得到每个节点对应的残差异常度，通过如下方式实现：

5.根据权利要求1所述的方法，其特征在于，所述平均因果干预效应的计算公式，如下所示：

6.根据权利要求1所述的方法，其特征在于，所述传播贡献度的计算公式，如下所示：

7.根据权利要求1所述的方法，其特征在于，所述根因综合评分，通过如下方式确定：

8.一种储能系统故障诊断装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的储能系统故障诊断方法。