电池动态电压故障诊断方法、系统、设备及存储介质与流程
本发明属于电化学储能,具体涉及电池动态电压故障诊断方法、系统、设备及存储介质。
背景技术:
1、随着锂离子电池、钠离子电池等电化学储能技术在新能源电站与新能源汽车领域规模化应用。大容量储能电池通常由数十至数百节单体电芯串联组成,充放电动态工况下易出现负极析锂、内阻抬升或微短路导致的电压跌落等问题,动态电压时序曲线是电池早期故障预警与安全诊断的重要数据源。
2、当前储能电站电芯电压安全预警以bms(battery management system,电池管理系统)固定静态阈值方案为主,少量优化方案引入dbscan(density-based spatialclustering of applications with noise,一种基于密度的聚类算法)密度聚类算法开展离群故障检测,但现有技术存在以下缺陷:其一,dbscan邻域半径与最小簇点数采用人工固定参数,不同电芯体系、串联串数、温度环境下电压离散基线差异显著,固定参数易导致聚类过分割或过合并,误报漏报严重且部署成本高;其二,仅依赖单一聚类结果或线性拟合特征,无法区分析锂、内阻劣化、微短路、均衡失效等故障根因,运维效率低;其三,缺乏历史时序交叉验证机制,瞬时电流冲击、连接器虚接或电磁干扰引起的单帧电压偏移易触发大量误报,造成告警疲劳;其四,仅输出异常/正常二元信号,未建立故障分级体系,未与bms主动控制策略形成闭环,也无法与温度、绝缘等数据融合支撑综合健康评分。
3、综上,现有技术在参数自适应性、故障根因识别、抗干扰能力及运维闭环方面存在明显缺陷,亟需一种参数自适应寻优、多维特征融合判别、时序加权校验及故障分级闭环的诊断方法。
技术实现思路
1、本发明的目的在于克服dbscan参数固化导致全工况适配性差与误报漏报、单一电压特征无法区分故障根因、单帧判定抗干扰能力弱以及缺乏故障分级闭环与量化评估的问题,提出了电池动态电压故障诊断方法、系统、设备及存储介质。
2、为达到上述目的,本发明采用如下技术方案:
3、第一方面,本发明提供电池动态电压故障诊断方法,包括以下步骤:
4、采集电池簇中各单体电芯的动态时序数据,对动态时序数据进行预处理后,筛选有效荷电状态soc区间的单体电压数据,构建有效数据集;
5、基于有效数据集计算各样本的k近邻距离,将各样本的k近邻距离按照大小排列生成k近邻距离曲线,依据k近邻距离曲线的肘部法则确定初始邻域半径,依据动态时序数据中的电芯温度对初始邻域半径进行温度补偿修正,得到邻域半径,依据电池簇的串联电芯总数确定最小簇点数,采用邻域半径与最小簇点数对有效数据集执行dbscan密度聚类,依据聚类结果识别离群电芯;
6、从动态时序数据中截取离群电芯的充放电电压曲线,对充放电电压曲线进行分段线性拟合,提取拟合特征参数,将拟合特征参数与电池簇中的正常电芯的拟合特征参数进行对比,依据对比结果划分故障大类并生成故障标记;
7、建立离群电芯的历史诊断滑动窗口,对历史诊断滑动窗口内各历史时段的故障标记赋予时序衰减权重,依据时序衰减权重加权计算故障置信概率,依据故障置信概率从离群电芯中判定持续性故障电芯;
8、依据动态时序数据计算持续性故障电芯的直流内阻,并依据持续性故障电芯静置状态下的开路电压时序数据计算自放电率,依据直流内阻与自放电率对故障大类进行复核,依据复核结果确定故障类型与故障等级,依据故障等级输出bms调控策略与运维方案。
9、进一步地,依据k近邻距离曲线的肘部法则确定初始邻域半径包括:
10、取k为电池簇串联电芯总数的预设比例,遍历计算有效数据集中每个样本点到第k近邻样本点的距离,将全部k近邻距离按升序排列生成k近邻距离曲线,采用二阶差分法识别k近邻距离曲线的拐点,将拐点处的距离确定为初始邻域半径。
11、进一步地,依据动态时序数据中的电芯温度对初始邻域半径进行温度补偿修正包括:
12、将电芯温度划分为低温区间、常温区间与高温区间,分别为低温区间、常温区间与高温区间设置递减的温度补偿修正系数,邻域半径的计算公式如下式所示:
13、
14、其中,eps为邻域半径,eps0为初始邻域半径,为电芯实时温度t所属区间的温度补偿修正系数。
15、进一步地,依据电池簇的串联电芯总数确定最小簇点数包括:
16、按照下式计算最小簇点数:
17、
18、其中,minpts为最小簇点数,n为电池簇的串联电芯总数,m为比例基准参数,floor为向下取整运算;
19、依据聚类结果识别离群电芯包括:
20、统计dbscan密度聚类输出的聚类簇数量;
21、聚类簇数量为一时,判定全部电芯无故障;
22、聚类簇数量大于二时,判定全簇电芯离散劣化并标记各聚类簇中的电芯编号;
23、聚类簇数量为二时,将样本数量较少的聚类簇中的电芯识别为离群电芯。
24、进一步地,拟合特征参数包括斜率与截距;依据对比结果划分故障大类并生成故障标记包括:
25、依据斜率与截距确定充电阶段与放电阶段离群电芯的电压相对于电池簇中的正常电芯的电压的高低关系;
26、充电阶段电压高于电池簇中的正常电芯且放电阶段电压低于电池簇中的正常电芯时,划分至内阻析锂类故障并生成故障标记;
27、充电阶段与放电阶段电压均低于电池簇中的正常电芯时,划分至微短路自放电类故障并生成故障标记。
28、进一步地,依据时序衰减权重加权计算故障置信概率包括:
29、设置历史诊断滑动窗口包含连续多个历史时段,为距离当前时段由近及远的各历史时段赋予逐段递减的权重值,按照下式计算故障置信概率:
30、
31、其中,p为故障置信概率,ωi为第i个历史时段的权重值,flagi为第i个历史时段的故障标记,i为历史时段的序号,d为最远历史时段的序号;
32、故障置信概率大于预设阈值时判定为持续性故障电芯。
33、进一步地,对内阻析锂类故障进行复核包括:
34、按照下式计算放电直流内阻:
35、
36、其中,为放电直流内阻,为放电电压变化量,i为放电电流;
37、按照下式将放电直流内阻归一化至参考温度:
38、
39、其中,为归一化内阻,为温度归一化修正系数,为电芯实时温度,为参考温度;
40、将归一化内阻与内阻阈值比较,未超过内阻阈值时确定为内阻轻度劣化故障类型并定为中度故障等级,超过内阻阈值时确定为内阻严重劣化故障类型并定为重度故障等级。
41、第二方面,本发明提供电池动态电压故障诊断系统,包括:
42、有效数据筛选模块,用于采集电池簇中各单体电芯的动态时序数据,对动态时序数据进行预处理后,筛选有效荷电状态soc区间的单体电压数据,构建有效数据集;
43、离群电芯识别模块,用于基于有效数据集计算各样本的k近邻距离,,将各样本的k近邻距离按照大小排列生成k近邻距离曲线,依据k近邻距离曲线的肘部法则确定初始邻域半径,依据动态时序数据中的电芯温度对初始邻域半径进行温度补偿修正,得到邻域半径,依据电池簇的串联电芯总数确定最小簇点数,采用邻域半径与最小簇点数对有效数据集执行dbscan密度聚类,依据聚类结果识别离群电芯;
44、故障标记生成模块,用于从动态时序数据中截取离群电芯的充放电电压曲线,对充放电电压曲线进行分段线性拟合,提取拟合特征参数,将拟合特征参数与电池簇中的正常电芯的拟合特征参数进行对比,依据对比结果划分故障大类并生成故障标记;
45、持续故障判定模块,用于建立离群电芯的历史诊断滑动窗口,对历史诊断滑动窗口内各历史时段的故障标记赋予时序衰减权重,依据时序衰减权重加权计算故障置信概率,依据故障置信概率从离群电芯中判定持续性故障电芯;
46、调控运维输出模块,用于依据动态时序数据计算持续性故障电芯的直流内阻与自放电率,依据直流内阻与自放电率对故障大类进行复核,依据复核结果确定故障类型与故障等级,依据故障等级输出bms调控策略与运维方案。
47、第三方面,本发明提供一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现电池动态电压故障诊断方法。
48、第四方面,本发明提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现电池动态电压故障诊断方法。
49、与现有技术相比,本发明具有以下有益的技术效果:
50、本发明提出的电池动态电压故障诊断方法,采用自适应dbscan密度聚类与多特征递进判别相结合的诊断架构,可适配不同电芯体系、串联规模及环境温度的储能电池簇动态工况。基于k近邻肘部法则自动求解初始邻域半径,结合温度补偿修正与串联电芯总数自适应确定最小簇点数,消除固定参数带来的聚类过分割或过合并缺陷,提升离群电芯识别准确性。通过充放电电压曲线分段线性拟合划分故障大类,结合直流内阻与自放电率物理参数复核,可区分不同故障机理并确定故障等级,实现故障根因精准定位。引入历史诊断滑动窗口时序加权置信机制,可滤除瞬时扰动引发的临时电压偏移,降低无效告警占比。最终输出分级bms调控策略与运维方案,形成诊断至处置的完整闭环,为储能电池早期隐患预警与场站运维管控提供可靠支撑。
51、进一步地,采用二阶差分法识别k近邻距离曲线拐点,可客观定位最优初始邻域半径,避免人工选参的主观偏差;按温度区间设置递减补偿系数,可修正高低温环境下电压离散基线偏移,拓宽工况适配范围;基于串联电芯总数按比例计算最小簇点数,可适配不同串数的电池簇,抑制多串场景下轻微压差引发的过度聚类误报。通过聚类簇数量三分支判定,可区分无故障、全簇一致性劣化、单节离群三类工况,实现分层分级粗筛。依托充放电曲线斜率与截距特征划分两类故障大类,可初步锁定故障机理范围;结合逐日衰减权重的滑动窗口置信计算,可量化故障持续程度,过滤瞬时电压偏移干扰。采用温度归一化直流内阻与静置自放电率分别复核两类故障,可精准细分故障类型与严重等级,为分级调控与运维处置提供明确依据,提升诊断结果的工程实用性与运维指导价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com