一种储能电池主动探索感知与智能诊断方法与流程
本发明涉及储能电池状态监测与故障诊断领域,尤其涉及一种储能电池主动探索感知与智能诊断方法。
背景技术:
1、储能电池系统通常由大量串并联电芯或电芯组构成,运行过程同时受到充放电阶段、环境温度、连接状态、老化程度及传感链路质量的影响。现有监控系统多按照预先设定的采样频率持续采集电芯电压、温度和簇电流,并采用固定阈值或单一模型对异常进行判断。
2、上述方式不能根据当前工况、模型不确定度和竞争故障风险改变感知对象及采样配置。当内短路、连接松动、容量异常衰减、热异常或传感器故障处于早期阶段时,其微弱特征容易被多速率数据错位、缺失观测和通道噪声掩盖;持续对全部通道进行高频采样又会增加通信带宽、采集能耗和计算负载。固定阈值还难以同时给出健康状态、剩余使用寿命、故障类型和故障位置的一致置信证据,可能造成探索过早停止或无效持续。
3、因此,需要一种能够解决上述现有技术不足的储能电池主动探索感知与智能诊断方法。
技术实现思路
1、本发明的一个目的在于提出一种储能电池主动探索感知与智能诊断方法,针对现有技术采用固定采样频率、固定监测参数和固定阈值而不能根据运行工况、模型不确定度及异常风险调整感知对象的问题,提出了质量标识状态画像、电—热机理残差、时序联合诊断和故障假设条件化动作评价相结合的技术方案;以候选动作执行前后的预期诊断信息增益为核心,根据故障后果风险、数据质量和资源消耗形成动作效用,在安全及资源约束下下发感知动作,并以新增观测更新联合后验和不确定度,再通过校准预测集合、预测区间及机理残差一致性控制停止或继续探索,本发明具备将有限采样资源配置到具有当前诊断区分力的电芯、参数和工况阶段并输出带置信信息联合诊断结果的技术效果。
2、本发明提供了一种储能电池主动探索感知与智能诊断方法,包括:s1、获取各目标电芯或电芯组的多源采样数据,对所述多源采样数据进行时间对齐和数据质量评估,形成带质量标识的多源状态画像;s2、将所述多源状态画像输入电—热机理模型,获得预测状态以及实测状态与所述预测状态之间的电—热机理残差;s3、将所述多源状态画像、所述电—热机理残差、电芯连接关系和历史退化序列输入训练得到的时序联合诊断模型,获得健康状态值、剩余使用寿命、故障类型和故障位置的联合后验分布及其不确定度;s4、根据所述联合后验分布及其不确定度构造候选感知动作,针对竞争故障假设预测各候选感知动作的条件观测分布,根据所述条件观测分布计算预期诊断信息增益,并结合故障后果风险、数据质量和资源消耗确定各候选感知动作的动作效用;s5、从满足安全约束和资源约束的候选感知动作中选择动作效用排序首位的目标感知动作并下发至采集模块,利用新增观测数据更新所述多源状态画像、所述电—热机理残差、所述联合后验分布及其不确定度,在更新后的诊断证据满足停止条件时输出健康状态值、剩余使用寿命、故障类型和故障位置及对应置信信息,否则返回步骤s4。
3、可选的,s1包括:以时间戳和充放电阶段为对齐基准,对包括电芯电压、电芯温度和簇电流的多速率采样序列进行重采样;
4、对未落入对齐时间窗的采样位置设置缺失标记;
5、根据传感器校准残差的方差、有效采样比例和相邻采样跳变次数计算传感器可靠度;
6、将对齐后的采样值、所述缺失标记和所述传感器可靠度组合为所述多源状态画像,其中所述传感器可靠度作为步骤s4确定数据质量的输入。
7、可选的,s2包括:采用等效电路模型根据所述多源状态画像中的电芯电压和簇电流确定预测电压及电路模型参数;
8、采用热模型根据所述多源状态画像中的电芯温度、簇电流和电芯连接关系确定预测温度及热模型参数;
9、分别计算实测电芯电压与所述预测电压之差以及实测电芯温度与所述预测温度之差,并按对齐时间窗组合成所述电—热机理残差,所述电—热机理残差用于步骤s3的联合诊断以及步骤s4的候选观测预测。
10、可选的,s3包括:利用时序编码网络提取所述多源状态画像、所述电—热机理残差和所述历史退化序列的时间特征;
11、依据所述电芯连接关系在相连电芯或电芯组之间传播所述时间特征,形成时空联合特征;
12、将所述时空联合特征分别输入健康状态回归头、剩余使用寿命回归头、故障类型分类头和故障位置分类头,联合归一化各输出分布并得到所述联合后验分布;
13、根据多个模型实例对同一输入的输出差异确定所述不确定度;
14、进一步的,所述时序联合诊断模型的训练包括:将具有时间戳、充放电阶段、电芯电压、电芯温度、簇电流、质量标识、电芯连接关系、故障类型标注、故障位置标注、健康状态标注和剩余使用寿命标注的历史退化样本作为训练样本;
15、按时间对齐后的实测电芯电压、实测电芯温度和簇电流,由所述电—热机理模型生成各训练样本对应的电—热机理残差;
16、以健康状态回归损失、剩余使用寿命回归损失、故障类型分类损失、故障位置分类损失和机理残差一致性损失的加权和更新所述时序联合诊断模型的参数,并通过多个具有不同初始参数的模型实例形成用于确定所述不确定度的模型集合。
17、可选的,s4包括:以目标电芯或电芯组、监测参数、采样频率、采样起始相位和持续窗口的组合作为一个候选感知动作;
18、将正常状态、由内短路、连接松动、容量异常衰减或热异常中的物理故障类型与目标电芯或电芯组中的故障位置组合形成的物理故障状态,以及由传感器故障类型与监测参数或采样通道位置组合形成的传感器故障状态作为所述竞争故障假设;
19、根据所述多源状态画像拟合所述电—热机理模型得到基准模型参数,并利用所述电—热机理残差校正所述基准模型参数,根据正常状态标定样本按监测参数和采样通道估计基准观测噪声协方差,根据故障标定样本分别建立物理故障类型、故障位置与模型参数偏移之间的映射,以及传感器故障类型、采样通道位置与观测偏差参数、观测漂移参数和噪声协方差修正参数之间的映射;
20、针对每一候选感知动作,将对应的目标对象和采样配置输入所述电—热机理模型,对正常状态采用校正后的基准模型参数和对应采样通道的基准观测噪声协方差,对物理故障状态将相应模型参数偏移叠加于校正后的基准模型参数,对传感器故障状态将相应观测偏差参数、观测漂移参数和噪声协方差修正参数施加于模型输出及对应基准观测噪声协方差,分别得到所述条件观测分布;
21、进一步的,所述预期诊断信息增益通过对所述条件观测分布进行采样,计算加入采样结果前后的联合后验分布之间的库尔贝克—莱布勒散度的期望值或计算加入采样结果前后的联合后验熵之差得到;
22、根据各竞争故障假设的后果损失和后验概率确定故障后果风险;
23、针对每一候选感知动作,从所述多源状态画像的质量标识中提取与该候选感知动作的目标电芯或电芯组、监测参数和采样通道对应的数据完整度和传感器可靠度,确定该候选感知动作的数据质量权重;
24、将所述预期诊断信息增益与所述故障后果风险和所述数据质量权重相乘,并扣除通信带宽占用、采集能耗、计算负载和动作切换产生的成本,得到所述动作效用。
25、可选的,s5包括:安全约束由储能电池管理系统记录的电压工作边界、温度工作边界和充放电电流工作边界,以及各工作边界对应的安全监测对象、监测参数、最低采样频率和最大采样启动延迟生成,并由所述安全约束生成覆盖相应安全监测对象和监测参数、采样频率不小于所述最低采样频率且采样启动延迟不大于所述最大采样启动延迟的固定安全最低采样配置,资源约束由当前可用通信带宽、剩余采集能量和可用计算负载生成;
26、对全部候选感知动作排除通信带宽占用、采集能耗或计算负载需求超过对应可用量的候选感知动作;
27、当实测状态或预测状态到任一工作边界的距离不大于对应安全监测触发距离时,从剩余候选感知动作中排除不满足所述安全约束的候选感知动作;
28、当筛选后的候选感知动作集合非空时,按所述动作效用排序确定所述目标感知动作;
29、当所述候选感知动作集合为空时,将安全监测置于非安全监测之前,暂停非安全监测任务以释放通信带宽、采集能量和计算负载,根据释放后的可用量复核所述固定安全最低采样配置的资源需求,复核通过时将所述固定安全最低采样配置加入候选感知动作集合并确定为所述目标感知动作,复核不通过时生成资源不足标志并向所述储能电池管理系统上送安全告警,暂停步骤s4和步骤s5的主动动作选择并执行受控退化采样配置,所述受控退化采样配置根据可用采样通道和释放后的资源可用量,按照实测状态或预测状态到对应工作边界的距离由小到大的顺序保留安全监测对象和监测参数,并为保留的监测参数设置在所述资源可用量内可执行的采样频率;
30、在所述固定安全最低采样配置同时满足所述安全约束和所述资源约束后,将其加入候选感知动作集合并恢复步骤s5的目标感知动作选择;
31、进一步的,利用与所述时序联合诊断模型独立的校准样本分别构造故障类型非符合度分数、故障位置非符合度分数、健康状态值非符合度分数和剩余使用寿命非符合度分数,按照目标覆盖率确定各非符合度分数的校准分位值;
32、在每次更新所述联合后验分布及其不确定度后,将当轮的故障类型、故障位置、健康状态值和剩余使用寿命的诊断输出分别与对应校准分位值结合,形成当轮的故障类型保形预测集合、故障位置保形预测集合、健康状态值保形预测区间和剩余使用寿命保形预测区间,并将所述保形预测集合和所述保形预测区间作为对应诊断输出的置信信息;
33、当所述故障类型保形预测集合和所述故障位置保形预测集合的元素数量分别不大于对应集合阈值、所述健康状态值保形预测区间和所述剩余使用寿命保形预测区间的宽度分别不大于对应区间宽度阈值、且所述电—热机理残差落入校准样本残差分布所确定的一致性区间,并在连续证据窗口内重复满足上述条件时,判定所述诊断证据满足停止条件;
34、进一步的,由储能电池管理系统按照电芯电压、电芯温度和簇电流分别设定安全监测所需的最低可用采样通道数量,并将各最低可用采样通道数量作为所述固定安全最低采样配置对对应监测参数的通道需求;
35、当通信链路不可用、任一监测参数的可用采样通道数量小于对应最低可用采样通道数量或所述目标感知动作下发失败时,暂停基于所述动作效用的动作切换;
36、当各监测参数的可用采样通道数量均不小于对应最低可用采样通道数量且对所述固定安全最低采样配置的资源需求复核通过时,调用存储于采集模块中的所述固定安全最低采样配置进行采集,否则调用所述受控退化采样配置并向所述储能电池管理系统上送安全告警;
37、在通信链路可用、各监测参数的可用采样通道数量均不小于对应最低可用采样通道数量、采集模块处于就绪状态且测试感知动作获得确认应答后,利用当前观测数据重新计算所述联合后验分布及其不确定度并清零连续证据窗口的累计次数,再恢复步骤s4和步骤s5。
38、本发明的有益效果是:
39、1、通过对多速率采样数据进行时间对齐、缺失标记和可靠度评价,并把质量标识与电—热机理残差共同输入联合诊断模型,能够降低数据错位、通道缺失和传感噪声对早期故障证据的干扰。
40、2、通过按正常、物理故障及传感器故障假设预测候选感知动作的条件观测分布,并综合信息增益、故障后果风险、动作对应数据质量和资源成本确定动作效用,能够使采样资源指向对当前竞争假设具有区分力的目标对象和监测参数。
41、3、通过安全与资源双重约束、固定安全最低采样及受控退化分支保障异常状态下的监测连续性,并利用当轮保形预测集合、预测区间和机理残差一致性形成停止证据,能够减少过早停止和无效持续高频采样。
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