一种基于多源运行数据的储能电池故障预警方法及系统与流程

本发明涉及储能电池预警监测，特别涉及一种基于多源运行数据的储能电池故障预警方法及系统。

背景技术：

1、储能电池系统作为电化学储能电站、电动汽车及分布式能源系统的核心能量载体，其安全运行直接关系到电网稳定性与人身财产安全。在储能电池实际运行过程中，电池管理系统持续采集电压、电流、温度、绝缘电阻等多源运行数据，这些数据蕴含了电池内部电化学状态与外部热学状态的丰富信息。随着储能系统规模扩大、单体数量激增及运行工况复杂化，多源数据质量参差不齐、故障机理与传播路径耦合交织，对故障预警的准确性、可解释性及前瞻性提出了更高要求。

2、现有的储能电池故障预警方法，虽然能够通过设定阈值或基于单一数据驱动模型进行异常检测，达到初步识别电池异常状态的效果，但是由于缺乏对物理机理规律与数据统计规律的交叉验证机制，难以区分传感通信异常与真实电池故障，导致漏报率与误报率居高不下，影响了预警系统的可靠性。此外，现有的预警方法通常将各电池单体视为独立监测对象，未充分利用储能系统的电气连接与热耦合拓扑关系，导致故障定位精度不足，难以追踪故障在系统中的传播方向与演化路径。

3、同时，现有预警方法的状态转移推理过程缺乏储能系统物理拓扑的空间约束，导致多节点故障传播预测与系统实际结构脱节，降低了大规模储能电站级故障演化预测的空间准确性。

4、因此，如何提供一种基于多源运行数据的储能电池故障预警方法及系统，是目前亟待解决的问题。

技术实现思路

1、本发明实施例提供了一种基于多源运行数据的储能电池故障预警方法及系统，以解决现有技术中的上述技术问题。

2、根据本发明实施例的第一方面，提供了一种基于多源运行数据的储能电池故障预警方法。

3、在一个实施例中，所述一种基于多源运行数据的储能电池故障预警方法，包括：

4、获取储能电池系统的多源运行数据并进行预处理；

5、根据储能电池系统的拓扑结构和预处理后的多源运行数据，构建时空关联图，并基于时空关联图中各节点，分别建立物理孪生模型和数据驱动基准模型；

6、将预处理后的多源运行数据分别输入至物理孪生模型和数据驱动基准模型，得到物理预测残差和数据预测残差；

7、对物理预测残差和数据预测残差进行互校验，筛选出电池异常节点，并基于时空关联图计算电池异常节点与邻居节点之间的双向注意力权重，根据双向注意力权重分布定位故障源节点；

8、从故障源节点中提取多维度异常特征向量，并通过反事实推演计算各维度特征对故障概率的边际贡献度；

9、根据边际贡献度，识别故障主导根因，并将故障主导根因输入至动态贝叶斯网络，结合时空关联图，预测故障演化传播路径及时间窗；

10、根据故障主导根因、故障演化传播路径及时间窗，输出故障预警结果。

11、根据本发明实施例的第二方面，提供了一种基于多源运行数据的储能电池故障预警系统。

12、在一个实施例中，所述一种基于多源运行数据的储能电池故障预警系统，包括：

13、多源数据采集模块，用于获取储能电池系统的多源运行数据并进行预处理；

14、时空关联图构建模块，用于根据储能电池系统的拓扑结构和预处理后的多源运行数据，构建时空关联图，并基于时空关联图中各节点，分别建立物理孪生模型和数据驱动基准模型；

15、双残差生成模块，用于将预处理后的多源运行数据分别输入至物理孪生模型和数据驱动基准模型，得到物理预测残差和数据预测残差；

16、残差互校验模块，用于对物理预测残差和数据预测残差进行互校验，筛选出电池异常节点，并基于时空关联图计算电池异常节点与邻居节点之间的双向注意力权重，根据双向注意力权重分布定位故障源节点；

17、故障源定位模块，用于从故障源节点中提取多维度异常特征向量，并通过反事实推演计算各维度特征对故障概率的边际贡献度；

18、根因识别与路径预测模块，用于根据边际贡献度，识别故障主导根因，并将故障主导根因输入至动态贝叶斯网络，结合时空关联图，预测故障演化传播路径及时间窗；

19、预警输出模块，用于根据故障主导根因、故障演化传播路径及时间窗，输出故障预警结果。

20、本发明实施例提供的技术方案可以包括以下有益效果：

21、（1）本发明通过设置物理孪生模型与数据驱动基准模型的双残差互校验机制，将电化学机理规律与历史统计规律进行交叉验证，在线甄别传感通信异常与电池异常，以避免老化漂移引起的误报，提升了预警系统的可靠性与鲁棒性。

22、（2）本发明基于储能系统电气连接与热耦合关系构建时空关联图，并利用双向注意力权重分布识别异常特征的非对称传播方向，将故障定位从单体异常检测提升至系统级故障源追踪，实现故障源节点与传播受影响节点的精准区分，为靶向处置提供空间定位依据。

23、（3）本发明将故障主导根因映射为动态贝叶斯网络的观测证据，并在时空关联图的空间约束下进行前向概率推理，预测故障沿电气-热拓扑的演化传播路径及到达预设危险阈值的时间窗，实现从单一时刻状态预警向全时空演化预警的跨越，为安全防护争取前置响应时间。

24、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

1.一种基于多源运行数据的储能电池故障预警方法，其特征在于，包括：

2.根据权利要求1所述的一种基于多源运行数据的储能电池故障预警方法，其特征在于，所述根据储能电池系统的拓扑结构和预处理后的多源运行数据，构建时空关联图，并基于时空关联图中各节点，分别建立物理孪生模型和数据驱动基准模型包括：

3.根据权利要求1所述的一种基于多源运行数据的储能电池故障预警方法，其特征在于，所述将预处理后的多源运行数据分别输入至物理孪生模型和数据驱动基准模型，得到物理预测残差和数据预测残差包括：

4.根据权利要求1所述的一种基于多源运行数据的储能电池故障预警方法，其特征在于，所述对物理预测残差和数据预测残差进行互校验，筛选出电池异常节点，并基于时空关联图计算电池异常节点与邻居节点之间的双向注意力权重，根据双向注意力权重分布定位故障源节点包括：

5.根据权利要求1所述的一种基于多源运行数据的储能电池故障预警方法，其特征在于，所述从故障源节点中提取多维度异常特征向量，并通过反事实推演计算各维度特征对故障概率的边际贡献度包括：

6.根据权利要求5所述的一种基于多源运行数据的储能电池故障预警方法，其特征在于，所述基于多维度异常特征向量和反事实特征向量，分别计算第一故障概率和第二故障概率，输出边际贡献度包括：

7.根据权利要求1所述的一种基于多源运行数据的储能电池故障预警方法，其特征在于，所述根据边际贡献度，识别故障主导根因，并将故障主导根因输入至动态贝叶斯网络，结合时空关联图，预测故障演化传播路径及时间窗包括：

8.根据权利要求7所述的一种基于多源运行数据的储能电池故障预警方法，其特征在于，所述将故障主导根因作为初始异常证据输入至动态贝叶斯网络，结合时空关联图进行前向概率推理，得到故障演化传播路径及各节点到达预设危险阈值的时间窗包括：

9.根据权利要求8所述的一种基于多源运行数据的储能电池故障预警方法，其特征在于，所述将故障主导根因作为初始异常证据输入至观测节点，在空间约束条件下进行前向概率推理，通过前向概率推理计算各节点的故障演化概率包括：

10.一种基于多源运行数据的储能电池故障预警系统，其特征在于，包括：