一种自适应异常检测的储能电池多层级电压一致性检测方法及系统与流程

本发明属于电池管理系统状态监测与异常诊断，具体地说一种自适应异常检测的储能电池多层级电压一致性检测方法及系统。

背景技术：

1、电池系统通常由成百上千个电芯通过串并联方式组成，然而由于制造工艺偏差、成组装配差异、运行过程中的温度梯度、充放电倍率不均以及老化衰退速率不一致等因素，电芯之间的电压、内阻、荷电状态（soc）及健康状态（soh）等参数逐渐出现不一致性。这种不一致性不仅降低系统可用容量和循环效率，严重时还可能诱发局部过充、内短路、热失控乃至起火爆炸等安全事故，威胁人员生命财产安全和电网稳定运行。

2、现有电池一致性检测技术主要包括以下几种：

3、（1）基于阈值的简单统计方法：通过设定电压均值、标准差等经验阈值进行判断。该方法实现简单，但阈值高度依赖人工经验，在不同电池类型、不同工况下泛化能力差，容易出现漏判或误判，尤其对微弱不一致性敏感度低。

4、（2）基于聚类的方法：如k-means、dbscan等无监督聚类算法，将单体电芯参数聚为若干类，偏离主类的视为不一致。该类方法对簇数敏感，需要预设参数，且在数据分布复杂或不一致性较微弱时聚类效果不稳定。

5、（3）基于主成分分析（pca）、相关系数或增量容量（ic）曲线的降维方法：通过降维后重建误差或相关性矩阵判断异常。该方法对线性关系敏感，而电池不一致性往往呈现强非线性特征，导致检测精度不足。

6、更重要的是，上述所有方法均存在以下本质局限：第一，将每个电芯视为独立个体进行分析，忽略了电芯之间客观存在的相互影响关系。在实际电池系统中，电芯之间通过电气连接、热传导和共享负载形成复杂的相互影响网络，一个电芯的电压偏离会通过内阻耦合和热效应向相邻电芯传播。忽略这种相互影响关系，不仅导致早期微弱异常难以检测，更无法区分“单电芯独立异常”与“系统性不一致”两类性质截然不同的异常，给运维决策带来根本性的信息缺失。第二，未充分利用储能电池系统固有的“簇-模组-电芯”层级拓扑结构，无法实现从系统到局部的逐层定位。现有方法难以有效区分“单电芯独立异常”、“模组级不一致”、“簇级不一致”与“系统性不一致”四类性质不同的异常。第三，现有方法的检测阈值大多依赖人工经验设定，难以自适应运行工况和数据分布的变化。

7、因此，亟需一种能够充分利用层级拓扑结构、自适应确定检测阈值、兼顾检测精度与计算效率的电压一致性检测方法。

技术实现思路

1、本发明的目的在于提供一种自适应异常检测的储能电池多层级电压一致性检测方法及系统，其通过多层级特征提取与自适应多粒度隔离森林，实现大规模储能电站簇-模组-电芯多层级电压一致性的高精度、低误报实时监测，以解决现有技术中将电芯视为独立个体、未充分利用层级拓扑结构、难以区分异常类型、检测阈值依赖人工设定等根本性问题。

2、为实现上述发明目的，本发明采用如下技术方案。

3、第一方面，本发明提供一种自适应异常检测的储能电池多层级电压一致性检测方法，其包括：

4、采集待测储能电池的多个电池簇内各模组中各电芯在同一运行工况下的电压时间序列数据，同时获取电池簇-模组-电芯的层级拓扑结构信息；

5、按电芯级、模组级和簇级的顺序自底向上递进提取各级特征，在完成特征提取后，构建自适应多粒度隔离森林模型，按照簇级、模组级和电芯级的顺序自顶向下逐层执行异常检测；

6、所述自适应多粒度隔离森林模型的构建过程包括：在各层级节点的训练过程中，引入特征感知加权分裂机制，根据各特征在训练数据集中的方差贡献率确定特征选择权重，方差贡献率越高的特征在节点分裂时被随机选中的概率越大，使对电芯一致性差异敏感的特征获得更高的分裂参与机会；在加权分裂基础上，进一步采用粗细粒度分层策略构建自适应多粒度隔离森林，形成与储能电池物理层级直接对应的三层检测架构；引入完全数据驱动的工况自适应污染率机制，隔离森林的污染率参数根据各工况下历史正常数据的异常分数分布自适应确定，无需人工设定工况修正系数。

7、进一步地，对所述电压时间序列数据进行滑动窗口划分及特征标准化处理，得到电压时间序列片段。

8、进一步地，在第一层电芯级，对每个电芯在各窗口内的电压时间序列片段提取统计特征，用于表征单个电芯的基本运行状态；在第二层模组级，以模组为单位，电芯级统计特征及电压时间序列片段为基础，提取模组内各电芯之间的耦合关系特征，用于刻画模组内电芯间的一致性偏离程度；在第三层簇级，以电池簇为单位，将耦合关系特征中的互信息耦合强度按模组聚合，构建簇内模组间耦合强度矩阵，将该矩阵归一化后作为边权重和模组作为节点构建加权无向图，提取每个簇的图拓扑特征并结合簇级聚合统计量，用于表征簇层面的整体一致性状态及异常传播拓扑结构。

9、进一步地，所述的统计特征包括电压均值、电压标准差、电压极差、电压变异系数和电压变化率均值；所述的耦合关系特征包括相对偏离度、耦合跟随偏差和互信息耦合强度；所述图拓扑特征包括加权度中心度、介数中心度和局部聚类系数，簇级聚合统计量包括簇内模组电压离散度、簇内电压极差极值及组内相关系数。

10、进一步地，所述的三层检测架构如下：第一层电池簇层级粗粒度隔离森林，以每个簇内所有模组特征的中位值向量作为该簇的聚合表征，快速筛选潜在的候选异常簇；第二层模组层级中粒度隔离森林，针对候选异常簇，以模组内所有电芯特征的中位值向量作为该模组的聚合表征，筛选候选异常模组；第三层电芯级细粒度隔离森林，针对候选异常模组，直接使用单个电芯的特征向量，实现异常电芯的精准定位。通过逐层聚合将计算资源集中于候选异常区域，降低大规模储能系统场景下的整体检测计算开销。

11、进一步地，对所述的异常电芯，依次执行电芯级、模组级和簇级三层递进精判：电芯级计算偏离贡献度以识别独立异常电芯，模组级计算模组内异常电芯占比以判定模组级退化，簇级计算簇内异常模组分布比例以判定簇级退化；并结合耦合传播指数区分孤立性偏差与系统性退化前兆，最终通过时序持续性约束得到最终异常判定结果。

12、进一步地，所述的工况自适应污染率机制为：按充电、放电、静置三种运行工况，分别统计各工况下历史正常运行数据的异常分数分布，计算各工况异常分数分布的中位数和中位数绝对偏差，以中位数加上预设固定倍数的中位数绝对偏差作为该工况的污染率阈值。所述预设固定倍数为方法内置的通用统计常数，不同工况独立计算，污染率阈值的具体数值完全由各工况下的数据分布自适应确定，无需人工设定与特定电池系统强相关的经验阈值参数。

13、进一步地，所述的储能电池多层级电压一致性检测方法还包括：

14、根据异常分数和异常检测结果，分别对簇、模组和电芯的状态进行分级，形成自上而下的层级化诊断结论，生成包含可视化图表的检测报告。

15、进一步地，簇、模组、电芯的状态进行分级的具体步骤为：

16、电芯级基于历史正常运行数据异常分数分布的统计特征，按预设的四级分类架构准则将电芯状态划分为正常、轻微不一致、中度不一致和严重不一致四个等级，分级阈值由对应层级历史数据的分布特征自适应确定；模组级根据模组内异常电芯占比及模组综合异常分数对应划分为正常、轻微不一致、中度不一致和严重不一致四个等级；簇级根据簇内异常模组的空间分布及簇级综合异常指标对应划分为正常、轻微不一致、中度不一致和严重不一致四个等级。各级分级阈值均基于数据分布自适应确定，无需人工设定固定数值。

17、第二方面，本发明提供一种自适应异常检测的储能电池多层级电压一致性检测系统，用于实现上述储能电池多层级电压一致性检测方法，其包括：

18、数据采集模块，用于采集待测储能电池的多个电池簇内各模组中各电芯在同一运行工况下的电压时间序列数据，同时获取电池簇-模组-电芯的层级拓扑结构信息；

19、数据预处理模块，对所述电压时间序列数据进行滑动窗口划分及特征标准化处理，得到电压时间序列片段；

20、多层级特征提取模块，包括：电芯级统计特征提取单元，用于提取每个电芯的电压均值、标准差、极差、变异系数及电压变化率均值；模组级耦合特征提取单元，用于提取模组内电芯间的相对偏离度、耦合跟随偏差及互信息耦合强度；簇级图特征提取单元，用于构建耦合加权无向图并提取加权度中心度、介数中心度、局部聚类系数及簇级聚合统计量；

21、自适应多粒度隔离森林检测模块，集成特征感知加权分裂单元、簇级粗粒度隔离单元、模组级中粒度隔离单元、电芯级细粒度隔离单元及工况自适应污染率调整单元，其中污染率参数根据各工况下历史正常数据的异常分数分布自适应确定；

22、层级递进判定模块，用于依次执行电芯级偏离贡献度判定、模组级异常电芯占比判定和簇级异常模组分布判定，并结合耦合传播指数区分孤立性偏差与系统性不一致，通过时序持续性约束输出最终异常判定结果。

23、本发明具有的有益效果如下：本发明利用“簇-模组-电芯”层级拓扑，自底向上构建基于电芯耦合关系的多层级特征体系，解决忽略电芯间相互影响关系、微弱异常检测不到的问题；本发明在加权分裂基础上，采用粗细粒度分层策略构建自适应多粒度隔离森林，形成与储能电池物理层级直接对应的三层检测架构，并引入完全数据驱动的工况自适应污染率机制，解决检测阈值依赖人工经验、无法跨工况泛化的问题；本发明通过多层级特征提取与自适应多粒度隔离森林，实现了大规模储能电站簇-模组-电芯多层级电压一致性的高精度、低误报实时监测。