一种钠离子电池储能系统故障演化阶段辨识与溯源方法及装置与流程

本发明涉及电池故障评估，尤其涉及一种钠离子电池储能系统故障演化阶段辨识与溯源方法及装置。

背景技术：

1、钠离子电池储能系统作为新能源配储的关键装备，其安全稳定运行直接关系到电网的供电可靠性。储能系统故障具有显著的演化特性：故障并非瞬时发生，而是从正常状态经过一系列过渡阶段逐步演化至故障状态。以过充电引发的故障为例，其典型演化过程为：正常充电态至电压缓慢上升过渡态i，再至电压加速上升伴随温度升高过渡态ii，最终至电压超限触发保护停机的故障态。上述演化过程通常在数分钟至数小时内完成，若能准确辨识故障所处的演化阶段并回溯其演化路径，则可在故障完全形成之前采取针对性的预防性处置措施。

2、在现有研究中，隐马尔可夫模型已被应用于电池及燃料电池系统的故障诊断。例如已有文献公开了基于k均值聚类的离散隐马尔可夫模型故障诊断策略，将k均值聚类用于样本过滤，baum-welch算法用于模型训练，实现对燃料电池六种故障状态的检测与隔离。另有文献公开了基于隐半马尔可夫模型和经验模型的燃料电池故障预测方法，利用welch-baum算法更新模型参数并通过前向算法估计健康状态。此外，改进的长短期记忆网络与隐马尔可夫模型组合框架也被用于电池热失控预警。中国专利cn107169243b公开了一种基于隐半马尔可夫模型和经验模型的燃料电池故障预测方法，其利用welch-baum算法更新模型参数并通过前向算法估计健康状态。该方法虽涉及参数估计与健康状态评估，但其baum-welch算法的参数估计过程未融入被建模对象的物理约束，估计结果可能落在物理不可行域内，导致模型参数与实际电池特性脱节，且其采用单次解码确定最优状态序列，未评估解码结果在各时刻的可靠性

3、综上，现有研究在钠离子电池储能系统故障演化阶段辨识方面存在多方面的明显不足。具体而言：第一，现有技术的隐藏状态设计为相互独立的健康等级标签，状态转移矩阵采用全连接结构允许双向转移，未将故障演化的不可逆特性融入模型结构，无法捕捉从正常态到故障态之间过渡阶段的物理含义和时序信息；第二，现有技术的baum-welch算法参数估计过程为纯数据驱动，未融入电池物理约束，估计结果可能违反热力学基本定律；第三，现有技术采用单次解码确定最优状态序列，未对解码结果在各时刻的可靠性进行量化评估，在过渡态边界处易产生误判且缺乏自动修正能力；第四，现有技术未建立电气异常与热异常之间的耦合传播模型，将电压、电流、温度视为独立变量处理，无法描述电气异常通过焦耳热和极化热两条路径向热异常传播的物理规律。亟需一种故障演化阶段辨识与溯源方法。

技术实现思路

1、本发明的目的在于提供一种钠离子电池储能系统故障演化阶段辨识与溯源方法及装置，以解决现有技术中隐马尔可夫模型隐藏状态未反映不可逆演化特性、baum-welch参数估计缺乏物理约束、viterbi单次解码未评估可靠性以及电气-热耦合传播未建模的问题。

2、本发明具体提供如下技术方案：

3、一种钠离子电池储能系统故障演化阶段辨识与溯源方法，所述方法包括以下步骤：

4、s1. 采集钠离子电池储能系统的多源监测数据，所述多源监测数据包括电池单体电压序列、充放电电流序列和电池表面温度序列；

5、s2. 对所述多源监测数据进行电气-热耦合特征提取，得到电压变化率、电流积分值、温度变化率和温度梯度四项耦合特征，其中温度变化率通过电气-热双向耦合传播算子计算得到，所述传播算子包含焦耳热生热项与电压波动热效应项，分别描述电气异常向热异常传播的两种不同物理机制；将所述四项耦合特征编码为观测序列；

6、s3. 构建四阶段故障演化隐马尔可夫模型，所述模型的隐藏状态集合为{s0, s1,s2, s3}，分别对应正常态、过渡态i、过渡态ii和故障态，所述模型的状态转移概率矩阵采用上三角约束结构，仅允许从低序号状态向高序号状态转移或保持当前状态，所述上三角约束结构反映故障演化的不可逆特性；

7、s4. 采用带物理约束正则化的baum-welch算法对所述四阶段故障演化隐马尔可夫模型的参数进行无监督估计，所述物理约束正则化通过在期望最大化的最大化步骤中引入基于电池物理规律的正则化项实现，所述正则化项确保温度变化率耦合算子中的焦耳热生热系数和电压波动热效应系数均处于物理可行域；

8、s5. 采用演化阶段置信度驱动的自适应多尺度回溯算法对所述观测序列进行解码，所述解码过程首先通过标准viterbi算法回溯最优隐藏状态序列，其次计算每个时刻的演化阶段置信度，所述演化阶段置信度定义为该时刻最大后验概率与次大后验概率之比，然后对置信度低于预设阈值的时刻标记为可疑过渡点，最后对可疑过渡点在原始时间尺度、二倍下采样尺度和五倍下采样尺度上分别执行viterbi回溯并通过一致性投票确定最终状态，得到各时刻的故障演化阶段辨识结果；

9、s6. 根据所述故障演化阶段辨识结果中状态首次从正常态转移至过渡态的时刻和首次达到故障态的时刻，计算故障演化时间窗并输出故障演化溯源报告。

10、可选地，在所述s2中，电气-热双向耦合传播算子的表达式为：

11、

12、其中，为焦耳热生热项，为电压波动热效应项，为焦耳热生热系数单位为°c/w，为电压波动热效应系数单位为°c·s/v，i为充放电电流，rint为电池内阻，为电压变化率。

13、可选地，在所述s3中，状态转移概率矩阵a=[aij]4×4满足：aij=0当j

14、可选地，在所述s4中，带物理约束正则化的baum-welch算法的最大化步骤中的正则化项rphys具体为：

15、

16、其中λ1、λ2、λ3以及λ4为正则化强度系数，rmax和rmin分别为电池内阻的物理上下界。

17、可选地，在所述s5中，演化阶段置信度的计算公式为ct=pmax/psecond，其中pmax=maxiptposti为该时刻最大后验概率，psecond为次大后验概率，所述后验概率ptposti=ptfwdi·ptbwdi/σjptfwdj·ptbwdj，其中ptfwd为前向概率，ptbwd为后向概率。

18、可选地，在所述s5中，对可疑过渡点进行多尺度一致性投票确定最终状态的具体过程为：

19、对标记为可疑的时段分别在原始时间尺度、二倍下采样尺度和五倍下采样尺度上执行viterbi回溯得到三个状态子序列，对每个时刻统计三个子序列中各状态出现的频次，取频次最高的状态作为该时刻的最终辨识结果，若三个子序列完全一致则将该时刻的置信度标记为最高等级。

20、可选地，在所述s4中，baum-welch算法迭代前，采用基于电气-热耦合特征的k均值聚类对模型参数进行初始化，聚类数k=4分别对应s0至s3四个演化阶段，聚类中心作为各状态高斯分布的初始均值向量，聚类内样本协方差作为初始协方差矩阵，各聚类样本占比作为初始状态分布，且所述聚类所使用的特征向量仅包含所述耦合传播算子计算得到的温度变化率以及电压变化率、温度梯度三项，电流积分值不参与聚类以避免充放电工况差异对初始化的干扰。

21、可选地，在所述s6中，故障演化时间窗δt用于确定处置紧急等级：当δt小于10分钟时为紧急等级i，需立即停机；当δt大于等于10分钟且小于30分钟时为紧急等级ii，需在30分钟内检修；当δt大于等于30分钟时为紧急等级iii，纳入日常巡检。

22、本发明还提供一种钠离子电池储能系统故障演化阶段辨识与溯源装置，所述系统包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现所述的方法的步骤。

23、本发明具有以下有益的技术效果：本发明提供一种钠离子电池储能系统故障演化阶段辨识与溯源方法。本发明通过上三角约束的状态转移矩阵设计，使隐马尔可夫模型的隐藏状态反映故障演化的不可逆物理特性，区别于现有技术中状态双向转移的健康等级标签设计；同时通过带物理约束正则化的baum-welch算法，在参数估计过程中融入电池物理规律约束，确保估计结果始终处于物理可行域内。本发明还通过演化阶段置信度驱动的自适应多尺度回溯算法，量化各时刻解码结果的可靠性并对低置信度时段自动进行多尺度一致性修正，解决了现有技术中单次viterbi解码在过渡边界处易误判的问题。通过电气-热双向耦合传播算子，建立了描述电气异常与热异常之间耦合传播规律的数学模型，充分考虑了焦耳热和极化热两种物理机制。