一种基于策略优化的固态电池异常发热诊断方法与流程

摘要: 本发明涉及电化学储能安全监测,尤其涉及一种基于策略优化的固态电池异常发热诊断方法。背景技术:1、随着固态电池在新能源汽车及大规模储能系统中的广泛应用,对电池热失...
一种基于策略优化的固态电池异常发热诊断方法与流程

本发明涉及电化学储能安全监测,尤其涉及一种基于策略优化的固态电池异常发热诊断方法。

背景技术:

1、随着固态电池在新能源汽车及大规模储能系统中的广泛应用,对电池热失控的早期预警与安全监测要求日益严苛。现有的固态电池异常发热诊断方法,多采用基于物理等效电路模型或基础数据驱动模型进行温度预测与阈值判定。然而,这类依赖固定阈值或单一模型的诊断策略,难以适应固态电池在充放电循环中复杂的非线性老化过程与多变的工况环境,导致在工况切换频繁或运行条件剧烈波动时,诊断模型极易产生参数失配与误报。此外,常规的transformer诊断模型虽然具备强大的特征提取能力,但主要依赖统计学相关性构建注意力机制,缺乏对电池系统内部能量突变所隐含的动力学演化规律(如系统稳定性、相空间轨迹畸变)的深度解析,导致微弱的异常发热信号容易被常规运行噪声淹没,难以精准捕捉故障早期特征。同时,现有的特征融合策略多采用简单的向量拼接操作,忽略了局部突变特征与全局稳态背景特征在流形结构上的语义错位,造成了关键诊断信息的冗余与丢失,从而限制了固态电池异常发热诊断的精度与鲁棒性。

2、因此,如何提供一种基于策略优化的固态电池异常发热诊断方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明提出了一种基于策略优化的固态电池异常发热诊断方法,通过基于工况互信息与灰色关联分析的策略优化处理,分别计算时频谱能量重心坐标与预置工况中心的联合概率分布,利用互信息量度量非线性相关性以确定工况模式标签,并依据灰色关联系数提取最优滑动窗口长度参数与预警阈值系数。将最优参数应用于改进uniformer模型,构建点云拓扑连接图遍历生成token序列,依据最小描述长度准则划分均匀片段提取局部突变特征,基于复频域极点分布稳定性筛选机制重构注意力掩码提取全局上下文特征,计算相轨迹间的豪斯多夫距离筛选差异化特征点并映射输出异常发热因子。该方法通过建立从“工况特征识别”到“监测参数自适应调整”的决策通路,有效消除了变工况环境下固定参数导致的诊断偏差,确保诊断模型能够动态适应电池运行状态的漂移,实现了在提升微弱异常信号感知能力的同时增强诊断鲁棒性的技术效果。本发明克服了传统方法工况适应性差、特征语义融合弱及早期故障识别难的局限,为固态电池安全监测提供了精准解决方案。

2、根据本发明实施例的一种基于策略优化的固态电池异常发热诊断方法,具体包括:

3、s1、采集时序数据并滤波,利用同步压缩小波变换锐化时频能量分布,计算时s1、采集时序数据并滤波,利用同步压缩小波变换锐化时频能量分布,计算时频谱能量重心坐标与频带方差,构建工况特征向量,同时输出预处理后的时序数据;

4、s2、构建所述工况特征向量与预置工况中心的联合概率分布,利用互信息量度量非线性相关性,选取互信息最大值对应的类别作为当前工况模式标签;

5、s3、计算所述当前工况模式标签与预置策略序列的灰色关联系数,构建优势分析矩阵,依据关联度排序结果提取最优滑动窗口长度参数及预警阈值系数;

6、s4、依据所述最优滑动窗口长度参数对所述预处理后的时序数据进行截取,计算各时刻点间的多变量联合相关系数,构建系统状态关联矩阵作为当前时间窗口内的特征矩阵;

7、s5、将所述特征矩阵输入改进uniformer模型,通过构建点云拓扑连接图遍历生成token序列,依据最小描述长度准则划分均匀片段提取局部突变特征,基于复频域极点分布稳定性筛选处理,重构注意力掩码提取全局上下文特征,计算相轨迹间的豪斯多夫距离筛选差异化特征点并映射输出异常发热因子;

8、s6、构建所述异常发热因子与所述预警阈值系数的偏差似然比序列,设定风险概率边界,进行序贯概率比检验计算累积似然比,当所述累积似然比落入拒绝域时输出异常标志位;

9、s7、响应于所述异常标志位,建立所述当前工况模式标签与异常等级标准集的集对关系,计算同异反联系势,依据态势演化方向确定异常等级并发送分级预警信号。

10、可选的,所述s1具体包括:

11、s11、采集目标设备的电压、电流及温度的多维时序数据,设定固定长度的滑动窗口,计算窗口内数据点的算术平均值替代中心点数值,通过窗口滑动消除高频随机噪声干扰,输出滤波后的平滑时序数据序列;

12、s12、对所述滤波后的平滑时序数据序列进行同步压缩小波变换,通过重分配小波尺度图能量至瞬时频率中心,锐化时频能量分布,生成高分辨率时频谱图;

13、s13、基于所述高分辨率时频谱图,计算预设频带范围内的能量分布重心坐标作为时频谱能量重心坐标,并计算频带内能量分布的离散程度作为频带方差;

14、s14、将所述时频谱能量重心坐标与所述频带方差进行归一化处理并拼接,构建表征当前运行状态的工况特征向量;

15、s15、截取所述滤波后的平滑时序数据序列中对应时间窗内的数据段,作为预处理后的时序数据并输出。

16、可选的,所述s2具体包括:

17、s21、基于历史运行数据库提取典型工况样本的特征均值向量,构建预置工况中心,并将所述预置工况中心与所述工况特征向量映射到统一的联合概率空间;

18、s22、在所述联合概率空间内,计算所述工况特征向量与各预置工况中心之间的互信息量,生成互信息度量结果;

19、s23、遍历所有预置工况中心,基于所述互信息度量结果构建互信息量数值序列,搜索并锁定所述互信息量数值序列中的最大值;

20、s24、将所述互信息量数值序列中的最大值对应的预置工况中心类别定义为匹配类别,将所述匹配类别标记为当前工况模式标签并输出。

21、可选的,所述s3具体包括:

22、s31、获取预置的工况策略映射表,解析所述工况策略映射表生成预置策略序列,将所述当前工况模式标签映射为参考数列;

23、s32、计算所述参考数列与所述预置策略序列中各比较数列的灰色关联系数,生成关联系数集合;

24、s33、对所述关联系数集合进行均值化处理,构建优势分析矩阵;

25、s34、计算所述优势分析矩阵中各行的关联度数值并按降序排列,生成关联度排序结果;

26、s35、提取所述关联度排序结果中首位对应的策略参数组,解析所述策略参数组得到最优滑动窗口长度参数及预警阈值系数。

27、可选的,所述s4具体包括:

28、s41、依据所述最优滑动窗口长度参数,对所述预处理后的时序数据进行滑动截取,提取对应时间跨度内的多维数据段作为目标分析序列;

29、s42、计算所述目标分析序列中各滑动窗口内多维变量之间的皮尔逊相关系数,生成初始相关系数矩阵;

30、s43、对所述初始相关系数矩阵中的相关系数计算反双曲正切函数值,将取值区间映射至实数域并修正偏态分布为正态分布,得到归一化相关系数矩阵;

31、s44、依据时间维度对所述归一化相关系数矩阵进行堆叠排列,构建系统状态关联矩阵作为当前时间窗口内的特征矩阵。

32、可选的,所述改进uniformer模型包括特征嵌入映射层、局部多头关系聚合层、全局多头自注意力层、特征融合输出层:

33、所述特征嵌入映射层用于依据所述特征矩阵的行列索引,将矩阵中的非零特征元素映射为二维欧氏空间中的离散坐标点,构建初始点云集合;对所述初始点云集合计算离散点间的外接圆判定条件构建三角网格,生成拓扑连接图;沿所述拓扑连接图的边连接路径遍历节点,输出token序列;

34、所述局部多头关系聚合层用于依据最小描述长度准则计算所述token序列的编码总长度,搜索最优分割点将所述token序列划分为均匀片段,基于所述均匀片段构建片段内部卷积核,对所述均匀片段内部执行特征聚合,输出局部突变特征增强向量;

35、所述全局多头自注意力层用于对所述token序列计算离散复频域变换系数构建频谱矩阵,对所述频谱矩阵求解特征方程获取极点坐标与模值,筛选模值超出预设单位圆阈值的极点对应的位置索引,基于所述位置索引对全局注意力权重矩阵进行掩码重构,结合所述局部突变特征增强向量输出全局上下文特征;

36、所述特征融合输出层用于构建滑动窗口对所述局部突变特征增强向量与所述全局上下文特征进行延时采样重构高维相轨迹,计算局部突变轨迹与全局吸引子之间的豪斯多夫距离,筛选距离大于预设阈值的差异化特征点,对所述差异化特征点执行流形对齐与维度重构,通过全连接层映射输出异常发热因子。

37、可选的,所述s6具体包括:

38、s61、计算所述异常发热因子在预设异常假设分布下的第一概率密度值与在预设正常假设分布下的第二概率密度值,将所述第一概率密度值与所述第二概率密度值的比值取对数,生成对数似然比,构建偏差似然比序列;

39、s62、基于预设的误警概率与漏警概率,计算序贯概率比检验的上警戒阈值与下警戒阈值,设定风险概率边界;

40、s63、对所述偏差似然比序列进行累加求和,生成累积似然比,并实时判断所述累积似然比与所述风险概率边界的相对位置关系;

41、s64、当所述累积似然比超过所述上警戒阈值落入拒绝域时,判定系统状态异常,输出异常标志位;当所述累积似然比低于所述下警戒阈值落入接受域时,判定系统状态正常;当所述累积似然比位于所述风险概率边界内时,继续采集下一时刻数据进行检验。

42、可选的,所述s7具体包括:

43、s71、响应于所述异常标志位,调用预置的异常等级标准集,将当前时间窗口内的特征矩阵转化为特征向量,将所述特征向量与所述异常等级标准集中的各级标准向量构造集对关系;

44、s72、基于集对分析理论,计算所述集对关系中同一性特征数目、差异性特征数目及对立性特征数目,构建同异反联系数表达式;

45、s73、依据所述同异反联系数表达式计算联系势系数,基于预设的势级划分阈值确定当前的态势演化方向;

46、s74、依据所述态势演化方向匹配对应的异常等级,生成分级预警信号并发送至监控终端。

47、本发明的有益效果是:

48、(1)本发明通过工况互信息识别与灰色关联策略优化处理,实现了固态电池运行状态与诊断参数的自适应匹配与动态调整。利用同步压缩小波变换提取时频谱能量重心坐标与频带方差构建工况特征向量,通过计算联合概率分布内的互信息量精准锁定当前工况模式标签。依据灰色关联系数构建优势分析矩阵,通过关联度排序提取最优滑动窗口长度参数及预警阈值系数。该机制建立了从“工况特征识别”到“监测参数配置”的决策通路,有效消除了变工况环境下固定参数导致的诊断偏差,确保诊断模型能够动态适应电池运行状态的漂移,提升了诊断策略的泛化能力与诊断精度。

49、(2)本发明通过构建改进uniformer模型,融合点云拓扑连接与复频域极点稳定性筛选机制,实现了对电池异常发热微弱信号的深层特征提取与全局语义增强。特征嵌入映射层将系统状态关联矩阵映射为离散坐标点,构建三角网格生成拓扑连接图,遍历生成token序列,保留了数据的空间流形结构。局部多头关系聚合层依据最小描述长度准则划分均匀片段,通过片段内部卷积核聚合生成局部突变特征增强向量。全局多头自注意力层计算离散复频域变换系数求解极点坐标与模值,筛选模值超出预设单位圆阈值的位置索引重构注意力掩码。该体系利用拓扑结构保持数据流形特征,结合复频域极点分布约束系统稳定性,精准捕捉了早期故障引发的相空间轨迹畸变,显著增强了对微小异常信号的敏感度。

50、(3)本发明通过序贯概率比检验与集对分析态势演化处理,实现了对异常发热因子的置信度量化与分级预警决策。计算异常发热因子在预设假设分布下的对数似然比构建偏差似然比序列,通过累加求和生成累积似然比并与风险概率边界比对,输出异常标志位。建立当前工况模式标签与异常等级标准集的集对关系,计算同异反联系数表达式确定态势演化方向,匹配对应的异常等级并发送分级预警信号。该方法利用序贯检验降低了误警与漏警概率,通过同异反联系势准确描述了系统状态的演化趋势,实现了对固态电池热失控风险的高置信度判定与精细化预警。