基于RRAM阵列的神经网络储能电池运行状态监测方法

基于rram阵列的神经网络储能电池运行状态监测方法
技术领域
1.本发明属于储能电站电池健康状态监测技术领域，涉及一种基于rram阵列的神经网络储能电池运行状态监测方法。


背景技术：

2.随着“双碳”目标的提出，未来将向着构建以新能源为主体的新型电力系统的方向发展。由于光伏、风电等新能源具有间歇性和波动性，会影响电力供应的稳定及可靠性。配置储能可以有效地促进新能源的消纳，成为未来大规模利用新能源的重要战略支撑。新能源配套储能已成为大势所趋，然而目前商业化的储能电池模块由于多种原因，可能在运行期间引发热失控甚至着火事故。这些安全隐患给新能源配套储能系统的安全稳定运行带来了严峻挑战。
3.为了确保储能电站的安全稳定运行，需要对电化学储能电站中电池模块的健康状态进行探测和预警。目前的bms(电池管理系统)普遍存在预警滞后和不能全面反映储能电池健康状态的问题，导致储能电站管理出现滞后性。


技术实现要素：

4.本发明的目的是提供一种基于rram阵列的神经网络储能电池运行状态监测方法，采用该方法能够实现对储能电池健康状况的预测，并快速准确的判断储能电池的健康状况。
5.本发明所采用的技术方案是，基于rram阵列的神经网络储能电池运行状态监测方法，具体包括如下过程：
6.步骤1，通过储能电池特征量测量模块采集储能电池模组的特征量，该特征量包括特征气体、电池温度和安全阀产生的特征声音；
7.步骤2，将步骤1采集到的特征量转化为光信号，再通过光纤解调仪将光信号转化为电信号后传输给信号处理模块；
8.步骤3，信号处理模块将收集到的特征量进行处理后传输给神经网络模块；
9.步骤4，神经网络模块接收到信号处理模块处理后的信号后，将该信号加载到训练好的rram阵列上，将会触发与之对应的rram电路，根据训练的神经网络的电路触发情况即可对储能电池非正常的状态进行辨别并发送信息至监控中心。
10.本发明的特点还在于：
11.步骤1中，特征气体通过光纤气体传感器测量；电池温度通过光纤温度传感器测量；安全阀产生的特征声音通过光纤声压传感器测量。
12.步骤2中，光纤解调仪将光信号转化为电信号后通过5g网络传输给信号处理模块。
13.步骤3中，神经网络模块包括输入层和输出层，输入层中包括第一神经元电路和第一权值rram阵列；输出层包括第二权值rram阵列和第二神经元电路。
14.神经网络的输入层中，第一神经元电路的作用为判断输入数据是否超过设定好的
阈值，若超过，则第一神经元被激活，完成置位复位操作，经过多次置位复位，第一权值rram阵列会形成固定的电阻。
15.本发明的有益效果如下：
16.1.本发明通过在线实时监测的方式，改善了维护人工巡检的繁琐性以及可能由人为失误造成的误判，有利于提升储能电站的供电质量以安全可靠；
17.2.本发明可对储能电池的运行状况进行实时监测，通过历史数据实现对储能电池故障的早期预警；
18.3.rram神经网络可实现对储能电池健康状况数据的自学习，通过训练在神经网络中形成记忆，实时监测储能电池的健康状态。
19.4.本发明采用的基于f-p原理的光纤传感器，具有灵敏度高、响应快、精度高等优点，可以迅速、及时并精确的检测出所测储能电池的多种特征值的数据。
附图说明
20.图1是本发明基于rram阵列的神经网络储能电池运行状态监测方法的储能电池运行状态系统结构示意；
21.图2是本发明基于rram阵列的神经网络储能电池运行状态监测方法中光纤气体传感器的示意图；
22.图3是本发明基于rram阵列的神经网络储能电池运行状态监测方法中的光纤气体传感器中腔体顶部卡口结构图；
23.图4是本发明基于rram阵列的神经网络储能电池运行状态监测方法中的光纤气体传感器中腔体底部台阶式卡槽结构图；
24.图5是本发明基于rram阵列的神经网络储能电池运行状态监测方法中的光纤气体传感器中的光纤陶瓷插针结构图；
25.图6是本发明基于rram阵列的神经网络储能电池运行状态监测方法中的光纤气体传感器的应用系统结构示意图。
26.图中，1.法珀腔腔体，2.光纤陶瓷插针，3.栅孔a，4.栅孔b，5.卡槽，6.敏感端反射面，7.顶部固定件，8.卡口，9.光纤陶瓷插针插孔，10.光纤陶瓷插针信号发射端，11.光纤陶瓷插针尾部，12.光纤线，13.光纤气体传感器，14.光纤传感器解调仪，15.电脑单元。
具体实施方式
27.下面结合附图和具体实施方式对本发明进行详细说明。
28.本发明基于rram阵列的神经网络储能电池运行状态监测方法，如图1所示，包括测量模块e1、信号处理模块e2、神经网络模块e3以及储能电池监控中心e4。
29.测量模块e1代表储能电池柜中所有测量单元，涵盖由1到n个储能电池的特征量监测模块e11到e1n，其中每个监测模块的检测物理量包含储能电池释放的特征气体、储能电池的温度以及安全阀动作时发出的特征声音。
30.信号处理模块e2通过滤波单元、信号放大单元和模数转换单元处理各储能电池状态特征量。
31.其中信号处理模块e2中包含的子模块e21到e2n分别对来自对应1到n个储能电池
状态特征量的信息进行处理；处理好的信息汇入神经网络模块e3进行分析和整理。
32.神经网络模块e3实时整理并分析处理模块处理后的信息，最终分区分类汇总至储能电池监控中心e4并将储能电池非正常的状态反应到监控中心e4。监控中心e4可以根据汇总的实时信息和历史信息对电池的健康状态进行判断，并安排合适的时间对有故障或可能发生事故的电池进行维修或更换。
33.以上不同模块间的通信均通过超高可靠低时延通信的5g通信网进行信息的传输。
34.测量模块e1可以对反映储能电池健康状态的多个不同物理量进行信息采集，例如特征气体、电池温度和安全阀产生的特征声音等。其中，传感器为测量模块e1的主要部件，储能电池的特征气体通过光纤气体传感器测量；
35.储能电池的电池温度通过光纤温度传感器测量；
36.储能电池中安全阀产生的特征声音通过光纤声压传感器测量；
37.光纤气体传感器、光纤温度传感器安装于储能电池模组上方中心处，光纤声压传感器安装于储能电池安全阀附近。
38.信号处理模块e2包括滤波单元、信号放大单元、模数转换单元。每个信号处理模块e2处理完成的数据汇总在信号分析模块。
39.神经网络模块e3与各个信号处理模块e2通过5g通信网连接，神经网络模块e3为rram神经网络，其作用是通过经历史数据训练好的神经网络对储能电池的状态进行辨别。
40.储能电池监控中心对整个储能电站的电池状态进行管理，对储能电池的实时数据进行分类和存储。
41.本发明可对每个储能电池的运行状态进行在线监测，并采用rram对电池箱集群中每块电池的释放的气体、温度和声音多个特征参量进行汇总计算，从而得到整个电池箱集群的特征参量的数值，进而根据每块电池的特征量实现对电池模块的早期安全预警。便于对故障电池的精准甄别，有利于及时发现安全隐患，极大的提升了储能电站的运营性能以及并网安全。
42.本发明采用f-p(法布里—珀罗)干涉原理制成的光纤传感器，具有灵敏度高，无源和响应迅速等优点，可精确实时的对储能电池的状态特征量进行检测，同时采用多特征值在线检测也增加了早期预警的准确性，提升了储能电站的运营安全。
43.基于法布里—珀罗(法珀腔)的光纤气体传感器，如图2～4所示，包括法珀腔腔体1、光纤陶瓷插针2、顶部固定件7以及敏感端反射面6，光纤陶瓷插针2插入到法珀腔腔体1之上设计的圆柱形光纤陶瓷插针插孔9中，法珀腔腔体1的顶部位置设计有卡口8，如图5所示，卡口8用来固定光纤陶瓷插针尾部11。光纤陶瓷插针尾部11连接光纤陶瓷插针信号发射端10；光纤陶瓷插针2连接光纤线12。
44.法珀腔腔体1的靠近底部侧边位置设计有3组四分之一圆环形栅孔a3和四分之一圆环形栅孔b4，且每组圆环形栅孔对位设计。3组四分之一圆环形栅孔a3和3组四分之一圆环形栅孔b4一一对称设置。
45.法珀腔腔体1底部位置设计有卡槽5，敏感端反射面6放置于设计的卡槽5中。
46.法珀腔腔体1最底部的四分之一圆环形栅孔a3距离法珀腔腔体1底面为0.5mm，且每个栅孔的高度均为0.5mm以及相邻两个个栅孔之间的间隔同样为0.5mm，栅孔的水平长度为4mm。四分之一圆环形栅孔a3和四分之一圆环形栅孔b4的结构完全相同。
47.本发明基于法珀腔的光纤气体传感器。光源信号采用的是40nm波长的宽带激光光源。光信号由陶瓷插针发射到敏感端反射面，到达敏感端反射面时光信号将会发生折射，由于光信号在不同气体中的折射率n都不同，由公式(1)表示可得出光的强度将发生变化。法珀腔腔体1内最初通入的是空气，空气的折射率n为1。通过改变法珀腔腔体1内的气体成分，光信号的折射率n将会随不同的气体成分发生改变，此时入射光强度随之改变，将该光信号通入光纤耦合器，再经过光纤传感器解调仪对光信号进行解调计算。
48.本发明基于法珀腔的光纤气体传感器的制作方法以及步骤如下：
49.步骤1，设计光纤法珀腔气体传感器腔体。整体结构为圆柱形，圆柱形的顶部设计光纤陶瓷插针尾部对应的卡口固定件，用以将光纤陶瓷插针稳定且水平的插入腔体之中。将圆柱形腔体整体高度分为两部分，上半部分设计为中间开直径为2.6mm的圆柱形直通孔，用以插入光纤陶瓷插针；下半部分中部开的圆柱形孔稍大，用以充进待测气体，且下半部分靠近底部位置设计1/4圆环形栅孔，用以将待测的气体通进法珀腔腔体内部。圆柱形腔体的最底部设计为台阶式，用以将敏感端反射面6放入其中。
50.步骤2，将光纤陶瓷插针2插入设计好的法珀腔腔体1中，法珀腔腔体1的顶部设有顶部固定件7，顶部固定件7的设计使得光纤陶瓷插针2的尾部可以很稳固的插入法珀腔腔体1之内。
51.步骤3，将敏感端反射面6水平的放置于圆柱形法珀腔腔体1底部设计的台阶式卡口8中，后用胶水在敏感端反射面6与周围的珀腔腔体1之间进行粘接。
52.通过上述三个步骤，即完成了光纤气体传感器的制作。
53.上述步骤2与步骤3中法珀腔腔体1的顶部固定件7的设计与底部台阶式卡口8设计的有益效果如下：
54.顶部固定件7设计的有益效果为：可以使得光纤陶瓷插针2发射光信号的水平端面与圆柱形法珀腔腔体1的端面保持水平。
55.台阶式卡口8设计的有益效果为：可以很好的将敏感端反射面6与圆柱形法珀腔腔体1端面保持水平。
56.上述两个有益效果可以使光纤陶瓷插针2发射光信号的端面与敏感端反射面6保持在不同但平行的水平面上，使得光的往返反射更加水平，减少了光信号的损失，提高了传感器的灵敏度。使其测量的结果更加精准。
57.图2所示的圆片形敏感端反射面6仅画了一半示意，是为了便于看到气体传感器内部的结构。实际的敏感端反射面6为整圆。
58.如图6所示，本发明基于法珀腔的光纤气体传感器的应用系统，包括基于法珀腔的光纤气体传感器13、光纤传感器解调仪14以及电脑单元15。将基于法珀腔的气体传感器13与光纤传感器解调仪14进行信号连接，即可完成待测气体的量。
59.如图2所示，当光纤气体传感器13底部的四分之一圆环形栅孔a3和四分之一圆环形栅孔b4的中流进待测气体时，由于法珀腔腔体1内气体成分发生了变化，即光的折射率发生了变化，光纤传感器反射回来的光强度将会发生变化，由法珀腔内气体成分变化引起的光强度变化ir可表示为：
[0060][0061]
其中，r表示光信号的反射率，i0表示光信号的入射光强度，λ表示光信号的波长，l表示法珀腔腔体的腔长，n表示为f-p腔的折射率，一般为空气，n＝1。通入不同浓度的气体便可改变光信号的强度。通过光纤传感器解调仪即可计算出该变化的光信号强度对应的待测气体成分。
[0062]
本发明基于rram阵列的神经网络储能电池运行状态监测方法，具体包括如下步骤：
[0063]
步骤1，储能电池特征量测量模块e1中的3个检测不同类型特征物理量的光纤传感器测量不同的特征物理量，这些信息被采集后转化为光信号，再通过光纤解调仪将光信号转化为电信号后通过5g通信网络无线传输到信号处理模块e2。其中光纤气体传感器、光纤温度传感器安装于储能电池模组上方中心处进行特征气体、温度的实时测量。光纤声压传感器安装于储能电池安全阀附近进行特征声音的实时测量。
[0064]
步骤2，5g通信网络将光纤解调仪解调的电信号传输至信号处理模块e2进行特征物理量的处理。每个信号处理子模块e21到e2n处理对应的储能电池状态信息并将收集的信息按不同的特征物理量进行分类后传输给神经网络模块e3进行数据的汇总和计算。
[0065]
步骤3，神经网络模块e3(神经网络模块e3为rram神经网络模块)接收到信号处理模块e2处理后的数据，由于每个特征信号会使加载在rram器件上的电压信号大小有差异，导致生成不同的电流信号。这些信号加载到训练好的rram阵列上。训练过程为提取监测特征量的数据参数输入rram，通过调节rram阵列中相应的阻值来对三种特征值进行存储。第一层神经网络通过神经突触将电信号传递到第二层神经网络，第二层神经元对信号进行求和计算，计算的结果记为ua，与阈值电压ub进行比较。当ua大于ub时，第二层神经元产生一个控制信号抑制其他神经元的触发，同时反馈信号反馈到第一层神经网络，第一层神经网络阻值发生变化得到一个新的权值，完成一次学习过程。多次重复学习过程，使相应的3种特征物理量对应的权值稳定在一个范围，完成前期rram阵列的训练过程用于实时监测数据的比较和判断。当神经网络模块接收到来自于e2处理后的数据后将会触发与之对应的rram电路，根据训练的神经网络的电路触发情况即可对储能电池非正常的状态进行辨别并发送信息至监控中心。对温度信号：设训练好的神经网络的阻值范围为r
1-r2，对于实时采集的温度信号触发的阻值如果不在训练的阻值范围之内则发送报警信号至监控中心，如果在训练的阻值范围之内则不发出报警信号。对气体信号：设训练好的神经网络的阻值范围为r
3-r4，对于实时采集的气体信号触发的阻值如果不在训练的阻值范围之内则发送报警信号至监控中心，如果在训练的阻值范围之内则不发出报警信号。对声音信号：设训练好的神经网络的阻值范围为r
5-r6，对于实时采集的声音信号触发的阻值如果不在训练的阻值范围之内则发送报警信号至监控中心，如果在训练的阻值范围之内则不发出报警信号。
[0066]
步骤4，rram器件上的电路触发情况以及存储的实时数据会被传输到储能电池监控中心e4并被显示出来。工作人员还可以根据神经网络模块e3发出的非正常状态的信号结合储能电池实时和历史的运行状态数据及时对出现异常状态的储能电池安排合理的修复或更换计划，节省排查时间，提高了修复概率和效率。
[0067]
神经网络模块e3需要分层构建，共两层；
[0068]
第一层神经网络为输入层，接收信号处理模块e2处理后的数据，输入层中包括第一神经元电路和第一权值rram阵列，第一神经元电路的作用为判断输入数据是否超过设定好的阈值，若超过，则第一神经元被激活，完成置位复位操作，经过多次置位复位，第一权值rram阵列会形成固定的电阻；
[0069]
第二层为输出层，输出层包括第二权值rram阵列和第二神经元电路；
[0070]
第二权值rram阵列位于第一神经元电路与第二神经元电路之间，用于确定第一神经元电路输出数据的权重。
[0071]
第二神经元电路作用于第一神经元电路相同。
[0072]
输出层中不同的位置对应三种不同储能电池运行状态特征物理量(储能电池释放的特征气体、储能电池的温度以及安全阀动作时发出的特征声音)的区域。
[0073]
这三种不同区域的数据会加载不同大小的电压信号，这些信号会触发事先训练好的rram电路，根据触发的阻值是否在训练好的神经网络对应的阻值范围之内可以判别实时存储的数据是否在正常范围之内。
[0074]
最后，第二神经元电路的输出的结果通过5g通信网络发送到到监控中心e4进行显示。
[0075]
监控中心e4可以实时获取储能电站中每个储能电池健康状态的数据，通过实时数据和神经网络传输的信号服务中心可以及时制定维护计划。