【技術實現步驟摘要】
本專利技術涉及儲能電池安全管理，尤其是涉及一種基于多維度特征融合的電池故障診斷方法。
技術介紹
1、新能源電池滿足了節約能源的現代化要求，另一方面也對新能源電池的安全可靠運行提出了巨大的挑戰。為確保電池系統的安全、穩定和可靠運行，有必要針對電池進行故障診斷，若未能進行及時的診斷與定位，電池將會產生故障，并在末期引發熱失控，造成重大事故。
2、現有的電池故障診斷技術主要包括基于電池模型的故障診斷方法，無模型的故障診斷方法，以及多故障聯合診斷的研究。通過這些技術的應用，能夠更早地識別和預防可能的電池故障，從而減少事故發生的風險。
3、專利cn114801751b公開了一種基于數據分析的汽車電池故障預測系統，包含歷史故障分析單元，故障閾值獲取單元，即時數據預測單元，性能趨勢預測單元。通過獲取汽車電池運行數據來進行故障診斷數據分析，了解汽車電池各個參數所帶來的影響以及參數的合格預測范圍，進而使得電池故障診斷的準確性得以提高，也能夠提高電池故障預測的準確性，并為電池的故障診斷結果提供有力支撐，對電池運行質量進行實時監測，防止汽車電池在運行過程中出現故障；將電池進行長期運行趨勢預測，有利于對電池的運行效率進行實時把控。該方案能夠滿足對電池進行故障診斷的要求，但并不能保證計算成本低的同時，有效劃分故障等級，分析捕捉到真實的故障，會遺漏或錯誤記錄了一些故障信息，產生誤報警或漏報警的風險。
4、專利cn113093016b提供了一種基于不確定噪聲濾波的動力電池管理系統故障診斷方法，該方法包括建立動力電池系統的電
5、專利cn116381511b則提供了一種電池狀態檢測方法，該方法通過獲取電池數據的標準差和均值，通過切比雪夫算法，計算第一中值，獲取所述電池上一次預測時的輸出數據、當前預測的輸入數據和電池參數，得到實際中間狀態矩陣和實際輸出矩陣，預測中間狀態矩陣和預測輸出矩陣，基于所述實際中間狀態矩陣和所述預測中間狀態矩陣，確定第一殘差，以及基于所述實際輸出矩陣和所述預測輸出矩陣，確定第二殘差；響應于所述第一殘差大于第一閾值或所述第二殘差大于第二閾值，基于所述第一殘差和所述第二殘差生成故障殘差頻譜；基于所述故障殘差頻譜和正常狀態頻譜，確定幅度平方相關譜，并確定所述幅度平方相關譜的相關譜中值；基于所述相關譜中值和預設的判斷閾值，增加檢測結果的準確性和可追溯性，從而確定電池的故障狀態。然而在實際應用當中，可能會同時發生多種故障類型，該方案并未在確保故障結果準確識別的同時，對于電池故障類型與故障等級進行識別與劃分。
6、綜上可知，現有方案主要集中于實現電池故障的診斷，均未對電池故障等級與故障類型進行劃分與確認。
技術實現思路
1、本專利技術的目的就是為了克服上述現有技術存在的缺陷而提供一種基于多維度特征融合的電池故障診斷方法，能夠在確保故障電池準確性和經濟性的同時，實現故障類型的確定與故障等級的劃分。
2、本專利技術的目的可以通過以下技術方案來實現：一種基于多維度特征融合的電池故障診斷方法，包括以下步驟：
3、s1、采集電池基礎數據并進行清洗處理，提取出電壓數據；
4、s2、根據電壓數據，判斷是否發生過充電或過放電故障，若判斷為否，則執行步驟s3；
5、s3、針對電壓數據進行滑動時間窗口處理，得到相應特征數據，包括標準差、香農熵和棧式自編碼器數據；
6、s4、結合各特征數據，采用四分位法確定各特征數據對應閾值，用于比較判斷是否發生電池故障，若判斷為是，則執行步驟s5；
7、s5、利用修正系數分別對各特征數據進行修正處理，得到對應的修正特征數據，根據修正特征數據的變化趨勢來確定當前故障類型；
8、采用局部離群因子算法，通過計算各特征數據的離群因子，確定當前故障等級。
9、進一步地，所述步驟s1具體包括以下步驟：
10、s11、將采集的電池基礎數據按時間升序排列；
11、s12、使用前一時刻的正常數據替換單個空缺值或無效值；
12、s13、將超出正常工作范圍的異常電壓值替換為工作電壓區間的上限或下限；
13、s14、刪除電壓恒定的行；
14、s15、對數據進行min-max歸一化處理：
15、
16、其中，umn,min-max為經過min-max標準化后的電壓數據，umn是第n號電池在第m個采集時刻的電壓數據，min{un}是第n號電池在全采集時刻中的最小值，max{un}是第n號電池在所有采集時刻中的最大值。
17、進一步地，所述步驟s2中判斷是否發生過充電或過放電故障的過程包括：
18、s21、獲取各個電池在不同時刻的電壓數據，建立相應的時間-電壓(t-v)曲線；
19、s22、根據電池類型確定正常工作電壓的范圍，統計每塊電池超出正常工作電壓范圍的次數，當重復多次出現過充電或過放電，則判定電池存在過充電故障或過放電故障。
20、進一步地，所述步驟s22中，正常工作電壓范圍包括正常電壓上限和正常電壓下限，若電池電壓數據大于正常電壓上限，則判斷出現過充電；
21、若電池電壓數據小于正常電壓下限，則判斷出現過放電。
22、進一步地，所述步驟s3具體包括以下步驟：
23、s31、提取單體電池的電壓數據，得到電壓矩陣，令umn表示在第m個采樣時刻下單體n的電壓值，則在第m個采樣時刻n個電池單體的平均電壓為：
24、
25、s32、定義任意滑動窗內采樣時刻m下的各電池單體n的采樣電壓與電池組平均電壓的差值為滑動窗長度為m；
26、s33、計算任意滑動窗內單體n的電壓的差值標準差，具體為該單體在每個采樣時刻的電壓值與n個電池單體的平均電壓之差的標準差：
27、
28、s34、根據gn(m)，計算得出概率矩陣p：
29、
30、其中，gn(i)為任意滑動窗內采樣時刻i下的各電池單體n的采樣電壓與電池組平均電壓的差值；
31、s35、將獲取的概率矩陣p中的元素作為信息熵的計算輸入，計算得到信息熵、即香農熵：
32、
33、s36、利用預先訓練好的棧式自本文檔來自技高網...
【技術保護點】
1.一種基于多維度特征融合的電池故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟S1具體包括以下步驟：
3.根據權利要求1所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟S2中判斷是否發生過充電或過放電故障的過程包括：
4.根據權利要求3所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟S22中，正常工作電壓范圍包括正常電壓上限和正常電壓下限，若電池電壓數據大于正常電壓上限，則判斷出現過充電；
5.根據權利要求2所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟S3具體包括以下步驟：
6.根據權利要求5所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述棧式自動編碼器由多個自編碼器疊加，第一級自編碼器的輸出作為第二級自編碼器的輸入，第二級自編碼器的輸出作為第三級自編碼器的輸入，以此類推完成深度神經網絡的訓練。
7.根據權利要求5所述的一種基于多維度特征融合的電池故
8.根據權利要求1所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟S5中，修正系數取值為-1、0或1，當第m個采樣點的電壓小于當前滑動窗內電壓的平均值，則修正系數的取值為-1；
9.根據權利要求8所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟S5中，當修正特征數據發生突降時，則判斷存在短路故障；當修正特征數據發生突升時，則判斷存在開路故障。
10.根據權利要求7所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟S5中確定當前故障等級的過程包括：
...【技術特征摘要】
1.一種基于多維度特征融合的電池故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟s1具體包括以下步驟：
3.根據權利要求1所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟s2中判斷是否發生過充電或過放電故障的過程包括：
4.根據權利要求3所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟s22中，正常工作電壓范圍包括正常電壓上限和正常電壓下限，若電池電壓數據大于正常電壓上限，則判斷出現過充電；
5.根據權利要求2所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述步驟s3具體包括以下步驟：
6.根據權利要求5所述的一種基于多維度特征融合的電池故障診斷方法，其特征在于，所述棧式自動編碼器由多個自編碼器疊...
【專利技術屬性】
技術研發人員：廖強強，王鴻浙，張冰瑤，郭志鵬，程方潔，葉楊倩，王穎，姚竹葉，趙進，劉澤陽，楊潤長，
申請(專利權)人：上海電力大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。