一种基于相似性度量的储能电池无监督故障诊断算法制造技术

本发明专利技术提供了基于相似性度量的储能电池无监督故障诊断算法，属于储能电池故障诊断领域。解决了现有自主实现无法高效率串联电池组故障检测与定位等问题。本储能电池充放电过程的信号监测、采集、汇总，构建无监督故障诊断数据集；对采集到的信号进行清洗，去除异常点，同时构建滤波器，以抑制采样中混入的噪声；根据充放电过程的信号特性，构建每个单体电池的关键点序列；提取监测信号的分段趋势项特征，将完整的监测信号分割为时间片段，进行分段线性化；构建单体电池离群值计算模块；实现多个标准的信息融合，得到离群程度，作为发生故障的重要衡量指标，进而判别故障电池。实现快速排查故障电池，提供维修建议优点。提供维修建议优点。提供维修建议优点。

【技术实现步骤摘要】
一种基于相似性度量的储能电池无监督故障诊断算法


[0001]本专利技术涉及储能电池故障诊断领域，尤其涉及一种基于相似性度量的储能电池无监督故障诊断算法。

技术介绍

[0002]推动新型储能快速发展是支撑新型电力系统的重要技术和基础装备。
[0003]储能在电源侧能够保障新能源高效消纳利用，为电力系统提供容量支撑及一定调峰能力；在电网侧能够提升大规模高比例新能源及大容量直流接入后系统灵活调节能力和安全稳定水平；在电网末端及偏远地区，建设储能或风光储电站，提高电网供电能力；移动式或固定式储能能够提升应急供电保障能力或延缓输变电升级改造需求；在分布式新能源、微电网、大数据中心、5G基站、充电设施、工业园区等用户侧，融合储能形成新的应用场景。
[0004]新型储能系统大多数采用锂电池电芯作为基本单元，储能电池的成组方式是由多个电池电芯串并联成一个模组，多个模组串并联成电池簇，多个电池簇并联形成的一个电池系统单元。这个电池系统单元包含了几千个电池电芯。在电源侧、电网侧和有些用户侧的大型储能电站中会由多个上述的电池系统单元组成，在这样一个由成千上万的电池电芯组成的系统中，有一个电芯出现故障都会给整个系统的安全、稳定、高效运行带来一定的影响。因此电池电芯健康状态的诊断显得尤为重要。
[0005]目前针对储能电池故障诊断的方法大多数基于电池整体或者是某一簇电池的运行情况，很少基于电池电芯的分析。大量的电池电芯，锂电池的充放电特性以及重返点的环境因素都给电池故障诊断带来困难。本专利提供一种基于相似性度量的储能电池无监督故障诊断算法，用于自主实现高效率和高精度的串联电池组故障检测与定位，快速排查故障电池，提供维修建议。

技术实现思路

[0006]本专利技术提供一种储能电池电芯故障识别与诊断方法、装置与系统，主要目标是，在无人监控的条件下，自主实现高效率和高精度的储能电池电芯故障检测与定位，快速排查故障电池，提供维修建议。为实现上述目标，本专利技术提供了一种储能电池电芯的无监督故障诊断算法，所述方法可应用于分布式数据采集和分析终端，所述技术方案包括：
[0007]S1、储能电池充放电过程的信号监测、采集、汇总，构建无监督故障诊断数据集；
[0008]S2、对采集到的信号进行清洗，去除因传感器波动、操作环境突变等因素引起的异常点，同时利用滑动平均法构建滤波器，以抑制采样中混入的噪声。每隔一个采样时间，滑动时间窗口向前滑动一次，时间窗的长度为L，采样数为n，因此共滑动n
‑
L 次。
[0009]S3、根据充放电过程的信号特性，根据极大(小)值点、拐点等时序特征，构建每个单体电池的关键点序列；
[0010]由于串联电池组的监测信号是离散信号，因此计算其一阶差分和二阶差分，取一
阶差分和二阶差分为零的时刻作为关键点，从而构建由极大(小)值和拐点组成的关键点序列。
[0011]S4、提取监测信号的分段趋势项特征。基于每个单体电池的关键点序列，将完整的监测信号分割为若干时间片段。进行分段线性化，在每个时间片段上，用线性函数代替原本的非线性信号，将各时间片段内的斜率作为趋势项，最终构建每个单体电池的趋势项序列。
[0012]S5、基于相似性分析原理，构建单体电池离群值计算模块，该模块能够衡量每一单体电池与其余电池在充放电过程中的离群程度，为此构建以下三个离群度量子模块；
[0013]S501、构建欧氏距离子模块。针对某一单体电池，逐一计算其监测信号与其他所有电池的二范数，取平均值作为该单体电池在欧氏距离标准下的离群值。
[0014]S502、构建关键点分布子模块。针对某一单体电池，利用动态时间规整方法，逐一计算其关键点序列与其他所有电池的距离，取平均值作为该单体电池在关键点分布标准下的离群值。
[0015]S503、构建趋势项差异子模块。针对某一单体电池，利用动态时间规整方法，逐一计算其趋势特征序列与其他所有电池的距离，取平均值作为该单体电池在趋势项差异标准下的离群值。
[0016]S6、将三个标准视作三个不同的基本概率分配函数，某电池存在故障视作基本假设空间，进而利用D
‑
S证据理论，实现多个标准的信息融合，得到每个单体电池相较于其他单体电池的离群程度，作为发生故障的重要衡量指标；若离群值超过某一设定阈值，则判定该电池故障。
[0017]采用以上技术方案后，本专利技术的基于相似性度量的储能电池无监督故障诊断算法，与现有技术相比，具有以下优点：
[0018]本方法基于距离进行两两单体电池间的相似性度量，计算开销小，鲁棒性好，易于工程实现；构建多个离群度量标准，从电池的充放电阶段、实时电量等多角度捕捉电池特征，有效提高了时序信息的提取能力；针对不同单体电池存在的特征差异，引入动态时间规整，本方法对于不同的电池对象和充放电场景有较强的适应能力；本方法属于无监督学习，不仅可以在无需人工标定的前提下捕捉充放电阶段、电池实时状态等因素，而且能够在故障样本未知的情况下识别异常电池，实现在线诊断。
[0019]本专利技术的其他特征和优点将在随后的说明书中阐述。
附图说明
[0020]图1是本专利技术实施例基于相似性度量的总流程图。
[0021]图2是实施例的原始监测信号图。
[0022]图3是实施例在基于欧氏距离标准下的离群值曲线示意图。
[0023]图4是实施例的原始监测信号经一阶导数后的曲线示意图。
[0024]图5是实施例的原始监测信号经二阶导数后的曲线示意图。
[0025]图6是本专利技术在实施例上经D
‑
S证据理论进行信息融合后得到的最终结果。
具体实施方式
[0026]以下结合附图和实施例对本专利技术作进一步说明。
[0027]S1、采集若干充放电周期内电池组的电压信号，包含正常电池和故障电池的数据。假设所检测电池组包含m个单体电池，在若干充放电周期内共有n个采样样本，构建电池组的监测矩阵X＝[X1，X2，
…
，X
n
]∈R
n
×
m
,其中
[0028]X
i
∈R
m
，i＝1，2，m，X
·
j
∈R
n
，j＝1，2，
…
，n。
[0029]S2、将数据矩阵接入异常值处理模块，该模块能够实监测信号的滤波、平滑。针对t时刻的监测信号，异常值处理模块构建时间窗W
t
，时间窗长度为L，故窗内包含数据[X
t
‑
L
，X
t
‑
L+2
，
…
，X
t
‑1]。针对每一个单体电池的监测信号，由于存在噪声、传感器突变等原因，需要对信号作平滑处理，以去除异常点，同时对于电池在充放电阶段因状态变化所产生的时变性因素，需要尽可能多地予以保留。首先计算时间窗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相似性度量的储能电池无监督故障诊断算法，其特征在于，包括如下步骤：S1、储能电池充放电过程的信号监测、采集、汇总，构建无监督故障诊断数据集；S2、对采集到的信号进行清洗，去除因传感器波动、操作环境突变因素引起的异常点，同时利用滑动平均法构建滤波器，以抑制采样中混入的噪声；S3、根据充放电过程的信号特性，根据极大(小)值点、拐点时序特征，构建每个单体电池的关键点序列；S4、提取监测信号的分段趋势项特征，基于每个单体电池的关键点序列，将完整的监测信号分割为若干时间片段，进行分段线性化；S5、基于相似性分析原理，构建单体电池离群值计算模块，包含三个离群度量子模块；S6、利用D
‑
S证据理论，实现多个标准的信息融合，得到每个单体电池相较于其他单体电池的离群程度，作为发生故障的重要衡量指标，进而判别故障电池。2.根据权利要求1所述的一种基于相似性度量的储能电池无监督故障诊断算法，其特征在于，在步骤S1中，具体包括以下步骤：S101、利用电压传感器采集若干充放电周期内电池组的电压信号；S102、所检测电池组包含m个单体电池，在若干充放电周期内共有n个采样样本，构建电池组的监测矩阵。3.根据权利要求1所述的一种基于相似性度量的储能电池无监督故障诊断算法，其特征在于，在步骤S2中，具体包括以下步骤：S201、计算局部信号的均值、标准差，构建当前时刻监测信号的正常范围；S202、对落在正常范围外的监测信号进行平滑处理。4.根据权利要求3所述的一种基于相似性度量的储能电池无监督故障诊断算法，其特征在于，在步骤S201中，利用时间窗构建时间序列片段，以反映局部特征以去除异常点，时间窗W
t
包含数据[X
t
‑
L
，X
t
‑
L+2
，...，X
t
‑1]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中L为时间窗的长度，时间窗每次向后推移一个时刻。5.根据权利要求1所述的一种基于相似性度量的储能电池无监督故障诊断算法，其特征在于，在步骤S3中，具体包括以下步骤：S301、根据单体电池监测信号的极值点、拐点，分别构建矩阵F和G，据此得到特异时刻点序列；S302、根据特异时刻点序列，构建第k个单体电池的关键点序列6.根据权利要求5所述的一种基于相似性度量的储能电池无监督故障诊断算法，其特征在于，在步骤S301中，针对离散信号，利用一阶差分和二阶差分以获得极值点、拐点，进而根据极值点、拐点为零得到特异时刻点。7...

【专利技术属性】
技术研发人员：范运飞，陈文胜，李峰，毛涛涛，
申请(专利权)人：浙江零碳云能源科技有限公司，
类型：发明
国别省市：