一种基于人工智能的新能源电池故障诊断方法技术

本发明专利技术涉及电池故障诊断的技术领域，揭露了一种基于人工智能的新能源电池故障诊断方法，包括：构建新能源电池等效电路模型；基于新能源电池等效电路模型采集实验环境下的电池阻抗数据以及荷电状态数据，并提取所采集数据的特征；基于新能源电池的特征构建新能源电池故障诊断模型；利用改进的图优化算法对新能源电池故障诊断模型进行优化；将待诊断新能源电池的指标特征输入到优化后的新能源电池故障诊断模型中，模型输出待诊断新能源电池是否存在故障以及故障的类型。本发明专利技术基于新能源电池等效电路模型将多维多指标的新能源电池特征指标数据转换为三维的新能源电池故障诊断指标体系，降低电池故障诊断的复杂性，提高电池故障诊断的时效性。故障诊断的时效性。故障诊断的时效性。

【技术实现步骤摘要】
一种基于人工智能的新能源电池故障诊断方法


[0001]本专利技术涉及电池故障诊断的
，尤其涉及一种基于人工智能的新能源电池故障诊断方法。

技术介绍

[0002]新能源电池满足了节约能源的现代化要求，另一方面也对新能源电池的安全可靠运行提出了巨大的挑战。新能源电池一旦发生故障问题将会造成灾难性后果以及恶劣的社会影响，因此对新能源电池的故障诊断具有重要意义。而新能源电池的特征指标包括电流值、电压值、电阻值以及荷电状态等，特征维度较高，因此传统电池故障诊断方法需要建立多维的诊断模型对新能源电池进行故障诊断，多维的诊断模型需要大量数据以及计算资源进行训练，且若各维度之间复杂的关系可能会导致故障误判。

技术实现思路

[0003]有鉴于此，本专利技术提供一种基于人工智能的新能源电池故障诊断方法，目的在于（1）构建新能源电池等效电路模型，将多维多指标的新能源电池特征指标数据转换为三维的新能源电池故障诊断指标体系，降低电池故障诊断的复杂性，实现电池故障诊断的时效性；（2）基于图网络模型构建新能源电池故障诊断模型，对模型进行图优化，得到可用的新能源电池故障诊断模型，实现待诊断新能源电池的故障类型诊断。
[0004]实现上述目的，本专利技术提供的一种基于人工智能的新能源电池故障诊断方法，包括以下步骤：S1：构建新能源电池等效电路模型，实现新能源电池工作过程的数字化表示；S2：基于新能源电池等效电路模型采集实验环境下的电池阻抗数据以及荷电状态数据，并提取所采集数据的特征，根据所提取特征构建新能源电池故障诊断指标体系；S3：基于新能源电池故障诊断指标体系中的指标特征构建新能源电池故障诊断模型，其中所述新能源电池故障诊断模型的输入为新能源电池的指标特征，输出为新能源电池是否存在故障以及故障的类型；S4：利用改进的图优化算法对新能源电池故障诊断模型进行优化，求解得到优化后的故障诊断模型参数；S5：将待诊断新能源电池的运行数据输入到新能源电池等效电路模型中，并提取待诊断新能源电池的指标特征；S6：将待诊断新能源电池的指标特征输入到优化后的新能源电池故障诊断模型中，模型输出待诊断新能源电池是否存在故障以及故障的类型。
[0005]作为本专利技术的进一步改进方法：可选地，所述S1步骤中构建新能源电池等效电路模型，包括：基于新能源电池运行过程中电池离子扩散产生的扩散阻抗，构建新能源电池工作过程中的等效电路模型，所述新能源电池等效电路模型的模型结构为：
其中：为新能源电池的阻抗；为新能源电池的电阻值；为极化电阻值；b为新能源电池中恒相元件的模值，为恒相元件的相位；Z表示扩散阻抗；j表示虚数单位，；表示新能源电池中电流的角频率；T表示新能源电池的温度；F表示法拉第常量；S表示新能源电池活化面积，C表示新能源电池中阴极活性层氧浓度，表示扩散系数，n表示扩散的电池离子数目。
[0006]可选地，所述S2步骤中基于新能源电池等效电路模型采集实验环境下的电池阻抗数据以及荷电状态数据，包括：获取不同类型的新能源电池，并采集实验环境下的不同类型新能源电池的工作数据，所采集工作数据的集合为：其中：为所获取的第k个新能源电池的工作数据，K为所获取新能源电池总数；，其中表示第k个新能源电池不存在故障，表示第k个新能源电池存在故障，若，则为0，若，则为第k个新能源电池的故障类型；表示第k个新能源电池在工作期间电阻值变化的时序数据；表示第k个新能源电池的参数特征，包括极化电阻值、电流的角频率、恒相元件模值以及相位；表示第k个新能源电池在工作期间扩散阻抗变化的时序数据；第k个新能源电池在工作期间荷电状态变化的时序数据；根据所构建的新能源电池等效电路模型，将新能源电池在工作期间的电阻值、扩散阻抗以及参数特征代入新能源电池等效电路模型，得到新能源电池的电池阻抗时序数据，则所采集的数据集合为：
其中：为第k个新能源电池的工作数据；为第k个新能源电池在工作状态下的电池阻抗时序数据。
[0007]可选地，所述S2步骤中提取实验室环境下所采集数据的特征，包括：所述特征提取算法流程为：分别提取电池阻抗时序数据的实部和虚部，得到，，其中表示第k个新能源电池的电池阻抗时序数据的实部，为实部提取公式，表示第k个新能源电池的电池阻抗时序数据的虚部，为虚部提取公式；将电池阻抗时序数据实部、电池阻抗时序数据虚部以及荷电状态时序数据作为新能源电池的特征；对所采集的数据集合中的工作数据进行上述特征提取，得到所采集数据的特征向量集合：其中：为第k个新能源电池的特征向量。
[0008]可选地，所述S2步骤中根据所提取特征构建新能源电池故障诊断指标体系，包括：所构建的新能源电池故障诊断指标体系包括电池阻抗实部特征、电池阻抗虚部特征以及荷电状态特征。
[0009]可选地，所述S3步骤中基于新能源电池故障诊断指标体系中的指标特征构建新能源电池故障诊断模型，包括：基于新能源电池故障诊断指标体系中的指标特征，利用所采集数据的特征向量集合构建新能源电池故障诊断模型，其中所述新能源电池故障诊断模型为图模型，每个特征向量为新能源电池故障诊断模型中的一个点，特征向量之间的隶属度关系为新能源电池故障诊断模型中的边，所述新能源电池故障诊断模型的输入为新能源电池的指标特征，输出为新能源电池是否存在故障以及故障的类型；将待诊断新能源电池的指标特征输入到新能源电池故障诊断模型中，新能源电池故障诊断模型计算指标特征中每一维特征所属类别的概率，则指标特征属于类别r的概率为：其中：表示指标特征中第i维特征与类别r的第i维特征的隶属度，，其中表示电池阻抗实部特征，表示电池阻抗虚部特征，表示荷电状态特征；
表示指标特征中第i维特征的标准差；为指标特征中第i维特征的均值；为类别r的第i维特征的均值；e为自然指数；为指标特征属于类别r的概率，，表示待诊断新能源电池不存在故障。
[0010]可选地，所述S4步骤中利用改进的图优化算法对新能源电池故障诊断模型进行优化，包括：将所采集数据的特征向量集合划分为训练集和测试集，其中训练集中特征向量的数目为，测试集中特征向量的数目为；设定新能源电池故障诊断模型可以进行诊断的故障类型数为H，其中，H中包括一种不存在故障的故障类型以及种故障，从训练集中选取个故障类型不同的特征向量作为初始故障类别；随机生成训练集中每一个特征向量中每一维特征与初始故障类别中每一维特征的隶属度；构建新能源电池故障诊断模型优化的目标函数：其中：为训练集中第v个特征向量的第i维特征与第h个初始类别的第i维特征的隶属度；所述目标函数的约束条件为：将约束条件代入到目标函数中：其中为拉格朗日乘子；
令，分别得到故障类别的迭代公式以及隶属度的迭代公式：，分别得到故障类别的迭代公式以及隶属度的迭代公式：其中：为训练集中第v个特征向量的均值；根据迭代公式对故障类别以及隶属度进行迭代，并利用测试集进行测试：其中：为测试集中第个特征向量的模型输出故障类型，为测试集中第个特征向量的真实故障类型；直到值达到最小，将此时的故障类别以及对应的隶属度作为新能源电池故障诊断模型的优化参数，得到优化后的新能源电池故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的新能源电池故障诊断方法，其特征在于，所述方法包括：S1：构建新能源电池等效电路模型；S2：基于新能源电池等效电路模型采集实验环境下的电池阻抗数据以及荷电状态数据，并提取所采集数据的特征，根据所提取特征构建新能源电池故障诊断指标体系；S3：基于新能源电池故障诊断指标体系中的指标特征构建新能源电池故障诊断模型，其中所述新能源电池故障诊断模型的输入为新能源电池的指标特征，输出为新能源电池是否存在故障以及故障的类型；S4：利用改进的图优化算法对新能源电池故障诊断模型进行优化，求解得到优化后的故障诊断模型参数；S5：将待诊断新能源电池的运行数据输入到新能源电池等效电路模型中，并提取待诊断新能源电池的指标特征；S6：将待诊断新能源电池的指标特征输入到优化后的新能源电池故障诊断模型中，模型输出待诊断新能源电池是否存在故障以及故障的类型。2.如权利要求1所述的一种基于人工智能的新能源电池故障诊断方法，其特征在于，所述S1步骤中构建新能源电池等效电路模型，包括：基于新能源电池运行过程中电池离子扩散产生的扩散阻抗，构建新能源电池工作过程中的等效电路模型，所述新能源电池等效电路模型的模型结构为：中的等效电路模型，所述新能源电池等效电路模型的模型结构为：其中：为新能源电池的阻抗；为新能源电池的电阻值；为极化电阻值；b为新能源电池中恒相元件的模值，为恒相元件的相位；Z表示扩散阻抗；j表示虚数单位，；表示新能源电池中电流的角频率；T表示新能源电池的温度；F表示法拉第常量；S表示新能源电池活化面积，C表示新能源电池中阴极活性层氧浓度，表示扩散系数，n表示扩散的电池离子数目。3.如权利要求1所述的一种基于人工智能的新能源电池故障诊断方法，其特征在于，所述S2步骤中基于新能源电池等效电路模型采集实验环境下的电池阻抗数据以及荷电状态
数据，包括：获取不同类型的新能源电池，并采集实验环境下的不同类型新能源电池的工作数据，所采集工作数据的集合为：其中：为所获取的第k个新能源电池的工作数据，K为所获取新能源电池总数；，其中表示第k个新能源电池不存在故障，表示第k个新能源电池存在故障，若，则为0，若，则为第k个新能源电池的故障类型；表示第k个新能源电池在工作期间电阻值变化的时序数据；表示第k个新能源电池的参数特征，包括极化电阻值、电流的角频率、恒相元件模值以及相位；表示第k个新能源电池在工作期间扩散阻抗变化的时序数据；第k个新能源电池在工作期间荷电状态变化的时序数据；根据所构建的新能源电池等效电路模型，将新能源电池在工作期间的电阻值、扩散阻抗以及参数特征代入新能源电池等效电路模型，得到新能源电池的电池阻抗时序数据，则所采集的数据集合为：其中：为第k个新能源电池的工作数据；为第k个新能源电池在工作状态下的电池阻抗时序数据。4.如权利要求3所述的一种基于人工智能的新能源电池故障诊断方法，其特征在于，所述S2步骤中提取实验室环境下所采集数据的特征，包括：特征提取算法流程为：分别提取电池阻抗时序数据的实部和虚部，得到，，其中表示第k个新能源电池的电池阻抗时序数据的实部，为实部提取公式，表示第k个新能源电池的电池阻抗时序数据的虚部，为虚部提取公式；将电池阻抗时序数据实部、电池阻抗时序数据虚部以及荷电状态时序数据作为新能源电池的特征；对所采集的数据集合中的工作数据进行上述特征提取，得到所采集数据的特征向量集合：其中：为第k个新能源电池的特征向量。5.如权利要求4所述的一种基于人工智能的新能源电池故障诊断方法，其特征在于，所述S2步骤中根据所提取特征构建新能源电池故障诊断指标体系，包括：
所构建的新能源电池故障诊断指标体系包括电池阻抗实部特征、电池阻抗虚部特征以及荷电状态特征。6.如权利要求1所述的一种基于人工智能的新能源电池故障诊断方法，其特征在于，所述S3步骤中基于新能源电池故障诊断指标体系中的指标特征构建新能源电池故障诊断模型，包括：基于新能源电池故障诊...

【专利技术属性】
技术研发人员：吴宇航，李泽坤，耿连忠，杨伯青，李达兴，
申请(专利权)人：深圳市威特利电源有限公司，
类型：发明
国别省市：