一种电化学储能电池故障的在线检测方法及装置制造方法及图纸

本发明专利技术公开了一种电化学储能电池故障的在线检测方法及装置，该方法包括：采集电池X射线图像数据，对电池X射线图像数据进行分析，生成电池状态标签；将电池X射线图像数据与电池状态标签输入初始机器学习模型中进行训练，生成X射线成像检测模型；获取电池状态标签对应的充放电外部特性数据，将电池状态标签与充放电外部特性数据输入X射线成像检测模型中进行训练，生成电池故障状态检测模型；利用电池故障状态检测模型对当前电池运行故障进行检测，生成电化学储能电池故障检测结果。本方法确保了电池故障检测的内外机理耦合，提升了电化学储能系统运行状态下电池故障检测分析的直观度和准确度。度和准确度。度和准确度。

【技术实现步骤摘要】
一种电化学储能电池故障的在线检测方法及装置


[0001]本专利技术涉及电池故障检测
，具体涉及一种电化学储能电池故障的在线检测方法及装置。

技术介绍

[0002]当前对于运行状态下的储能电池的故障检测，大多数是通过对电芯、模组等的电流、电压、温度、SOC(荷电状态)、SOH(蓄电池容量、健康度和性能状态)等通过传感器监测、计算得到的一些外部特性变量去间接反映电池的实际状态，然而各类外部特性的监测量并不能很好地表征电池内部材料变化、电池结构异常等特点，无法对这类异常情况进行预测判断和提早预防，而且当前离线电池的检测方式无法实际反应电池在运行状态下内部机理和结构的各种变化特征，没有充分发挥电池检测技术的实际应用价值。
[0003]当前储能电池的故障检测具体存在以下不足：只考虑了在离线状态下将电池拿到实验室进行X射线故障检测分析，没有考虑电池实际的运行状态下的情况；常规电化学储能系统在运行状态下只能通过外部电流、电压等外部特性去检测电池故障，没有办法考虑电池实际内部结构以及外部特性体现不了的故障因素；无法直接直观地看到电化学储能集装箱内运行电池内部的实际情况和内部结构的变化。

技术实现思路

[0004]因此，本专利技术要解决的技术问题在于克服当前电化学储能集装箱内电池故障检测大多基于电流、电压、温度等电池外部特性监测量进行评判分析，无法清晰直观地对运行电池的内部结构变化特征进行显示和分析，从而导致好多电池内部故障无法提早发现和处理缺陷，从而提供一种电化学储能电池故障的在线检测方法及装置。/>[0005]本专利技术实施例提供了一种电化学储能电池故障的在线检测方法，包括：
[0006]采集电池X射线图像数据，对电池X射线图像数据进行分析，生成电池状态标签；
[0007]将电池X射线图像数据与电池状态标签输入初始机器学习模型中进行训练，生成X射线成像检测模型；
[0008]获取电池状态标签对应的充放电外部特性数据，将电池状态标签与充放电外部特性数据输入X射线成像检测模型中进行训练，生成电池故障状态检测模型；
[0009]利用电池故障状态检测模型对当前电池运行故障进行检测，生成电化学储能电池故障检测结果。
[0010]本专利技术提供的一种电化学储能电池故障的在线检测方法，通过电池X射线图像数据与充放电外部特性数据的结合分析，确保了电池故障检测的内外机理耦合，使得分析结果更为直观准确，并利用电池故障状态检测模型实现故障检测的自动化智能分析，通过电池X射线图像数据反映电池内部特征，从电池内部特征变化出发，将原本的静态离线检测技术用于在线动态检测，在一定程度上提升了电化学储能系统运行状态下电池故障检测分析的直观度和准确度。
[0011]可选地，对电池X射线图像数据进行分析，生成电池状态标签，包括：
[0012]将电池X射线图像数据进行图像处理，生成处理后的X射线图像数据；
[0013]获取处理后的X射线图像数据对应的专家评判结果，提取专家评判结果中的相同电池状态，并基于相同电池状态的数量确定多个权重概率；
[0014]将多个权重概率进行排序，选取最大的权重概率对应的电池状态作为电池状态标签。
[0015]可选地，将电池X射线图像数据与电池状态标签输入初始机器学习模型中进行训练，生成X射线成像检测模型，包括：
[0016]将电池X射线图像数据输入初始机器学习模型中，生成图像分析结果；
[0017]将图像分析结果与电池状态标签进行比较，当图像分析结果与电池状态标签相符时，生成X射线成像检测模型。
[0018]可选地，将电池状态标签与充放电外部特性数据输入X射线成像检测模型中进行训练，生成电池故障状态检测模型，包括：
[0019]将电池状态标签输入X射线成像检测模型中，生成外部特性监测量变化数据；
[0020]将外部特性监测量变化数据与充放电外部特性数据之间的差值与预设外部监测范围进行比较，当外部特性监测量变化数据与充放电外部特性数据之间的差值符合预设外部监测范围时，生成电池故障状态检测模型。
[0021]可选地，利用电池故障状态检测模型对当前电池运行故障进行检测，生成电化学储能电池故障检测结果，包括：
[0022]采集当前X射线图像数据，将X射线图像数据输入X射线成像检测模型中，生成电池内部缺陷类型；
[0023]将电池内部缺陷类型输入电池故障状态检测模型中，生成外部特性监测量变化数据；
[0024]获取电池内部缺陷类型对应的当前电池外部特性数据，将外部特性监测量变化数据与当前电池外部特性数据进行比较，基于比较结果生成电化学储能电池故障检测结果。
[0025]在本申请的第二个方面，还提出了一种电化学储能电池故障的在线检测装置，包括：
[0026]分析模块，用于采集电池X射线图像数据，对电池X射线图像数据进行分析，生成电池状态标签；
[0027]训练模块，用于将电池X射线图像数据与电池状态标签输入初始机器学习模型中进行训练，生成X射线成像检测模型；
[0028]获取模块，用于获取电池状态标签对应的充放电外部特性数据，将电池状态标签与充放电外部特性数据输入X射线成像检测模型中进行训练，生成电池故障状态检测模型；
[0029]检测模块，用于利用电池故障状态检测模型对当前电池运行故障进行检测，生成电化学储能电池故障检测结果。
[0030]可选地，分析模块，包括：
[0031]处理单元，用于将电池X射线图像数据进行图像处理，生成处理后的X射线图像数据；
[0032]提取单元，用于获取处理后的X射线图像数据对应的专家评判结果，提取专家评判
结果中的相同电池状态，并基于相同电池状态的数量确定多个权重概率；
[0033]排序单元，用于将多个权重概率进行排序，选取最大的权重概率对应的电池状态作为电池状态标签。
[0034]可选地，训练模块，包括：
[0035]生成单元，用于将电池X射线图像数据输入初始机器学习模型中，生成图像分析结果；
[0036]比较单元，用于将图像分析结果与电池状态标签进行比较，当图像分析结果与电池状态标签相符时，生成X射线成像检测模型。
[0037]可选地，获取模块，包括：
[0038]传输单元，用于将电池状态标签输入X射线成像检测模型中，生成外部特性监测量变化数据；
[0039]判断单元，用于将外部特性监测量变化数据与充放电外部特性数据之间的差值与预设外部监测范围进行比较，当外部特性监测量变化数据与充放电外部特性数据之间的差值符合预设外部监测范围时，生成电池故障状态检测模型。
[0040]可选地，检测模块，包括：
[0041]采集单元，用于采集当前X射线图像数据，将X射线图像数据输入X射线成像检测模型中，生成电池内部缺陷类型；
[0042]确定单元，用于将电池内部缺陷类型输入电池故障状态检测模型中，生成外部特性监测量变化数据；
[0043]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电化学储能电池故障的在线检测方法，其特征在于，包括：采集电池X射线图像数据，对所述电池X射线图像数据进行分析，生成电池状态标签；将所述电池X射线图像数据与所述电池状态标签输入初始机器学习模型中进行训练，生成X射线成像检测模型；获取所述电池状态标签对应的充放电外部特性数据，将所述电池状态标签与所述充放电外部特性数据输入所述X射线成像检测模型中进行训练，生成电池故障状态检测模型；利用所述电池故障状态检测模型对当前电池运行故障进行检测，生成电化学储能电池故障检测结果。2.根据权利要求1所述的一种电化学储能电池故障的在线检测方法，其特征在于，所述对所述电池X射线图像数据进行分析，生成电池状态标签，包括：将所述电池X射线图像数据进行图像处理，生成处理后的X射线图像数据；获取所述处理后的X射线图像数据对应的专家评判结果，提取所述专家评判结果中的相同电池状态，并基于相同电池状态的数量确定多个权重概率；将所述多个权重概率进行排序，选取最大的权重概率对应的电池状态作为所述电池状态标签。3.根据权利要求1所述的一种电化学储能电池故障的在线检测方法，其特征在于，所述将所述电池X射线图像数据与所述电池状态标签输入初始机器学习模型中进行训练，生成X射线成像检测模型，包括：将所述电池X射线图像数据输入所述初始机器学习模型中，生成图像分析结果；将所述图像分析结果与所述电池状态标签进行比较，当所述图像分析结果与所述电池状态标签相符时，生成所述X射线成像检测模型。4.根据权利要求1所述的一种电化学储能电池故障的在线检测方法，其特征在于，所述将所述电池状态标签与所述充放电外部特性数据输入所述X射线成像检测模型中进行训练，生成电池故障状态检测模型，包括：将所述电池状态标签输入所述X射线成像检测模型中，生成外部特性监测量变化数据；将所述外部特性监测量变化数据与所述充放电外部特性数据之间的差值与预设外部监测范围进行比较，当所述外部特性监测量变化数据与所述充放电外部特性数据之间的差值符合所述预设外部监测范围时，生成所述电池故障状态检测模型。5.根据权利要求4所述的一种电化学储能电池故障的在线检测方法，其特征在于，所述利用所述电池故障状态检测模型对当前电池运行故障进行检测，生成电化学储能电池故障检测结果，包括：采集当前X射线图像数据，将所述X射线图像数...

【专利技术属性】
技术研发人员：于琦，王良友，林恩德，胡永胜，高潮，李雨欣，张志军，庄宇飞，傅广泽，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：