一种锂离子电池故障诊断方法、系统、设备及介质技术方案

本发明专利技术属于储能技术领域，公开了一种锂离子电池故障诊断方法、系统、设备及介质；其中，所述锂离子电池故障诊断方法包括：获取每个采样点的原始电池电压并进行L2范数归一化，获得每个采样点的归一化后电池电压；基于每个采样点的归一化后电池电压，利用滑动窗口提取获得自编码特征和标准差特征；将每个滑动窗口下提取获得的自编码特征和标准差特征融合，输入到局部离群因子算法中，计算各电芯的lof得分；将各电芯的lof得分与预设阈值比较，lof得分超出所述预设阈值的电芯存在异常，获得故障诊断结果。本发明专利技术提供了基于一维特征融合和局部离群因子算法的方案，能够在长时间范围内准确识别电池的异常情况。

【技术实现步骤摘要】

本专利技术属于储能，涉及锂离子电池异常识别，特别涉及一种锂离子电池故障诊断方法、系统、设备及介质。

技术介绍

1、锂离子电池具有许多优势，已被广泛应用于电动汽车领域。电动汽车锂离子电池火灾事故，会对人们的生命和财产安全构成严重威胁。在电动汽车复杂的运行条件下，如果锂离子电池处于故障状态，则会在短时间内产生过多热量，最终导致热失控。锂离子电池的故障特征在早期是模糊的，在事故报警前，故障电池的电压不会超过系统设定的安全阈值。综上，实施准确有效的故障诊断和热失控预警，对于确保电池系统的安全运行至关重要。

2、现有技术中，锂离子电池的故障诊断方法主要分为三类，分别是基于知识、基于电化学模型和基于数据驱动的方法。基于知识的方法主要是利用长期积累的知识和经验以及对电池机理的理解，由于专家经验的主观因素，其准确性较低。基于模型的方法通常建立电池的化学或数学模型，通过比较被诊断对象的可测量信号和模型的预测信号，获得残余信号来识别故障；然而，高度耦合的电化学模型很难被用于在线故障诊断。近年来，基于数据驱动的方法被广泛应用于电池故障诊断领域，包括机器学习、统计学方本文档来自技高网...

【技术保护点】

1.一种锂离子电池故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种锂离子电池故障诊断方法，其特征在于，所述获取每个采样点的原始电池电压并进行L2范数归一化的步骤中，

3.根据权利要求1所述的一种锂离子电池故障诊断方法，其特征在于，所述滑动窗口的长度确定步骤包括：

4.根据权利要求1所述的一种锂离子电池故障诊断方法，其特征在于，所述提取获得自编码特征和标准差特征的步骤中，采用训练好的自编码器提取获得自编码特征；

5.根据权利要求1所述的一种锂离子电池故障诊断方法，其特征在于，所述将每个滑动窗口下提取获得的自编码特征和标准...

【技术特征摘要】

1.一种锂离子电池故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种锂离子电池故障诊断方法，其特征在于，所述获取每个采样点的原始电池电压并进行l2范数归一化的步骤中，

3.根据权利要求1所述的一种锂离子电池故障诊断方法，其特征在于，所述滑动窗口的长度确定步骤包括：

4.根据权利要求1所述的一种锂离子电池故障诊断方法，其特征在于，所述提取获得自编码特征和标准差特征的步骤中，采用训练好的自编码器提取获得自编码特征；

5.根据权利要求1所述的一种锂离子电池故障诊断方法，其特征在于，所述将每个滑动...

【专利技术属性】
技术研发人员：张晓兰，毛辰，刘晶，李白海，毕闯，江涛，师一卿，刘聪，边赫，刘强，
申请(专利权)人：国网陕西省电力有限公司电力科学研究院，
类型：发明
国别省市：