本發(fā)明涉及儲(chǔ)能電芯故障診斷的，特別是涉及一種儲(chǔ)能電芯故障診斷方法、系統(tǒng)、電子設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著儲(chǔ)能系統(tǒng)技術(shù)的快速發(fā)展和廣泛應(yīng)用，儲(chǔ)能安全這一問(wèn)題愈發(fā)受到人們的關(guān)注。電芯作為儲(chǔ)能系統(tǒng)的核心部件，其安全性直接關(guān)系到整個(gè)系統(tǒng)運(yùn)行的穩(wěn)定性和可靠性。電芯在充放電過(guò)程中可能會(huì)因?yàn)檫^(guò)充、過(guò)放、內(nèi)部短路等多種原因而發(fā)生熱失控，進(jìn)而引發(fā)火災(zāi)或爆炸等嚴(yán)重事故。因此，如何準(zhǔn)確、快速、更早地檢測(cè)并預(yù)警故障電芯成為儲(chǔ)能系統(tǒng)安全保障的重要一環(huán)。

2、在信息化和工業(yè)化的深度融合的背景下，儲(chǔ)能安全預(yù)警技術(shù)也趨向于智能化和自動(dòng)化。通過(guò)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，利用智能分析算法對(duì)儲(chǔ)能系統(tǒng)的安全性進(jìn)行評(píng)估和預(yù)測(cè)，提前發(fā)現(xiàn)并預(yù)警潛在的安全隱患，確保系統(tǒng)的安全運(yùn)行。

3、傳統(tǒng)的電芯故障診斷方法通過(guò)判斷電壓、溫度等安全閾值進(jìn)行故障告警，此類(lèi)方法難以發(fā)現(xiàn)早期電芯故障問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于，提供一種儲(chǔ)能電芯故障診斷方法、系統(tǒng)、電子設(shè)備和存儲(chǔ)介質(zhì)，以便于發(fā)現(xiàn)早期電芯故障問(wèn)題。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種儲(chǔ)能電芯故障診斷方法、系統(tǒng)、電子設(shè)備和存儲(chǔ)介質(zhì)。

3、本發(fā)明的儲(chǔ)能電芯故障診斷方法，包括：

4、獲取設(shè)定歷史周期內(nèi)各電芯的充放電原始數(shù)據(jù)樣本；

5、基于所述充放電原始數(shù)據(jù)樣本生成有序的簇，構(gòu)建聚類(lèi)模型；

6、將有序的簇中排序靠后的簇的所述充放電原始數(shù)據(jù)樣本作為原始異常數(shù)據(jù)樣本，基于所述原始異常數(shù)據(jù)樣本構(gòu)建異常檢測(cè)模型；

7、將電芯的多個(gè)周期的實(shí)時(shí)運(yùn)行數(shù)據(jù)輸入所述聚類(lèi)模型，得到實(shí)時(shí)異常數(shù)據(jù)；

8、將所述實(shí)時(shí)異常數(shù)據(jù)輸入所述異常檢測(cè)模型，獲得各電芯的潛在故障次數(shù)；

9、將所述潛在故障次數(shù)大于設(shè)定閾值次數(shù)的電芯判定為故障電芯并進(jìn)行預(yù)警。

10、進(jìn)一步地，在構(gòu)建所述聚類(lèi)模型之前，對(duì)所述充放電原始數(shù)據(jù)樣本進(jìn)行特征處理，得到樣本特征值，所述特征處理包括：

11、將同一時(shí)刻的各電芯的充放電原始數(shù)據(jù)樣本進(jìn)行標(biāo)準(zhǔn)分?jǐn)?shù)計(jì)算，得到同一時(shí)刻各電芯電壓的標(biāo)準(zhǔn)分?jǐn)?shù)，所述樣本特征值包括電芯電壓和電芯電壓標(biāo)準(zhǔn)分?jǐn)?shù)。

12、進(jìn)一步地，所述基于所述充放電原始數(shù)據(jù)樣本生成有序的簇，構(gòu)建聚類(lèi)模型，包括：

13、根據(jù)充放電狀態(tài)，將所述充放電原始數(shù)據(jù)拆分成充電樣本、放電樣本和靜置樣本；

14、基于所述充電樣本、所述放電樣本和所述靜置樣本分別生產(chǎn)有序的簇；

15、分別構(gòu)建充電樣本聚類(lèi)模型、放電樣本聚類(lèi)模型和靜置樣本聚類(lèi)模型。

16、進(jìn)一步地，將所述充電樣本、所述放電樣本和所述靜置樣本分別通過(guò)optics聚類(lèi)算法生成有序的簇，構(gòu)建得到所述充電樣本聚類(lèi)模型、所述放電樣本聚類(lèi)模型和所述靜置樣本聚類(lèi)模型。

17、進(jìn)一步地，通過(guò)knn算法構(gòu)建所述異常檢測(cè)模型。

18、進(jìn)一步地，所述將電芯的多個(gè)周期的實(shí)時(shí)運(yùn)行數(shù)據(jù)輸入所述聚類(lèi)模型，得到實(shí)時(shí)異常數(shù)據(jù)，包括：

19、將所述實(shí)時(shí)運(yùn)行數(shù)據(jù)拆分成實(shí)時(shí)充電數(shù)據(jù)、實(shí)時(shí)放電數(shù)據(jù)和實(shí)時(shí)靜置數(shù)據(jù)；

20、將所述實(shí)時(shí)充電數(shù)據(jù)、實(shí)時(shí)放電數(shù)據(jù)和實(shí)時(shí)靜置數(shù)據(jù)分別對(duì)應(yīng)輸入充電樣本聚類(lèi)模型、放電樣本聚類(lèi)模型和靜置樣本聚類(lèi)模型；

21、得到實(shí)時(shí)充電異常數(shù)據(jù)、實(shí)時(shí)放電異常數(shù)據(jù)和實(shí)時(shí)靜置異常數(shù)據(jù)。

22、進(jìn)一步地，所述將所述實(shí)時(shí)異常數(shù)據(jù)輸入所述異常檢測(cè)模型，獲得各電芯的潛在故障次數(shù)，包括：

23、將所述實(shí)時(shí)異常數(shù)據(jù)輸入所述異常檢測(cè)模型，得到各樣本點(diǎn)對(duì)應(yīng)的異常分?jǐn)?shù)；

24、若所述異常分?jǐn)?shù)大于等于異常閾值，則認(rèn)定對(duì)應(yīng)樣本點(diǎn)為潛在故障電芯，且潛在故障次數(shù)增加一次，直至完成多個(gè)周期的所述實(shí)時(shí)異常數(shù)據(jù)的輸入，得到各電芯的潛在故障次數(shù)。

25、進(jìn)一步地，所述將所述潛在故障次數(shù)大于設(shè)定閾值次數(shù)的電芯判定為故障電芯并進(jìn)行預(yù)警，包括：

26、將電芯的潛在故障次數(shù)分為靜置狀態(tài)下故障次數(shù)和充放電狀態(tài)下故障次數(shù)；

27、若對(duì)應(yīng)電芯的所述靜置狀態(tài)下故障次數(shù)大于第一設(shè)定閾值次數(shù)或者所述充放電狀態(tài)下故障次數(shù)大于第二設(shè)定閾值次數(shù)，則判定為故障電芯并進(jìn)行預(yù)警，其中，所述第一設(shè)定閾值次數(shù)小于所述第二設(shè)定閾值次數(shù)。

28、進(jìn)一步地，所述第一設(shè)定閾值次數(shù)為0，所述第二設(shè)定閾值次數(shù)為2。

29、本發(fā)明還提供一種儲(chǔ)能電芯故障診斷系統(tǒng)，包括：

30、原始數(shù)據(jù)獲取模塊，用于獲取設(shè)定歷史周期內(nèi)各電芯的充放電原始數(shù)據(jù)樣本；

31、聚類(lèi)模型構(gòu)建模塊，用于基于所述充放電原始數(shù)據(jù)樣本生成有序的簇，構(gòu)建聚類(lèi)模型；

32、異常檢測(cè)模型構(gòu)建模塊，用于將有序的簇中排序靠后的簇的所述充放電原始數(shù)據(jù)樣本作為原始異常數(shù)據(jù)樣本，基于所述原始異常數(shù)據(jù)樣本構(gòu)建異常檢測(cè)模型；

33、實(shí)時(shí)異常數(shù)據(jù)獲取模塊，用于將電芯的多個(gè)周期的實(shí)時(shí)運(yùn)行數(shù)據(jù)輸入所述聚類(lèi)模型以得到實(shí)時(shí)異常數(shù)據(jù)；

34、潛在故障次數(shù)獲取模塊，用于將所述實(shí)時(shí)異常數(shù)據(jù)輸入所述異常檢測(cè)模型，獲得各電芯的潛在故障次數(shù)；

35、故障電芯預(yù)警模塊，用于將所述潛在故障次數(shù)大于設(shè)定閾值次數(shù)的電芯判定為故障電芯并進(jìn)行預(yù)警。

36、本發(fā)明還提供一種電子設(shè)備，包括處理器、存儲(chǔ)介質(zhì)和總線(xiàn)，所述存儲(chǔ)介質(zhì)存儲(chǔ)有所述處理器可執(zhí)行的機(jī)器可讀指令，所述處理器與所述存儲(chǔ)介質(zhì)之間通過(guò)所述總線(xiàn)通信，所述處理器執(zhí)行所述機(jī)器可讀指令，以執(zhí)行如上述技術(shù)方案中任一項(xiàng)所述的儲(chǔ)能電芯故障診斷方法。

37、本發(fā)明還提供一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器運(yùn)行時(shí)執(zhí)行如上述技術(shù)方案中任一項(xiàng)所述的儲(chǔ)能電芯故障診斷方法。

38、本發(fā)明的儲(chǔ)能電池液冷測(cè)試系統(tǒng)，包括：

39、相比于現(xiàn)有技術(shù)，本發(fā)明至少具有以下有益效果：

40、本發(fā)明基于歷史周期內(nèi)的充放電原始數(shù)據(jù)樣本生成有序的簇，而不是直接產(chǎn)生聚類(lèi)結(jié)果，能夠減少誤報(bào)，使得生成的聚類(lèi)模型在處理密度不均勻的數(shù)據(jù)集時(shí)更加靈活，生成的有序的簇一方面能夠用于構(gòu)建聚類(lèi)模型，另一方面能夠用于篩選出原始異常數(shù)據(jù)樣本以構(gòu)建異常檢測(cè)模型。由于本實(shí)施例通過(guò)基于歷史周期內(nèi)的充放電原始數(shù)據(jù)樣本構(gòu)建了聚類(lèi)模型和異常檢測(cè)模型，因此在進(jìn)行檢測(cè)時(shí)，能夠通過(guò)預(yù)先設(shè)置好的所述聚類(lèi)模型和異常檢測(cè)模型及時(shí)對(duì)實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行檢測(cè)，從而較早地發(fā)現(xiàn)電芯數(shù)據(jù)的細(xì)微變化，實(shí)現(xiàn)早期電芯故障診斷。

技術(shù)特征：

1.一種儲(chǔ)能電芯故障診斷方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的儲(chǔ)能電芯故障診斷方法，其特征在于，在構(gòu)建所述聚類(lèi)模型之前，對(duì)所述充放電原始數(shù)據(jù)樣本進(jìn)行特征處理，得到樣本特征值，所述特征處理包括：

3.根據(jù)權(quán)利要求1所述的儲(chǔ)能電芯故障診斷方法，其特征在于，所述基于所述充放電原始數(shù)據(jù)樣本生成有序的簇，構(gòu)建聚類(lèi)模型，包括：

4.根據(jù)權(quán)利要求3所述的儲(chǔ)能電芯故障診斷方法，其特征在于，將所述充電樣本、所述放電樣本和所述靜置樣本分別通過(guò)optics聚類(lèi)算法生成有序的簇，構(gòu)建得到所述充電樣本聚類(lèi)模型、所述放電樣本聚類(lèi)模型和所述靜置樣本聚類(lèi)模型。

5.根據(jù)權(quán)利要求1所述的儲(chǔ)能電芯故障診斷方法，其特征在于，通過(guò)knn算法構(gòu)建所述異常檢測(cè)模型。

6.根據(jù)權(quán)利要求3所述的儲(chǔ)能電芯故障診斷方法，其特征在于，所述將電芯的多個(gè)周期的實(shí)時(shí)運(yùn)行數(shù)據(jù)輸入所述聚類(lèi)模型，得到實(shí)時(shí)異常數(shù)據(jù)，包括：

7.根據(jù)權(quán)利要求1所述的儲(chǔ)能電芯故障診斷方法，其特征在于，所述將所述實(shí)時(shí)異常數(shù)據(jù)輸入所述異常檢測(cè)模型，獲得各電芯的潛在故障次數(shù)，包括：

8.根據(jù)權(quán)利要求7所述的儲(chǔ)能電芯故障診斷方法，其特征在于，所述將所述潛在故障次數(shù)大于設(shè)定閾值次數(shù)的電芯判定為故障電芯并進(jìn)行預(yù)警，包括：

9.根據(jù)權(quán)利要求8所述的儲(chǔ)能電芯故障診斷方法，其特征在于，所述第一設(shè)定閾值次數(shù)為0，所述第二設(shè)定閾值次數(shù)為2。

10.一種儲(chǔ)能電芯故障診斷系統(tǒng)，其特征在于，包括：

11.一種電子設(shè)備，其特征在于，包括處理器、存儲(chǔ)介質(zhì)和總線(xiàn)，所述存儲(chǔ)介質(zhì)存儲(chǔ)有所述處理器可執(zhí)行的機(jī)器可讀指令，所述處理器與所述存儲(chǔ)介質(zhì)之間通過(guò)所述總線(xiàn)通信，所述處理器執(zhí)行所述機(jī)器可讀指令，以執(zhí)行如權(quán)利要求1-9中任一項(xiàng)所述的儲(chǔ)能電芯故障診斷方法。

12.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器運(yùn)行時(shí)執(zhí)行如權(quán)利要求1-9中任一項(xiàng)所述的圖儲(chǔ)能電芯故障診斷方法。

技術(shù)總結(jié)
本發(fā)明涉及儲(chǔ)能電芯故障診斷的技術(shù)領(lǐng)域，特別是涉及一種儲(chǔ)能電芯故障診斷方法、系統(tǒng)、電子設(shè)備和存儲(chǔ)介質(zhì)。本發(fā)明的儲(chǔ)能電芯故障診斷方法，獲取設(shè)定歷史周期內(nèi)各電芯的充放電原始數(shù)據(jù)樣本；基于充放電原始數(shù)據(jù)樣本生成有序的簇，構(gòu)建聚類(lèi)模型；將有序的簇中排序靠后的簇的充放電原始數(shù)據(jù)樣本作為原始異常數(shù)據(jù)樣本，基于原始異常數(shù)據(jù)樣本構(gòu)建異常檢測(cè)模型；將電芯的多個(gè)周期的實(shí)時(shí)運(yùn)行數(shù)據(jù)輸入聚類(lèi)模型，得到實(shí)時(shí)異常數(shù)據(jù)；將實(shí)時(shí)異常數(shù)據(jù)輸入異常檢測(cè)模型，獲得各電芯的潛在故障次數(shù)；將潛在故障次數(shù)大于設(shè)定閾值次數(shù)的電芯判定為故障電芯并進(jìn)行預(yù)警。本發(fā)明能夠通過(guò)預(yù)先設(shè)置好的聚類(lèi)模型和異常檢測(cè)模型及時(shí)對(duì)實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行檢測(cè)，從而較早地發(fā)現(xiàn)電芯數(shù)據(jù)的細(xì)微變化，實(shí)現(xiàn)早期電芯故障診斷。

技術(shù)研發(fā)人員：岳彩志,周培,劉弘揚(yáng),吳林烽,吳進(jìn)進(jìn)
受保護(hù)的技術(shù)使用者：江蘇天合儲(chǔ)能有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19