储能电池PACK故障诊断方法及装置与流程

本发明涉及电化学储能装置，尤其涉及储能电池pack故障诊断方法及装置。

背景技术：

1、本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

2、电化学储能具有能量密度大、响应速度快、经济灵活等优势，是当前最主要的储能形式。而电池pack作为储能设备的核心零部件，承担着存储电能，保障电力系统安全稳定运行的重要作用。快速、准确的对电池pack进行故障诊断，以便及时合理的做出相应决策，可以有效防范化解设备隐患，杜绝安全事故的发生。目前对于储能设备故障诊断的研究主要集中在电芯及电池模组级别。

3、在储能电池pack故障诊断的过程中，现有类似的诊断技术普遍存在以下三个问题：一是故障诊断依赖于电芯及电池模组的状态检测结果，未形成直接针对电池pack的故障诊断体系，使得不能全面反映pack级的故障信息，一定程度上限制了方法的应用范围。

4、二是现有诊断技术多采用单一变量进行故障分析与检测，降低了故障诊断的准确性。

5、三是多数诊断算法需要提前设置大量参数，且主观选取的参数值会对诊断结果造成较强影响，不合适的参数取值会造成故障诊断的鲁棒性差、效率低、准确性不足。

技术实现思路

1、本发明实施例提供一种储能电池pack故障诊断方法，用以提升储能电池pack故障诊断的效率、准确性和鲁棒性，该方法包括：

2、基于变分模态分解算法，根据采集的目标电池pack在工作状态下的电池pack属性参数，计算每一电池pack属性参数的本征模态函数；

3、计算每一电池pack属性参数的本征模态函数的能量熵；将所述能量熵进行组合，得到对应该电池pack属性参数的目标能量熵特征向量；

4、将所述目标能量熵特征向量输入至对应目标电池pack的类型的自适应提升多目标随机森林故障诊断模型中，得到对应目标电池pack的故障诊断结果；所述故障诊断模型基于自适应提升算法，结合原子轨道搜索算法以对应所述类型的训练集对随机森林模型进行参数优化得到；所述训练集包括所述类型的不同电池pack在不同工作状态下的历史电池pack属性参数。

5、本发明实施例还提供一种储能电池pack故障诊断装置，用以提升储能电池pack故障诊断的效率、准确性和鲁棒性，该装置包括：

6、本征模态函数计算模块，用于基于变分模态分解算法，根据采集的目标电池pack在工作状态下的电池pack属性参数，计算每一电池pack属性参数的本征模态函数；

7、能量熵特征向量组合模块，用于计算每一电池pack属性参数的本征模态函数的能量熵；将所述能量熵进行组合，得到对应该电池pack属性参数的目标能量熵特征向量；

8、故障诊断结果确定模块，用于将所述目标能量熵特征向量输入至对应目标电池pack的类型的自适应提升多目标随机森林故障诊断模型中，得到对应目标电池pack的故障诊断结果；所述故障诊断模型基于自适应提升算法，结合原子轨道搜索算法以对应所述类型的训练集对随机森林模型进行参数优化得到；所述训练集包括所述类型的不同电池pack在不同工作状态下的历史电池pack属性参数。

9、本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述储能电池pack故障诊断方法。

10、本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述储能电池pack故障诊断方法。

11、本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述储能电池pack故障诊断方法。

12、本发明实施例中，基于变分模态分解算法，根据采集的目标电池pack在工作状态下的电池pack属性参数，计算每一电池pack属性参数的本征模态函数；计算每一电池pack属性参数的本征模态函数的能量熵；将所述能量熵进行组合，得到对应该电池pack属性参数的目标能量熵特征向量；将所述目标能量熵特征向量输入至对应目标电池pack的类型的自适应提升多目标随机森林故障诊断模型中，得到对应目标电池pack的故障诊断结果；所述故障诊断模型基于自适应提升算法，结合原子轨道搜索算法以对应所述类型的训练集对随机森林模型进行参数优化得到；所述训练集包括所述类型的不同电池pack在不同工作状态下的历史电池pack属性参数，从而基于变分模态分解算法、时频特征提取与自适应提升随机森林算法分类实现电池pack的故障诊断，避免了现有技术下需要依赖于电芯及电池模组的状态检测结果进行电池pack故障诊断而容易致使不能全面反映pack级的故障信息的问题，而是直接针对电池pack进行故障诊断，能够全面反映pack级的故障信息；利用自适应提升的多目标随机森林故障诊断模型，能够适应不同的故障情况，具有较好的鲁棒性；减少了对大量参数设置的依赖，通过自适应提升算法和原子轨道搜索算法优化参数选择，减少了主观参数选取对诊断结果的影响，解决了现有诊断技术多采用单一变量进行故障分析与检测而导致准确率低下的问题，提升了储能电池pack故障诊断的效率、准确性和鲁棒性。

技术特征：

1.一种储能电池pack故障诊断方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述电池pack属性参数包括电池pack的内阻信号、电压信号、电流信号和温度信号；所述工作状态包括正常工作状态、通讯故障状态、电芯单体故障状态、电池模组虚焊故障状态、电池模组内短路故障状态和电池pack绝缘故障状态的其中之一或任意组合。

3.如权利要求1所述的方法，其特征在于，基于变分模态分解算法，根据采集的目标电池pack在工作状态下的电池pack属性参数，计算每一电池pack属性参数的本征模态函数，包括：

4.如权利要求1所述的方法，其特征在于，还包括：

5.如权利要求4所述的方法，其特征在于，基于原子轨道搜索算法，结合所述初始特征向量权重对随机森林模型进行指定训练轮次的参数寻优处理，得到自适应提升算法的最终训练轮次下的诊断分类器，包括：

6.如权利要求5所述的方法，其特征在于，所述随机森林模型参数包括随机森林模型的决策树数目和决策树深度；

7.如权利要求6所述的方法，其特征在于，采用k折交叉验证法，基于初始候选解集位置对应的虚拟层与原子的组合状态和组合能量，对初始候选解集位置进行迭代，得到候选解集位置迭代值，包括：

8.如权利要求1所述的方法，其特征在于，还包括：按如下方式对故障诊断模型进行验证：

9.一种储能电池pack故障诊断装置，其特征在于，包括：

10.如权利要求9所述的装置，其特征在于，本征模态函数计算模块，具体用于：

11.如权利要求9所述的装置，其特征在于，还包括：故障诊断模型训练模块，用于：

12.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一所述方法。

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。

14.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。

技术总结本发明公开了一种储能电池PACK故障诊断方法及装置，该方法包括：基于变分模态分解算法，根据采集的目标电池PACK在工作状态下的电池PACK属性参数，计算每一电池PACK属性参数的本征模态函数；根据计算的本征模态函数的能量熵的组合，得到对应该电池PACK属性参数的目标能量熵特征向量；将所述目标能量熵特征向量输入至对应目标电池PACK的类型的自适应提升多目标随机森林故障诊断模型中，得到对应目标电池PACK的故障诊断结果；所述故障诊断模型基于自适应提升算法，结合原子轨道搜索算法以对应所述类型的训练集对随机森林模型进行参数优化得到。本发明用以提升储能电池PACK故障诊断的效率、准确性和鲁棒性。技术研发人员：李智轩,李嘉丰,李天泽,杨瑶,李想,温博受保护的技术使用者：西安西电电力系统有限公司技术研发日：技术公布日：2024/10/10