一种离网太阳能蓄电池的故障诊断方法与流程

本发明涉及蓄电池故障诊断，具体涉及一种离网太阳能蓄电池的故障诊断方法。

背景技术：

1、近年来，随着新能源汽车的大量普及，充电站、换电站和换电柜等也在全面建设。由于太阳能光伏发电的成本较低，已经得到大规模应用推广，使用太阳能光伏发电技术的光储能系统也越来越多。在光储能系统中，蓄电池得到大规模应用，而蓄电池故障则可能导致电池性能下降、容量损失、充电速度减慢甚至电池失效。因此，研发一种准确的蓄电池故障诊断方法对于提高蓄电池的可靠性和使用寿命至关重要。

2、目前，已有一些蓄电池故障诊断方法被提出，其中一种常见的方法是通过对电池内部参数进行监测和分析，结合充放电过程对蓄电池的健康状况进行评估。但是，这种方法存在故障类型诊断不够准确的问题，导致诊断结果的准确性和可靠性有待提高。

3、另一种常见的方法是通过对电池外部特征(如外壳温度、电池外观变化等)进行监测和分析，结合使用过程中的异常现象，可以初步判断电池是否存在故障。然而，这种方法只能提供粗略的故障诊断结果。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术所存在的上述缺点，本发明提供了一种离网太阳能蓄电池的故障诊断方法，能够有效克服现有技术所存在的难以对蓄电池进行准确故障诊断的缺陷。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：

5、一种离网太阳能蓄电池的故障诊断方法，包括以下步骤：

6、s1、采集目标蓄电池的电压数据，对电压数据进行小波包分解，构建小波包系数矩阵；

7、s2、对小波包系数矩阵进行奇异值分解，得到奇异值矩阵，并确定故障特征值对应的特征向量曲线；

8、s3、计算特征向量曲线与参考特征向量曲线之间的相似度，判断目标蓄电池是否发生故障，以及故障类型，得到第一故障诊断结果；

9、s4、当目标蓄电池发生故障时，根据电压数据构建目标蓄电池的特征序列；

10、s5、将特征序列分别输入多个孤立森林模型，得到对应的二叉树特征，并根据二叉树特征分别计算特征序列在各孤立森林模型下的异常概率；

11、s6、重复s5，直至达到预设循环次数，分别计算特征序列在各孤立森林模型下的异常概率平均值，并判断目标蓄电池的故障类型，得到第二故障诊断结果；

12、s7、结合第一故障诊断结果和第二故障诊断结果，对目标蓄电池进行综合故障诊断，得到最终故障诊断结果。

13、优选地，s1中采集目标蓄电池的电压数据，对电压数据进行小波包分解，构建小波包系数矩阵，包括：

14、采集目标蓄电池的电压数据，对电压数据进行小波包分解，得到低频信号小波系数和高频信号小波系数；

15、根据低频信号小波系数和高频信号小波系数构建小波包系数矩阵。

16、优选地，s2中对小波包系数矩阵进行奇异值分解，得到奇异值矩阵，并确定故障特征值对应的特征向量曲线，包括：

17、对小波包系数矩阵进行奇异值分解，得到奇异值矩阵；

18、根据奇异值矩阵确定小波包系数矩阵的非零奇异值，并计算非零奇异值的均值得到故障特征值，确定故障特征值对应的特征向量曲线。

19、优选地，s3中计算特征向量曲线与参考特征向量曲线之间的相似度，判断目标蓄电池是否发生故障，以及故障类型，得到第一故障诊断结果，包括：

20、计算特征向量曲线与参考特征向量曲线之间的相似度，判断相似度是否大于第一预设距离阈值；

21、若相似度大于第一预设距离阈值，则判断目标蓄电池发生故障，否则判断目标蓄电池未发生故障；

22、当判断目标蓄电池发生故障时，确定对应的故障类型，得到第一故障诊断结果。

23、优选地，所述当判断目标蓄电池发生故障时，确定对应的故障类型，得到第一故障诊断结果，包括：

24、计算特征向量曲线与参考特征向量曲线中所有采样点之间的相似度，并筛选相似度大于第二预设距离阈值的特征向量曲线的目标采样点；

25、提取目标采样点的非零奇异值，以得到故障特征值；

26、根据故障特征值确定对应的故障类型，得到第一故障诊断结果。

27、优选地，所述参考特征向量曲线的生成方法，包括：

28、将各蓄电池的特征向量曲线中所有非零奇异值按照从小到大排序，并获取排序后所有非零奇异值的中位数；

29、根据从各蓄电池的特征向量曲线中提取的所有非零奇异值的中位数，生成参考特征向量曲线。

30、优选地，s4中当目标蓄电池发生故障时，根据电压数据构建目标蓄电池的特征序列，包括：

31、当目标蓄电池发生故障时，对电压数据进行数据清洗，根据清洗后的电压数据构建目标蓄电池的特征序列；

32、其中，对于电压数据中的缺失值和异常值，采用k最近邻法进行数据补充。

33、优选地，s5中将特征序列分别输入多个孤立森林模型，得到对应的二叉树特征，并根据二叉树特征分别计算特征序列在各孤立森林模型下的异常概率，包括：

34、将特征序列分别输入多个孤立森林模型，采用二叉树算法在各孤立森林模型中重复查找特征序列，直至达到预设终止条件，得到特征序列在各孤立森林模型中对应的二叉树特征；

35、根据特征序列在各孤立森林模型中对应的二叉树特征，分别计算特征序列在各孤立森林模型下的异常概率；

36、其中，各孤立森林模型分别对应不同的故障类型。

37、优选地，所述根据特征序列在各孤立森林模型中对应的二叉树特征，分别计算特征序列在各孤立森林模型下的异常概率，包括：

38、根据二叉树特征计算特征序列在各孤立森林模型下的异常度和正常度；

39、根据特征序列在各孤立森林模型下的异常度和正常度，分别计算特征序列在各孤立森林模型下的异常概率。

40、优选地，s6中分别计算特征序列在各孤立森林模型下的异常概率平均值，并判断目标蓄电池的故障类型，得到第二故障诊断结果，包括：

41、分别计算特征序列在各孤立森林模型下的异常概率平均值，将异常概率平均值最大的孤立森林模型对应的故障类型作为目标蓄电池的故障类型，得到第二故障诊断结果。

42、(三)有益效果

43、与现有技术相比，本发明所提供的一种离网太阳能蓄电池的故障诊断方法，具有以下有益效果：

44、1)采集目标蓄电池的电压数据，对电压数据进行小波包分解，构建小波包系数矩阵，对小波包系数矩阵进行奇异值分解，得到奇异值矩阵，并确定故障特征值对应的特征向量曲线，能够基于目标蓄电池的电压数据得到特征向量曲线，并通过计算特征向量曲线与参考特征向量曲线之间的相似度，判断目标蓄电池是否发生故障，以及故障类型；

45、2)当目标蓄电池发生故障时，根据电压数据构建目标蓄电池的特征序列，将特征序列分别输入多个孤立森林模型，得到对应的二叉树特征，并根据二叉树特征分别计算特征序列在各孤立森林模型下的异常概率，分别计算特征序列在各孤立森林模型下的异常概率平均值，并判断目标蓄电池的故障类型，得到第二故障诊断结果，通过将特征序列分别输入多个孤立森林模型，并计算得到特征序列在各孤立森林模型下的异常概率平均值，来判断目标蓄电池的故障类型；

46、3)结合第一故障诊断结果和第二故障诊断结果，对目标蓄电池进行综合故障诊断，得到最终故障诊断结果，从而能够对蓄电池进行准确的故障诊断，有效提高诊断结果的准确性和可靠性。