【技术实现步骤摘要】
本专利技术涉及电化学储能系统故障检测，更具体地说涉及一种储能电堆故障检测方法及系统。
技术介绍
1、电化学储能是解决可再生能源间歇性和不稳定性、提高常规电力系统和区域能源系统效率、安全性和经济性的重要手段。爆发式增长的大量储能电站建成并网后，运营维护工作上升将成为储能电站的工作重心，关系到电站能否长期安全稳定运行，并影响电站的投资价值及最终收益。通过各种技术手段升级，储能电站运维逐渐从粗放式管理向精细化、智能化管理转变，而储能电堆故障检测是智能运维的核心技术之一。
2、现有技术中，公开号为cn115616418a的专利，公开了基于电化学模型设置模型电化学参数阈值进行预警。公开号为115149123a的专利，基于电化学模型分析每个单电池对应的各项微观电化学参数，并对微观参数进行一致性分析。基于电化学模型设置模型电化学参数阈值进行预警，或通过获取电池历史的动态数据、静态数据和故障类别进行机器学习得到故障诊断模型。然而，上述基于模型的方法严重依赖于模型的准确性和适当的阈值，有较高误诊率。
3、cn114386537a通过获取锂电池历史的动态数据、静态数据和故障类别数进行机器学习得到故障诊断模型。完全依赖机器学习的方法需要大量的历史数据，且不易获取。
技术实现思路
1、为了克服上述现有技术中存在的缺陷，本专利技术公开了一种储能电堆故障检测方法及系统，以解决现有技术中储能电堆故障检测存在的问题。本专利技术利用电池簇一致性评估对锂电池储能系统整体的快速诊断，不依赖于模型
2、为了实现以上目的，本专利技术采用的技术方案：
3、第一方面，本专利技术提供了一种储能电堆故障检测方法，包括以下步骤：
4、一、实际状态参数曲线采集
5、s1、实时采集储能电堆各个电池簇在第n次充电时的实际状态参数曲线；
6、本专利技术中，第n次充电指电池簇在使用过程中的任意一次充电，即本申请可以随时监测电堆中各个电池簇的健康状况。本申请是对每个电池簇分别获得各自对应的实际状态参数曲线。
7、二、标准状态参数曲线片段截取
8、s2、根据实际状态参数曲线覆盖的电压变化范围，在标准状态参数曲线中截取各状态参数对应的标准状态参数曲线片段；
9、优选的，所述s1步骤和s2步骤中，对于实际状态参数曲线和标准状态参数曲线，其横坐标为时间，纵坐标为状态参数，n为大于等于1的整数。
10、优选的，所述s1步骤和s2步骤中，对于实际状态参数曲线和标准状态参数曲线，其对应的电池簇的状态参数均包括：电池簇总电压、电池簇总电流、电池簇内单体电池最高温度、电池簇内单体最大电压差、电池簇内单体最大温度差。
11、本专利技术中，标准状态参数曲线可以为预先获得的，获得标准状态参数曲线可以为电池包在运行初期进行满充满放时获得的数据，此时电池包处于健康状态，因此，利用此时的数据作为标准数据。标准状态参数曲线对应的电压范围为0-100％的全范围。而电池包实际工作时，充电可能不是满充，例如从20％-80％，因此，需要根据实际工作时的电压范围从标准状态参数曲线中截取，而不是用标准状态参数曲线中满电压范围都进行对比分析。例如，从标准状态参数曲线中查找电压范围20％-80％内进行对比。
12、优选的，所述s2步骤中，选择充电或放电阶段对应的数据片段，构建电堆中每个电池簇的状态参数曲线，以电堆中的中位数电压对应的电池簇作为标准电池簇，以其对应的状态参数曲线作为标准状态参数曲线，并对该状态参数曲线进行滤波分析。
13、优选的，所述s2步骤包括：
14、s21、获取各个电池簇在健康状态满充满放的条件下的状态参数，并对状态参数进行预处理；
15、上述步骤中，获得各个电池簇在健康状态满充满放的条件下的时间、电池簇总电压、电池簇总电流、电池簇内单体电池最高温度、电池簇内单体最大电压差、电池簇内单体最大温度差。
16、可以对电池簇总电压、电池簇总电流、电池簇内单体电池最高温度、电池簇内单体最大电压差、电池簇内单体最大温度差对应的数据进行预处理。例如，数据预处理可以包括但不具体限定以下至少一种具体处理：重复值去冗、乱序值排序、异常值剔除、缺失值填补和降噪滤波平滑等操作。
17、s22、利用预处理后的状态参数，建立各个电池簇的标准状态参数曲线；
18、上述步骤中，根据获得的时间、电流和电压建立标准状态参数曲线。
19、状态参数包含电池簇总电压、电池簇总电流、电池簇内单体电池最高温度、电池簇内单体最大电压差、电池簇内单体最大温度差，状态参数曲线横坐标为时间，纵坐标分别为上述状态参数的其中一种。
20、s23、获得实际状态参数曲线覆盖的电压范围，根据电压范围获取标准状态参数曲线的时间范围，根据对应的时间范围获取范围内包括的所有标准状态参数曲线片段。
21、三、动态时间规整算法计算相似程度
22、s3、使用动态时间规整算法计算每个电池簇第n次充电的实际状态参数曲线与标准状态参数曲线片段的相似程度；
23、状态参数曲线的相似程度相比于单一时刻的状态参数值更能够反映电池的故障特征，并且状态参数变化比较微小，仅对比数值不容易识别。而且本申请通过状态参数曲线的相似性提取故障特征，可以实现在线实时监测。
24、优选的，所述s3步骤包括：对于第n次状态参数曲线时间序列q={q(1)，q(2)，…q(n)}及标准时间序列c={c(1)，c(2)，…c(m)}，将所求两个时间序列匹配时的累积最小距离作为曲线相似程度。
25、优选的，所述s3步骤包括以下步骤：
26、构造一个n×m的矩阵网络，矩阵(i，j)处的元素表示q(i)和c(j)的欧氏距离，即:d(i，j) = ［q(i) － c(j)］2，式中：d(i，j) 为距离；
27、定义规整路径w，w的第k个元素为wk =(i，j)k；规整路径表示一条从点( 1，1) 到点(i，j) 通过网格矩阵中若干点的路径，通过的网格点即两个时间序列对应的时间点，即：
28、w = w1，w2，…，wk max( m，n)≤k≤m+n－1
29、式中: wk为路径上经过的第k个点；同时，规定如果路径通过网格点(i，j) ，那么下一个通过的网格点为以下3 种情况之一: (i + 1，j) 、(i，j + 1) 及(i + 1，j + 1)；
30、对于给定的n×m矩阵网络，距离最短的规整路径w即为待测量时间序列q={q(1)，q(2)，…，q(n)}及模板时间序列c={c(1)，c(2)，…，c(m)}的最优相似程度，使用动态规划的思想求出最短距离；定义累积距离γ(i，j)为矩阵网络从点(1，1)到点(m，n)的最短距离，计算公式如下:
31、γ( i，j) = min{
32、γ( i － 1，本文档来自技高网...
【技术保护点】
1.一种储能电堆故障检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述S1步骤和S2步骤中，对于实际状态参数曲线和标准状态参数曲线，其横坐标为时间，纵坐标为状态参数，n为大于等于1的整数。
3.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述S1步骤和S2步骤中，对于实际状态参数曲线和标准状态参数曲线，其对应的电池簇的状态参数均包括：电池簇总电压、电池簇总电流、电池簇内单体电池最高温度、电池簇内单体最大电压差、电池簇内单体最大温度差。
4.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述S2步骤中，选择充电或放电阶段对应的数据片段，构建电堆中每个电池簇的状态参数曲线，以电堆中的中位数电压对应的电池簇作为标准电池簇，以其对应的状态参数曲线作为标准状态参数曲线，并对该状态参数曲线进行滤波分析。
5.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述S2步骤包括：
6.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述S3步骤包括：对于第n次状态参数曲
7.如权利要求6所述的储能电堆故障检测方法，其特征在于，所述S3步骤包括以下步骤：
8.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述S4步骤包括：
9.如权利要求8所述的储能电堆故障检测方法，其特征在于，所述S4步骤中，离群值偏离预设值预设范围时，判断对应的电池簇出现故障，包括：
10.一种储能电堆故障检测系统，其特征在于，包括：
...【技术特征摘要】
1.一种储能电堆故障检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述s1步骤和s2步骤中，对于实际状态参数曲线和标准状态参数曲线，其横坐标为时间，纵坐标为状态参数，n为大于等于1的整数。
3.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述s1步骤和s2步骤中，对于实际状态参数曲线和标准状态参数曲线，其对应的电池簇的状态参数均包括：电池簇总电压、电池簇总电流、电池簇内单体电池最高温度、电池簇内单体最大电压差、电池簇内单体最大温度差。
4.如权利要求1所述的储能电堆故障检测方法，其特征在于，所述s2步骤中，选择充电或放电阶段对应的数据片段，构建电堆中每个电池簇的状态参数曲线，以电堆中的中位数电压对应的电池簇作为标准电池簇，以其对应的状态参数曲线作为标准状态参数曲线，并对该状...
【专利技术属性】
技术研发人员：李明科，阮晓莉，侯晓宝，王晶，
申请(专利权)人：东方电气集团科学技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。