【技术实现步骤摘要】
本专利技术涉及电池状态诊断，尤其涉及一种锂电池状态智能诊断方法及系统。
技术介绍
1、锂电池状态智能诊断方法的发展历程可以追溯到锂电池技术的早期阶段。随着计算机技术的发展，基于数学模型的电池状态估计方法开始出现。这些方法通过数学模型和电池响应数据进行匹配，以推断电池的状态。然而，这些方法的精度受到模型参数不准确和系统误差的影响。随着机器学习和人工智能技术的兴起，锂电池状态智能诊断方法迎来了新的发展机遇。研究人员开始探索使用神经网络和支持向量机等技术来处理电池数据，并取得了一定的成果。然而，这些方法通常需要大量的训练数据，并且在实际应用中的泛化能力有限。随着深度学习技术的发展，锂电池状态智能诊断迈向了新的高度。深度学习模型能够从大规模数据中学习复杂的特征表示，具有更好的泛化能力和预测精度。例如，使用卷积神经网络（cnn）和循环神经网络（rnn）等结构，可以有效地处理电池的时空数据，并实现高精度的状态诊断。然而目前传统的电池诊断仍然仅仅依赖单一指标或传感器数据，并且通常只考虑电池表面温度，导致诊断的准确性和全面性较低。
技术实现思路
1、基于此，有必要提供一种锂电池状态智能诊断方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，一种锂电池状态智能诊断方法，所述方法包括以下步骤：
3、步骤s1：获取锂电池运行数据；对锂电池运行数据进行电池运行状态分析，生成锂电池运行状态数据，其中锂电池运行状态数据包括锂电池充电状态和锂电池放电状态；基于锂电池充电状态和锂
4、步骤s2：获取锂电池结构信息数据；基于锂电池充电状态对锂电池周期高波动特征数据进行充电温度数据筛选，得到锂电池充电温度数据；利用锂电池结构信息数据对锂电池充电温度数据进行结构温度梯度分析，生成锂电池核心温度梯度数据和锂电池表面温度梯度数据；对锂电池核心温度梯度数据和锂电池表面温度梯度数据进行对比，得到快速充电状态和慢速充电状态；根据快速充电状态和慢速充电状态分别进行充电温度警戒阈值设置，从而生成锂电池充电温度阈值数据；
5、步骤s3：基于锂电池放电状态对锂电池周期高波动特征数据进行运行内阻数据筛选，得到锂电池运行内阻数据；对锂电池运行内阻进行变化波动周期分析，生成内阻变化波动周期曲线段和内阻变化波动非周期曲线段；基于内阻变化波动周期曲线段对相应的锂电池放电状态进行状态标记，得到脉冲放电状态和恒流放电状态；根据脉冲放电状态和恒流放电状态分别进行放电内阻警戒阈值设置，从而生成锂电池放电内阻阈值数据；
6、步骤s4：对锂电池充电温度阈值数据和锂电池放电内阻阈值数据进行充放电平衡计算，得到锂电池充放电平衡系数；将锂电池充放电平衡系数和预设的标准充放电平衡阈值进行对比，生成锂电池正常工作状态数据和锂电池异常工作状态数据；利用机器学习方法对锂电池异常工作状态数据进行异常类型检测，生成锂电池异常状态类型数据；根据锂电池正常工作状态数据对锂电池异常状态类型数据进行锂电池状态诊断策略构建，生成锂电池异常状态诊断策略，以执行锂电池状态智能诊断作业。
7、本专利技术通过获取锂电池运行数据。分析锂电池的充电状态和放电状态。对标准锂电池运行数据进行周期电力高波动影响分析，生成锂电池周期高波动特征数据。获取锂电池结构信息数据。利用温度传感器获取锂电池充电温度数据。对锂电池充电温度数据进行结构温度梯度分析，生成锂电池核心温度梯度数据和表面温度梯度数据。根据温度梯度数据判断充电状态，设置充电温度警戒阈值，生成锂电池充电温度阈值数据。对锂电池运行内阻进行筛选，得到内阻数据。进行内阻变化波动周期分析，标记脉冲放电状态和恒流放电状态。根据不同放电状态设置放电内阻警戒阈值，生成锂电池放电内阻阈值数据。进行充放电平衡计算，得到锂电池充放电平衡系数。根据充放电平衡系数判断锂电池工作状态，生成正常工作状态和异常工作状态数据。利用机器学习方法进行异常类型检测，生成异常状态类型数据。根据正常工作状态数据构建锂电池异常状态诊断策略，以实现智能诊断作业。实现对锂电池工作状态的全面监测和分析，提高了对锂电池性能和安全性的认识。基于温度和内阻数据的分析，有效提前发现锂电池的异常状态，降低了因异常状态导致的安全风险。利用机器学习方法对异常状态进行检测和分类，提高了诊断的准确性和效率。构建了锂电池异常状态的智能诊断策略，可及时采取措施避免电池故障或损坏，保障了设备的稳定运行。因此，本专利技术通过综合运用电池运行状态分析、温度梯度分析和内阻变化周期分析，结合机器学习技术，提高了锂电池诊断的准确性和全面性。
8、优选的，步骤s1包括以下步骤：
9、步骤s11：利用传感器获取锂电池运行数据；
10、步骤s12：对锂电池运行数据进行数据预处理，生成标准锂电池运行数据，其中数据预处理包括数据清洗、数据异常值处理和数据标准化；
11、步骤s13：对标准锂电池运行数据进行电池运行状态分析，生成锂电池运行状态数据，其中锂电池运行状态数据包括锂电池充电状态和锂电池放电状态；
12、步骤s14：基于锂电池充电状态和锂电池放电状态对标准锂电池运行数据进行周期电力高波动影响分析，生成锂电池周期高波动特征数据。
13、本专利技术通过实时获取锂电池的电压、电流、温度等数据，为后续分析提供了实时监测的基础数据，确保了数据的及时性和准确性，数据清洗去除噪声数据和异常值，保证数据的质量和准确性。异常值处理对异常数据进行处理，避免异常数据对后续分析造成影响。数据标准化将数据统一标准化，消除不同量纲对分析结果的影响，提高了数据的可比性和可解释性。根据锂电池的电压、电流等参数进行分析，生成锂电池的充电状态和放电状态数据，为后续对电池状态的智能诊断提供了基础，通过对电池运行状态的分析，可以了解电池当前的工作状态。通过分析锂电池在充电和放电状态下的周期电力高波动情况，可以评估电池工作的稳定性和可靠性，为后续的电池健康状态诊断提供了重要信息。
14、优选的，步骤s13包括以下步骤：
15、步骤s131：对标准锂电池运行数据进行电力特征提取，得到锂电池电力特征数据，其中锂电池电力特征数据包括锂电池运行电流数据和锂电池运行电压数据；
16、步骤s132：对锂电池运行电流数据和锂电池运行电压数据进行时序数据对齐，生成锂电池运行电流对齐数据和锂电池运行电压对齐数据；
17、步骤s133：将锂电池运行电流对齐数据作为y轴，将锂电池运行电压数据作为x轴进行散点图构建，从而生成电压-电流散点图；
18、步骤s134：对电压-电流散点图进行曲线拟合，生成电压-电流曲线；对电压-电流曲线进行曲线斜率计算，得到电压电流变化率数据；对电压电流变化率数据进行正负值判别，当电压电流变化率数据为负数时，则将电压-电流曲线对应的曲线时段标记为充电特征曲线段；当电压电流变化率数据为正数时，则将电压-电流曲线对应的曲本文档来自技高网...
【技术保护点】
1.一种锂电池状态智能诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的锂电池状态智能诊断方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的锂电池状态智能诊断方法，其特征在于，步骤S13包括以下步骤：
4.根据权利要求2所述的锂电池状态智能诊断方法，其特征在于，步骤S14包括以下步骤：
5.根据权利要求1所述的锂电池状态智能诊断方法，其特征在于，步骤S2包括以下步骤：
6.根据权利要求1所述的锂电池状态智能诊断方法，其特征在于，步骤S3包括以下步骤：
7.根据权利要求1所述的锂电池状态智能诊断方法，其特征在于，步骤S4包括以下步骤：
8.根据权利要求7所述的锂电池状态智能诊断方法，其特征在于，步骤S41中的锂电池充放电平衡计算公式如下所示：
9.根据权利要求7所述的锂电池状态智能诊断方法，其特征在于，步骤S43包括以下步骤：
10.一种锂电池状态智能诊断系统，其特征在于，用于执行如权利要求1所述的锂电池状态智能诊断方法，该锂电池状态智能诊断系统包
...【技术特征摘要】
1.一种锂电池状态智能诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的锂电池状态智能诊断方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的锂电池状态智能诊断方法，其特征在于，步骤s13包括以下步骤：
4.根据权利要求2所述的锂电池状态智能诊断方法，其特征在于，步骤s14包括以下步骤：
5.根据权利要求1所述的锂电池状态智能诊断方法，其特征在于，步骤s2包括以下步骤：
6.根据权利要求1所述的锂电池状态智能诊...
【专利技术属性】
技术研发人员：庞静，宋琳，王小宾，娄海涛，
申请(专利权)人：烟台海博电气设备有限公司，
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。