【技术实现步骤摘要】
本申请涉及储能，尤其涉及一种电池组的故障诊断方法。
技术介绍
1、锂离子电池因其高能量密度、良好的稳定性和长循环寿命，已成为便携式电子产品、电动汽车、电网储能和可再生能源等领域的广泛应用对象。尽管锂离子电池具有许多优点，但其潜在的故障风险依然存在，包括性能下降、运行受损，甚至热失控等灾难性后果。
2、现有电池故障诊断方法易受电池故障早期不会有明显的电压波动问题的干扰，导致电池故障诊断不及时、不准确。并且，现有的储能系统电池故障诊断方法一般使用基于模型的方法和基于数据驱动的方法。基于模型的方法住往将测量电压与模型生成的电压进行比较，生成残差信号并进行评估，以确定诊断结果。基于数据驱动的方法利用深度学习，基于深度网络进行电压预测，通过设置阈值来判断电池故障。但是，上述现有的电池故障诊断方法存在以下几点不足：(1)基于模型的故障诊断方法受模型精度影响较大，随着模型精度的提升，计算量也会显著增加。此外，使用高精度模型(如，电化学模型)进行故障诊断难，以实现实时监测。(2)基于数据驱动的方法需要大量准确的故障数据进行训练，数据集的质量直接影响诊断结果的准确性和有效性。并且需要大量的计算资源，同样会影响实时监测结果。(3)现有方法易受环境变化和电池一致性问题的干扰，影响诊断结果的稳定性和可靠性。在适应不同类型电池和使用场景方面存在不足，影响其适用性和通用性。
技术实现思路
1、有鉴于此，本申请实施例至少提供一种电池组的故障诊断方法，以克服上述至少一种缺陷。
2、第一方面
3、在一种可能的实施例中，所述多个指定电芯为所述多个电芯中除具有显著过压特性的异常电芯之外的电芯，其中，通过以下方式从所述多个电芯中识别出异常电芯：获取每个电芯在所述预设时间段内的电芯状态参数，从所述预设时间段中提取满足目标工况的多个第二工况子段，针对每个第二工况子段，确定该第二工况子段对应的第一矩阵，所述第一矩阵中的每个元素用于表征一电芯在一采样时刻点下的电芯状态参数，确定每个第一矩阵的质心，针对每个第一矩阵，确定在该第一矩阵中每个电芯与该第一矩阵的质心之间的距离值，针对每个电芯，根据该电芯在所有第二工况子段下的距离值，识别该电芯是否为异常电芯。
4、在一种可能的实施例中，还包括：针对每个第一矩阵，利用pca主成分分析法，对该第一矩阵进行降维处理，获得该第一矩阵对应的降维矩阵，以针对降维矩阵确定质心，和/或，通过以下方式识别每个电芯是否为异常电芯：利用正态分布的3分原则，对该电芯的所有距离值进行分析，若该电芯的距离值不符合3分原则，则将该电芯确定为异常电芯。
5、在一种可能的实施例中，通过以下方式确定所述整体趋势指标：通过对所述多个指定电芯的电芯状态参数进行融合，形成在所述预设时间段内的参考状态变化曲线；根据参考状态变化曲线，确定所述整体趋势指标。
6、在一种可能的实施例中，通过以下方式确定所述整体趋势指标：利用emd经验模态分解法，对所述参考状态变化曲线进行分解，获得残差分量；根据所述残差分量，确定所述整体趋势指标。
7、在一种可能的实施例中，从多个第一工况子段中选取出趋势子段的步骤包括：将每个第一工况子段对应的子段趋势指标分别与所述整体趋势指标进行比较；确定第一工况子段所对应的目标工况；在所述目标工况为充电工况时，将子段趋势指标大于所述整体趋势指标的子段确定为趋势子段；在所述目标工况为放电工况时，将子段趋势指标小于所述整体趋势指标的子段确定为趋势子段。
8、在一种可能的实施例中，通过以下方式确定每个指定电芯在趋势子段下的电芯状态变化趋势：针对每个趋势子段，确定每个指定电芯在该趋势子段下的极值差；针对每个趋势子段，根据计算得到的极值差，确定各指定电芯在该趋势子段下的排名；针对每个指定电芯，基于该指定电芯在所有趋势子段的排名变化，确定该指定电芯的电芯状态变化趋势。
9、在一种可能的实施例中，所述电芯状态参数包括电芯电压值，所述极值差包括对应趋势子段下的电芯极值压差，其中，通过以下方式确定在每个趋势子段下的排名：针对每个趋势子段，对各指定电芯在该趋势子段下的电芯电压值进行排序，确定所有指定电芯在该趋势子段下的排名。
10、在一种可能的实施例中，通过以下方式确定在每个趋势子段下的排名：针对每个趋势子段下的每个指定电芯，确定该指定电芯在该趋势子段下的电芯极值压差所落入的目标压差区间，并根据所述目标压差区间，确定该指定电芯在该趋势子段下的电压等级；针对每个趋势子段，按照各指定电芯在该趋势子段下的电压等级进行排序，确定所有指定电芯在该趋势子段下的排名。
11、在一种可能的实施例中，通过以下方式确定每个指定电芯的电芯状态变化趋势：针对每个指定电芯，根据该指定电芯在不同趋势子段下的排名，计算该指定电芯的排名变化率。
12、在一种可能的实施例中，通过以下方式确定每个指定电芯的异常诊断结果：针对每个指定电芯，根据该指定电芯的排名变化率，计算该指定电芯对应的z分位数；针对每个指定电芯，在确定该指定电芯对应的z分位数不小于异常阈值时，确定该指定电芯存在异常趋势。
13、本申请所提供的电池组的故障诊断方法，通过对指定电芯在趋势子段下的电芯状态变化趋势的分析，能够有助于及时定位出电池组中未表现出明显的电压波动的故障电芯。
14、为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种电池组的故障诊断方法，所述电池组包括多个电芯，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多个指定电芯为所述多个电芯中除具有显著过压特性的异常电芯之外的电芯，
3.根据权利要求2所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，通过以下方式确定所述整体趋势指标：
5.根据权利要求4所述的方法，其特征在于，通过以下方式确定所述整体趋势指标：
6.根据权利要求1所述的方法，其特征在于，从多个第一工况子段中选取出趋势子段的步骤包括：
7.根据权利要求1所述的方法，其特征在于，通过以下方式确定每个指定电芯在趋势子段下的电芯状态变化趋势：
8.根据权利要求7所述的方法，其特征在于，所述电芯状态参数包括电芯电压值，所述极值差包括对应趋势子段下的电芯极值压差，
9.根据权利要求8所述的方法，其特征在于，通过以下方式确定在每个趋势子段下的排名：
10.根据权利要求7所述的方法，其特征在于，通过以下方式确定每个指定电芯的电芯状态
11.根据权利要求10所述的方法，其特征在于，通过以下方式确定每个指定电芯的异常诊断结果：
...【技术特征摘要】
1.一种电池组的故障诊断方法，所述电池组包括多个电芯，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多个指定电芯为所述多个电芯中除具有显著过压特性的异常电芯之外的电芯，
3.根据权利要求2所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，通过以下方式确定所述整体趋势指标：
5.根据权利要求4所述的方法，其特征在于，通过以下方式确定所述整体趋势指标：
6.根据权利要求1所述的方法，其特征在于，从多个第一工况子段中选取出趋势子段的步骤包括：...
【专利技术属性】
技术研发人员：李四方，何英杰，朱广焱，
申请(专利权)人：上海派能能源科技股份有限公司，
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。