【技术实现步骤摘要】
本专利技术涉及储能锂离子电池组多种类型故障的检测领域，尤其涉及一种锂离子电池组多故障诊断方法、装置、终端设备及计算机可读存储介质。
技术介绍
1、近年来，锂离子电池具有高功率密度和长循环寿命等优点，已被广泛应用于电动汽车和电网储能等领域。然而，受其对滥用、外部环境和运行条件的耐受性差的影响，锂离子电池系统可能会出现各种故障，导致电池加速退化，甚至发生以热失控为特征的安全事故，这已经引起了公众对锂离子电池安全性的担忧。因此，诊断各种故障对于提高电池系统的安全性至关重要。
2、电池系统常见故障可分为电池滥用故障和传感器故障。电池滥用故障主要包括过充、过放、外部短路和内部短路等。其中，内部短路是锂离子电池发生热失控的最常见原因之一。在早期的内短路(即微短路)中，由短路导致的电池电热参数变化不明显，具有较强的隐蔽性。这也导致微短路故障很难被检测到。在实际应用中，受固有缺陷、老化和恶劣工作环境的影响，传感器会出现测量值的偏置和精度下降等故障。传感器故障最直接的影响是电池管理系统无法获得电池的准确工作状态，继而发出错误的控制指令，加速电池系统的退化。此外，单体间的荷电状态(state of charge，简称soc)不一致和健康状态(st ate ofhealth，简称soh)不一致也会表现为电压异常，这导致不一致性和前述故障耦合，增加了区分故障类型的难度。
3、现有的锂离子电池组多故障诊断方法有基于模型的方法。基于模型的方法通过建立锂离子电池的电热耦合模型，并结合无迹粒子滤波等滤波算法估计电池的内部参数。如果内部参
技术实现思路
1、本专利技术实施例提供了一种锂离子电池组多故障诊断方法、装置、终端设备及计算机可读存储介质，能够区分锂离子电池组内电池单体的不同类型的故障，有助于及时发现和解决电池组中的问题。
2、本专利技术一实施例提供一种锂离子电池组多故障诊断方法，包括：
3、获取待诊断锂离子电池组内每个第一电池单体的端电压；
4、根据每个第一电池单体的端电压，提取每个第一电池单体在目标时域特征下所对应的第一特征值；
5、对于待诊断锂离子电池组内每个第一电池单体的每个第一特征值，将每个第一电池单体的第一特征值输入至预设的故障诊断模型中，以使故障诊断模型计算第一特征值与故障诊断模型中，锂离子电池组样本内每个第二电池单体在目标时域特征下所对应的第二特征值之间的距离，根据预设最邻近数量选取距离最近的若干第二特征值，得到若干目标特征值；对所有目标特征值进行投票，并将票数最多的目标特征值所对应的第二电池单体的故障类型，作为待诊断锂离子电池组内当前第一电池单体的故障类型；
6、根据待诊断锂离子电池组内所有第一电池单体的故障类型，确定锂离子电池组的故障。
7、进一步的，锂离子电池组样本的目标时域特征的确定，包括：
8、获取锂离子电池组样本内每个第二电池单体的端电压以及对应的故障类型；
9、对锂离子电池组样本内每个第二电池单体的端电压进行时域特征提取，得到不同类别的时域特征下的特征值；
10、计算不同类别的时域特征之间的冗余度，以及每一类时域特征与锂离子电池组样本的故障结果之间的相关性；
11、根据冗余度以及相关性从各类时域特征中筛选出锂离子电池组样本的目标时域特征。
12、进一步的，时域特征，包括：近似熵、峰值距离、能量、偏度和峭度；
13、对锂离子电池组样本内每个第二电池单体的端电压进行时域特征提取，得到不同类别的时域特征下的特征值，包括：
14、通过以下公式计算得到每一第二电池单体的近似熵的特征值：
15、apen(m,r,n)＝φm(r)-φm+1(r)；
16、
17、dis(xm[i],xm[j])＝maxk＝1,2,...,m(|y[i+k-1]-y[j+k-1]|)；
18、xm[i]＝{y[i],y[i+1],...,y[i+m-1]}；
19、通过以下公式计算得到每一第二电池单体的峰值距离的特征值：
20、p_p＝|max(y)-min(y)|；
21、通过以下公式计算得到每一第二电池单体的能量的特征值：
22、
23、通过以下公式计算得到每一第二电池单体的偏度的特征值：
24、
25、通过以下公式计算得到每一第二电池单体的峭度的特征值：
26、
27、其中，apen(m,r,n)表示近似熵的特征值，m表示窗口长度，r表示相似度比较阈值，φm(r)表示在嵌入维度为m时的平均相似度，表示子序列xm[i]的模板匹配概率，表示在n-m+1个子序列中满足条件的个数，n表示锂离子电池组内每个第二电池单体的端电压序列长度，xm[i]表示锂离子电池组的第i个端电压子序列，dis(xm[i],xm[j])表示两个子序列之间的距离，p_p表示峰值距离的特征值，y表示锂离子电池组内每个第二电池单体的端电压序列，energy表示能量的特征值，skewness表示偏度的特征值，kurtosis表示峭度的特征值，表示锂离子电池组内每个第二电池单体的端电压序列值的平均值，yi表示锂离子电池组内每个第二电池单体的端电压序列中第i个数据点的值，σ表示锂离子电池组内每个第二电池单体的端电压序列的标准差。
28、进一步的，计算不同类别的时域特征之间的冗余度，包括：
29、对于每一第二电池单体，根据各类时域特征下的特征值通过以下公式计算逐一计算每一第二电池单体的各类时域特征之间的互信息：
30、
31、根据每一第二电池单体的各类时域特征之间的互信息，通过以下公式计算不同类别的时域特征之间的冗余度：
32、
33、其中，x表示一类时域特征中一个第二电池单体的特征值，y表示另一类时域特征中同一个第二电池单体的特征值，xi表示一类时域特征中第i个第二电池单体的特征值，yi表示另一类时域特征中第i个第二电池单体的特征值，p(xi)表示一类时域特征中第i个第二电池单体的特征值的概率密度函数，p(yi)表示另一类时域特征中第i个第二电池单体的特征值的概率密度函数，p(xi,yi)表示一类时域特征中第i个第二电池单体的特征值与另一类时域特征中第i个第二电池单体的特征值之间的联合概率密度函数，i(xi；yi)表示第二电池单体的各类时域特征的第i个特征值之间的互信息，r表示不同类别的时域特征之间的冗余度，s表示每一第二电池单体的各类时域特征的特征值所组成的集合，|s|表示每一第二电池单体的各类时域特征的特征值所组成的集合的特征数量。
34、进一步的，计算每一类时域特征与锂离子本文档来自技高网...
【技术保护点】
1.一种锂离子电池组多故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的锂离子电池组多故障诊断方法，其特征在于，锂离子电池组样本的目标时域特征的确定，包括：
3.根据权利要求2所述的锂离子电池组多故障诊断方法，其特征在于，所述时域特征，包括：近似熵、峰值距离、能量、偏度和峭度；
4.根据权利要求3所述的锂离子电池组多故障诊断方法，其特征在于，计算不同类别的时域特征之间的冗余度，包括：
5.根据权利要求4所述的锂离子电池组多故障诊断方法，其特征在于，计算每一类时域特征与锂离子电池组样本的故障结果之间的相关性，包括：
6.根据权利要求5所述的锂离子电池组多故障诊断方法，其特征在于，根据所述冗余度以及所述相关性从各类时域特征中筛选出锂离子电池组样本的目标时域特征，包括：
7.根据权利要求6所述的锂离子电池组多故障诊断方法，其特征在于，将每个第一电池单体的第一特征值输入至预设的故障诊断模型中，以使故障诊断模型计算所述第一特征值与故障诊断模型中，锂离子电池组样本内每个第二电池单体在目标时域特征下所对应的第二特征
8.一种锂离子电池组多故障诊断装置，其特征在于，包括：端电压获取模块、目标时域特征提取模块、电池单体故障诊断模块以及电池组故障诊断模块；
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7任意一项所述的锂离子电池组多故障诊断方法。
10.一种计算机可读存储介质，其特征在于，包括：存储的计算机程序，其中，在所述计算机程序运行时，控制所述计算机可读存储介质所在的设备执行如权利要求1-7任意一项所述的锂离子电池组多故障诊断方法。
...【技术特征摘要】
1.一种锂离子电池组多故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的锂离子电池组多故障诊断方法，其特征在于，锂离子电池组样本的目标时域特征的确定，包括：
3.根据权利要求2所述的锂离子电池组多故障诊断方法，其特征在于，所述时域特征，包括：近似熵、峰值距离、能量、偏度和峭度；
4.根据权利要求3所述的锂离子电池组多故障诊断方法，其特征在于，计算不同类别的时域特征之间的冗余度，包括：
5.根据权利要求4所述的锂离子电池组多故障诊断方法，其特征在于，计算每一类时域特征与锂离子电池组样本的故障结果之间的相关性，包括：
6.根据权利要求5所述的锂离子电池组多故障诊断方法，其特征在于，根据所述冗余度以及所述相关性从各类时域特征中筛选出锂离子电池组样本的目标时域特征，包括：
7.根据权利要求6所述的锂离子电池组多故障...
【专利技术属性】
技术研发人员：张浚坤，金莉，雷二涛，马凯，全月，
申请(专利权)人：广东电网有限责任公司，
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。