[發明專利]一種電池故障診斷方法及系統

在審

• 申請號: 202110713083.9
• 申請日: 2021-06-25
• 公開（公告）號: CN113608140A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 蘇桂豐;邢志平;張輝;張長斌;李超;杜金秋;張文吉;馬呈彬;李秀兵;宋仕杰
• 申請（專利權）人: 國網山東省電力公司泗水縣供電公司;國網山東省電力公司濟寧供電公司;國家電網有限公司
• 主分類號: G01R31/396
• 分類號: G01R31/396;G01R31/367;G01R31/36;G01R31/392;G01R31/389;G01R31/385;G01R31/52;G01R31/54;G01K13/00;G01R31/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 楊琪

1.一種電池故障診斷方法，其特征是，包括：

實時采集電池的電壓、電流以及溫度信息；

將采集的電池的電壓、電流以及溫度信息經數據預處理后輸入到訓練好的卷積神經網絡模型，以生成并輸出采集的電池的電壓、電流以及溫度信息的電池故障診斷結果；

將電池故障診斷結果發送給配電網主控中心，向運維人員告警。

2.如權利要求1所述的一種電池故障診斷方法，其特征是，所述電池由若干個電池單體組成，所述電池的電壓、電流以及溫度信息包括每個電池單體的電壓、電流以及溫度數據。

3.如權利要求1所述的一種電池故障診斷方法，其特征是，訓練卷積神經網絡模型的過程，具體為：

采集電池對應各種電池故障類型的電池的電壓、電流以及溫度信息；

根據采集的電池的電壓、電流以及溫度信息以及對應的電池故障類型，構建電池的電壓、電流以及溫度信息的圖譜數據訓練集；

構建卷積神經網絡結構模型，針對待測對象電池的故障類型設計相應的卷積神經網絡結構，計算卷積神經網絡初始化參數；

使用訓練集訓練卷積神經網絡，將電池的電壓以及溫度信息的圖譜數據訓練集輸入到卷積神經網絡進行訓練，修正卷積神經網絡的各類參數。

4.如權利要求3所述的一種電池故障診斷方法，其特征是，所述電池故障類型的獲取方法，包括：

獲取電池的歷史電壓、電流以及溫度信息數據；

根據先驗知識，判定電池的歷史電壓、電流以及溫度信息數據對應的電池故障類型。

5.如權利要求4所述的一種電池故障診斷方法，其特征是，所述電池故障類型包括：

過熱故障、過冷故障、過充電故障、過放電故障、短路故障、斷路故障、老化故障、內阻過小故障。

6.如權利要求5所述的一種電池故障診斷方法，其特征是，所述電池故障類型的判定條件是：

當單體電池溫度大于單體電池溫度的最大閾值時，確定電池發生過熱故障；

當單體電池溫度小于單體電池溫度的最小閾值時，確定電池發生過冷故障；

當單體電池電壓大于單體電池電壓的最大閾值時，確定電池發生過充電故障；

當單體電池電壓小于單體電池電壓的最小閾值時，確定電池發生過放電故障；

當單體電池電流大于單體電池電流的最大閾值時，確定電池發生短路故障；

當單體電池電流小于單體電池電流的最小閾值時，確定電池發生斷路故障；

當電池內阻大于電池內阻的最大閾值時，確定電池發生老化故障；

當電池內阻小于電池內阻的最小閾值時，確定電池發生內阻過小故障。

7.如權利要求1所述的一種電池故障診斷方法，其特征是，所述卷積神經網絡結構包括輸入層、隱含層、鏈接層、全連接層和輸出層；所述隱含層由多個卷積層與池化層交叉堆疊而成；

所述連接層中同時融合池化層和卷積層的不同層次特征。

8.一種電池故障診斷系統，其特征是，包括：

電池數據采集模塊，被配置為實時采集電池的電壓、電流以及溫度信息；

電池故障診斷模塊，被配置為將采集的電池的電壓、電流以及溫度信息經數據預處理后輸入到訓練好的卷積神經網絡模型，以生成并輸出采集的電池的電壓、電流以及溫度信息的電池故障診斷結果；

電池故障診斷結果輸出模塊，被配置為將電池故障診斷結果發送給配電網主控中心，向運維人員告警。

9.一種電子設備，其特征是，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成權利要求1-7任一項方法所述的步驟。

10.一種計算機可讀存儲介質，其特征是，用于存儲計算機指令，所述計算機指令被處理器執行時，完成權利要求1-7任一項方法所述的步驟。