CN115598552B - 基于交错电压量测的储能系统健康状态评估方法及系统 - Google Patents

Abstract

本公开属于储能系统状态监测技术领域，具体涉及一种基于交错电压量测的储能系统健康状态评估方法及系统，包括：获取基于交错电压量测的储能系统拓扑，得到交错电压量测拓扑的电路表达式；对所得到的电路表达式进行差分处理，得到储能系统的状态方程；根据所得到的状态方程，构造时序差分矩阵；计算所述时序差分矩阵的特征值，对储能系统的健康状态进行实时评估。

Description

基于交错电压量测的储能系统健康状态评估方法及系统

技术领域

本公开属于储能系统状态监测技术领域，具体涉及一种基于交错电压量测的储能系统健康状态评估方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

当储能电池系统健康状态发生异常变化时，电池管理系统应当能够对异常进行及时检测、预警，进而采取必要的隔离或自愈控制措施，以避免健康状态异常的进一步发展导致电池组性能恶化乃至储能系统损坏。现有的储能系统实时健康状态评估方法主要分为模型驱动和数据驱动两种类型。其中，基于模型驱动的储能系统实时健康状态评估方法主要依赖于实测系统特征与模型估计特征间的残差信号，基于经验检测阈值判断系统健康状态异常的发生，其检测阈值的经验选取并未考虑检测阈值与量测信号特征之间的量化关联，导致无法对系统健康状态的初期异常进行及时检测；而基于数据驱动的储能系统实时健康状态评估方法多为系统确定性异常状态的后验诊断，即，通过对显著的系统异常与正常状态间的不同特征的分类识别，其有效性依赖于系统健康状态异常的显著性水平，同样无法对处于分类边界的系统健康状态初期异常进行及时检测。

据发明人了解，储能系统健康状态异常与储能电池组荷电状态估计和健康状态估计等电池管理功能密切相关。即使初期的健康状态异常也会导致荷电状态估计和健康状态估计失效，不利于储能系统的可靠稳定运行，储能系统健康状态初期异常的合理检测评估与定位问题仍然面临巨大挑战。

发明内容

为了解决上述问题，本公开提出了一种基于交错电压量测的储能系统健康状态评估方法及系统，基于多时间尺度耦合实现储能系统的全寿命周期健康状态管理，实现储能系统健康状态的实时综合评估。

根据一些实施例，本公开的第一方案提供了一种基于交错电压量测的储能系统健康状态评估方法，采用如下技术方案：

一种基于交错电压量测的储能系统健康状态评估方法，包括：

获取基于交错电压量测的储能系统拓扑，得到交错电压量测拓扑的电路表达式；

对所得到的电路表达式进行差分处理，得到储能系统的状态方程；

根据所得到的状态方程，构造时序差分矩阵；

计算所述时序差分矩阵的特征值，对储能系统的健康状态进行实时评估。

作为进一步的技术限定，所述储能系统拓扑包括若干个串联的储能单体电池和电压传感器；所述电压传感器连接相邻的储能单体电池的正极和负极。

进一步的，所得到的交错电压量测拓扑的电路表达式为：

其中，{V_i ^s}为电压传感器量测电压序列，{V_i ^c}为相互串联的储能单体电池的电压，I_bp为串联的储能电池组的工作电流，R_i,i+1为相邻的储能单体电池之间的接线电阻，R_b,1和R_n,b分别为储能系统的正负母线，其中，i∈[1,n]。

进一步的，对所得到的交错电压量测拓扑的电路表达式进行差分处理，即得储能系统的状态方程为

其中，对于i,j∈[1,n]，有

进一步的，所述储能系统的状态方程包括电池短路状态异常、电压传感器状态异常和接线状态异常三种异常状态类型；所述电池短路状态异常信息蕴含于单体电池电压序列{V_o ^c}中，所述电压传感器状态异常蕴含于差分交错量测电压序列中，所述接线状态异常蕴含于接线等效电阻序列{R_o,i+1}中。

进一步的，向量系数矩阵的秩为n-1，所述储能系统的状态方程的差分方程为经泛化处理，即得泛化多变量过程表达式x＝As₁+Bs₂；其中，为差分量测电压向量；为电压系数矩阵，为满足样本独立同分布的n个单体电池电压；为接线系数矩阵，为满足样本独立同分布的n+1个接线电阻电压降。

进一步的，基于所得到的泛化多变量过程表达式，其对应的k时刻滑动窗口宽度为w的时序量测矩阵可表示为

即X_k＝S_1,kA^T+S_2,kB^T其中，

根据一些实施例，本公开的第二方案提供了一种基于交错电压量测的储能系统健康状态评估系统，采用如下技术方案：

一种基于交错电压量测的储能系统健康状态评估系统，包括：

获取模块，其被配置为获取基于交错电压量测的储能系统拓扑，得到交错电压量测拓扑的电路表达式；

处理模块，其被配置为对所得到的电路表达式进行差分处理，得到储能系统的状态方程；

构造模块，其被配置为根据所得到的状态方程，构造时序差分矩阵；

评估模块，其被配置为计算所述时序差分矩阵的特征值，对储能系统的健康状态进行实时评估。

根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：

一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于交错电压量测的储能系统健康状态评估方法中的步骤。

根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：

一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于交错电压量测的储能系统健康状态评估方法中的步骤。

与现有技术相比，本公开的有益效果为：

本公开在不影响储能系统单体电池电压监测与荷电状态估计功能的同时，实现对以微短路状态异常高效识别为目标的系统健康状态的有效实时评估；能够满足微短路状态异常检测识别的实时性要求，能够确保系统健康状态异常的初期阶段可检测性，从源头上切断系统热失控和爆炸事故的连锁反应链条，增强系统管控性能，提高系统运行安全稳定性。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本公开实施例一中的基于交错电压量测的储能系统健康状态评估方法的流程图；

图2是本公开实施例一中的交错电压量测拓扑原理图；

图3是本公开实施例一中的储能系统健康状态实时评估总体流程图；

图4(a)是本公开实施例一中的对应曲线簇1的健康状态实时评估指标曲线图；

图4(b)是本公开实施例一中的对应曲线簇2的健康状态实时评估指标曲线图；

图4(c)是本公开实施例一中的异常单电池定位结果曲线；

图5(a)是本公开实施例一中的对应曲线簇1的健康状态实时评估指标曲线图；

图5(b)是本公开实施例一中的对应曲线簇2的健康状态实时评估指标曲线图；

图6是本公开实施例二中的基于交错电压量测的储能系统健康状态评估系统的结构框图。

具体实施方式

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

实施例一

本公开实施例一介绍了一种基于交错电压量测的储能系统健康状态评估方法。

如图1所示的一种基于交错电压量测的储能系统健康状态评估方法，包括：

获取基于交错电压量测的储能系统拓扑，得到交错电压量测拓扑的电路表达式；

对所得到的电路表达式进行差分处理，得到储能系统的状态方程；

根据所得到的状态方程，构造时序差分矩阵；

计算所述时序差分矩阵的特征值，对储能系统的健康状态进行实时评估。

本实施例中的储能系统实时状态评估方法基于如图2所示的交错电压量测拓扑。

对于由n个储能单体电池串联的储能系统，第i个电压传感器分别与第i个储能单体电池的正极以及第i+1个储能单体电池的负极相连，其中，i∈[1,n-1]。特别地，对于第n个电压传感器，其与第n个储能单体电池的正极以及第1个储能单体电池的负极相连。

由此可得，该交错电压量测拓扑对应的电路原理表达式为：

其中，{V_i ^s}为传感器量测电压序列，{V_i ^c}为相互串联的储能单体电池电压，I_bp为串联储能电池组工作电流，R_i,i+1为储能单体电池i和储能单体电池i+1之间的接线电阻，R_b,1和R_n,b分别为该储能系统的正负母线。这里，将R_b,1和R_n,b视为整体，故如式(6-1)所示，采样电压V_i ^s中包含了连接电阻R_i,i+1的压降，而采样电压中包含了连接电阻R_b,1和R_n,b的压降。的量测可以通过差分量测电路实现，以进行两非相邻单体电池的电压和测量。

量测拓扑无法直接得到各相互串联的储能单体电池电压以用于电池管理，但由于实际的储能系统单体电池间的接线电阻很小，其压降对传感器量测电压序列的影响可忽略不计，因而在系统正常健康状态运行条件下，可以通过对公式(1)求逆得到单体电池电压的有效估计序列。

由于单体电池电压{V_i ^c}和电池组电流I_bp均随系统工况变化而变化，为了抑制系统工况变化对健康状态评估过程的影响，需对公式(1)进行差分处理，得到公式(2)：

其中，对于i,j∈[1,n]，有

公式(2)中包含了储能系统三种典型异常状态类型，分别是电池短路状态异常、电压传感器状态异常以及接线状态异常。由公式(2)可知，单体电池短路状态异常信息蕴含于单体电池电压序列{V_i ^c}中，电压传感器状态异常蕴含于差分交错量测电压序列中，而接线状态异常蕴含于接线等效电阻序列{R_i,i+1}中。得益于各序列对应的非单位系数矩阵结构，通过短路状态异常响应通道的相对位置关系，可以直接区分单体电池短路状态异常与其他两种电气状态异常。因此，如图2所示的基于交错电压量测的储能系统健康状态监测拓扑能够在不影响储能系统单体电池电压监测与荷电状态估计功能的同时，实现对以微短路状态异常高效识别为目标的系统健康状态的有效实时评估。

由于公式(2)中向量系数矩阵的秩为n-1，故公式(2)需要重新整理为公式(3)所示的差分方程形式，即

在此基础上，可以基于公式(3)构造时序差分矩阵，基于该时序差分矩阵的特征值分析设计储能系统健康状态的实时评估指标。

不失一般性地，结合公式(2)，公式(3)可泛化为：

x＝As₁+Bs₂ (4)

其中，为差分量测电压向量；为电压系数矩阵，为满足样本独立同分布的n个单体电池电压；为接线系数矩阵，为满足样本独立同分布的n+1个接线电阻电压降。

对于公式(4)所示泛化多变量过程，其对应的k时刻滑动窗口宽度为w的时序量测矩阵可表示为

由此，可以得到

X_k＝S_1,kA^T+S_2,kB^T (6)

其中，

进一步地，公式(6)可以归一化为，

其中，为基准样本均值向量， 为基准样本标准差对角阵，可以基于足够的正常运行状态历史样本得到；

的协方差矩阵可以表示为，

其中，Λ_k＝diag{λ_1,k,λ_2,k,…,λ_n-1,k}与V_k分别为协方差矩阵C_k的降序排列特征值对角阵以及对应的特征向量矩阵。

由于系统异常状态与正常状态的高阶统计特性通常相互正交，因此，不同的系统协方差矩阵特征值蕴含了不同的系统状态高阶特性。由此可知，系统健康状态异常可以通过特征值评估，以消除系统正常状态的影响。有鉴于此，储能系统健康状态实时评估指标D_k可以设计为归一化协方差矩阵最大特征值的无穷范数，以增强对系统初期健康状态异常的检测性能，有，

其中，λ_1,k为协方差矩阵C_k的最大特征值，和分别为相应的正常状态基准特征值均值和标准差。

本实施例中的储能系统实时健康状态评估方法主要针对单体电池微短路状态的加性异常，并且假设异常只出现于单一单体电池中，以有效评估初期阶段的健康状态异常。

对于初期阶段的微短路状态异常，设加性异常f发生于单体电池电压向量的第l通道s_1,l上，则公式(4)可整理为，

x＝A(s₁+ξf)+Bs₂ (10)

其中，表示状态异常的加权向量，仅在异常状态通道非零，且‖ξ‖₂＝1。

由此，时序量测矩阵X_k可归一化为，

其中，表示正常健康状态下的系统量测矩阵分量，其归一化矩阵记为

相应的协方差矩阵可以表示为

其中，

令δ_sc表示微短路状态异常评估阈值，则需要确保于是，对于i∈[1,n-1]，有根据矩阵迹的可加性，有

注意，C_1,k为健康状态下的归一化协方差矩阵，其特征值期望满足故此外，对于C_2,k，有故对于C_3,k， 其中，为的第l列。

根据公式(2)，有

考虑到工况周期的影响，结合公式(14)和公式(15)，微短路状态异常评估阈值应满足，

由于公式(9)所示的储能系统健康状态实时评估指标D_k与高斯分布无关，故可以根据健康状态下的历史数据集通过经验法得到公式(16)中的评估阈值δ_sc。经验法过程的显著性水平可以设置为α＝0.01。对于如公式(3)所示的两时序差分量测矩阵，其对应的可检测微短路状态评估阈值分别为δ_sc,和δ_sc,。由此可得，最终的储能系统实时健康状态评估阈值δ_HS应满足，

δ_HS＝max{δ_sc,1,δ_sc,2} (17)

对于归一化的异常状态幅值f，对应的储能系统实时健康状态评估阈值为δ_HS。具体到本章研究的单体电池微短路故障，基于零阶等效电路分析，其对应的瞬时可检测单体电池等效短路电阻R_sc,id可以近似量化为，

其中，E_m为健康状态异常单体电池的开路电压，I_sc＝f/R_sc,id为基于异常状态幅值f得到的近似短路电流，I_d为放电电流，R_0,SOC为健康状态异常单体电池25℃标况下的等效串联内阻。这里，取I_d＝2I_nom，其中，I_nom为储能系统的1C额定电流。

由于公式(18)是关于R_sc,id的隐式表达式，故可以通过二分法迭代搜索得到近似的可检测微短路状态异常等效短路阻抗最小值，从而得到所提健康状态评估方法能够响应的最小等效短路电流。

一旦系统微短路异常状态被检测识别，需要进一步确定该状态异常发生的具体位置。

对于归一化时序量测矩阵其协方差矩阵C_k的经验特征值{λ_m,k}及对应的特征向量{v_m,k}满足

C_kv_m,k＝λ_m,kv_m,k,m＝1,…,n-1 (19)

其中，v_m,k为特征向量矩阵的第m列。

由此可得，协方差矩阵第i行对特征值λ_m,k的贡献可以由对应的特征向量v_m,k的第i个元素来量化。进一步地，引起D_k>δ_HS的初期微短路异常单体电池的位置可以由极值特征值λ_1,k的归一化贡献η_i来评估，有

归一化贡献η_i满足η_i∈(0,1)且∑_iη_i＝1。由此，对以下两个时序差分电压量测矩阵确定微短路状态异常贡献度，

在此基础上，如果满足公式(22)所示关系的非相邻两元素{η_i,η_j}取值最大，则可以判定系统初期微短路状态异常发生于第j个单体电池。注意，对于有

面向微短路异常检测定位的储能系统健康状态实时评估的总体流程如图3所示，该过程主要分为以下三个步骤，分别为初始化步骤，异常状态检测识别步骤和异常状态评估定位步骤。在初始化步骤中，计算得到系统健康状态下的基准参数和归一化评估阈值；基于所得到预估的可检测微短路状态异常等效短路阻抗和可检测等效短路电流。在异常状态检测识别步骤中，可以计算健康状态实时评估指标，以确定系统内是否发生微短路状态异常。一旦触发系统异常状态评估定位步骤，则计算异常贡献度并进一步确定发生状态异常的系统内单体电池。

在本实施例中，选取12S蓄电储能电池组构成的蓄电储能系统健康状态运行和模拟单电池短路异常状态运行测试数据；每个串联单电池在1C放电倍率下的额定容量为32Ah，额定电压为3.25V。对该蓄电储能电池组分别进行三组实验，分别为一组健康状态运行实验和2组模拟单电池短路异常状态运行实验。实验基准工况为2C充放电倍率下的WLTC工况。其中，2组短路异常状态单电池编号分别为1和9，以评估不同位置发生状态异常的方法性能。

获取12S蓄电储能电池组构成的蓄电储能系统测试得到的完整放电-充电循环的单电池量测电压曲线簇，以作为系统健康状态历史样本集；基于健康状态的历史样本数据，得到相应的两簇时序差分量测曲线簇；虽然通过简单差分运算能够显著降低工况变化对时序量测电压平稳性的影响，使得健康状态下的系统差分电压序列波动保持在较小的波动范围内，但由于蓄电储能系统固有的非线性特性和荷电状态相关性，仍无法完全消除工况变化的影响。因此，需要计算系统健康状态下的初始化特征参数，以确保系统实时健康评估过程的有效性。

根据所得到相应的两簇时序差分量测曲线簇，能够得到系统健康状态初始化特征参数如表1所示。

表1蓄电储能系统健康状态初始化特征参数

虽然对应曲线簇1的健康状态实时评估指标D_k1在评估周期内超过了其对应的评估阈值δ_sc,1，但由于对应曲线簇2的健康状态实时评估指标D_k2在评估周期内并未超过其对应的评估阈值δ_sc,2，故D_k>δ_HS条件不成立，表明此时系统运行于健康状态。

根据本实施例中的可检测短路状态异常评估方法，计算得到的可检测等效单电池短路阻抗为0.1886Ω，其对应的等效短路电流约16.21A(约0.5C)，满足系统初期短路异常状态定义(不大于1C)。

据此，分别对编号为1和5的2组单电池并联阻值约为0.2Ω的功率电阻，以模拟系统初期短路异常状态，等效并联短路电阻的投入时间区间为[800s,1000s]。

(1)1号单电池短路异常状态运行评估

对于1号单电池短路异常，基于本章所提出的健康状态实时评估方法得到的单WLTC工况周期下的系统短路异常状态运行实验验证结果如图4所示；其中，图4(a)和图4(b)分别示出了不同差分量测电压曲线簇的健康状态实时评估指标曲线，两曲线簇对应健康状态实时评估指标分别在1.5s和6.4s触发评估阈值限制，表明系统存在短路异常状态。

需要注意的是，对于1号单电池短路异常，由于其异常贡献分量在曲线簇1中为2，而在曲线簇2中仅为1，加之如表6.1所示不同差分通道标准差差异的综合影响，导致图4(a)和图4(b)的峰值差异。此外，短路状态异常属于累积性状态异常，即，随着短路状态持续时间的增加，其引起的量测电压差异将持续增大。因此，一方面，当短路状态异常消除后，其固有的异常累积会持续触发异常预警，如图4(c)所示，如果考虑系统配置的电池均衡管理功能，可以降低短路状态异常清除后的持续报警；另一方面，即使实际等效并联短路阻抗小于0.1886Ω的可检测估计值，短路状态异常也会在有限时间内被检测识别，但评估阈值触发的滞后性将更加明显。

(2)5号单电池短路异常状态运行评估

对于5号单电池短路异常，基于本实施例所提出的健康状态实时评估方法得到的单WLTC工况周期下的系统短路异常状态运行实验验证结果如图5所示。其中，图5(a)和图5(b)分别示出了不同差分量测电压曲线簇的健康状态实时评估指标曲线，两曲线簇对应健康状态实时评估指标分别在2.5s和2.8s触发评估阈值限制，表明系统存在短路异常状态。与前述1号单电池短路异常状态实验不同，对于5号单电池短路异常，其异常贡献分量数在不同曲线簇中相同，因而健康状态评估指标的响应幅值差异较小。但同样地，由于短路状态异常的累积效应，使得短路状态异常消除后，其固有的异常累积会持续触发异常预警。

本实施例提出了一种基于交错电压量测拓扑的储能系统实时健康状态评估方法，能够在不影响储能系统单电池电压监测与荷电状态估计功能的同时，实现对以微短路状态异常高效识别为目标的系统健康状态的有效实时评估。理论和验证分析结果表明，本实施例提出的储能系统实时健康状态评估方法可以实现对微短路状态异常这一主要健康状态异常类型的快速准确评估，对于系统两端单电池微短路状态异常，能够在6.4s内分别完成对0.5C等效短路电流下的微短路状态的准确检测定位；对于系统非两端单电池微短路状态异常，能够在2.8s内分别完成对0.5C等效短路电流下的微短路状态的准确检测定位。

综上所述，本实施例所提出的储能系统健康状态评估方法能够满足微短路状态异常检测识别的实时性要求，能够确保系统健康状态异常的初期阶段可检测性，从源头上切断系统热失控和爆炸事故的连锁反应链条，增强系统管控性能，提高系统运行安全稳定性。

实施例二

本公开实施例二介绍了一种基于交错电压量测的储能系统健康状态评估系统。

如图6所示的一种基于交错电压量测的储能系统健康状态评估系统，包括：

获取模块，其被配置为获取基于交错电压量测的储能系统拓扑，得到交错电压量测拓扑的电路表达式；

处理模块，其被配置为对所得到的电路表达式进行差分处理，得到储能系统的状态方程；

构造模块，其被配置为根据所得到的状态方程，构造时序差分矩阵；

评估模块，其被配置为计算所述时序差分矩阵的特征值，对储能系统的健康状态进行实时评估。

详细步骤与实施例一提供的基于交错电压量测的储能系统健康状态评估方法相同，在此不再赘述。

实施例三

本公开实施例三提供了一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的基于交错电压量测的储能系统健康状态评估方法中的步骤。

详细步骤与实施例一提供的基于交错电压量测的储能系统健康状态评估方法相同，在此不再赘述。

实施例四

本公开实施例四提供了一种电子设备。

一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的基于交错电压量测的储能系统健康状态评估方法中的步骤。

详细步骤与实施例一提供的基于交错电压量测的储能系统健康状态评估方法相同，在此不再赘述。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (12)

1.一种基于交错电压量测的储能系统健康状态评估方法，其特征在于，包括：

获取基于交错电压量测的储能系统拓扑，得到交错电压量测拓扑的电路表达式；其中，储能系统拓扑包括若干个串联的储能单体电池和电压传感器，电压传感器连接相邻的储能单体电池的正极和负极；交错电压量测拓扑的电路表达式为：

其中，为电压传感器量测电压序列，为相互串联的储能单体电池的电压，为串联的储能电池组的工作电流，为相邻的储能单体电池之间的接线电阻，和分别为储能系统的正负母线，其中，；

对所得到的电路表达式进行差分处理，得到储能系统的状态方程；

根据所得到的状态方程，构造时序差分矩阵；

计算所述时序差分矩阵的特征值，对储能系统的健康状态进行实时评估。

2.如权利要求1中所述的一种基于交错电压量测的储能系统健康状态评估方法，其特征在于，对所得到的交错电压量测拓扑的电路表达式进行差分处理，即得储能系统的状态方程为

其中，对于，有。

3.如权利要求2中所述的一种基于交错电压量测的储能系统健康状态评估方法，其特征在于，所述储能系统的状态方程包括电池短路状态异常、电压传感器状态异常和接线状态异常三种异常状态类型；所述电池短路状态异常信息蕴含于单体电池电压序列中，所述电压传感器状态异常蕴含于差分交错量测电压序列中，所述接线状态异常蕴含于接线等效电阻序列中。

4.如权利要求2中所述的一种基于交错电压量测的储能系统健康状态评估方法，其特征在于，向量系数矩阵的秩为，所述储能系统的状态方程的差分方程为，经泛化处理，即得泛化多变量过程表达式；其中，为差分量测电压向量；为电压系数矩阵，为满足样本独立同分布的个单体电池电压；为接线系数矩阵，为满足样本独立同分布的个接线电阻电压降。

5.如权利要求4中所述的一种基于交错电压量测的储能系统健康状态评估方法，其特征在于，基于所得到的泛化多变量过程表达式，其对应的时刻滑动窗口宽度为的时序量测矩阵可表示为

，

即其中，，。

6.一种基于交错电压量测的储能系统健康状态评估系统，其特征在于，包括：

获取模块，其被配置为获取基于交错电压量测的储能系统拓扑，得到交错电压量测拓扑的电路表达式；其中，储能系统拓扑包括若干个串联的储能单体电池和电压传感器，电压传感器连接相邻的储能单体电池的正极和负极；交错电压量测拓扑的电路表达式为：

其中，为电压传感器量测电压序列，为相互串联的储能单体电池的电压，为串联的储能电池组的工作电流，为相邻的储能单体电池之间的接线电阻，和分别为储能系统的正负母线，其中，；

处理模块，其被配置为对所得到的电路表达式进行差分处理，得到储能系统的状态方程；

构造模块，其被配置为根据所得到的状态方程，构造时序差分矩阵；

评估模块，其被配置为计算所述时序差分矩阵的特征值，对储能系统的健康状态进行实时评估。

7.如权利要求6中所述的一种基于交错电压量测的储能系统健康状态评估系统，其特征在于，对所得到的交错电压量测拓扑的电路表达式进行差分处理，即得储能系统的状态方程为

其中，对于，有。

8.如权利要求7中所述的一种基于交错电压量测的储能系统健康状态评估系统，其特征在于，所述储能系统的状态方程包括电池短路状态异常、电压传感器状态异常和接线状态异常三种异常状态类型；所述电池短路状态异常信息蕴含于单体电池电压序列中，所述电压传感器状态异常蕴含于差分交错量测电压序列中，所述接线状态异常蕴含于接线等效电阻序列中。

9.如权利要求7中所述的一种基于交错电压量测的储能系统健康状态评估系统，其特征在于，向量系数矩阵的秩为，所述储能系统的状态方程的差分方程为，经泛化处理，即得泛化多变量过程表达式；其中，为差分量测电压向量；为电压系数矩阵，为满足样本独立同分布的个单体电池电压；为接线系数矩阵，为满足样本独立同分布的个接线电阻电压降。

10.如权利要求9中所述的一种基于交错电压量测的储能系统健康状态评估系统，其特征在于，基于所得到的泛化多变量过程表达式，其对应的时刻滑动窗口宽度为的时序量测矩阵可表示为

，

即其中，，。

11.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的基于交错电压量测的储能系统健康状态评估方法中的步骤。

12.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的基于交错电压量测的储能系统健康状态评估方法中的步骤。