CN117233645A - 一种储能逆变器电池异常判定方法、系统及介质 - Google Patents
一种储能逆变器电池异常判定方法、系统及介质 Download PDFInfo
- Publication number
- CN117233645A CN117233645A CN202311518599.3A CN202311518599A CN117233645A CN 117233645 A CN117233645 A CN 117233645A CN 202311518599 A CN202311518599 A CN 202311518599A CN 117233645 A CN117233645 A CN 117233645A
- Authority
- CN
- China
- Prior art keywords
- battery
- abnormal
- temperature
- outlier
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000005856 abnormality Effects 0.000 title claims abstract description 59
- 238000004146 energy storage Methods 0.000 title claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 206
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 abstract description 3
- 238000007599 discharging Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请实施例提供了一种储能逆变器电池异常判定方法、系统及介质，该方法包括：获取电池运行数据，提取运行数据特征；判断运行数据特征是否符合高斯正态分布；若符合，则判定电池运行数据正常；若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息；通过高斯分布进行提取异常数据特征，并判断异常数据特征的离群率，进行精准的分析异常数据特征是否属于电池异常行为或是短暂异常波动，从而精准的对电池异常运行进行判定，提高异常判断精度。
Description
技术领域
本申请涉及电池异常判定领域，具体而言，涉及一种储能逆变器电池异常判定方法、系统及介质。
背景技术
储能逆变器的功能，不仅仅是将直流电转为交流电，同时还可以利用电池等储能装置来存储电能，当需要时再从储存装置中释放出电能。储能逆变器通常具有双向功率转换、高效率充放电等特点；可以实现对多种能源的供给和利用，储能逆变器的电池在运行过程中通过判断运行数据特征进行分析电池运行的异常情况；现有的电池异常判定方法中无法根据电池端口的电压、电流或功率进行分析电池运行过程中的异常信息，从而无法准确的进行判断电池异常运行的情况，造成电池异常误判断，针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种储能逆变器电池异常判定方法、系统及介质，通过高斯分布进行提取异常数据特征，并判断异常数据特征的离群率，进行精准的分析异常数据特征是否属于电池异常行为或是短暂异常波动，从而精准的对电池异常运行进行判定，提高异常判断精度。
本申请实施例还提供了一种储能逆变器电池异常判定方法，包括：
获取电池运行数据，提取运行数据特征；
判断运行数据特征是否符合高斯正态分布；
若符合，则判定电池运行数据正常；
若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；
若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；
若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息。
可选地，在本申请实施例所述的储能逆变器电池异常判定方法中，获取电池运行数据，提取运行数据特征，并筛选出电池运行数据中的噪声特征，并对噪声特征进行优化处理；具体为：
通过多源传感器采集电池多源运行数据，所述电池多源运行数据包括电池端口电压、电池端口功率与电池端口温度；
提取若干时间节点下的电池多源运行数据特征，并将电池多源运行数据特征拟合成时间节点与数据特征的关系曲线，得到电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线；
根据电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线计算相邻时间节点下的曲线斜率；
若曲线斜率大于预设的斜率阈值，则对应的运行数据特征为噪声特征，并将噪声特征与上一时间节点的运行数据特征与下一时间节点的运行数据特征进行均值化处理。
可选地，在本申请实施例所述的储能逆变器电池异常判定方法中，获取电池端口电压，根据电池端口电压计算电池端口功率，根据电池端口功率计算电池运行过程中的温度信息；具体包括：
获取环境温度，根据环境温度生成修正信息，根据修正信息调整温度信息；
设定运行时间间隔，根据运行时间间隔将运行时间分隔为多个运行时间窗口；
将温度信息按照运行时间窗口进行分段，得到多段温度信息，每一段温度信息与运行时间窗口一一对应；
将相邻运行时间窗口内的温度信息进行比较，得到温度偏差；
若温度偏差大于预设的温度值，则生成温度异常信息；
若温度偏差小于预设的温度值，将将对应运行时间窗口内的温度信息进行比较，判断同一运行时间窗口内的温度波动，并得到温度波动时间与波动次数；
根据温度波动时间与波动次数进行计算电池温度短暂异常数据。
可选地，在本申请实施例所述的储能逆变器电池异常判定方法中，若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息，具体为：
获取离群率，将离群率与多段离群率阈值进行比较；
若离群率大于第一离群率阈值且小于或等于第二离群率阈值，则生成第一异常信息；
若离群率大于第二离群率阈值，则生成第二异常信息；
根据第一异常信息与第二异常信息的权重进行计算，得到对应的权重系数；
将对应的权重系数乘以第一异常信息与第二异常信息，得到融合后的异常信息。
可选地，在本申请实施例所述的储能逆变器电池异常判定方法中，若不符合，则筛选出异常数据特征，对异常数据特征进行分类处理，具体为：
获取异常数据特征，并记录异常数据数据的异常时间；
将异常时间与采集数据总时间进行除法计算，得到异常时间比值；
判断所述异常时间比值是否大于预设的比值；
若大于，则判定为离群特征；
若小于，则判定为波动特征。
可选地，在本申请实施例所述的储能逆变器电池异常判定方法中，根据异常数据特征分析特征离群率，具体为：
获取异常数据特征，计算异常数据特征的总量；
对异常数据特征进行分类处理，得到离群数据特征的数量；
离群数据特征的数量处于异常数据特征的总量，得到离群数据特征的占比；
根据离群数据特征的占比得到特征离群率。
第二方面，本申请实施例提供了一种储能逆变器电池异常判定系统，该系统包括：存储器及处理器，所述存储器中包括储能逆变器电池异常判定方法的程序，所述储能逆变器电池异常判定方法的程序被所述处理器执行时实现以下步骤：
获取电池运行数据，提取运行数据特征；
判断运行数据特征是否符合高斯正态分布；
若符合，则判定电池运行数据正常；
若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；
若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；
若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息。
可选地，在本申请实施例所述的储能逆变器电池异常判定系统中，获取电池运行数据，提取运行数据特征，并筛选出电池运行数据中的噪声特征，并对噪声特征进行优化处理；具体为：
通过多源传感器采集电池多源运行数据，所述电池多源运行数据包括电池端口电压、电池端口功率与电池端口温度；
提取若干时间节点下的电池多源运行数据特征，并将电池多源运行数据特征拟合成时间节点与数据特征的关系曲线，得到电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线；
根据电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线计算相邻时间节点下的曲线斜率；
若曲线斜率大于预设的斜率阈值，则对应的运行数据特征为噪声特征，并将噪声特征与上一时间节点的运行数据特征与下一时间节点的运行数据特征进行均值化处理。
可选地，在本申请实施例所述的储能逆变器电池异常判定系统中，获取电池端口电压，根据电池端口电压计算电池端口功率，根据电池端口功率计算电池运行过程中的温度信息；具体包括：
获取环境温度，根据环境温度生成修正信息，根据修正信息调整温度信息；
设定运行时间间隔，根据运行时间间隔将运行时间分隔为多个运行时间窗口；
将温度信息按照运行时间窗口进行分段，得到多段温度信息，每一段温度信息与运行时间窗口一一对应；
将相邻运行时间窗口内的温度信息进行比较，得到温度偏差；
若温度偏差大于预设的温度值，则生成温度异常信息；
若温度偏差小于预设的温度值，将将对应运行时间窗口内的温度信息进行比较，判断同一运行时间窗口内的温度波动，并得到温度波动时间与波动次数；
根据温度波动时间与波动次数进行计算电池温度短暂异常数据。
第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括储能逆变器电池异常判定方法程序，所述储能逆变器电池异常判定方法程序被处理器执行时，实现如上述任一项所述的储能逆变器电池异常判定方法的步骤。
由上可知，本申请实施例提供的一种储能逆变器电池异常判定方法、系统及介质，通过获取电池运行数据，提取运行数据特征；判断运行数据特征是否符合高斯正态分布；若符合，则判定电池运行数据正常；若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息；通过高斯分布进行提取异常数据特征，并判断异常数据特征的离群率，进行精准的分析异常数据特征是否属于电池异常行为或是短暂异常波动，从而精准的对电池异常运行进行判定，提高异常判断精度。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的储能逆变器电池异常判定方法的流程图；
图2为本申请实施例提供的储能逆变器电池异常判定方法的噪声特征优化处理方法流程图；
图3为本申请实施例提供的储能逆变器电池异常判定方法的电池温度短暂异常数据获取流程图；
图4为本申请实施例提供的储能逆变器电池异常判定系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种储能逆变器电池异常判定方法的流程图。该储能逆变器电池异常判定方法用于终端设备中，该储能逆变器电池异常判定方法，包括以下步骤：
S101，获取电池运行数据，提取运行数据特征；判断运行数据特征是否符合高斯正态分布；
S102，若符合，则判定电池运行数据正常；
S103，若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；
S104，若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；
S105，若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息。
需要说明的是，通过对电池运行数据进行分析，从而有效筛选中其中的异常数据，并提取异常数据特征，根据异常数据特征进行判断对应的异常数据是否为电池运行异常或电池异常波动，由于电池异常波动会逐渐趋于平缓，从而可以精准的对电池异常信息进行获取。
请参照图2，图2是本申请一些实施例中的一种储能逆变器电池异常判定方法的噪声特征优化处理方法流程图。根据本发明实施例，获取电池运行数据，提取运行数据特征，并筛选出电池运行数据中的噪声特征，并对噪声特征进行优化处理；具体为：
S201，通过多源传感器采集电池多源运行数据，电池多源运行数据包括电池端口电压、电池端口功率与电池端口温度；
S202，提取若干时间节点下的电池多源运行数据特征，并将电池多源运行数据特征拟合成时间节点与数据特征的关系曲线，得到电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线；
S203，根据电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线计算相邻时间节点下的曲线斜率；
S204，若曲线斜率大于预设的斜率阈值，则对应的运行数据特征为噪声特征，并将噪声特征与上一时间节点的运行数据特征与下一时间节点的运行数据特征进行均值化处理。
需要说明的是，通过判断不同时间节点的噪声特征，从而精准的分析电池端口的电压、电流与温度的异常变化，进而对应分析电池的异常类型。
请参照图3，图3是本申请一些实施例中的一种储能逆变器电池异常判定方法的电池温度短暂异常数据获取流程图。根据本发明实施例，获取电池端口电压，根据电池端口电压计算电池端口功率，根据电池端口功率计算电池运行过程中的温度信息；具体包括：
S301，获取环境温度，根据环境温度生成修正信息，根据修正信息调整温度信息；
S302，设定运行时间间隔，根据运行时间间隔将运行时间分隔为多个运行时间窗口；
S303，将温度信息按照运行时间窗口进行分段，得到多段温度信息，每一段温度信息与运行时间窗口一一对应，将相邻运行时间窗口内的温度信息进行比较，得到温度偏差；
S304，若温度偏差大于预设的温度值，则生成温度异常信息；若温度偏差小于预设的温度值，将将对应运行时间窗口内的温度信息进行比较，判断同一运行时间窗口内的温度波动，并得到温度波动时间与波动次数；
S305，根据温度波动时间与波动次数进行计算电池温度短暂异常数据。
需要说明的是，根据电池运行中的温度变化，进行分析电池异常运行状态，其中环境温度的变化也会造成电池运行中温度的变化的影响，通过分析不同时间窗口下的温度变化差异进行分析温度波动时间，根据温度波动时间进行判断对应的温度变化时环境温度带来的直接变化，还是电池运行过程中异常情况影响的，防止电池异常判定的误判断。
根据本发明实施例，若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息，具体为：
获取离群率，将离群率与多段离群率阈值进行比较；
若离群率大于第一离群率阈值且小于或等于第二离群率阈值，则生成第一异常信息；
若离群率大于第二离群率阈值，则生成第二异常信息；
根据第一异常信息与第二异常信息的权重进行计算，得到对应的权重系数；
将对应的权重系数乘以第一异常信息与第二异常信息，得到融合后的异常信息。
需要说明的是，将离群率与不同的离群率阈值进行比较，不同的离群率阈值得到不同的异常信息，根据不同异常信息的权重进行异常数据的融合，提高电池异常信息的分析准确性。
根据本发明实施例，若不符合，则筛选出异常数据特征，对异常数据特征进行分类处理，具体为：
获取异常数据特征，并记录异常数据数据的异常时间；
将异常时间与采集数据总时间进行除法计算，得到异常时间比值；
判断异常时间比值是否大于预设的比值；
若大于，则判定为离群特征；
若小于，则判定为波动特征。
需要说明的是，通过判断异常数据特征的异常时间占比对异常数据特征进行筛选，从而精准的对电池运行数据中的离群特征与波动特征进行分类，精准的获取电池运行中异常数据，防止异常波动数据造成误判断。
根据本发明实施例，根据异常数据特征分析特征离群率，具体为：
获取异常数据特征，计算异常数据特征的总量；
对异常数据特征进行分类处理，得到离群数据特征的数量；
离群数据特征的数量处于异常数据特征的总量，得到离群数据特征的占比；
根据离群数据特征的占比得到特征离群率。
需要说明的是，通过分析离群数据特征的数量占比，进行精准的分析电池运行数据的离群率，提高电池运行数据的异常分析。
根据本发明实施例，还包括：
获取电池端口电压信息与电流信息；
根据电池端口电压信息与电流信息计算功率信息；
将功率信息与预设的功率信息进行比较，得到功率偏差；
根据功率偏差计算电池放电损失信息；
根据电池放电损失信息计算电池放电过程中的异常数据；
根据电池放电过程中的异常数据进行分析电池放电过程中的异常信息；
根据电池放电过程中的异常信息生成电池放电故障类型。
需要说明的是，通过分析电池放电过程中的异常数据进行分析电池运行中的故障，从而对电池异常判定提供一定的依据，提高异常判定的精度。
请参照图4，图4是本申请一些实施例中的一种储能逆变器电池异常判定系统的结构示意图。第二方面，本申请实施例提供了一种储能逆变器电池异常判定系统4，该系统包括：存储器41及处理器42，存储器41中包括储能逆变器电池异常判定方法的程序，储能逆变器电池异常判定方法的程序被处理器执行时实现以下步骤：
获取电池运行数据，提取运行数据特征；
判断运行数据特征是否符合高斯正态分布；
若符合，则判定电池运行数据正常；
若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；
若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；
若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息。
需要说明的是，通过对电池运行数据进行分析，从而有效筛选中其中的异常数据，并提取异常数据特征，根据异常数据特征进行判断对应的异常数据是否为电池运行异常或电池异常波动，由于电池异常波动会逐渐趋于平缓，从而可以精准的对电池异常信息进行获取。
根据本发明实施例，获取电池运行数据，提取运行数据特征，并筛选出电池运行数据中的噪声特征，并对噪声特征进行优化处理；具体为：
通过多源传感器采集电池多源运行数据，电池多源运行数据包括电池端口电压、电池端口功率与电池端口温度；
提取若干时间节点下的电池多源运行数据特征，并将电池多源运行数据特征拟合成时间节点与数据特征的关系曲线，得到电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线；
根据电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线计算相邻时间节点下的曲线斜率；
若曲线斜率大于预设的斜率阈值，则对应的运行数据特征为噪声特征，并将噪声特征与上一时间节点的运行数据特征与下一时间节点的运行数据特征进行均值化处理。
需要说明的是，通过判断不同时间节点的噪声特征，从而精准的分析电池端口的电压、电流与温度的异常变化，进而对应分析电池的异常类型。
根据本发明实施例，获取电池端口电压，根据电池端口电压计算电池端口功率，根据电池端口功率计算电池运行过程中的温度信息；
获取环境温度，根据环境温度生成修正信息，根据修正信息调整温度信息；
设定运行时间间隔，根据运行时间间隔将运行时间分隔为多个运行时间窗口；
将温度信息按照运行时间窗口进行分段，得到多段温度信息，每一段温度信息与运行时间窗口一一对应；
将相邻运行时间窗口内的温度信息进行比较，得到温度偏差；
若温度偏差大于预设的温度值，则生成温度异常信息；
若温度偏差小于预设的温度值，将将对应运行时间窗口内的温度信息进行比较，判断同一运行时间窗口内的温度波动，并得到温度波动时间与波动次数；
根据温度波动时间与波动次数进行计算电池温度短暂异常数据。
需要说明的是，根据电池运行中的温度变化，进行分析电池异常运行状态，其中环境温度的变化也会造成电池运行中温度的变化的影响，通过分析不同时间窗口下的温度变化差异进行分析温度波动时间，根据温度波动时间进行判断对应的温度变化时环境温度带来的直接变化，还是电池运行过程中异常情况影响的，防止电池异常判定的误判断。
根据本发明实施例，若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息，具体为：
获取离群率，将离群率与多段离群率阈值进行比较；
若离群率大于第一离群率阈值且小于或等于第二离群率阈值，则生成第一异常信息；
若离群率大于第二离群率阈值，则生成第二异常信息；
根据第一异常信息与第二异常信息的权重进行计算，得到对应的权重系数；
将对应的权重系数乘以第一异常信息与第二异常信息，得到融合后的异常信息。
需要说明的是，将离群率与不同的离群率阈值进行比较，不同的离群率阈值得到不同的异常信息，根据不同异常信息的权重进行异常数据的融合，提高电池异常信息的分析准确性。
根据本发明实施例，若不符合，则筛选出异常数据特征，对异常数据特征进行分类处理，具体为：
获取异常数据特征，并记录异常数据数据的异常时间；
将异常时间与采集数据总时间进行除法计算，得到异常时间比值；
判断异常时间比值是否大于预设的比值；
若大于，则判定为离群特征；
若小于，则判定为波动特征。
需要说明的是，通过判断异常数据特征的异常时间占比对异常数据特征进行筛选，从而精准的对电池运行数据中的离群特征与波动特征进行分类，精准的获取电池运行中异常数据，防止异常波动数据造成误判断。
根据本发明实施例，根据异常数据特征分析特征离群率，具体为：
获取异常数据特征，计算异常数据特征的总量；
对异常数据特征进行分类处理，得到离群数据特征的数量；
离群数据特征的数量处于异常数据特征的总量，得到离群数据特征的占比；
根据离群数据特征的占比得到特征离群率。
需要说明的是，通过分析离群数据特征的数量占比，进行精准的分析电池运行数据的离群率，提高电池运行数据的异常分析。
根据本发明实施例，还包括：
获取电池端口电压信息与电流信息；
根据电池端口电压信息与电流信息计算功率信息；
将功率信息与预设的功率信息进行比较，得到功率偏差；
根据功率偏差计算电池放电损失信息；
根据电池放电损失信息计算电池放电过程中的异常数据；
根据电池放电过程中的异常数据进行分析电池放电过程中的异常信息；
根据电池放电过程中的异常信息生成电池放电故障类型。
需要说明的是，通过分析电池放电过程中的异常数据进行分析电池运行中的故障，从而对电池异常判定提供一定的依据，提高异常判定的精度。
本发明第三方面提供了一种计算机可读存储介质，可读存储介质中包括储能逆变器电池异常判定方法程序，储能逆变器电池异常判定方法程序被处理器执行时，实现如上述任一项的储能逆变器电池异常判定方法的步骤。
本发明公开的一种储能逆变器电池异常判定方法、系统及介质，通过获取电池运行数据，提取运行数据特征；判断运行数据特征是否符合高斯正态分布；若符合，则判定电池运行数据正常；若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息；通过高斯分布进行提取异常数据特征，并判断异常数据特征的离群率，进行精准的分析异常数据特征是否属于电池异常行为或是短暂异常波动，从而精准的对电池异常运行进行判定，提高异常判断精度。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种储能逆变器电池异常判定方法，其特征在于，包括：
获取电池运行数据，提取运行数据特征；
判断运行数据特征是否符合高斯正态分布；
若符合，则判定电池运行数据正常；
若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；
若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；
若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息。
2.根据权利要求1所述的储能逆变器电池异常判定方法，其特征在于，获取电池运行数据，提取运行数据特征，并筛选出电池运行数据中的噪声特征，并对噪声特征进行优化处理；具体为：
通过多源传感器采集电池多源运行数据，所述电池多源运行数据包括电池端口电压、电池端口功率与电池端口温度；
提取若干时间节点下的电池多源运行数据特征，并将电池多源运行数据特征拟合成时间节点与数据特征的关系曲线，得到电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线；
根据电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线计算相邻时间节点下的曲线斜率；
若曲线斜率大于预设的斜率阈值，则对应的运行数据特征为噪声特征，并将噪声特征与上一时间节点的运行数据特征与下一时间节点的运行数据特征进行均值化处理。
3.根据权利要求2所述的储能逆变器电池异常判定方法，其特征在于，获取电池端口电压，根据电池端口电压计算电池端口功率，根据电池端口功率计算电池运行过程中的温度信息；具体包括：
获取环境温度，根据环境温度生成修正信息，根据修正信息调整温度信息；
设定运行时间间隔，根据运行时间间隔将运行时间分隔为多个运行时间窗口；
将温度信息按照运行时间窗口进行分段，得到多段温度信息，每一段温度信息与运行时间窗口一一对应；
将相邻运行时间窗口内的温度信息进行比较，得到温度偏差；
若温度偏差大于预设的温度值，则生成温度异常信息；
若温度偏差小于预设的温度值，将将对应运行时间窗口内的温度信息进行比较，判断同一运行时间窗口内的温度波动，并得到温度波动时间与波动次数；
根据温度波动时间与波动次数进行计算电池温度短暂异常数据。
4.根据权利要求3所述的储能逆变器电池异常判定方法，其特征在于，若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息，具体为：
获取离群率，将离群率与多段离群率阈值进行比较；
若离群率大于第一离群率阈值且小于或等于第二离群率阈值，则生成第一异常信息；
若离群率大于第二离群率阈值，则生成第二异常信息；
根据第一异常信息与第二异常信息的权重进行计算，得到对应的权重系数；
将对应的权重系数乘以第一异常信息与第二异常信息，得到融合后的异常信息。
5.根据权利要求4所述的储能逆变器电池异常判定方法，其特征在于，若不符合，则筛选出异常数据特征，对异常数据特征进行分类处理，具体为：
获取异常数据特征，并记录异常数据数据的异常时间；
将异常时间与采集数据总时间进行除法计算，得到异常时间比值；
判断所述异常时间比值是否大于预设的比值；
若大于，则判定为离群特征；
若小于，则判定为波动特征。
6.根据权利要求5所述的储能逆变器电池异常判定方法，其特征在于，根据异常数据特征分析特征离群率，具体为：
获取异常数据特征，计算异常数据特征的总量；
对异常数据特征进行分类处理，得到离群数据特征的数量；
离群数据特征的数量处于异常数据特征的总量，得到离群数据特征的占比；
根据离群数据特征的占比得到特征离群率。
7.一种储能逆变器电池异常判定系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括储能逆变器电池异常判定方法的程序，所述储能逆变器电池异常判定方法的程序被所述处理器执行时实现以下步骤：
获取电池运行数据，提取运行数据特征；
判断运行数据特征是否符合高斯正态分布；
若符合，则判定电池运行数据正常；
若不符合，则筛选出异常数据特征，根据异常数据特征分析特征离群率；
若离群率超过预设的离群率阈值，则判定电池运行异常，并得到异常信息；
若离群率未超过预设的离群率阈值，则判定电池短暂波动，并得到波动信息。
8.根据权利要求7所述的储能逆变器电池异常判定系统，其特征在于，获取电池运行数据，提取运行数据特征，并筛选出电池运行数据中的噪声特征，并对噪声特征进行优化处理；具体为：
通过多源传感器采集电池多源运行数据，所述电池多源运行数据包括电池端口电压、电池端口功率与电池端口温度；
提取若干时间节点下的电池多源运行数据特征，并将电池多源运行数据特征拟合成时间节点与数据特征的关系曲线，得到电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线；
根据电池端口电压与时间节点的关系曲线、电池端口功率与时间节点的关系曲线与电池端口温度与时间节点的关系曲线计算相邻时间节点下的曲线斜率；
若曲线斜率大于预设的斜率阈值，则对应的运行数据特征为噪声特征，并将噪声特征与上一时间节点的运行数据特征与下一时间节点的运行数据特征进行均值化处理。
9.根据权利要求8所述的储能逆变器电池异常判定系统，其特征在于，获取电池端口电压，根据电池端口电压计算电池端口功率，根据电池端口功率计算电池运行过程中的温度信息；具体包括：
获取环境温度，根据环境温度生成修正信息，根据修正信息调整温度信息；
设定运行时间间隔，根据运行时间间隔将运行时间分隔为多个运行时间窗口；
将温度信息按照运行时间窗口进行分段，得到多段温度信息，每一段温度信息与运行时间窗口一一对应；
将相邻运行时间窗口内的温度信息进行比较，得到温度偏差；
若温度偏差大于预设的温度值，则生成温度异常信息；
若温度偏差小于预设的温度值，将将对应运行时间窗口内的温度信息进行比较，判断同一运行时间窗口内的温度波动，并得到温度波动时间与波动次数；
根据温度波动时间与波动次数进行计算电池温度短暂异常数据。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括储能逆变器电池异常判定方法程序，所述储能逆变器电池异常判定方法程序被处理器执行时，实现如权利要求1至6中任一项所述的储能逆变器电池异常判定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311518599.3A CN117233645B (zh) | 2023-11-15 | 2023-11-15 | 一种储能逆变器电池异常判定方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311518599.3A CN117233645B (zh) | 2023-11-15 | 2023-11-15 | 一种储能逆变器电池异常判定方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117233645A true CN117233645A (zh) | 2023-12-15 |
| CN117233645B CN117233645B (zh) | 2024-01-26 |
Family
ID=89096991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311518599.3A Active CN117233645B (zh) | 2023-11-15 | 2023-11-15 | 一种储能逆变器电池异常判定方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117233645B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117725540A (zh) * | 2024-02-07 | 2024-03-19 | 宇恒数智(北京)科技有限公司 | 一种计算动态基带的方法、系统、设备及介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100001870A1 (en) * | 2008-07-04 | 2010-01-07 | Postech Academy-Industry Foundation | Method and apparatus for detecting abnormal power consumption of a battery in mobile devices |
| JP5849167B1 (ja) * | 2015-04-09 | 2016-01-27 | 株式会社日立パワーソリューションズ | 異常検知方法およびその装置 |
| CN109508846A (zh) * | 2017-09-15 | 2019-03-22 | 新奥（中国）燃气投资有限公司 | 一种机组数据异常波动的检测方法及装置 |
| CN113835032A (zh) * | 2021-09-15 | 2021-12-24 | 北京理工新源信息科技有限公司 | 一种纯电动汽车远程故障诊断及预警系统 |
| CN113962259A (zh) * | 2021-10-11 | 2022-01-21 | 燕山大学 | 一种燃料电池系统多模式双层故障诊断方法 |
| CN114968743A (zh) * | 2022-05-31 | 2022-08-30 | 重庆长安汽车股份有限公司 | 一种异常事件监控方法、装置、设备及介质 |
| CN115834642A (zh) * | 2023-02-14 | 2023-03-21 | 成都主干智慧云信息技术有限公司 | 基于物联网技术的智慧小蚕共育室数据传输方法 |
| CN116593897A (zh) * | 2023-05-19 | 2023-08-15 | 中国第一汽车股份有限公司 | 动力电池故障诊断方法、系统、车辆及存储介质 |
-
2023
- 2023-11-15 CN CN202311518599.3A patent/CN117233645B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100001870A1 (en) * | 2008-07-04 | 2010-01-07 | Postech Academy-Industry Foundation | Method and apparatus for detecting abnormal power consumption of a battery in mobile devices |
| JP5849167B1 (ja) * | 2015-04-09 | 2016-01-27 | 株式会社日立パワーソリューションズ | 異常検知方法およびその装置 |
| CN109508846A (zh) * | 2017-09-15 | 2019-03-22 | 新奥（中国）燃气投资有限公司 | 一种机组数据异常波动的检测方法及装置 |
| CN113835032A (zh) * | 2021-09-15 | 2021-12-24 | 北京理工新源信息科技有限公司 | 一种纯电动汽车远程故障诊断及预警系统 |
| CN113962259A (zh) * | 2021-10-11 | 2022-01-21 | 燕山大学 | 一种燃料电池系统多模式双层故障诊断方法 |
| CN114968743A (zh) * | 2022-05-31 | 2022-08-30 | 重庆长安汽车股份有限公司 | 一种异常事件监控方法、装置、设备及介质 |
| CN115834642A (zh) * | 2023-02-14 | 2023-03-21 | 成都主干智慧云信息技术有限公司 | 基于物联网技术的智慧小蚕共育室数据传输方法 |
| CN116593897A (zh) * | 2023-05-19 | 2023-08-15 | 中国第一汽车股份有限公司 | 动力电池故障诊断方法、系统、车辆及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 黄晓林, 宁新宝: "基于斜率阈值主分量分析的心率变异性相空间分布维数", 南京大学学报(自然科学版), vol. 44, no. 4, pages 350 - 356 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117725540A (zh) * | 2024-02-07 | 2024-03-19 | 宇恒数智(北京)科技有限公司 | 一种计算动态基带的方法、系统、设备及介质 |
| CN117725540B (zh) * | 2024-02-07 | 2024-05-07 | 宇恒数智(北京)科技有限公司 | 一种计算动态基带的方法、系统、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117233645B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230258734A1 (en) | System for estimating the state of health (soh) of battery, system and method for deriving parameters therefor | |
| CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
| CN117233645B (zh) | 一种储能逆变器电池异常判定方法、系统及介质 | |
| CN116956639B (zh) | 一种基于数据分析的高散热性蓄电池评估方法及系统 | |
| US20230273262A1 (en) | Battery capacity estimation apparatus and method | |
| CN116739829B (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
| CN116660759B (zh) | 基于bms电池管理系统的电池寿命预测方法及装置 | |
| CN117783745A (zh) | 用于换电柜的数据在线监测方法及系统 | |
| CN116736166A (zh) | 电池包的电芯异常检测方法、装置及电池包 | |
| KR102702362B1 (ko) | 배터리 저장 시스템들의 서비스 수명을 추정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품 | |
| CN112561210A (zh) | 一种电力系统稳定性和资源需求预估系统及方法 | |
| CN112398226A (zh) | 一种供电系统反窃电方法、系统、终端及存储介质 | |
| CN118444168A (zh) | 一种电池数据处理设备及电池数据处理方法 | |
| CN116859272A (zh) | 电池容量异变检测方法、装置、计算机设备及存储介质 | |
| CN116452054A (zh) | 一种电力系统物资抽检管理方法和装置 | |
| CN116757870A (zh) | 一种能源物联网的智慧能源监控数据处理方法及系统 | |
| CN116184060A (zh) | 一种适用于瓷质绝缘子带电作业的异动监测方法和系统 | |
| CN116249186A (zh) | 无线网设备的数据处理方法、装置、存储介质及电子设备 | |
| CN116224091A (zh) | 电池的电芯故障检测方法、装置、电子设备及存储介质 | |
| CN116106757A (zh) | 电芯检测方法、装置、存储介质及电子设备 | |
| CN117405975B (zh) | 一种pv面板绝缘电阻检测方法、系统及介质 | |
| CN112131210A (zh) | 一种数据识别方法、装置、服务器及存储介质 | |
| CN116505630B (zh) | 一种提升消防物联网设备供电电池寿命的方法及系统 | |
| CN117970127B (zh) | 用于识别动力电池异常自放电的方法和装置 | |
| CN110807589A (zh) | 一种电力现货市场的案例分析系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |