[发明专利]一种电池储能系统故障状态自适应预警方法

说明书

本发明公开了一种电池储能系统故障状态自适应预警方法，运用NJW聚类算法将高维监测数据进行降维，通过构建异源数据的拉式矩阵来获取其特征向量，再以特征向量唯一替代原始数据进行聚类分析，解决了传统方法对非凸形数据聚类经常出现的奇异性问题；利用DTW动态规整异步监测数据时间轴，将两组监测数据映射到同步时间轴上，克服了监测数据异步采样导致的观测误差，解决了传统方法取样点异源数据时间轴无法一一对应的问题；最后构建滑动窗口模型以抑制监测数据中少量离群点的影响，基于DTM距离进行聚类分析，通过稀疏系数LSR和故障阈值FT客观选定故障聚类点，避免了传统故障聚类方法对故障状态的过估计或欠估计，实现BESS故障状态自适应预警。

技术领域

本发明涉及电池储能系统检测技术领域，具体为一种电池储能系统故障状态自适应预警方法。

背景技术

电池储能系统(battery energy storage system,BESS)遇到的安全问题大都来自于电芯单体层面，主要包括过充电、过放电、内部短路与外部短路，在以往的BESS故障预警中，无论是通过建立精确电热仿真模型实现的参数估计法还是基于经验估计法实现的阈值限定法，都仅是对BESS运行过程中的异常数据进行识别，非常依赖正常数据起到参考修正作用，而忽略正常电池循环过程中的观测误差与过程噪声。但是大容量电池储能设备一般由成百上千个电芯单体串并联而成，配合电池箱工作的监测单元也多达几十个，不同监测单元针对不同电池箱进行异步测量，所获取的异源数据间往往存在很大的观测误差和过程噪声，并且不同监测单元记录得到的采样时间轴与电池循环过程也不相同，数据间很难进行比对，这些因素对BESS故障识别精度所造成的影响不可忽视。

大容量BESS通常会进行电池分区，视需求不同协调各分区的电池箱采取不同的充放电策略，比如部分电池箱进行深充深放以满足电厂调峰填谷需求，同一时间其余电池箱则可能工作于浅充浅放形式来抑制用户谐波，解决电能质量问题；同一电池箱在充放电的不同阶段也有着完全不同的工作形式，充电初期与后期可能以涓流充电来保护电池安全，而在中期则采用高倍率快速充电，不同时期的电压、电流曲线存在很大差异。基于监测单元实测数据的故障识别方法要达到足够的识别精度，就必须跳出实验室环境，设法解决实际工作中不同电池分区电池箱在不同循环阶段的异步数据不匹配问题。

首先，现有方法在进行BESS故障状态预警时，不同电池箱监测单元的异源数据观测误差和过程噪声一般被直接忽略或者按照同源噪声进行处理，还没有文献对异源数据的匹配方法进行深入研究。实际的BMS(Battery Management System电池管理系统)监测数据和理论研究表明，不同监测单元记录得到的数据序列时间轴往往是异步的，很难直接进行比对，因此，在BESS故障状态预警时如果忽视异源数据的不匹配性，那么故障预警将很可能出现误判。

其次，现有技术在基于监测单元实测数据实现故障识别时，通常是根据电池类型直接限定充放电策略和电池循环形式。而工业过程使用的大容量BESS一般在各分区的电池箱采取不同的充放电策略，同一电池箱在充放电的不同阶段也有着完全不同的工作形式。如果不对监测数据做特征提取和时间轴规整，设法解决实际工作中不同电池分区电池箱在不同循环阶段的异步数据不匹配问题，故障状态预警就很容易出现不同程度的欠估计或过估计，使得BESS故障状态预警不能反映出对储能设备的真实安全状态。

另外，现有数据在通过故障聚类进行异常数据辨识时，往往采用距离法直接确定故障数据，然而故障点的聚类距离阈值一般通过经验估计给出，存在很大的偶然性，一旦聚类点集划定得过大或过小，就很容易导致故障预警的误报。

术语解释：

电池储能系统：将电池作为能量储存载体，以成百上千个电芯单体组合而成，存储电能和供应电能的储能系统，一般包含起储能作用的电池柜和起监测调控作用的控制柜两部分。

电池管理系统：电池管理系统是一套对储能电池安全及运行状态进行监控与控制的系统，电池管理系统将监测的电池信息保存、处理并实时反馈给用户，根据采集的信息调控各项参数，保护电池可靠稳定运行。