基于分段聚合近似和聚类的PACK不一致性监测方法及装置与流程

本发明属于电池不一致性分析的，具体涉及一种基于分段聚合近似和聚类的pack不一致性监测方法及装置。

背景技术：

1、储能设备作为实现新能源消纳的关键技术，正蓬勃发展。其中集装箱储能作为储能电站的重要组成部分，其安全及性能问题受到社会各界关注。通常，集装箱储能以电池单体-电池包(pack)-电池簇-储能集装箱多个层级组成，而pack的性能，尤其是一致性最差的pack决定了储能设备的运行状态，较差的一致性可能导致储能容量下降，发生过充过放、热失控等事故，严重威胁人身、设备安全，影响经济效益。目前集装箱式储能系统主要以插箱形式安装pack组成电池簇，pack作为最小的维护单元，因此，快速分析pack不一致性对运行检修人员快速维护储能设备，提高运行安全与经济效益有重大意义。

2、目前，电池不一致性分析方法主要分为基于模型的不一致性分析方法及基于数据驱动的不一致性分析方法两种。其中，基于模型的不一致性分析方法通常选用电池容量、电压、内阻等参数建立电池模型，如目前广泛使用的电化学模型，该方法有准确性高的特点，但其参数选择、模型建立复杂，通常需要大量实验测试得到具体参数，无法用于在线监测。而基于数据驱动的不一致性分析方法是通过机械学习方法对电池运行数据进行挖掘建立规则，这种方法依赖于大量历史运行数据，同时数据的冗余性导致处理计算需要大量时间，且受噪声数据的影响较大，因此准确性较低。

技术实现思路

1、本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于分段聚合近似和聚类的pack不一致性监测方法及装置，不需要借助实验数据及建立复杂的电池模型，在较短时间内对pack不一致性进行分析，实现pack不一致性的在线监测。

2、为了达到上述目的，本发明采用以下技术方案：

3、本发明第一目的在于提供一种基于分段聚合近似和聚类的pack不一致性监测方法，包括：

4、步骤1、获取需监测的集装箱储能中某簇内所有pack在检测周期内的电压数据及其充放电转换次数；

5、步骤2、根据电压数据构建该簇内pack的电压时间序列形成pack电压矩阵；

6、步骤3、采用分段聚合近似算法对pack电压矩阵进行降噪与简化处理，得到降噪pack电压矩阵；

7、步骤4、对降噪pack电压矩阵进行k-shape时间序列聚类，计算每个pack的离群距离；

8、步骤5、根据离群距离计算对应pack的不一致性系数，对超过阈值的pack采取相应措施。

9、作为优选的技术方案，步骤2中，所述电压时间序列 v i，表示为：

10、 v i= [ v i,1, v i,2, ..., v i,j, ..., v i,t]；

11、其中， v i,j表示集装箱储能中某簇内第 i个pack在第 j个采样点的电压， t表示监测周期；

12、根据该簇内pack的电压时间序列形成pack电压矩阵v：

13、 ；

14、其中， n表示集装箱储能中该簇内所有pack的数量。

15、作为优选的技术方案，步骤3中，所述得到降噪pack电压矩阵，具体为：

16、步骤3.1、统计监测周期内该簇中各pack的充放电转换次数c；

17、步骤3.2、提取pack的电压斜率变化边缘点，定义pack电压时间序列 v i中，任意一电压采样点 v i, j与其相邻电压采样点 v i, j-1、 v i, j+1间的斜率分别为 k1、 k2；当斜率变化大于阈值 f时，即| k1- k2| ≥ f时，记电压采样点 v i, j为边缘点，统计边缘点数量b，其中时间序列两侧采样点记为非边缘点；

18、步骤3.3、采用分段聚合近似算法apaa对pack电压矩阵进行降噪与简化处理，得到降噪pack电压矩阵。

19、作为优选的技术方案，步骤3.3中，所述采用分段聚合近似算法apaa对pack电压矩阵进行降噪与简化处理，具体为：

20、设置事件阈值σ1、σ2；

21、对于监测周期 t内该簇中的某一pack电压时间序列 v i，将其分为 t/ m个数据段；每个数据段包含 m个数据点，分别统计各数据段中pack的充放电转换次数c m及边缘点数量b m；

22、当c m<σ1且b m<σ2时，使用该数据段的均值替换该数据段中的数据点；

23、当c m<σ1且b m≥σ2、或 c m≥σ1且b m<σ2时，根据下式替换该数据段中的数据点：

24、 ，

25、式中， v k为第 k个数据段， k∈{1, 2, …, t/ m}； s k,j为第 k个数据段被替换后的第 j个数据点； v k,j为第 k个数据段的第 j个数据点；max( v k)与min( v k)分别表示第 k个数据段中的极大值与极小值；

26、当c m>σ1且b m>σ2时，保留该数据段中的数据点；

27、经过替换后，得到该簇的降噪pack电压矩阵 s，表示为：

28、 。

29、作为优选的技术方案，步骤4中，所述计算每个pack的离群距离，具体为：

30、步骤4.1、对于该簇的降噪pack电压矩阵 s，剔除其中第 i个pack的电压数据得到 s i，指定聚类数 k，从 s i中随机选择 k行序列分别作为初始质心序列；

31、步骤4.2、计算该簇降噪pack电压矩阵 s与各初始质心序列的形态距离sbd，将形态距离sbd最小的初始质心序列作为聚类质心序列，将降噪pack电压矩阵 s中每个pack分别归类至每个聚类质心序列下，形态距离计算公式为：

32、sbd( x, y) = 1 - max ncc w( x, y)

33、其中， x为降噪pack电压矩阵 s中某个pack的电压时间序列， y为某一聚类质心序列， ncc w( x,y)为 x与 y归一化后的相似性序列；

34、步骤4.3、引入瑞利商公式迭代更新聚类质心序列，更新公式为：

35、，

36、 ，

37、其中， μ k为第 k个聚类质心序列， x i为第 k个聚类中的第 i个序列， p k为第 k个聚类， ncc w( x i, μ k)为 x i和 μ k归一化后的相似性序列；； m为 μ k的维度； i为 m阶单位方阵； o为除对角线元素为0外，其他元素均为1的 m阶方阵； r( m,μ k)即为瑞利商公式，其特点为矩阵 r的最大值、最小值分别等于矩阵 m的最大特征值、最小特征值；

38、步骤4.4、重复步骤4.2和步骤4.3直到达到最大迭代次数或每个聚类质心序列不再变化，输出每个聚类质心序列；

39、步骤4.5、分别计算每个聚类质心序列与剔除的第 i个pack的形态距离sbd，将形态距离的最大值作为剔除的第 i个pack的离群距离 dsbd, i；

40、步骤4.6、重复步骤4.1~4.5，直到得到簇内所有pack的离群距离d={ dsbd,1, ..., dsbd, i, ..., dsbd, n}， n为簇内所有pack的数量。

41、作为优选的技术方案，步骤4.2中，所述计算该簇降噪pack电压矩阵 s与各初始质心序列的形态距离sbd时，需要分析该簇降噪pack电压矩阵 s中各序列与各初始质心序列的相似性，具体为：

42、设该簇降噪pack电压矩阵 s中某一电压时间序列为 x=[ x1, x2, …, x m]，初始质心序列为 y=[ y1, y2, …, y m]，通过滑动对比其相似性，相似性序列 c w表示为：

43、 c w( x,y) = [ c 1, c 2,..., c w]， w∈{1, 2, ..., 2 m-1}，

44、 c w= r w-m( x,y)，

45、 ，

46、其中， m为序列长度； w为滑动步长； c w为一个长度为2m-1的相似性序列，反映两序列的相似性； c w反映滑动步长为 w时，两序列间的相似性值； r w-m( x,y)为 x与 y的相似性计算函数； x l、 y l分别为电压时间序列 x与初始质心序列 y交叉的第 l个电压；

47、对相似性序列 c w进行归一化处理，得到归一化后的相似性序列 ncc w，归一化公式为：

48、 ，

49、式中， ncc w是由范围为[-1,1]的值组成的相似性序列； r0为不进行位移时，序列与序列自身进行相似性计算的相似值。

50、作为优选的技术方案，步骤5中，所述计算对应pack的不一致性系数，计算公式为：

51、 ，

52、其中， cdi i为第 i个pack的不一致性系数， dsbd, i为第 i个pack的离群距离， ζ sbd、 σ sbd分别为所有pack的离群距离 d的期望与标准差。

53、作为优选的技术方案，所述对超过阈值的pack采取相应措施，具体为：

54、设定故障阈值 α1， α2；

55、当 cdi i≤ α1时，则判定该簇内第 i个pack一致性良好，不采取措施；

56、当 α2< cdi i≤ α1时，则判定该簇内第 i个pack一致性较差，存在故障风险，发出故障风险信号与汇报该簇内第 i个pack的位置；

57、当 α2≤ cdi i时，则判定该簇内第 i个pack一致性很差，应进行检修，发出pack不一致报警信号与汇报该簇内第 i个pack的位置。

58、本发明第二目的在于提供一种基于分段聚合近似和聚类的pack不一致性监测系统，应用于上述的基于分段聚合近似和聚类的pack不一致性监测方法，包括数据获取模块、矩阵形成模块、矩阵降噪模块、距离计算模块及系数判断模块；

59、所述数据获取模块用于获取需监测的集装箱储能中某簇内所有pack在检测周期内的电压数据及其充放电转换次数；

60、所述矩阵形成模块用于根据电压数据构建该簇内pack的电压时间序列形成pack电压矩阵；

61、所述矩阵降噪模块用于采用分段聚合近似算法对pack电压矩阵进行降噪与简化处理，得到降噪pack电压矩阵；

62、所述距离计算模块用于对降噪pack电压矩阵进行k-shape时间序列聚类，计算每个pack的离群距离；

63、所述系数判断模块用于根据离群距离计算对应pack的不一致性系数，对超过阈值的pack采取相应措施。

64、本发明第三目的在于提供一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现上述的基于分段聚合近似和聚类的pack不一致性监测方法。

65、本发明与现有技术相比，具有如下优点和有益效果：

66、1、本发明提出一种基于分段聚合近似和聚类的pack不一致性监测方法，可以部署在运行中的储能集装箱bms系统中，不需要借助实验数据与建立复杂的电池模型，在较短的时间内对pack不一致性进行分析，实现pack不一致性的在线监测。

67、2、本发明采用分段聚合近似apaa算法对数据进行降噪与简化处理，降低数据复杂度，减少数据存在的噪声，有助于提高不一致性实时监测的计算速度与精度。

68、3、本发明采用k-shape时间序列聚类算法对电压进行聚类，分别计算剔除pack的形态距离sbd，然后计算对应pack的不一致性系数cdi，能定量反映pack之间的差异性，评估各pack的寿命状态，有助于储能系统的运行与维护。