锂电池系统过温检测多点定位方法、系统、设备及介质与流程

本发明涉及锂电池安全检测，尤其涉及一种锂电池系统过温检测多点定位方法、系统、设备及介质。

背景技术：

1、目前，大多数基于锂离子电池等电化学电池技术的储能电站都采用预制舱式结构。这种结构由若干个电池串并联构成一个电池模组，多个电池模组串并联构成一个电池簇，再将多个电池簇串并联后布置于预制舱中。一个预制舱中可能会集成上万支电池。然而，由于工艺技术等原因，各个电池的电化学参数，如容量、内阻、开路电压等存在不一致性。长时间的集成化运行，特别是大倍率、高频率的充放电循环，加深了电池之间的不一致性，从而可能引发电池内部的热失控反应。因此，实时监测电池状态对于大规模储能系统的运行安全至关重要。

2、锂电池过温热解是指在极端条件下，锂离子电池内部的电解质发生热分解、反应、分解等过程，导致电池失去容量、性能下降、甚至可能引起爆炸等问题。

3、锂电池内部的电解液通常是一种有机溶剂，当温度升高时，电解液的挥发性和热稳定性会发生变化，如果超过了它的热稳定性极限，电解液就可能分解成气体和高分子物质，导致电池内部压力急剧上升，最终导致电池爆炸。此外，过高的温度还可能导致电池中的锂和电解液发生化学反应，形成固体沉积物，导致电池失去容量。

4、为了防止锂电池过温热解，电池制造商通常会采用一系列的安全措施，例如在电池内部安装保险丝或保护电路、使用高热稳定性的电解液、采用阻燃材料等。此外，也需要在使用锂离子电池时注意避免高温环境，避免电池过度充电或放电等操作，以减少锂电池过温热解的风险。

5、电化学储能设备过温检测一般是利用传感器或其他检测设备对电化学储能设备的温度进行实时监测和控制，以保证设备的安全性和稳定性。过温检测可以及时发现电化学储能设备的过热情况，从而避免设备受损或发生安全事故。

6、在电化学储能设备中，常用的温度传感器包括热电偶、热敏电阻、红外线传感器等。这些传感器可以安装在电池组、电池包、电池单体等位置，对设备的温度进行实时监测，并将监测到的数据传输到控制系统中进行分析和处理。当设备温度超过设定的阈值时，控制系统会触发报警、自动关机等措施，以避免设备受损或发生安全事故。

7、目前，储能电站的安全监控主要采用烟感、温感传感器和零散分布在电池模组中的热电偶等设备进行。然而，由于烟感、温感传感器价格昂贵，为了节约成本，每个预制舱中安装的传感器数量有限，导致传感器与电池模组之间存在空间间隔。因此，在电池发生故障后，传感器无法迅速感知。当热失控发展到一定阶段，释放大量烟雾和热量后，才能被传感器探测到。此外，这些传感器多数为电化学型，其产生的感应电流容易受到舱内电磁波的干扰而产生误报。另一方面，虽然热电偶测温精度较高，但是探测面积有限，需要外部电能驱动，并与控制模块之间还需要线路连接。仅仅提高热电偶的布置密度会增加电池模组内的电气复杂程度，也会影响电池在运行过程中的散热效果。综上所述，现有的监控设施无法满足对规模化储能系统的及时、稳定、可靠的安全预警需求。

技术实现思路

1、为克服相关技术中存在的问题，本公开提供一种锂电池系统过温检测多点定位方法、系统、设备及介质，以解决相关技术中锂电池监控设施无法满足对规模化储能系统的及时、稳定、可靠的安全预警需求的技术问题。

2、本说明书一个或多个实施例提供了一种锂电池系统过温检测多点定位方法，锂电池储能系统划分有多个区域，各区域分别布置有多种类型传感器，基于所述锂电池储能系统，包括以下步骤：

3、获取各传感器的检测数据；其中，检测数据为带有位置标签的数据，检测数据包括各区域的所有传感器检测到的气体类型数据、电池温度、湿度和压力的数据；

4、将所述检测数据输入训练好的温度预测模型，输出预测结果，其中所述温度预测模型为改进的bp神经网络，所述预测结果包括正常和过温；

5、将预测结果为过温的检测数据作为目标过温数据，输入训练好的elm网络判断得到过温区域和过温温度。

6、本说明书一个或多个实施例提供了一种锂电池系统过温检测多点定位系统，包括：

7、划分有多个区域锂电池储能系统，各区域分别布置有多种类型传感器；

8、数据采集模块，用于采集各传感器的检测数据；其中，检测数据为带有位置标签的数据，检测数据包括各区域的所有传感器检测到的气体类型数据、电池温度、湿度和压力的数据；

9、过温预测模块，用于将所述检测数据输入训练好的温度预测模型，输出预测结果，其中所述温度预测模型为改进的bp神经网络，所述预测结果包括正常和过温；

10、过温结果判断模块，用于将过温预测模块的预测结果为过温的检测数据作为目标过温数据，输入训练好的elm网络判断得到过温区域和过温温度。

11、本说明书一个或多个实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述锂电池系统过温检测多点定位方法。

12、本说明书一个或多个实施例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存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述锂电池系统过温检测多点定位的步骤。

13、本公开提供的一种锂电池系统过温检测多点定位方法、系统、设备及介质，优点在于，将锂电池储能系统划分为多个区域，每个区域分别布置有多种类型传感器，通过获取各区域所有类型传感器的检测数据；将检测数据输入训练好的预测模型输出预测结果，其中预测模型采用改进的bp神经网络，预测结果包括正常和过温；令预测结果为过温时对应的检测数据作为目标过温数据，将目标过温数据输入训练好的极限学习机判断得到过温区域和过温温度，在这种情况下，利用改进的bp神经网络筛选出的目标过温数据，作为后级训练好的极限学习机的输入数据，从而在过温时可以根据采集的检测数据判别过温区域和过温温度，提高了过温检测的准确性和可靠性。

技术特征：

1.锂电池系统过温检测多点定位方法，其特征在于，锂电池储能系统划分有多个区域，各区域分别布置有多种类型传感器，基于所述锂电池储能系统，包括以下步骤：

2.如权利要求1所述的锂电池系统过温检测多点定位方法，其特征在于，所述改进的bp神经网络为利用lm算法优化后的bp神经网络。

3.如权利要求1所述的锂电池系统过温检测多点定位方法，其特征在于，所述改进的bp神经网络包括输入层、隐藏层和输出层，其中，

4.如权利要求3所述的锂电池系统过温检测多点定位方法，其特征在于，所述改进的bp神经网络中，输入层到隐藏层之间的权值矩阵满足下式：

5.如权利要求1所述的锂电池系统过温检测多点定位方法，其特征在于，所述elm网络包括输入层、隐藏层和输出层；

6.如权利要求5所述的锂电池系统过温检测多点定位方法，其特征在于，所述elm训练slfn分两个主要阶段：

7.锂电池系统过温检测多点定位系统，其特征在于，包括：

8.如权利要求7所述的锂电池系统过温检测多点定位系统，其特征在于，所述改进的bp神经网络为利用lm算法优化后的bp神经网络。

9.计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述锂电池系统过温检测多点定位方法。

10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述锂电池系统过温检测多点定位的步骤。

技术总结
本说明书实施例提供了一种锂电池系统过温检测多点定位方法、系统、设备及介质，该方法包括锂电池储能系统划分有多个区域，各区域分别布置有多种类型传感器；再获取各传感器的检测数据；检测数据为带有位置标签的数据，检测数据包括各区域的所有传感器检测到的气体类型数据、电池温度、湿度和压力的数据；将所述检测数据输入训练好的温度预测模型，输出预测结果，其中所述温度预测模型为改进的BP神经网络，所述预测结果包括正常和过温；将预测结果为过温的检测数据作为目标过温数据，输入训练好的ELM网络判断得到过温区域和过温温度，以解决相关技术中锂电池监控设施无法满足对规模化储能系统的及时、稳定、可靠的安全预警需求的技术问题。

技术研发人员：陈敬瑞,刘良珂,徐光维
受保护的技术使用者：华能海南发电股份有限公司海口电厂
技术研发日：
技术公布日：2024/3/4