本发明涉及动力电池检测,尤其涉及一种动力电池异常状态识别方法、装置、电子设备及存储介质。
背景技术:
1、动力电池作为新能源船舶的动力源,直接关系到整船的安全稳定行驶。锂电池作为船用动力源,需要配备的锂电池包数量多,通常是将这些电池包按一定数量分成多个电池簇,一个电池簇由多个电池包组成,工作时多个电池簇按一定的分配方式进行供电,但由于电池包内的温度存在差异、充放电程度不一致等问题,随着时间和使用次数的增加,电池包的电压差异可能会越来越大,电池包的电压一致性会越来越差,长此以往会造成电池系统性能的显著下降,甚至引发热失控。目前的动力电池检测方法难以及时有效地识别出电池的异常,也无法实现对异常电池包进行定位,进而无法对电池系统的异常进行预警,存在一定的安全隐患。
技术实现思路
1、有鉴于此,有必要提供一种动力电池异常状态识别方法、装置、电子设备及存储介质,用以解决目前的动力电池检测方法难以及时有效地识别出电池的异常,也无法实现对异常电池包进行定位,进而无法对电池系统的异常进行预警,存在一定的安全隐患的技术问题。
2、为了解决上述问题,本发明提供一种动力电池异常状态识别方法,包括:
3、获取动力电池的采样电压数据矩阵的行数据和列数据;
4、基于格拉姆角场将所述行数据和列数据转换为三维特征图像数据;
5、基于蚁狮优化算法和图注意力网络对所述三维特征图像数据进行特征提取,得到所述行数据对应的第一特征数据和所述列数据对应的第二特征数据;
6、基于主成分分析法对所述第一特征数据和所述第二特征数据进行处理,得到异常状态识别阈值,并基于所述异常状态识别阈值,识别和定位出处于异常状态的动力电池。
7、在一种可能的实现方式中,所述基于格拉姆角场将所述行数据和列数据转换为三维特征图像数据,包括:
8、基于最大最小归一化算法,将所述行数据和列数据映射到0至1的区间内;
9、将映射后的所述行数据和列数据编码为余弦角,并转换为极坐标;
10、对所述行数据和列数据对应的余弦角进行角度求和内积和作差内积,得到所述行数据和列数据对应的格拉姆角场;
11、将所述行数据和列数据对应的格拉姆角场映射到0至255的区间内,得到所述三维特征图像数据。
12、在一种可能的实现方式中,所述基于蚁狮优化算法和图注意力网络对所述三维特征图像数据进行特征提取,得到所述行数据对应的第一特征数据和所述列数据对应的第二特征数据,包括:
13、基于图注意力网络确定所述三维特征图像数据对应的注意力权值和参数矩阵;
14、基于蚁狮算法确定所述三维特征图像数据对应的注意力权值和参数矩阵的优化参数,并使用所述三维特征图像数据对应的注意力权值和参数矩阵,对所述三维特征图像数据进行特征提取,得到所述行数据对应的第一特征数据和所述列数据对应的第二特征数据。
15、在一种可能的实现方式中,所述基于主成分分析法对所述第一特征数据和所述第二特征数据进行处理,得到异常状态识别阈值,包括:
16、对所述第一特征数据和所述第二特征数据进行标准化处理,得到所述第一特征数据和所述第二特征数据对应的标准化数据矩阵;
17、对所述标准化数据矩阵进行奇异值分解,并基于方差累计贡献率百分比算法确定主成分的个数:
18、
19、基于所述主成分的个数和检验置信度确定所述异常状态识别阈值:
20、
21、
22、其中,p表示所述主成分的个数,m表示所述标准化数据矩阵的特征值个数,表示所述异常状态识别阈值,表示正态分布在检测水平为下的临界值,表示检验参数,表示所述标准化数据矩阵对应的协方差矩阵的第个特征值,表示第个检验参数的第个特征值。
23、在一种可能的实现方式中,所述基于所述异常状态识别阈值,识别和定位出处于异常状态的动力电池,包括:
24、将所述第一特征数据和所述第二特征数据中大于所述异常状态识别阈值的特征数据对应的动力电池识别为处于异常运行状态;
25、基于所述第一特征数据和所述第二特征数据中大于所述异常状态识别阈值的特征数据,定位出处于异常状态的动力电池。
26、在一种可能的实现方式中,
27、所述基于图注意力网络确定所述三维特征图像数据对应的注意力权值和参数矩阵,包括:
28、基于以下公式确定所述三维特征图像数据对应的注意力权值和参数矩阵:
29、
30、其中,表示所述三维特征图像数据中的任一数据的邻居的注意力权值,表示激活函数,表示所述三维特征图像数据中的任一数据,表示连接算子,表示所述参数矩阵,表示矩阵运算向量。
31、在一种可能的实现方式中,所述基于蚁狮算法确定所述三维特征图像数据对应的注意力权值和参数矩阵的优化参数,包括:
32、基于蚁狮算法确定所述参数矩阵和所述矩阵运算向量。
33、本发明还提供了一种动力电池异常状态识别装置,包括:
34、获取模块,用于获取动力电池的采样电压数据矩阵的行数据和列数据;
35、转换模块,用于基于格拉姆角场将所述行数据和列数据转换为三维特征图像数据;
36、特征提取模块,用于基于蚁狮优化算法和图注意力网络对所述三维特征图像数据进行特征提取,得到所述行数据对应的第一特征数据和所述列数据对应的第二特征数据;
37、识别定位模块,用于基于主成分分析法对所述第一特征数据和所述第二特征数据进行处理,得到异常状态识别阈值,并基于所述异常状态识别阈值,识别和定位出处于异常状态的动力电池。
38、本发明还提供了一种电子设备,包括存储器和处理器,及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现如上所述的动力电池异常状态识别方法。
39、本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的动力电池异常状态识别方法。
40、本发明的有益效果是:通过格拉姆角场将采样电压数据矩阵的行数据和列数据转换为三维特征图像数据,然后根据蚁狮优化算法和图注意力网络对三维特征图像数据进行特征提取,最后使用主成分分析法对提取的特征进行处理,得到异常状态识别阈值,根据异常状态识别阈值识别和定位出处于异常状态的动力电池,提升了动力电池异常识别的准确性,提高了设备运行的安全性。
1.一种动力电池异常状态识别方法,其特征在于,包括:
2.根据权利要求1所述的动力电池异常状态识别方法,其特征在于,所述基于格拉姆角场将所述行数据和列数据转换为三维特征图像数据,包括:
3.根据权利要求1所述的动力电池异常状态识别方法,其特征在于,所述基于蚁狮优化算法和图注意力网络对所述三维特征图像数据进行特征提取,得到所述行数据对应的第一特征数据和所述列数据对应的第二特征数据,包括:
4.根据权利要求1所述的动力电池异常状态识别方法,其特征在于,所述基于主成分分析法对所述第一特征数据和所述第二特征数据进行处理,得到异常状态识别阈值,包括:
5.根据权利要求1所述的动力电池异常状态识别方法,其特征在于,所述基于所述异常状态识别阈值,识别和定位出处于异常状态的动力电池,包括:
6.根据权利要求3所述的动力电池异常状态识别方法,其特征在于,所述基于图注意力网络确定所述三维特征图像数据对应的注意力权值和参数矩阵,包括:
7.根据权利要求6所述的动力电池异常状态识别方法,其特征在于,所述基于蚁狮算法确定所述三维特征图像数据对应的注意力权值和参数矩阵的优化参数,包括:
8.一种动力电池异常状态识别装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器,及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现根据权利要求1至7任一项所述的动力电池异常状态识别方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的动力电池异常状态识别方法。