[发明专利]基于故障注入深度学习的蓄电池故障诊断方法和装置

权利要求书

1.一种基于故障注入深度学习的蓄电池故障诊断方法，其特征在于，包括：

将待检测蓄电池组中的每个蓄电池分别与蓄电池故障诊断装置连接；

使用蓄电池故障诊断装置检测所述待检测蓄电池组中的每个蓄电池在充放电过程中的电池性能参数；

将所述每个蓄电池在充放电过程中的电池性能参数输入基于故障注入的深度学习模型，确定所述每个蓄电池是否存在故障以及存在故障的蓄电池的故障类型，所述基于故障注入的深度学习模型通过对训练蓄电池组进行深度学习后生成，所述训练蓄电池组包括具有不同故障的多个蓄电池与一个正常蓄电池。

2.根据权利要求1所述的方法，其特征在于，所述将待检测蓄电池组中的每个蓄电池分别与蓄电池故障诊断装置连接之前，所述方法还包括：

将所述训练蓄电池组中具有不同故障的多个蓄电池与一个正常蓄电池分别与蓄电池故障诊断装置连接，其中所述具有不同故障的多个蓄电池与一个正常蓄电池串联连接；

通过所述蓄电池故障诊断装置对所述具有不同故障的多个蓄电池与一个正常蓄电池进行充放电实验，获取所述具有不同故障的多个蓄电池与一个正常蓄电池在充放电实验过程中的电池性能参数；

根据所述具有不同故障的多个蓄电池与一个正常蓄电池在充放电实验过程中的电池性能参数构建所述基于故障注入的深度学习模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述具有不同故障的多个蓄电池与一个正常蓄电池在充放电实验过程中的电池性能参数构建所述基于故障注入的深度学习模型，包括：

基于SENET改进的ESPCN算法，根据所述具有不同故障的多个蓄电池与一个正常蓄电池在充放电实验过程中的电池性能参数构建所述基于故障注入的深度学习模型。

4.根据权利要求3所述的方法，其特征在于，所述将所述每个蓄电池在充放电过程中的电池性能参数输入基于故障注入的深度学习模型，确定所述每个蓄电池是否存在故障以及存在故障的蓄电池的故障类型，包括：

将所述每个蓄电池在充放电过程中的电池性能参数输入基于故障注入的深度学习模型，确定所述每个蓄电池是否存在故障以及存在故障的蓄电池的故障类型，其中，所述基于故障注入的深度学习模型中的SE模块被嵌入不同网络中进行结果对比。

5.一种基于故障注入深度学习的蓄电池故障诊断装置，其特征在于，包括：多个蓄电池连接端口、参数检测模块和故障诊断模块；

所述多个蓄电池连接端口分别与待检测蓄电池组中的每个蓄电池连接；

所述参数检测模块用于对所述多个蓄电池连接端口连接的每个蓄电池在充放电过程中的电池性能参数进行检测；

所述故障诊断模块用于将所述每个蓄电池在充放电过程中的电池性能参数输入基于故障注入的深度学习模型，确定所述每个蓄电池是否存在故障以及存在故障的蓄电池的故障类型，所述基于故障注入的深度学习模型通过对训练蓄电池组进行深度学习后生成，所述训练蓄电池组包括具有不同故障的多个蓄电池与一个正常蓄电池。

6.根据权利要求5所述的装置，其特征在于，还包括：充放电控制模块；

所述充放电控制模块用于在所述多个蓄电池连接端口分别与所述训练蓄电池组中具有不同故障的多个蓄电池与一个正常蓄电池分别与连接时，对所述具有不同故障的多个蓄电池与一个正常蓄电池进行充放电实验，其中所述具有不同故障的多个蓄电池与一个正常蓄电池串联连接；

所述参数检测模块还用于获取所述具有不同故障的多个蓄电池与一个正常蓄电池在充放电实验过程中的电池性能参数；

所述故障诊断模块还用于根据所述具有不同故障的多个蓄电池与一个正常蓄电池在充放电实验过程中的电池性能参数构建所述基于故障注入的深度学习模型。

7.根据权利要求6所述的装置，其特征在于，所述故障诊断模块，具体用于基于SENET改进的ESPCN算法，根据所述具有不同故障的多个蓄电池与一个正常蓄电池在充放电实验过程中的电池性能参数构建所述基于故障注入的深度学习模型。