[发明专利]一种基于数据挖掘的蓄电池故障诊断方法

摘要

一种基于数据挖掘的蓄电池故障诊断方法，包括以下步骤：步骤1、读取N条蓄电池的电池电压、电池温度、电池内阻、动态负载电压、放电能力系数、动态放电电流的值以及蓄电池的劣化程度SOH的值；步骤2、设定时间窗口n和滑动步长S；步骤3、分别计算第i个时间窗口内的电池电压、电池温度、电池内阻、动态负载电压、放电能力系数、动态放电电流的测试值、平均值、方差和极差，步骤4、对步骤3中的变量进行归一化处理；步骤5、归一化之后的变量值代入logistic回归模型中，得到蓄电池故障发生的条件概率；步骤6、建立对数似然函数；步骤7、求取参数β₀，β₁，β₂，...β_m；步骤8、选取待检测的蓄电池代入到蓄电池故障发生的概率计算公式中。准确率更高。

主权项

1.一种基于数据挖掘的蓄电池故障诊断方法，其特征在于：包括以下步骤：步骤(1)、读取N条蓄电池的状态数据，蓄电池的状态数据包含以下参数：电池电压BV、电池温度BT、电池内阻BIR、动态负载电压DLV、放电能力系数DCF、动态放电电流DDC的值以及所对应的蓄电池的劣化程度SOH的值；其中，N为正整数；蓄电池的劣化程度SOH为0时表示蓄电池无故障，蓄电池的劣化程度SOH为1时表示蓄电池发生故障；步骤(2)、将n条蓄电池的状态数据作为一个时间窗口，设定滑动步长S，得到k个时间窗口，分别为[1，n]，[S+1，S+n]，…[(i‑1)S+1，(i‑1)S+n]，…[(k‑1)S+1，(k‑1)S+n]；其中，k为大于等于1的整数且(k‑1)S+n为小于等于N的最大整数；步骤(3)、分别计算第i个时间窗口内的变量BV_P、BV_A、BV_V、BV_R、BT_P、BT_A、BT_V、BT_R、BIR_P、BIR_A、BIR_V、BIR_R、DLV_P、DLV_A、DLV_V、DLV_R、DCF_P、DCF_A、DCF_V、DCF_R、DDC_P、DDC_A、DDC_V、DDC_R和SOH_i，并且在该时间窗口内，当其中至少有一个蓄电池的劣化程度SOH的值为1时，则标注第i个时间窗口内的变量SOH_i为1，反之，则标注该时间窗口内的变量SOH_i为0；其中，BV_P为第i个时间窗口内的电池电压BV的当前测量数据，BV_A为第i个时间窗口内的电池电压BV的平均值，BV_V为第i个时间窗口内的电池电压BV的方差，BV_R为第i个时间窗口内的电池电压BV的极差；BT_P为第i个时间窗口内的电池温度BT的当前测量数据，BT_A为第i个时间窗口内的电池温度BT的平均值，BT_V为第i个时间窗口内的电池温度BT的方差，BT_R为第i个时间窗口内的电池温度BT的极差；BIR_P为第i个时间窗口内的电池内阻BIR的当前测量数据，BIR_A为第i个时间窗口内的电池内阻BIR的平均值，BIR_V为第i个时间窗口内的电池内阻BIR的方差，BIR_R为第i个时间窗口内的电池内阻BIR的极差；DLV_P为第i个时间窗口内的动态负载电压DLV的当前测量数据，DLV_A为第i个时间窗口内的动态负载电压DLV的平均值，DLV_V为第i个时间窗口内的动态负载电压DLV的方差，DLV_R为第i个时间窗口内的动态负载电压DLV的极差；DCF_P为第i个时间窗口内的放电能力系数DCF的当前测量数据，DCF_A为第i个时间窗口内的放电能力系数DCF的平均值，DCF_V为第i个时间窗口内的放电能力系数DCF的方差，DCF_R为第i个时间窗口内的放电能力系数DCF的极差；DDC_P为第i个时间窗口内的动态放电电流DDC的当前测量数据，DDC_A为第i个时间窗口内的动态放电电流DDC的平均值，DDC_V为第i个时间窗口内的动态放电电流DDC的方差，DDC_R为第i个时间窗口内的动态放电电流DDC的极差；SOH_i为第i个时间窗口内的蓄电池的劣化程度；步骤(4)、对所述步骤(3)中计算得到的第i个时间窗口内的变量BV_P、BV_A、BV_V、BV_R、BT_P、BT_A、BT_V、BT_R、BIR_P、BIR_A、BIR_V、BIR_R、DLV_P、DLV_A、DLV_V、DLV_R、DCF_P、DCF_A、DCF_V、DCF_R、DDC_P、DDC_A、DDC_V、DDC_R分别进行归一化处理，得到归一化之后的变量BV_P’、BV_A’、BV_V’、BV_R’、BT_P’、BT_A’、BT_V’、BT_R’、BIR_P’、BIR_A’、BIR_V’、BIR_R’、DLV_P’、DLV_A’、DLV_V’、DLV_R’、DCF_P’、DCF_A’、DCF_V’、DCF_R’、DDC_P’、DDC_A’、DDC_V’、DDC_R’；步骤(5)、将步骤(4)中计算得到的第i个时间窗口内归一化之后的变量值代入logistic回归模型中，得到蓄电池故障发生的条件概率Pi，计算公式为：其中，β0为常数项，β1，β2，...βm为偏回归系数，且m＝24，X1，X2,...Xm分别为BV_P’、BV_A’、BV_V’、BV_R’、BT_P’、BT_A’、BT_V’、BT_R’、BIR_P’、BIR_A’、BIR_V’、BIR_R’、DLV_P’、DLV_A’、DLV_V’、DLV_R’、DCF_P’、DCF_A’、DCF_V’、DCF_R’、DDC_P’、DDC_A’、DDC_V’、DDC_R’；步骤(6)、建立样本似然函数L，并取对数，得到对数似然函数lnL，计算公式为：其中，Yi为第i个时间窗口内的变量SOH_i；步骤(7)、根据步骤(6)中的对数似然函数lnL，求取参数β0,β1，β2，...βm；步骤(8)、任意选取一批待检测的蓄电池，采用步骤(2)‑步骤(5)中的方法，计算某一时间窗口内归一化之后的变量值BV_P’、BV_A’、BV_V’、BV_R’、BT_P’、BT_A’、BT_V’、BT_R’、BIR_P’、BIR_A’、BIR_V’、BIR_R’、DLV_P’、DLV_A’、DLV_V’、DLV_R’、DCF_P’、DCF_A’、DCF_V’、DCF_R’、DDC_P’、DDC_A’、DDC_V’、DDC_R’，代入到步骤(6)的计算公式中得到该时间窗口内的蓄电池故障发生的概率Pi。