一种内阻预测模型训练及故障预测方法、装置、设备与流程

本技术涉及铅酸蓄电池领域，尤其涉及一种内阻预测模型训练及故障预测方法、装置、设备。

背景技术：

1、阀控式铅酸蓄电池因其免维护，污染小，功率密度大等优势被广泛应用于交通运输、通讯、电力、计算机、科研等领域，并且作为备用电源的铅酸蓄电池的健康状态对系统的安全稳定运行具有重要作用，因此准确预测电池内阻提醒维护人员及时处理失效电池，是保证系统安全稳定的运行的前提。若铅酸蓄电池发生故障不能及时给运行设备供电，将造成系统停机，导致巨大经济损失。

2、在数据中心机房，铅酸蓄电池一般都是成组存在，且电池组的供电能力与落后电池的可用容量紧密相关，因此及时发现并处理失效电池十分重要。根据相关资料显示，内阻是表征蓄电池是否失效的重要参数，根据ieee1188标准的规定，当电池内阻是其初始值的1.3倍时，该电池的容量可能低于80％，目前存在多种内阻测量方式，其中交流放电方式是用一个交流源注入几十毫安的电流到被测电池(一般频率小于1khz)，将交流分成几十个点，利用锁相技术，然后测出对应点在电池极柱上的电压动态响应，再根据欧姆定律计算出电池的内阻，但是在线系统不适用，易受到干扰使测量结果不准确；数据中心大多采用直流放电方式，需要实时对电池组进行大电流瞬时放电，但是这种方式对电池有一定损伤。基于上述问题，亟需一种方法可以在不损伤电池的基础下可以预测电池的内阻，用于保证系统安全运行。

技术实现思路

1、本技术提供了一种内阻预测模型训练及故障预测方法、装置、设备，可以在不损伤电池的情况下，在线对电池的内阻进行预测，根据预测的内阻可以检测电池是否出现故障，用于保证系统的安全运行。

2、第一方面，本技术提供了一种内阻预测模型训练方法，包括：

3、获取包括多个样本的训练集，所述样本包括历史测得的电池单体数据、电池单体所在电池组数据、环境数据及标注的电池单体内阻；

4、将所述电池单体数据、所述电池单体所在电池组数据、所述环境数据输入待训练的内阻预测模型，以输出标注的电池单体内阻为目标对当前的内阻预测模型进行参数调整；

5、满足训练结束条件时，得到用于预测电池内阻的内阻预测模型。

6、可选的，所述内阻预测模型为采用支持向量回归svr算法的模型，对当前的内阻预测模型进行参数调整，包括：

7、对svr算法中的径向基核函数中的第一参数及损失函数中的第二参数进行调整；

8、所述第一参数为带宽参数γ，第二参数为惩罚系数c，所述损失函数为与所述预测模型预测的内阻及标注的电池单体内阻的差值相关的函数。

9、可选的，对当前的预测模型进行参数调整，具体包括：

10、根据灰狼gwo算法，随机生成预设数量的灰狼，并触发迭代更新；其中，每只灰狼的位置代表当前的内阻预测模型中一组参数，所述一组参数包括所述带宽参数γ和所述惩罚系数c；

11、触发迭代更新时，根据每只灰狼的位置计算每只灰狼对应的适应度，根据所述适应度确定α狼、β狼、δ狼及w狼，并根据α狼、β狼、δ狼的位置确定猎物的位置；其中，所述α狼为领导者，β狼和δ狼是狼群中适应度次佳的个体，w狼是狼群中的其他个体，猎物的位置为所述带宽参数γ和所述惩罚系数c的取值；

12、在所述α狼的带领下，根据猎物所在位置更新每只灰狼的位置，在迭代次数未达到最大值时触发下一次地迭代更新；

13、在迭代次数达到最大值时，根据当前α狼、β狼、δ狼的位置确定当前猎物的位置，确定当前猎物的位置为所述带宽参数γ和所述惩罚系数c的最优解。

14、可选的，所述训练集中的样本采用以下方式生成：

15、每隔预设时间间隔，根据直流检测法计算电池单体内阻，并对应采集该电池的电池单体数据、电池单体所在电池组数据、环境数据；

16、将不同时间采集的所述电池单体数据、电池单体所在电池组数据、环境数据及电池单体内阻作为不同的样本。

17、可选的，所述电池单体数据包括单体电压cellv和单体电流i；

18、所述电池单体所在电池组数据包括电池组电压bankv；

19、所述环境数据包括环境温度t。

20、可选的，满足训练结束条件，包括：

21、获取包括测得的电池单体数据、电池单体所在电池组数据、环境数据及标注的电池单体内阻的多个测试样本；

22、将所述测试样本中的电池单体数据、电池单体所在电池组数据、环境数据输入所述预测模型，并输出预测的内阻；

23、将所述预测的内阻与所述标注的电池单体内阻进行比较，确定误差在预设范围内，则所述预测模型训练结束。

24、第二方面，本技术提供一种故障预测方法，包括：

25、响应于电池内阻预测请求，获取电池单体数据、电池单体所在电池组数据、环境数据；

26、将所述电池单体数据、电池单体所在电池组数据、环境数据输入第一方面中任一项所述的方法训练得到的内阻预测模型，得到预测的内阻。

27、可选的，还包括：

28、将所述预测的内阻与该电池的标准阈值内阻进行比较；

29、确定所述预测的内阻大于该电池的标准阈值内阻时告警，确定所述预测的内阻不大于该电池的标准阈值内阻时无告警。

30、第三方面，本技术提供一种内阻预测模型训练装置，包括：

31、训练集获取模块，用于获取包括多个样本的训练集，所述样本包括历史测得的电池单体数据、电池单体所在电池组数据、环境数据及标注的电池单体内阻；

32、参数调整模块，用于将所述电池单体数据、所述电池单体所在电池组数据、所述环境数据输入待训练的内阻预测模型，以输出标注的电池单体内阻为目标对当前的内阻预测模型进行参数调整；

33、训练结束模块，用于满足训练结束条件时，得到用于预测电池内阻的内阻预测模型。

34、第四方面，本技术提供一种故障预测装置，包括：

35、响应模块，用于响应于电池内阻预测请求，获取电池单体数据、电池单体所在电池组数据、环境数据；

36、获取模块，用于将所述电池单体数据、电池单体所在电池组数据、环境数据输入第一方面任一项所述方法训练得到的内阻预测模型，得到预测的内阻。

37、第五方面，本技术提供一种内阻预测模型训练设备，包括：

38、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面中任何一项所述的内阻预测模型训练的方法。

39、第六方面，本技术提供一种故障预测设备，包括：

40、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第二方面中任何一项所述的故障预测的方法。

41、根据本技术提供的一种内阻预测模型训练及故障预测方法、装置、设备，可以在不损伤电池的情况下，在线对电池的内阻进行预测，根据预测的内阻可以检测电池是否出现故障，用于保证系统的安全运行。

技术特征：

1.一种内阻预测模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述内阻预测模型为采用支持向量回归svr算法的模型，对当前的内阻预测模型进行参数调整，包括：

3.根据权利要求2所述的方法，其特征在于，对当前的预测模型进行参数调整，具体包括：

4.根据权利要求1所述的方法，其特征在于，所述训练集中的样本采用以下方式生成：

5.根据权利要求1所述的方法，其特征在于，

6.根据权利要求1所述的方法，其特征在于，满足训练结束条件，包括：

7.一种故障预测方法，其特征在于，包括：

8.根据权利要求7所述的方法，其特征在于，还包括：

9.一种内阻预测模型训练装置，其特征在于，包括：

10.一种故障预测装置，其特征在于，包括：

11.一种内阻预测模型训练设备，其特征在于，包括：

12.一种故障预测设备，其特征在于，包括：

技术总结
本申请提供了一种内阻预测模型训练及故障预测方法、装置、设备，内阻预测模型训练方法包括：获取包括多个样本的训练集，所述样本包括历史测得的电池单体数据、电池单体所在电池组数据、环境数据及标注的电池单体内阻；将所述电池单体数据、所述电池单体所在电池组数据、所述环境数据输入待训练的内阻预测模型，以输出标注的电池单体内阻为目标对当前的内阻预测模型进行参数调整；满足训练结束条件时，得到用于预测电池内阻的内阻预测模型；根据本申请提供的一种内阻预测模型训练及故障预测方法、装置、设备，可以在不损伤电池的情况下，在线对电池的内阻进行预测，根据预测的内阻可以检测电池是否出现故障，用于保证系统的安全运行。

技术研发人员：吕亚茹,高映军,曾莹,张伟贤
受保护的技术使用者：维谛技术有限公司
技术研发日：
技术公布日：2024/12/5