摘要
本发明涉及一种储能电池组的故障诊断方法,首先是对储能系统不同故障下的多种运行工况进行了仿真模拟,来确保获取的电池组故障数据具有普遍适应性;之后介绍了该具体获取电池组哪些特征参量,包括电池组运行功率、电压、各位置SOC以及等效短路电流等,这些参数能够很好的表征电池组各故障特性,是诊断准确性的关键;最后,提出一种以卷积神经网络为基础的电池组故障诊断模型,并通过该模型对电池组进行故障诊断。
技术关键词
储能电池组
故障诊断模型
电池模块
故障诊断系统
故障工况
短路故障诊断方法
特征提取模块
数据处理模块
训练集
诊断模块
特征选择
电池单体
电池簇
电流
特征参量
功率
系统为您推荐了相关专利信息
轴承故障诊断方法
故障诊断模型
样本
深度特征提取
风格
卫星姿态控制系统
故障诊断方法
半监督深度
故障诊断模型
标签
储能变流器
分频控制方法
混合储能系统结构
双向变流器
母线
信息融合诊断
故障诊断系统
数据特征提取
故障录波
故障特征
声学诊断方法
细粒度分类
故障诊断模型
计算机可执行指令
短时傅里叶变换