基于CNN-BiGRU神经网络的全钒液流电池故障诊断方法

本发明公开了一种基于CNN‑BiGRU神经网络的全钒液流电池故障诊断方法。它包括如下步骤：设计实验工况，采集各工况充放电实验下的样本数据，每个所述样本数据由电池电压、电流、流量和SOC数据构成；数据预处理；搭建CNN‑BiGRU神经网络模型，对CNN‑BiGRU神经网络模型进行训练，获得离线电压预测模型，并对CNN‑BiGRU神经网络模型进行评估，优化模型的部分超参数；对离线电压模型进行在线学习，获得最终电压预测模型；从最终电压预测模型得到预测电压值，将预测电压值与运行电压值相减，获得电压残差；比较电压残差与故障阈值，判定新电池是否出现故障。本发明构建了适用于钒电池的故障诊断模型，故障诊断精度高，误报率低。