基于证据KNN分类器的蓄电池一致性诊断

作者:王楠; 周喜超; 彭勇; 李振; 安坤; 赵鹏翔
更新时间:

在由串联和并联组成的大容量电池的长期运行中,不可避免地会出现电池单元不一致的问题。及时识别可能出现的异常电池,为储能电站评估电池的健康状态提供数据支持,降低储能电站的系统运行风险。本文提出了一种基于证据k最近邻(KNN)分类器的蓄电池一致性诊断方法,该方法不依赖于蓄电池模型和经验数据。该方法利用储能电站一组电池中的大量单体电池电压和温度运行数据,利用证据KNN分类器建立能够表征电池电压和温度一致性的诊断模型,并通过异常反演算法准确识别异常单体电池。