应用麻雀搜索和概率神经网络的储能电池故障诊断

作     者：喻思维 张雪松 林达 李正阳 熊瑞 YU Si-wei;ZHANG Xue-song;LIN Da;LI Zheng-yang;XIONG Rui

作者机构：北京理工大学机械与车辆学院北京100084 国网浙江省电力有限公司电力科学研究院杭州310014 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2024年第24卷第3期

页      面：1083-1090页

学科分类：08[工学] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：浙江省国网电力有限公司科技项目(5211DS21N006) 

主　　题：磷酸铁锂电池 储能电池 故障诊断 神经网络 麻雀搜索 

摘      要：储能是构建新型电力系统的核心技术,其中,锂离子电池电化学储能是当前的主要形式,对实现“双碳目标意义重大。故障诊断对于保障电池储能系统安全运营意义重大,尤其是微小故障的准确诊断能有效预防严重故障的发生,然而,传统故障诊断方法时效性差、精度较低,难以捕捉微小故障特征。因此,提出了一种应用麻雀搜索算法(sparrow search algorithm,SSA)改进的概率神经网络(probabilistic neural network,PNN)的储能电池微小故障诊断方法。首先,通过对锂离子电池故障类别分析故障特性,提取微小故障发生后的状态特征信息;然后,将磷酸铁锂储能电池故障信号分解成一系列特征向量并输入SSA-PNN模型;最后,开展了实验验证研究。结果表明,与传统的基于误差反向传播算法的故障诊断方法相比,基于SSA-PNN的故障诊断方法精度达到99.7%,具有更高的诊断精度和实时性。