统计分析和密度聚类的锂离子电池组内短路故障诊断

随着锂离子电池系统在电动汽车中的广泛应用，电池组短路引起的安全问题日益凸显，因此动力电池的状态监测与故障诊断备受关注。针对当前非模型故障诊断方法存在的泛用性低、抗干扰性差和电池组不一致性突出等问题，提出了一种基于统计分析和密度聚类的电池组短路故障诊断方法。首先根据遗忘机制，利用核密度估计的相对熵和相关系数提取电池组的故障信息，用于识别短路引起的电池电压和温度变化；接着采用基于密度的空间噪声聚类算法(DBSCAN)自动识别短路故障电池。该方法的鲁棒性在噪声干扰和电池组较大不一致性的条件下得到了有效验证。随后，在不同程度的微短路情况下(短路电阻分别为1、5和10Ω)进行故障诊断，结果表明在10Ω短路情况下故障诊断的准确率能够达到92.17%。最后通过对比分析，表明该诊断方法能够有效检测和定位短路电池，并且故障越严重，诊断所需时间越短。     

基于局部异常因子的锂离子电池储能系统故障诊断

锂离子电池在过充、高温及外短路等滥用工况下工作会导致火灾等事故的发生。通过对锂离子电池进行早期故障诊断，定位故障的具体位置并及时采取相应措施，可以有效避免故障进一步升级为热失控。为此，基于锂离子电池储能系统的运行数据，采用局部异常因子算法对其进行故障诊断分析。通过计算单日及多日的电压运行数据，确定故障电池的具体位置，分析故障电池的异常情况。研究结果验证了局部异常因子算法应用于锂离子电池储能系统故障诊断的有效性。     

永磁同步电机匝间短路故障短路线圈定位方法

为了研究基于电机外部电信号的直驱永磁同步电机早期匝间短路故障检测及定位方法，提出一种基于探测线圈阵列的DDPMSM的ISF短路线圈定位方法。首先，提出一种基于电机绕组分布及连接方式的探测线圈阵列；其次，分析了探测线圈工作机理，建立了考虑短路线圈位置的探测线圈反电势矩阵；然后，利用所建立的探测线圈反电势矩阵，分析用于ISF短路线圈位置的故障特征量。提出了利用探测线圈反电势差值进行ISF故障检测和故障线圈组的定位，利用探测线圈反电势残差进行短路线圈的定位，提出基于上述定位特征量的ISF定位方法。仿真和实验结果验证了所提出方法的正确性和有效性。最后，以样机为例，将所提出的定位方法与现有故障定位方法进行比较，进一步证明方法的准确性和灵敏性。     

基于小波分解和GDI的动力电池故障诊断

在动力电池组故障早期准确地定位故障单体电池，能预防安全事故。提出基于小波分解和广义无量纲指标(GDI)的动力电池故障诊断方法。使用小波分解，从电压数据中提取稳定的趋势分量；使用自定义的GDI提取故障信息；使用微分法处理故障信息，排除电池组不一致的情况，并使用3-σ原则作为故障触发阈值。基于电动汽车实际运行数据的实验结果表明，所提方法较信息熵法准确性更高，且具有较强的鲁棒性，在故障早期能够准确地定位故障单体电池，并降低电池组不一致故障的误报率。     

基于振动信号的锂离子电池故障诊断方法

为实现对锂离子电池过充及外部短路故障的诊断,提出一种基于改进变分模态分解(VMD)-多尺度熵(MSE)的锂离子电池振动信号特征提取方法.通过改进VMD对振动信号进行分解,对所得固有模态分量求多尺度熵值,提取锂离子电池在不同工况下的振动特征,最后基于此特征进行K均值聚类,完成对过充和外部短路故障的故障识别.经对比实验验证,该方法能有效提取锂离子电池振动信号特征量,正确识别锂离子电池的过充及外部短路故障,且准确率更优.     

低压直流微网短路故障特性分析及检测∗

针对直流微网系统要求可靠性高、线路阻抗小、短路故障检测速度快,构建基于太阳能、储能单元和负载 的环形直流微网结构,通过分析短路故障的特性,提出基于短路电流变化率的故障检测方法.在MATLAB/Simulink 中搭建母线电压为４００V的直流微网模型进行仿真,仿真结果表明所提方法可以在２ms内实现对母线和单元短路故 障的检测,确保整个系统可靠工作.     

基于主成分分析的串联电池组故障诊断实用方法

为了保证电动汽车和储能系统的安全运行,电池组的故障诊断研究备受关注。针对目前面向电池组故障诊断方法相对匮乏且实用性不佳的问题,提出了一种基于主成分分析(PCA)的故障诊断实用方法,以准确地区分组内的电池单体故障和连接故障。首先,提出了非硬件冗余的交叉测量拓扑,分别用不同数量的传感器测量电池和连接板;然后,分析组内测量电压的变化特点,引入PCA对故障特征进行提取,为了保证PCA模型适配,提出了PCA实时建模与故障诊断一体化的思路,并基于此设计了完整的故障诊断方案;最后,利用实验对所提方法进行验证,结果表明所提方法能够可靠区分电池单体故障和连接故障,准确检测阈值法无法检测的电池单体故障,且强鲁棒于荷电状态、健康状态和温度差异的影响。现场运行数据也证实了所提方法能够有效避免发生虚警。     

一种新型无差拍UPQC预测直接控制策略

为解决目前电力设备故障识别系统识别敏感度低的问题，提出基于云计算关联分析的电力设备故障识别模型。利用关联分析法、Model-1故障特征提取法、Copula函数的故障特征分类法，对电力设备故障特征进行提取和分类，将分类后的特征数据随机组成训练集X，并在此基础上获得故障特征优化的二维数据，将Copula函数的输出结果导入优化ID3的井漏类型分类算法中以完成对故障特征的优化，得到电力设备故障特征分类矩阵；利用非对称性卷积层的CNN模型，实现对电力设备多种故障类型的快速识别。实验结果表明：在进行故障准确性检测时，所提方法的故障识别率平均高达87.2%、识别精准率平均高达71.06%；在不同负荷对系统灵敏性影响的测试中，所提方法在任意负荷状态下的故障识别数据计数不低于40次，优于对比方法；在对电力设备匝间短路故障位点的识别性能测试中，所提方法在任意匝间短路故障位点的故障识别数据计数均高于140次，优于对比方法。所提方法的故障识别精确度高、故障位置识别敏感性高，可促进电网安全运行和发展。     

基于改进DBSCAN的退役动力电池分选方法

退役动力电池梯次利用时电池单体不一致性对于分选后电池组性能具有重要影响，高效的分选方法能够降低电池不一致性，提高电池组的使用性能和安全性。针对目前常用的电池检测系统采样频率较低等问题，首先使用自适应分段拟合方法对充放电数据进行拟合，从充放电曲线中提取表征电池不一致性的动态特征电压上升高度（VR）、电压下降深度（DVF），并与容量、开路电压静态特征结合构成分选特征向量；然后提出一种基于核密度估计的DBSCAN算法（KDEDBSCAN），通过核密度估计自适应确定聚类算法参数，对特征聚类实现电池的分选；最后通过实验验证该分选方法的有效性。     

高压直流输电线路单端智能故障定位方法

针对当前高压直流输电线路故障定位方法中存在的问题，提出一种基于S变换组合特征能量和改进一维卷积神经网络-门控循环单元混合神经网络模型的单端智能故障定位方法。首先，对直流输电线路故障电压、电流数据分别进行S变换，提取特征频率范围内的能量；然后归一化电压、电流特征能量并构成组合能量特征向量；最后将组合能量特征向量形成的数据集输入改进的一维卷积神经网络-门控循环单元模型进行训练和测试，实现故障定位。结果表明，该模型具有较高的定位精度和较好的鲁棒性。     

串联锂电池组内短路模型与检测方法研究

内短路是引发锂电池热失控的主要因素，锂电池内短路检测对于预防热失控的发生具有重要意义。在锂电池二阶RC模型的基础上，采用并联电阻等效替代法，分析了正常状态与内短路状态下锂电池的电压和荷电状态(state of charge, SOC)变化特点。采用Simulink搭建仿真模型，得到内短路状态下电池电压与SOC数据，以六节串联锂电池组为例，通过分析电压与SOC变化速率的一致性实现内短路检测。结果表明，当电池组内有电池发生内短路时，该节电池的外电压低于其他电池，并且SOC变化速率较其它电池快，本文提出的检测方法能有效检测出串联电池组的内短路。     

基于故障距离分布函数的配电网故障定位

为提高配电网故障定位精度,提出了基于母线电压暂降特征信息和故障距离分布函数实现配电网故障定位的单点定位算法。由节点阻抗矩阵建立反映故障距离变化的故障距离分布函数,根据故障距离分布函数和故障后变电站端测量到的电压暂降数据计算故障距离,通过数据匹配和逐步逼近搜索法确定过渡电阻值,引入了排序算法对所有可能故障点进行排序,减弱了伪故障点对故障定位结果的影响。该方法也适用于三相不平衡配网,不需多次短路计算迭代。算例结果验证了该方法的有效性。     

锂离子动力电池系统故障检测

锂离子动力电池系统的故障原因大多与单体电池的异常有关.针对故障电池组的实际运行数据,构建了电压和温度特征参数,分析其随运行时间的变化情况,通过阈值方法对异常电池进行判断.提取电池组在充电过程中单体电池的电压数据,利用充电电压曲线距离分析和局部离群因子(LOF)检测方法诊断不一致单体,结果表明两种方法的诊断结果一致.最后对异常电池的故障模式进行了识别.     

单相双绕组变压器匝间短路故障诊断

针对现有方法无法对变压器匝间短路故障的发生时刻及其严重程度同时实现诊断,提出了基于电类特征信号提取的故障诊断方法。在对单相双绕组变压器匝间短路后其输出响应进行分析的基础上,对变压器匝间短路故障的产生进行了建模和仿真;通过提取变压器一、二次侧电流信号的时域故障特征对故障发生时刻进行了诊断;基于此再结合相应电流信号的频域故障特征,采用曲线拟合与数据库比对的方法对匝间短路故障程度进行了有效诊断。仿真和测试结果表明,进行诊断后的结果符合预期的目标。     

基于模糊匹配的配电网短路故障区段定位方法

针对传统10 kV配电网短路故障方法难以适应非健全信息环境的难题,文中利用配电网配用电信息系统的多源数据,以Elman神经网络模型为中心,建立基于模糊匹配的短路故障区段定位方法。首先,以配用电信息系统数据库为基础,对配电网短路故障相关的信号与电气量进行分析,建立配电网短路故障诊断特征库。然后通过I-Relief算法进行主要特征的筛选选取,来作为Elman神经网络的数据输入,并基于Elman神经网络模型对多源数据和配电网短路故障类型及位置进行模糊匹配。最后通过西南某地区实际算例分析,证明所提模型能高效快速地对10 kV配电网短路故障进行区段定位,且具有较好的容错性和实用性。     

基于多核相关向量机优化模型的锂离子电池容量在线估算

准确的锂离子电池容量在线估算是电池管理系统的核心功能之一。基于放电过程的电池容量估算易受运行工况的复杂外界因素影响,该文基于部分充电数据的容量增量曲线,提取表征电池容量退化的两个老化特征,建立以老化特征为输入量、电池容量为输出量的多核相关向量机优化模型。以灰狼优化算法确定多核相关向量机的核函数权值和核参数,结合在线提取的老化特征估计电池容量。利用Matlab和LabVIEW联合仿真,建立基于多核相关向量机优化模型的电池管理系统。通过马里兰大学单体电池老化数据集和大连理工大学电池组老化数据集进行模型验证。结果表明,该文提出的电池容量在线估算方法对单体电池和电池组容量估计误差均在2.3%以内。     

配电网短路故障模式分析

由于实际的检测准确度有限，基于精确模型建立的诊断方法用于实际线路时，可能诊断出若 干个故障点，其中一个为真故障，其余为伪故障，所以，区分真伪故障是能否成功地进行故 障定位的关键。在大量仿真的基础上，总结出配电网短路故障模式的特征，对含有一定 误差的测试数据，只要进行优化处理和特征识别，就可以将真故障点分离出来。     

高渗透率光伏发电的直流微电网故障穿越控制策略研究

为使直流微电网具备一定的故障穿越能力,考虑增强系统对直流母线电压的调节能力,提出了基于电池储能的故障穿越方案。引入基于非线性扰动观测的前馈项,设计了基于储能单元改进下垂控制的直流微电网故障穿越控制策略。这种控制策略可以有效抑制直流母线电压波动,缩短电压调节时间,使直流母线电压保持在安全运行范围内,从而实现直流微电网在直流支路短路故障下的故障穿越。最后在Simulink中搭建有高渗透率光伏发电的直流微电网仿真模型,对所提出的方案和所设计的故障穿越控制策略进行验证。     

基于深度学习的智能变电站通信链路故障定位方法

针对智能变电站通信链路故障定位因链路复杂导致排查效率低的问题，提出了基于深度学习的智能变电站通信链路故障定位方法。从智能变电站二次装置网络拓扑出发，构建网络连通矩阵并作为基准，提出了通信链路故障情形下的故障特征表征方法；进一步基于二次装置连接与运行状态之间的逻辑关系，构建全站故障样本集；应用改进卷积神经网络（CNN），搭建智能变电站通信链路故障定位模型，最终通过后台信息初步判定的故障间隔信息与模型输出结果共同实现故障链路精确定位。以220kV智能变电站部分间隔为例，构建故障样本集，通过结果分析对比了不同定位方法，对比结果表明所提定位方法具有较高的准确率。     

计及保护动作与换相失败的逆变侧阀短路故障定位

鉴于现有阀短路故障定位方法依赖桥臂电流信息,而目前工程实际中存在桥臂电流不易获取、定位精度不高的问题,提出了一种无需桥臂电流的逆变侧阀短路故障定位方法。考虑控保系统对不同位置阀短路故障响应特性以及逆变侧阀短路故障引起的换相失败对故障特征的影响,分析了不同时刻发生逆变侧区内4种典型阀短路故障的故障特征。结合逆变侧保护动作情况和系统电气量特征,设计了不同位置阀短路故障识别判据,进而实现逆变侧换流器区不同位置阀短路故障定位。基于RTDS与实际控保系统的数模混合仿真验证了所提故障定位方法的有效性。