基于参数辨识和惩罚策略的储能电站故障诊断方法及系统与流程

1.基于参数辨识和惩罚策略的储能电站故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于参数辨识和惩罚策略的储能电站故障诊断方法，其特征在于，步骤1中，通过在实验室环境中，给磷酸铁锂电池设置不同充电或放电参数，模拟实际工况中电池的过充电故障和过放电故障并记录相应的电流和电压，将实际工况中的数据样本和实验室环境中的样本集中起来共同作为训练样本来扩充数据量；在线实时检测的电压和电流通过bms采集装置实时采集。

3.根据权利要求1所述的基于参数辨识和惩罚策略的储能电站故障诊断方法，其特征在于，步骤2中，将bms采集装置实时采集的数据样本的电流和电压输入到基于带遗忘因子的交替广义最小二乘法的在线实时参数辨识算法中，该算法辨识出欧姆内阻r0、极化电阻rp、极化电容cp、和电池开路电压uoc四个特征，与采集的电压和电流组合形成用于电池簇故障诊断的特征集合，公式（1）和（2）表示用等效电路模型表征电池工作行为时，等效电路模型中各个参数的计算方法；

4.根据权利要求1所述的基于参数辨识和惩罚策略的储能电站故障诊断方法，其特征在于，步骤3中，将提取的特征输入到已经通过训练样本训练好的聚类算法中，分别计算与不同聚类算法的聚类中心之间的距离，通过集成策略计算与过充故障、过放故障、正常状态三个聚类中心之间的最终距离dsample，根据距离大小判断出该电池簇所属的类别，完成该电池簇的故障诊断，并将该电池簇数据分类别存储到数据库中，dsample，的计算方法如公式（4）所示：

5.根据权利要求1所述的基于参数辨识和惩罚策略的储能电站故障诊断方法，其特征在于，步骤4中，根据样本最终的诊断结果和样本的存储量大小分别设置了聚类算法集成权重的惩罚策略、聚类中心的更新策略：

6.根据权利要求5所述的基于参数辨识和惩罚策略的储能电站故障诊断方法，其特征在于，当任何一个聚类算法的集成权重降为0或者已检测数据样本数目达到50的倍数时，则用当前存储的数据样本分别重新计算k-means算法和谱聚类算法的聚类中心，两种算法的集成权重值也都变为0.5，至此聚类算法参数更新完成。

7.基于参数辨识和惩罚策略的储能电站故障诊断系统，其特征在于，包括：

8.一种计算机设备，其特征在于，包括：

9.一种可读存储介质，其特征在于，所述可读存储介质上存储有处理程序，所述处理程序被处理器执行时实现如权利要求1至权利要求6中任意一项所述的基于参数辨识和惩罚策略的储能电站故障诊断方法。