应用麻雀搜索和概率神经网络的储能电池故障诊断

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。