本发明属于电池监测，具体涉及一种基于阻抗谱定位电池组缺陷电池位置的方法和相关装置。
背景技术：
1、作为后备直流电源广泛应用于变电站，阀控式铅酸电池（vrla）长期处于浮充状态保证电池在满电状态，该阶段用于维持电池组的电荷状态，以防止自放电和保持电池组在就绪状态下。在浮充状态下，每个电池的充电电流很小，但由于铅酸电池组中的每个电池都有一些微小的差异，如内部电阻、材料差异等，会导致充电电压、电流不一致。这可能导致某些电池损坏，从而影响整个电池组的性能和寿命。因此，准确判断缺陷电池位置，及时更换缺陷电池具有重要意义。
2、常见使用电压判断电池电量的方法无法有效获得电池内部变化造成的参数变化。电化学阻抗谱测量是一种通过测量电池中电荷和放电过程中的频率响应来评估电池状态的方法，然而传统阻抗测量采用扫频方法，需要每一个电池单独测量，消耗时间长。
技术实现思路
1、有鉴于此，本发明旨在提供一种基于阻抗谱定位电池组缺陷电池位置的方法和相关装置，以解决现有技术存在的不足。
2、为了实现上述目的，本发明提供的技术方案如下：
3、第一方面，本发明提供了一种基于阻抗谱定位电池组缺陷电池位置的方法，包括如下步骤：
4、向电池组施加多频叠加的激励电流信号；
5、获取电池组在多频叠加信号下的电池电压响应；
6、基于电池电压响应确定不同频率阻抗的叠加，得到叠加阻抗；
7、依据叠加阻抗，利用缺陷电池识别模型识别电池组中缺陷电池的位置，缺陷电池识别模型是利用电池组中缺陷电池的不同位置和对应阻抗谱训练而成的模型。
8、进一步地，激励电流信号的表达式如下：
9、
10、式中，i为激励信号，i1，…，in为n个不同频率电流的最大值，w1t，…，wnt为n个不同信号频率。
11、进一步地，获取电池组在多频叠加信号下的电池电压响应，包括：
12、将测量端设置为电池组第一块电池的正极和最后一块电池的负极或第一块电池的负极和最后一块电池的正极；
13、从测量端获取电池组的电池电压响应。
14、进一步地，缺陷电池识别模型是基于人工神经网络训练而成的模型，训练流程包括：
15、设置缺陷电池在电池组中不同的位置，并测量相应的电池阻抗；
16、将缺陷电池的位置和电池阻抗作为输入，利用人工神经网络进行训练，得到缺陷电池识别模型。
17、第二方面，本发明提供了一种基于阻抗谱定位电池组缺陷电池位置的装置，包括：
18、混合激励模块，用于向电池组施加多频叠加的激励电流信号；
19、测量模块，用于获取电池组在多频叠加信号下的电池电压响应；
20、计算模块，用于基于电池电压响应确定不同频率阻抗的叠加，得到叠加阻抗；
21、分析模块，用于依据叠加阻抗，利用缺陷电池识别模型识别电池组中缺陷电池的位置，缺陷电池识别模型是利用电池组中缺陷电池的不同位置和对应阻抗谱训练而成的模型。
22、进一步地，获取电池组在多频叠加信号下的电池电压响应，包括：
23、将测量端设置为电池组第一块电池的正极和最后一块电池的负极或第一块电池的负极和最后一块电池的正极；
24、从测量端获取电池组的电池电压响应。
25、进一步地，缺陷电池识别模型是基于人工神经网络训练而成的模型，训练流程包括：
26、设置缺陷电池在电池组中不同的位置，并测量相应的电池阻抗；
27、将缺陷电池的位置和电池阻抗作为输入，利用人工神经网络进行训练，得到缺陷电池识别模型。
28、进一步地，还包括：报警模块和显示模块；
29、报警模块用于在分析模块发现缺陷电池时发出报警信号；
30、显示模块用于显示缺陷电池在电池组中的序号。
31、相应地，本发明提供了一种计算机设备，设备包括处理器以及存储器：
32、存储器用于存储计算机程序，并将计算机程序的指令发送至处理器；
33、处理器根据计算机程序的指令执行如第一方面的一种基于阻抗谱定位电池组缺陷电池位置的方法。
34、相应地，本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如第一方面的一种基于阻抗谱定位电池组缺陷电池位置的方法。
35、综上，本发明提供了一种基于阻抗谱定位电池组缺陷电池位置的方法和相关装置，包括向电池组施加多频叠加的激励电流信号；获取电池组在多频叠加信号下的电池电压响应；基于电池电压响应确定不同频率阻抗的叠加，得到叠加阻抗；依据叠加阻抗，利用缺陷电池识别模型识别电池组中缺陷电池的位置，缺陷电池识别模型是利用电池组中缺陷电池的不同位置和对应阻抗谱训练而成的模型。本发明通过分析多频叠加激励下的电池电压响应，能够更精细地捕捉到电池组中单个电池的异常情况。利用不同频率下电池阻抗的变化特性，结合叠加阻抗分析，可以显著提高缺陷电池定位的准确性，这对于维护电池组的整体性能和安全至关重要。
1.一种基于阻抗谱定位电池组缺陷电池位置的方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于阻抗谱定位电池组缺陷电池位置的方法，其特征在于，所述激励电流信号的表达式如下：
3.根据权利要求1所述的基于阻抗谱定位电池组缺陷电池位置的方法，其特征在于，获取所述电池组在多频叠加信号下的电池电压响应，包括：
4.根据权利要求1所述的基于阻抗谱定位电池组缺陷电池位置的方法，其特征在于，所述缺陷电池识别模型是基于人工神经网络训练而成的模型，训练流程包括：
5.一种基于阻抗谱定位电池组缺陷电池位置的装置，其特征在于，包括：
6.根据权利要求5所述的基于阻抗谱定位电池组缺陷电池位置的装置，其特征在于，获取所述电池组在多频叠加信号下的电池电压响应，包括：
7.根据权利要求5所述的基于阻抗谱定位电池组缺陷电池位置的装置，其特征在于，所述缺陷电池识别模型是基于人工神经网络训练而成的模型，训练流程包括：
8.根据权利要求5所述的基于阻抗谱定位电池组缺陷电池位置的装置，其特征在于，还包括：报警模块和显示模块；
9.一种计算机设备，其特征在于，所述设备包括处理器以及存储器：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的一种基于阻抗谱定位电池组缺陷电池位置的方法。
