用于储能系统预测性维护的机器学习：健康预测、故障诊断及部署挑战的系统综述

《Journal of Energy Storage》：Machine learning for predictive maintenance in energy storage systems: A systematic review of health prediction, fault diagnosis, and deployment challenges

　　

• •
  综述了用于储能系统预测性维护的机器学习方法。
• •
  模型可估计系统健康状态、故障情况及剩余使用寿命。
• •
  数据质量和外部验证限制了实际应用的可靠性。
• •
  混合方法、可解释学习和安全学习支持现场部署。

章节摘要

缩略语

ANN
人工神经网络
ARIMA
自回归积分滑动平均模型
ARL
关联规则学习
BPNN
反向传播神经网络
CNN
卷积神经网络
DDQN
双深度Q网络
DDPG
深度确定性策略梯度
DNNs
深度神经网络
DQN
深度Q网络
DT
决策树
ELM
极限学习机
ESS
储能系统
EVs
电动汽车
FCM
模糊C均值聚类
FNNs
前馈神经网络
GA
遗传算法
GA-BPNN
遗传算法优化的反向传播神经网络
GBR
梯度提升

储能系统预测性维护的基础知识

本节概述了电池技术和重要的健康指标，为基于机器学习的预测性维护提供背景。有意避免了详细的电化学解释，重点放在这些特性如何作为数据驱动维护模型的输入。储能系统（ESS）对于管理供需平衡、支持可再生能源整合和提高能源可靠性至关重要。它们储存

研究方法

本研究遵循PRISMA 2020指南进行，以确保严谨性和透明性，涵盖2015至2025年期间，并选取了2006至2009年间具有奠基意义的相关文献。综述采用图8所示的PICOS框架进行组织。检索词结合预测性维护、电池、储能系统、超级电容器、机器学习和深度学习等关键词，以识别专注于储能系统预测性维护机器学习技术的相关同行评审研究，与荷电状态（SOC）相关

用于储能系统预测性维护的机器学习技术

机器学习在储能系统的预测性维护中具有重要作用，不仅可用于精确评估荷电状态（SOC）、健康状态（SOH）或剩余使用寿命（RUL），还可将这些预测转化为维护决策。时间序列和深度学习模型用于预测剩余使用寿命，无监督模型通过异常识别实现早期缺陷检测，而监督学习模型主要用于状态评估和退化追踪。更换规划、负荷降级、电芯均衡、

储能系统预测性维护的应用

预测性维护（PDM）是一种现代的资产管理方法，可预测设备故障的可能性，从而实现对设备维护计划的提前安排。总之，PDM理念取代了传统的故障维修和定期维修方式，减少了停机时间，降低了运营成本，并延长了资产的使用寿命[184]。借助机器学习（ML），PDM已升级到更高层次，并对多个行业产生了重大影响。这是一项

挑战与局限

要使储能系统发挥全部潜力，必须解决一系列挑战。储能系统预测性维护中最常见的问题和挑战包括：

储能系统预测性维护的未来方向

由于机器学习（ML）方法的应用，储能系统中的预测性维护（PdM）前景光明，可以显著提高系统的可靠性和效率。本节提出了若干重要建议，用于在储能系统中应用基于机器学习的方法进行预测性维护。图25展示了储能系统预测性维护的未来方向。

结论

总之，机器学习已成为改善储能系统（ESS）预测性维护的关键工具，提供了数据驱动的洞察，有助于早期问题检测、性能提升和系统可靠性。通过理解预测性维护原理，研究人员和工程师可以实施适当的机器学习方法，如监督学习、无监督学习和深度学习模型，从而高效地分析复杂的储能系统数据。

CRediT作者贡献声明

Muhammad Usman：撰写——原始草稿，可视化，验证，资源提供。Mihir Dutta：撰写——原始草稿，可视化，验证，资源提供。Rokibul Hasan：撰写——原始草稿，可视化，验证，资源提供。Samira Islam Rim：撰写——原始草稿，可视化，验证，资源提供。Zobair Al Mahmud：撰写——审查与编辑，撰写——原始草稿，可视化，验证，监督指导。Md Hosne Mobarak：可视化，验证，调查研究，

生成式人工智能及AI辅助技术在写作过程中的使用说明

本手稿未利用人工智能进行数据收集。

资助信息

本手稿未获得任何资助。

利益冲突声明

作者声明，他们不存在已知的可能影响本文所报告工作的经济利益冲突或个人关系。

致谢

我们对Dreamers Lab表示深深的感谢，感谢他们提供的宝贵支持和指导，这在塑造我们成为期望的专业研究人员的过程中发挥了关键作用。此外，我们感谢Dreamers Lab提供的持续技术支持，这对我们工作的成功起到了重要作用。

Muhammad Usman|Mihir Dutta|Rokibul Hasan|Samira Islam Rim|Zobair Al Mahmud|Md Hosne Mobarak|Faysal Ahamed Dewan Refati|Israfil Hossain Rimon