储能电站内锂电池组观测数据易受到噪声和故障异常值影响，导致电池单体异常检测困难。为解决此问题，本文以某储能电站的一个大规模电池组历史运维数据为研究对象,提出了一种基于鲁棒主成分分析(Robust Principal Component Analysis, RPCA)串联电池单体的异常检测方法。首先使用RPCA对单体电压观测数据进行极端降噪，得到了电池单体一致性基准充电状态曲线，可用于电池单体一致性评估，同时也解决了传感器输出的电池单体电压观测数据受到随机噪声影响；为进一步检测和识别异常电池单体，使用RPCA提取异常值成分，基于平均偏差(Mean Deviation)-3σ原则，利用高斯分布概率特征对电池单体进行集中筛选，获得出现故障的电池编号；最后使用不同的统计分布方法进行对比验证。