[发明专利]一种液流电池储能系统异常数据识别方法

权利要求书

1.一种液流电池储能系统异常数据识别方法，其特征在于，包括如下过程：

步骤1：数据合理化处理：确定参数取值的范围，确定参数取值的最小值和最大值，剔除小于最小值的数据，大于最大值的数据，剩余的数据为典型化数据；

步骤2：数据分段化处理：

步骤2.1：对典型测试数据进行曲线拟合；

步骤2.2：对拟合曲线求一阶导函数；

步骤2.3：求一阶导函数的跳跃间断点；

步骤2.4：以一阶导函数的跳跃间断点对应横坐标为间断点，将数据分段；

步骤2.5：将各段数据中数据点分别按照纵坐标值从大到小重新排列；

步骤2.6：保存各段数据；

步骤2.7：数据分段化处理结束；

步骤3：异常数据识别：

步骤3.1：将数据分段化处理过程产生的各段数据分别输入逆向云发生器；

步骤3.2：分别计算各段数据对应的熵值；

步骤3.3：对各段数据的熵值数据分别进行曲线拟合；

步骤3.4：分别求各段熵值数据拟合曲线的一阶导函数；

步骤3.5：分别求各段熵值数据拟合曲线一阶导函数的跳跃间断点；

步骤3.6：分别找到跳跃间断点横坐标对应各段熵值数据拟合曲线的熵值；

步骤3.7：将跳跃间断点横坐标对应各段熵值数据拟合曲线中较大的熵值作为该段熵值上阈值，将跳跃间断点横坐标对应各段熵值数据拟合曲线中较小的熵值作为该段熵值下阈值；

步骤3.8：分别判断各段数据对应各个熵值是否大于该段熵值上阈值，是则进入步骤3.9，否则进入步骤3.10；

步骤3.9：识别该熵值对应原始数据为异常小数据，进入步骤3.13；

步骤3.10：分别判断各段数据对应各个熵值是否小于该段熵值下阈值，是则进入步骤3.11，否则进入步骤3.12；

步骤3.11：识别该熵值对应原始数据为异常大数据，进入步骤3.13；

步骤3.12：识别该熵值对应原始数据为正常数据，进入步骤3.13；

步骤3.13：异常数据识别结束；

步骤4：数据整合及异常数据剔除：将各段数据按照时刻坐标从小到大进行重新排列整合，将识别出的异常数据剔除。

2.根据权利要求1所述一种液流电池储能系统异常数据识别方法，其特征在于，所述步骤3.2中各段数据对应的熵值计算包括以下步骤：

步骤3.2.1：计算数据的样本均值，计算公式：

步骤3.2.2：计算数据的二阶中心距，计算公式：

步骤3.2.3：计算数据的四阶中心距，计算公式：

步骤3.2.4：计算数据的熵值，计算公式：

步骤3.2.5：数据熵值计算结束。