[发明专利]一种储能系统电池插箱异常检测方法

说明书

本发明涉及一种储能系统电池插箱异常检测方法。方法包括以下步骤：对m个电池插箱历史温度数据进行预处理，得到其最大值、最小值、均方根值等n类特征数据，建立n维度的训练特征向量D；对待测电池插箱最近TIME时间段内的温度数据进行预处理，建立其测试特征向量D_test；K棵树共同组成期望分割森林模型；用测试特征向量遍历每一棵树，在对每一棵树遍历后，得到一个待测电池插箱的异常评分S；依据待测试电池插箱的异常评分S，将异常分为多个程度，安排各个电池插箱的检修计划。本发明避免了电池插箱异常检测误差过大的问题，因此在对异常状态检测时更为准确。

技术领域：

本发明涉及电池储能技术领域，具体涉及一种储能系统电池插箱异常检测方法。

背景技术：

在实际的电池储能系统运行中，储能电池插箱一旦异常运行，会在插箱内部发生剧烈的化学反应，使得插箱内部的产热远远大于散热，进而在插箱内部聚集大量的热造成热失控现象。而由于热失控现象甚至可能造成爆炸等严重后果，已经影响了储能系统的大规模推广使用，因此对异常状态进行检测，及时的发现储能电池插箱的异常运行并制定合理的检修计划的推进储能系统发展的重中之重。在工程领域，一种储能系统电池插箱异常检测方法已迫在眉睫。

发明内容：

本发明目的在于应对当前储能电池插箱检修计划制定困难的阻碍，希望使用基于期望分割森林模型的储能系统电池插箱异常检测方法。技术方案如下：

一种储能系统电池插箱异常检测方法，包括以下过程：

步骤1：采集m个电池插箱历史温度数据，在TIME的时间长度内，间隔时间Δt进行采样，得到其最大值、最小值、均方根值在内的n个特征数据，建立n维度的特征向量：

D_k＝[d_k，1，d_k，2，…，d_k，n]＝[T_min,T_max，…，T_RMS]，

m个电池插箱的训练特征向量组成森林的训练集D_train，D_train∈R^m×n，

待测电池插箱最近TIME时间长度内的温度数据进行预处理，建立其测试特征向量D_test，D_test∈R^Q×n；

步骤2：使用m个特征向量组成的训练集D_train建立K棵树，K棵树共同组成森林；

步骤3：用测试特征向量遍历每一棵树，在对每一棵树遍历后得到一个总的异常评分S；

步骤4：依据每一个电池插箱的异常评分S安排每个电池插箱的检修计划；具体如下：

异常评分S∈(0,X₁]时，判定储能插箱安全，运行无异常，可以承担满载的充放电任务；

异常评分S∈[X₁,X₂)时，判定电池插箱存在安全风险，需要相应减少其充放电任务，同时需要尽快安排检修计划；

异常评分S∈[X₂,X₃)时，判定电池插箱异常严重，安全风险十分严重，必须立刻停止运行进行检修。

优选方案之一，所述步骤1包括如下过程：

步骤1.1：采集电池插箱B_j时间长度为TIME，采样时间间隔为Δt的运行温度数据TEM_j＝{tem₁，…，tem_Z}，j＝1，…，m，Z＝TIME/Δt；