[发明专利]锂离子电池储能电站主动式安全监测与预警方法及系统

权利要求书

1.一种锂离子电池储能电站主动式安全监测与预警方法，其特征在于，包括以下步骤：

第一步：模拟储能电站电池正常充放电过程及故障隐患发生过程，获取运行环境数据以及BMS采集的数据作为特征参数，建立原始样本数据库；

第二步：基于LM算法的BP神经网络建立各特征参数的局部决策模型，对原始样本数据库中的各特征参数维度进行归一化处理，得到各参数局部决策模型的样本数据库，并基于此对各参数的局部决策模型进行训练；

第三步：将各参数局部决策模型融合，建立基于LSTM算法的储能电池隐患综合预警模型，利用样本数据库对模型进行训练；

第四步：将采集到的实际现场数据，先通过各决策模型进行局部决策，当局部决策结果符合设定的异常标准时，将实际现场数据送入综合预警模型中进行综合预警决策，综合决策结果符合设定的异常标准时进行预警。

2.根据权利要求1所述的锂离子电池储能电站主动式安全监测与预警方法，其特征在于，所述第四步包括：将采集到的实际现场数据，对应送入各局部决策模型中进行局部决策，若各局部决策模型输出的结果均为正常，则储能电站电池运行正常，若存在≥1个局部决策模型输出异常，则将现场数据送入储能电池隐患综合预警模型中，进一步判断储能电站电池是否运行正常。

3.根据权利要求1或2所述的锂离子电池储能电站主动式安全监测与预警方法，其特征在于，所述LM算法包括：

设Y表示训练时各层权值与阈值构成的向量，通过调节Y达到学习的目的，设表现函数，为误差量，设调节量为∆Y；

；

其中，为雅克比矩阵，0且为常数，I为单位矩阵，E(Y)为误差组成的向量；=0时LM算法转换为具有近似高斯矩阵的高斯-牛顿法，当较大时则转换为接近小步长的梯度下降法；

如果训练成功则减小的值，若训练失败则增大的值。

4.根据权利要求1或2所述的锂离子电池储能电站主动式安全监测与预警方法，其特征在于，所述第一步中，所述运行环境数据主要为纳米微粒子浓度，除此之外还包括温度数据、湿度数据、CO浓度、H₂浓度、VOCs浓度中一种或多种。

5.根据权利要求1或2所述的锂离子电池储能电站主动式安全监测与预警方法，其特征在于，所述BMS采集的数据为锂离子电池运行状态的关键参量，如电池端电压、充放电电流、荷电状态、内阻等。

6.一种锂离子电池储能电站主动式安全监测与预警系统，用于实现如权利要求1-5任一所述的锂离子电池储能电站主动式安全监测与预警方法，其特征在于，包括在线监测端和服务器；

所述在线监测端，用于现场环境数据采集；

所述服务器，用于将采集到的实际现场数据，先通过各决策模型进行局部决策，当局部决策结果符合设定的异常标准时，将实际现场数据送入综合预警模型中进行综合预警决策，综合决策结果符合设定的异常标准时进行预警。

7.根据权利要求6所述的锂离子电池储能电站主动式安全监测与预警系统，其特征在于，所述服务器，还用于将采集到的实际现场数据，对应送入各局部决策模型中进行局部决策，若各局部决策模型输出的结果均为正常，则储能电站电池运行正常，若存在≥1个局部决策模型输出异常，则将现场数据送入储能电池隐患综合预警模型中，进一步判断储能电站电池是否运行正常。

8.根据权利要求6或7所述的锂离子电池储能电站主动式安全监测与预警系统，其特征在于，所述服务器，还用于将监测终端采集的运行环境数据与BMS采集的锂离子电池运行状态关键参量进行联合分析。

9.根据权利要求8所述的锂离子电池储能电站主动式安全监测与预警系统，其特征在于，所述服务器根据所述运行环境数据、BMS采集数据的数值大小、变化趋势等评估储能电站安全状况，得出安全状况评估结果。

10.根据权利要求9所述的锂离子电池储能电站主动式安全监测与预警系统，其特征在于，所述服务器根据所述局部决策模型的输出结果，结合所述安全状况评估结果，设定不同的预警级别。