[发明专利]一种基于多层前馈神经网络的储能电站智能监测方法

权利要求书

1.一种基于多层前馈神经网络的储能电站智能监测方法，其特征在于，包括如下步骤：

步骤S1：多个传感器在不同测点的t₀时刻采集气体的浓度信号，形成三种气体浓度的时空矩阵；

步骤S2：将每个传感器的浓度时间序列构造对应的Hankel矩阵，再提取该矩阵的奇异值作为放电的特征值；

步骤S3：将去噪后的二维浓度矩阵在特定时间断面上进行插值，得到插值后二维浓度矩阵并进行归一化，最后得到三种气体的综合浓度指标；

步骤S4：将归一化后的数据作为测试集输入神经网络，通过输出的行号和列号判断泄露位置；所述步骤S3中，归一化处理的计算公式为：

式中，为第i行第j列的气体浓度传感器在t_n所监测到的归一化气体浓度，S_i，j为锂电池仓在二维平面上的投影面积；

并对三种气体的浓度在同一工况下的权重进行调整，得到综合气体浓度：

式中，W_CO、是三种气体的权重，分别为第i行第j列传感器所采集到的CO、CO₂、H₂三种气体浓度经归一化后的值。

2.根据权利要求1所述的一种基于多层前馈神经网络的储能电站智能监测方法，其特征在于，所述步骤S1中，多个传感器形成的三种气体浓度的时空矩阵公式为：

式中，x＝CO、CO₂或者H₂；表示位于m行n列的传感器在t₀时刻采集到的x气体的浓度。

3.根据权利要求2所述的一种基于多层前馈神经网络的储能电站智能监测方法，其特征在于，在所述储能电站中多个传感器呈M×N矩形分布，每个传感器在t₀～t_y-1时刻总共采集到y个浓度数据，具体公式为：

式中，x＝CO、CO₂或者H₂，表示位于i行j列的传感器在t₀时刻采集到的x气体的浓度。

4.根据权利要求1所述的一种基于多层前馈神经网络的储能电站智能监测方法，其特征在于，所述步骤S2中，Hankel矩阵为矩阵中每一条逆对角线的元素都相等的矩阵，提取时每一页矩阵中位于同一位置的元素构造成一维信号序列，公式为：

c＝[c_ij，t]_l×y；

式中，c为位于i行j列的传感器所采集到的浓度时间序列；

所述一维信号序列转换为Hankel矩阵的公式如下：

式中，当1ny,m＝y-n+1；当y为偶数时，n＝y/2否则n＝(y+1)/2。

5.根据权利要求1所述的一种基于多层前馈神经网络的储能电站智能监测方法，其特征在于，所述步骤S2中，奇异值的分解公式如下：

式中，矩阵U、V分别为m×m、n×n的正交矩阵，μ_i和v_i表示m、n维列向量；∑＝diag(λ₁,λ₂,...,λ_r)(,其中r＝min(m,n))，奇异值λ_i满足λ₁≥λ₂≥...≥λ_r＞0。

6.根据权利要求1所述的一种基于多层前馈神经网络的储能电站智能监测方法，其特征在于，所述步骤S3中，Hankel矩阵变换方法对原始浓度信号进行变换后，去噪采用低通滤波器滤除高频噪声，在通过逆变换恢复得到的去噪信号。