[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

说明书

本发明公开了一种基于多层前馈神经网络的储能电站智能监测方法，涉及储能电站监测技术领域。本发明步骤如下：传感器在不同测点采集气体的浓度信号，形成三种气体浓度的时空矩阵；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；将去噪后的二维浓度矩阵在特定时间断面上进行插值并进行归一化处理得到三种气体的综合浓度指标；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。本发明通过监测三种热失控后主要气体的浓度变化实现电池组热失控的精确预警，并采用Hankel矩阵奇异值分解的方法，在滤波的同时也提高了信号处理的效率，快速计算出泄漏源位置。

技术领域

本发明属于储能电站监测技术领域，特别是涉及一种基于多层前馈神经网络的储能电站智能监测方法。

背景技术

目前，对为人类社会提供主要能源的传统化石能源的过度消费已经使其日渐枯竭，而且化石能源对环境有着显著的负面影响，因此改变现有不合理的能源结构已成为人类社会可持续发展面临的首要问题。当前国家大力倡导的风能、太阳能、潮汐能、地热能等均属于可再生清洁能源，由于其随机性、间歇性等特点，如果将其所产生的电能直接输入电网，会对电网产生很大的冲击.在这种形势下，发展高效便捷的储能技术以满足人类的能源需求成为世界范围内研究热点。

电化学储能系统具有安装方便灵活、响应速度快、可控性好等特点，可显著提高风、光等可再生能源的电网消纳能力，改善电能质量，平滑电网潮流，降低电力资产投资，在促进能源转型变革发展中具有重要作用。在各种材料的电池中，近年来，锂离子电池(LIBs)储能系统由于其高能量密度、大放电倍率和不断下降的成本等显著优点得以在全球各国电力行业中蓬勃发展。

然而，随着锂电池在储能领域的应用规模不断扩大，其安全问题也日益凸显，反映出了储能行业规模的高速发展并未使电池安全性能有相匹配的提升，因此，如何提高锂电池储能电站的安全性能已成为一项亟待解决的重要问题。

提高锂电池储能电站安全性的措施主要有研发更为安全的电池材料以及建立更为完备的电池状态监测体系两种，而前者受限于现有的材料技术的发展，从近年来的电化学储能事故来看，推动电池安全问题的解决、实现电池安全问题的可测、可控、可防，主要是通过建立更为完备的电池状态监测体系，现有的监测体系主要是通过传感器对电池组的电量和非电量进行监测，目的是及时发现电池异常状态，在电池达到热失控临界点之前发出预警信号并通过电池管理系统采取应急措施，这种方法结构简单，但由于泄漏时间、泄漏位置、周围环境等不确定性因素的存在，无法实现快速定位热失控源头，这对系统维护及事故处理十分不利。

发明内容

本发明的目的在于提供一种基于多层前馈神经网络的储能电站智能监测方法，通过监测三种热失控后主要气体的浓度变化实现电池组热失控的精确预警，解决了现有的储能电站监控力度不足、事故发现不及时的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于多层前馈神经网络的储能电站智能监测方法，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。

作为一种优选的技术方案，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：