[发明专利]一种基于降噪自编码的锂电池储能系统监测方法及系统

说明书

本发明提供一种基于降噪自编码的锂电池储能系统监测方法及系统，方法包括：计算锂电池端电压分别与测量参数组和/或物理参数组中各参数之间的互信息值；基于所述互信息值构建数据样本；基于数据样本构建堆栈降噪自编码网络；基于回归方法，根据所述堆栈降噪自编码网络建立锂电池端电压的回归预测模型；根据所述堆栈降噪自编码网络和所述回归预测模型计算电池储能系统中锂电池端电压预测值；根据所述电池储能系统中锂电池端电压预测值判断是否告警。本发明利用自编码器自监督学习过程构建堆栈降噪自编码网络，挖掘特性变量间的深层联系，并进行降维处理，去除噪声以及冗余的特征变量。

技术领域

本发明涉及电池储能系统监测技术领域，特别是涉及一种基于降噪自编码的锂电池储能系统监测方法及系统。

背景技术

电池储能系统是一种电化学储能方式。锂电池在储能上的技术应用主要围绕在电网储能、基站备用电源、电动汽车光储式充电站等领域。

锂离子电池储能的工作原理为：当对电池进行充电时，电池的正极上有锂离子生成，生成的锂离子就会经过电解液运动到负极。而负极中碳呈层状结构，它有很多微孔，到达负极的锂离子就嵌入到碳层的微孔中，嵌入的锂离子越多，充电容量就越高。同样，当对电池进行放电时，嵌在负极碳层中的锂离子脱出，又运动回正极。回到正极的锂离子越多，放电容量就越高。

锂电池在储能领域具有很多优势，循环寿命长、能量密度相对较高、自放电率低、绿色环保等。近年来，随着电力的需求增加，电力系统的规模日益扩大，电网的复杂度也越来越大，同时，国家现在大力发展智能电网、可再生能源、分布式能源使得对储能技术的需求也日益增大，再加上国家大力支持储能的发展，提出加快大规模储能等技术等研发应用，锂电池储能系统也扮演着越来越重要的角色。但由于过充电或过放电等原因会对电池造成损伤，锂电池的健康状况不好、单体锂电池充电不均衡等因素会导致安全性出现问题，监测系统可以将这些问题发现出来并通过远端施加控制，提高储能系统的安全性和可靠性，但现有技术方案中并未公开过如何针对锂电池储能系统的锂电池进行监测，因此本领域亟需提供一种针对锂电池储能系统的锂电池进行监测方法。

发明内容

基于此，本发明的目的是提供一种基于降噪自编码的锂电池储能系统监测方法及系统，以实现实时监测锂电池储能系统。

为实现上述目的，本发明提供了一种基于降噪自编码的锂电池储能系统监测方法，所述方法包括：

步骤S1：计算锂电池端电压分别与测量参数组和/或物理参数组中各参数之间的互信息值；

步骤S2：基于所述互信息值构建数据样本；

步骤S3：基于数据样本构建堆栈降噪自编码网络；

步骤S4：基于回归方法，根据所述堆栈降噪自编码网络建立锂电池端电压的回归预测模型；

步骤S5：根据所述堆栈降噪自编码网络和所述回归预测模型计算电池储能系统中锂电池端电压预测值；

步骤S6：根据所述电池储能系统中锂电池端电压预测值判断是否告警。

可选地，所述基于数据样本构建堆栈降噪自编码网络，具体包括：

步骤S31：基于数据样本训练第一降噪自编码器；

步骤S32：将训练后的所述第一降噪自编码器的隐含层的输出作为第二降噪自编码器的输入层的输入，训练第二降噪自编码器；

步骤S33：将训练后的所述第一降噪自编码器和训练后的所述第二降噪自编码器进行堆叠，形成堆栈降噪自编码网络。

可选地，所述基于数据样本训练第一降噪自编码器，具体包括：

步骤S311：给定第一降噪自编码器输入层的初始化权重、神经元数量以及激活函数；