[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

说明书

本发明涉及锂离子电池储能电站主动式安全监测与预警方法及系统，包括以下步骤：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；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；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；先建立各特征量的参数局部决策模型，再将各个局部决策模型融合建立储能电站电池隐患综合预警模型，预警结果更加可靠，提高了预警的准确率。

技术领域

本发明涉及电化学储能电站安全监测与预警技术领域，更具体地说，涉及一种锂离子电池储能电站主动式安全监测与预警方法及系统。

背景技术

随着能源问题的日益突出，锂离子电池储能电站的数量及规模在不断增长；由于技术发展、建设规模处于加速阶段，相关建设标准及管理规定并不完善，锂离子电池储能电站的安全防控问题也日益突出。

目前储能电站采用电池管理系统(BMS，Battery Management System)对锂离子电池本体进行在线监测，BMS通过对电池电压、电池电流、电池SOC、电池簇绝缘状态的实时监测，实现电池模块以及电池簇状态的管理与控制，保证电池的安全可靠运行；对于非电池本体的安全监测措施，目前多采用视频监控、温度监控以及烟雾监控来实现。然而BMS仅针对电池本体进行监控，当电池外部发生过热隐患时，BMS无法及时响应，仅当事态影响至电池事故后才进行动作，此时早已错过了最佳的处理时机，可能造成更大的损失；传统消防设施属于被动感知，事后处理，无法在线监测；温湿度、图像以及烟雾监测技术存在灵敏度差、容易误报等缺陷，属于被动感知，且无法做到在事故早期阶段进行预警；现有储能电站的安全监测措施仍有不足，不能综合的分析储能电站的安全运行状况。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种锂离子电池储能电站主动式安全监测与预警方法，还提供了一种锂离子电池储能电站主动式安全监测与预警系统。

本发明解决其技术问题所采用的技术方案是：

构造一种锂离子电池储能电站主动式安全监测与预警方法，其中，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。

本发明所述的锂离子电池储能电站主动式安全监测与预警方法，其中，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。

本发明所述的锂离子电池储能电站主动式安全监测与预警方法，其中，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；