预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共24页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115952412A(43)申请公布日2023.04.11(21)申请号202210904219.9(22)申请日2022.07.29(71)申请人上海玫克生储能科技有限公司地址201600上海市松江区新桥镇千帆路288弄2号1101室(72)发明人丁鹏蔡宗霖吴炜坤任浩雯严晓赵恩海顾单飞郝平超宋佩陈晓华(74)专利代理机构上海弼兴律师事务所31283专利代理师李静罗朗(51)Int.Cl.G06F18/2135(2023.01)G06F17/16(2006.01)G06N20/00(2019.01)G06F18/214(2023.01)权利要求书2页说明书14页附图7页(54)发明名称储能电站的异常值检测方法、系统、设备和存储介质(57)摘要本发明提供一种储能电站的异常值检测方法、系统、设备和存储介质,异常值检测方法包括:获取电池箱的电压和温度的特征数据组成特征数据矩阵;计算得到特征数据矩阵的协方差矩阵;计算得到协方差矩阵的特征值和特征向量;基于特征值、特征向量和特征数据矩阵计算得到每一电池箱的异常分数;若异常分数大于阈值,则对应的电池箱存在异常。本发明通过主成分分析方法对电池箱的电压和温度的特征数据组成的特征数据矩阵进行降维处理,计算得到电池箱的特征数据在主成分特征上的偏离程度的异常分数和重构误差的异常分数,通过异常分数判断异常电池箱,实现了实时高效地检测出大规模电站的异常电池箱,提高了检测的时效性,提升了大规模电站的安全性。CN115952412ACN115952412A权利要求书1/2页1.一种储能电站的异常值检测方法,其特征在于,包括:获取电池箱的电压和温度的特征数据组成特征数据矩阵;计算得到所述特征数据矩阵的协方差矩阵;计算得到所述协方差矩阵的特征值和特征向量;基于所述特征值、所述特征向量和所述特征数据矩阵计算得到每一所述电池箱的异常分数;若所述异常分数大于阈值,则对应的所述电池箱存在异常。2.如权利要求1所述的储能电站的异常值检测方法,其特征在于,所述获取电池箱的电压和温度的特征数据组成特征数据矩阵,包括:获取所述储能电站的测量数据;基于所述测量数据对于每一所述电池箱提取所述特征数据。3.如权利要求2所述的储能电站的异常值检测方法,其特征在于,所述特征数据包括每一所述电池箱内单体的电压的平均值、最大值、最小值、标准差、偏度和峰度,以及每一所述电池箱内单体的温度的平均值、最大值、最小值、标准差、偏度和峰度。4.如权利要求1所述的储能电站的异常值检测方法,其特征在于,所述基于所述特征值、所述特征向量和所述特征数据矩阵计算得到每一所述电池箱的异常分数,包括:基于所述特征值、所述特征向量和所述特征数据矩阵计算得到每一所述电池箱的所述特征数据在所述特征向量上的偏离程度的异常分数和重构误差的异常分数;所述若所述异常分数大于阈值,则对应的所述电池箱存在异常,包括:若任一所述异常分数大于对应的阈值,则对应的所述电池箱存在异常。5.如权利要求4所述的储能电站的异常值检测方法,其特征在于,所述基于所述特征值、所述特征向量和所述特征数据矩阵计算得到每一所述电池箱的所述特征数据在所述特征向量上的偏离程度的异常分数,包括:对于每一所述特征向量,计算所述特征数据矩阵中的每一所述电池箱的所述特征数据在所述特征向量对应的方向上的偏离程度;计算在所有所述特征向量对应的方向上的偏离程度的总和得到所述偏离程度的异常分数。6.如权利要求4所述的储能电站的异常值检测方法,其特征在于,所述基于所述特征值、所述特征向量和所述特征数据矩阵计算得到每一所述电池箱的所述特征数据在所述特征向量上的重构误差的异常分数,包括:基于预设的k值、所述特征值和所述特征向量得到主成分矩阵;基于所述主成分矩阵将所述特征数据矩阵降维得到降维矩阵;将所述降维矩阵中的每一所述电池箱的降维后的所述特征数据基于所述主成分矩阵中对应的所述特征向量重构得到重构数据;对所述特征值进行所述k值的加权求和得到ev值;计算得到所述特征数据与所述重构数据的差值绝对值的总和;所述差值绝对值的总和乘以所述ev值得到所述重构误差的异常分数。7.如权利要求6所述的储能电站的异常值检测方法,其特征在于,所述基于预设的k值、所述特征值和所述特征向量得到主成分矩阵,包括:2CN115952412A权利要求书2/2页按照所述特征值从大到小的顺序,将所述特征值从左到右进行排列;将前k个所述特征值对应的特征向量组成所述主成分矩阵。8.一种储能电站的异常值检测系统,其特征在于,包括:特征数据获取模块、协方差计算模块、特征向量计算模块、异常分数计算模块和异常定位模块;所述特征数据获取模块用于获取电池箱的电压和温度的特征数据组成特征数据矩阵;所述协方差计算模块用于计算