CN113674497B - 一种带动态关联系数的火灾预警方法、系统和计算机设备 - Google Patents

一种带动态关联系数的火灾预警方法、系统和计算机设备 Download PDF

Info

Publication number
CN113674497B
CN113674497B CN202110877120.XA CN202110877120A CN113674497B CN 113674497 B CN113674497 B CN 113674497B CN 202110877120 A CN202110877120 A CN 202110877120A CN 113674497 B CN113674497 B CN 113674497B
Authority
CN
China
Prior art keywords
early warning
class
type
real
parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110877120.XA
Other languages
English (en)
Other versions
CN113674497A (zh
Inventor
朱勇
李国庆
叶林
刘明义
徐若晨
刘大为
曹曦
裴杰
曹传钊
汪琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaneng Clean Energy Research Institute
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Renewables Corp Ltd
Original Assignee
Huaneng Clean Energy Research Institute
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Renewables Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huaneng Clean Energy Research Institute, Huaneng Group Technology Innovation Center Co Ltd, Huaneng Renewables Corp Ltd filed Critical Huaneng Clean Energy Research Institute
Priority to CN202110877120.XA priority Critical patent/CN113674497B/zh
Publication of CN113674497A publication Critical patent/CN113674497A/zh
Application granted granted Critical
Publication of CN113674497B publication Critical patent/CN113674497B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Alarm Systems (AREA)

Abstract

本申请提出一种带动态关联系数的火灾预警方法、系统和计算机设备，其中，该方法包括获取目标设备的至少一个一类预警参数、第一当前运行值、第一安全运行上限值、第一安全运行下限值、第一运行上限极值和第一运行下限极值；根据上述步骤获取的信息确定与每个一类预警参数相匹配的一类实时关联性系数和一类系统评分；根据至少一个的一类预警参数，确定二类预警参数；根据一类预警参数的带关联性系数评分和二类预警参数的带关联性系数评分，确定目标设备的着火概率。上述方案能在目标设备运行过程中，根据实时可调的一类实时关联性系数确定各个预警参数对目标设备的影响程度，降低火灾事故的发生概率。

Description

一种带动态关联系数的火灾预警方法、系统和计算机设备
技术领域
本申请涉及电池储能安全分析技术领域，特别涉及一种带动态关联系数的火灾预警方法、系统和计算机设备。
背景技术
随着新能源的大力发展，其发电过程的波动性、随机性对电力系统安全稳定运行提出重大挑战。储能作为一种可实现调峰调频、降低电力系统运行风险的技术，必将在“3060”政策背景下发挥重大作用。诸多储能技术中，电池储能技术是储能领域重要的一个分支。目前，电池储能技术基本成熟，但现有技术对电池着火预测不准确，常有着火的安全事故发生。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种带动态关联系数的火灾预警方法，通过兼顾可直接采集测量参数和不能直接采集测量的参数的火灾预警因素来提高对目标设备进行预测的准确性，以实现降低火灾事故的发生概率。
本申请的第二个目的在于提出一种火灾预警系统。
本申请的第三个目的在于提出一种计算机设备。
为达到上述目的，本申请第一方面实施例提出了一种带动态关联系数的火灾预警方法，包括：
获取目标设备的至少一个一类预警参数，和与每个所述一类预警参数匹配的第一当前运行值、第一安全运行上限值、第一安全运行下限值、第一运行上限极值和第一运行下限极值，其中，所述一类预警参数为可直接采集测量的参数；
根据所述第一当前运行值、所述第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值，确定与每个所述一类预警参数相匹配的一类实时关联性系数和一类系统评分；
根据至少一个所述的一类预警参数，确定所述二类预警参数；
根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率。
可选地，在本申请的一个实施例中，所述一类预警参数包括但不限于电压、电流、温度和形变中的一种或者多种，所述二类预警参数包括但不限于内阻增加、容量衰减、健康状态、SEI膜和枝晶状态中的一种或者多种。
可选地，在本申请的一个实施例中，所述根据所述第一当前运行值、所述第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值，确定与每个所述一类预警参数相匹配的一类实时关联性系数，包括：
当所述第一当前运行值小于所述第一安全运行上限值时，通过下式确定所述一类实时关联性系数：
Figure BDA0003190751230000021
其中，ai为第i个一类预警参数的一类实时关联性系数，Pi5为第一当前运行值，Pi1为第一安全运行下限值，Pi3为第一运行下限极值；
当所述第一当前运行值大于所述第一安全运行上限值时，通过下式确定所述一类实时关联性系数：
Figure BDA0003190751230000022
其中，ai为第i个一类预警参数的一类实时关联性系数，Pi5为第一当前运行值，Pi2为第一安全运行上限值，Pi4为第一运行上限极值。
可选地，在本申请的一个实施例中，在所述确定与每个所述一类预警参数相匹配的一类实时关联性系数之后，还包括：
根据至少一个所述一类实时关联性系数确定与所述二类预警参数匹配的二类实时关联性系数，其中，通过下式获取所述二类实时关联性系数：
bk＝α1·ai+α2·aj+α3·ag+....+αNat
其中，bk为与二类预警参数对应的二类实时关联性参数，ai为与第一个一类预警参数对应的一类实时关联性参数；aj为与第二个一类预警参数对应的一类实时关联性参数，ag为与第三个一类预警参数对应的一类实时关联性参数，...，at为与第三个一类预警参数对应的一类实时关联性参数，α1、α2、α3、...和αN为在极限情况下，二类预警参数与N个一类预警参数的对应关系调节系数。
可选地，在本申请的一个实施例中，在根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率之前，还包括：
根据所述一类实时关联性系数和所述一类系统评分确定所述一类预警参数的带关联性系数评分；
确定与所述二类预警参数相匹配的二类实时关联性系数和二类系统评分，并根据所述二类实时关联性系数和所述二类系统评分确定所述二类预警参数的带关联性系数评分。
可选地，在本申请的一个实施例中，在根据所述一类实时关联性系数和所述一类系统评分确定所述一类预警参数的带关联性系数评分中，通过下述公式获取所述一类预警参数的带关联性系数评分：
Gi＝ai·Xi
其中，Gi为与第i个一类预警参数匹配的带关联性系数评分，ai为与第i个一类预警参数匹配的一类实时关联性系数，Xi为与第i个一类预警参数匹配的一类系统评分；
在根据所述二类实时关联性系数和所述二类系统评分确定所述二类预警参数的带关联性系数评分中，通过下述公式获取所述二类预警参数的带关联性系数评分：
Gj＝bj·Yj
其中，Gj为与第j个二类预警参数匹配的带关联性系数评分，bj为与第j个二类预警参数匹配的二类实时关联性系数，Yj为与第j个二类预警参数匹配的二类系统评分。
可选地，在本申请的一个实施例中，在所述根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率中，通过下式获取所述目标设备的着火概率：
Figure BDA0003190751230000041
其中，η为目标设备的着火概率，m为一类预警参数的总个数，n为二类预警参数的总个数，Z为各预警参数评分制的总分值。
本申请第一方面实施例提出的带动态关联系数的火灾预警方法，通过获取目标设备的一类预警参数，一类预警参数为可直接采集测量的参数；根据一类预警参数确定二类预警参数，二类预警参数为不可直接采集测量的参数；根据一类预警参数的带关联性系数评分和二类预警参数的带关联性系数评分，确定目标设备的着火概率。由此可知，本申请实施例通过兼顾可直接采集测量参数和不能直接采集测量的参数的火灾预警因素来提高对目标设备进行预测的准确性，以实现降低火灾事故的发生概率。
为达到上述目的，本申请第二方面实施例提出了一种火灾预警系统，所述系统包括：
获取模块，用于获取目标设备的至少一个一类预警参数，和与每个所述一类预警参数匹配的第一当前运行值、第一安全运行上限值、第一安全运行下限值、第一运行上限极值和第一运行下限极值，其中，所述一类预警参数为可直接采集测量的参数；
第一确定模块，用于根据所述第一当前运行值、所述第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值，确定与每个所述一类预警参数相匹配的一类实时关联性系数和一类系统评分；
第二确定模块，用于根据至少一个所述的一类预警参数，确定所述二类预警参数；
第三确定模块，用于根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率。
可选地，在本申请的一个实施例中，所述第三确定模块，还用于：
根据所述一类实时关联性系数和所述一类系统评分确定所述一类预警参数的带关联性系数评分；
确定与所述二类预警参数相匹配的二类实时关联性系数和二类系统评分，并根据所述二类实时关联性系数和所述二类系统评分确定所述二类预警参数的带关联性系数评分。
为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现本申请第一方面实施例所述的带动态关联系数的火灾预警方法。
综上，本申请实施例提出的带动态关联系数的火灾预警方法、系统和计算机设备，通过获取与目标设备的一类预警参数相关的第一当前运行值、第一安全运行上限值、第一安全运行下限值、第一运行上限极值和第一运行下限极值信息，确定当前实时的一类实时关联性系数，再根据至少一个一类实时关联性系数和一类系统评分确定二类预警参数；最后根据一类预警参数的带关联性系数评分和二类预警参数的带关联性系数评分，确定目标设备的着火概率。由此可知，采用上述方案的本申请实施例能在目标设备运行过程中，根据实时可调的一类实时关联性系数确定各个预警参数对目标设备的影响程度，降低火灾事故的发生概率。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例1所提供的一种带动态关联系数的火灾预警方法的流程图；
图2为本申请实施例2所提供的一种带动态关联系数的火灾预警方法的流程图；
图3为本申请实施例2中由两个一类实时关联性系数确定二类实时关联系数的示意图；
图4为本申请实施例2中一种火灾预警评分方法的示意图；以及
图5为本申请实施例3所提供的一种火灾预警系统的结构示意图。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
随着新能源的大力发展，其发电过程的波动性、随机性对电力系统安全稳定运行提出重大挑战，储能作为一种可实现调峰调频、降低电力系统运行风险的技术，必将在“3060”政策背景下发挥重大作用，诸多储能技术中，电池储能技术是储能领域重要的一个分支。虽然电池储能技术基本成熟，但常有着火的安全事故发生。
目前，为了降低电池着火引发的事故频率，通常通过分析可直接采集测量参数来对电池储能设备的着火概率进行预测，若大于预先设定的阈值，则发出火灾预警预报。然而，由于电池储能系统运行过程是一个复杂的物理和化学交织的过程，电压、电流、温度、形变等参数可以通过传感器探测出来，但部分表征电池内部本征的参数(如内阻增加、容量衰减、健康状态等)并不能通过直接测量得到。这些不能直接测量的量与诸多可测量参数有关，通过科学的分析计算可以发现，当所有可测量的参数都处于阈值范围之内时，不可测量的参数有些已经处于异常范围，即运行数据产生了相关性异常。
此外，各可测量的量和不可测量的量在电站运行过程中，对目标设备着火概率起到的影响程度不同，即各火灾预警因素的关联性是动态变化的。基于上述分析，本申请实施例提供一种带动态关联系数的火灾预警方法、系统和计算机设备，可在电芯运行过程中，根据各种参数变化，准确算出一类参数、二类参数对电芯着火与否的动态影响程度，给出动态关联系数，提高电池储能电站火灾预警模型精度进而实现降低火灾事故的发生概率。下面参考附图描述本申请实施例的带动态关联系数的火灾预警方法和系统。
实施例1
图1为本申请实施例所提供的一种带动态关联系数的火灾预警方法的流程图。
如图1所示，本申请实施例提供的一种带动态关联系数的火灾预警方法，包括：
步骤S110，获取目标设备的至少一个一类预警参数，和与每个所述一类预警参数匹配的第一当前运行值、第一安全运行上限值、第一安全运行下限值、第一运行上限极值和第一运行下限极值，其中，所述一类预警参数为可直接采集测量的参数；
在本申请实施例中，将各项参数按照可直接采集测量和不能直接采集测量划分为一类参数和二类参数，两类参数均为与电池着火相关因素，两类参数数量根据实际情况而定。
对于一类预警参数，主要包括电压、电流、温度、形变等与电芯(目标设备)着火有关的参数的量，将上述可直接测量的参数作为一类预警参数，本申请实施例包括但不限于上述举出的例子。
步骤S120，根据所述第一当前运行值、所述第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值，确定与每个所述一类预警参数相匹配的一类实时关联性系数和一类系统评分。
本申请实施例中的第一当前运行值根据传感器直接采集，所述第一安全运行上限值和所述第一安全运行下限值根据设备出厂时铭牌上信息获得，而第一运行上限极值和所述第一运行下限极值通过实验室或工程测量获得。具体而言，本申请实施例中通过实验室或工程测量获得第一运行上限极值和所述第一运行下限极值，需要在单一条件下获取，当第一当前运行值达到第一运行上限极值或所述第一运行下限极值时，电芯会发生火灾或发生无法逆传劣化。
当一类预警参数的第一当前运行值处于安全运行范围(小于第一安全运行上限值，且大于所述第一安全运行下限值)内时，这该参数对电芯安全风险是0；当一类预警参数超出安全运行范围内时，该参数对电芯安全风险不为0，此时根据第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值确定与一类预警参数对应的一类实时关联性系数。
步骤S130，根据至少一个所述的一类预警参数，确定所述二类预警参数，例如，内阻增加、容量衰减、健康状态、SEI膜和枝晶状态等参数，将上述参数作为二类预警参数，本申请实施例包括但不限于上述举例。
其中，根据设备出厂时铭牌上信息获得与所述二类预警参数对应的第二安全运行上限值和所述第二安全运行下限值；根据与一个或多个一类预警参数的第一当前运行值确定与二类预警参数对应的第二当前运行值；根据与一个或多个一类预警参数对应的第一运行上限极值和所述第一运行下限极值，确定与二类预警参数对应的第二运行上限极值和所述第二运行下限极值，即该二类预警参数和与其相关的一类预警参数具有对应关系。
具体而言，根据一个或多个一类预警参数，和与一个或多个一类预警参数对应的一类系统评分，确定所述二类预警参数；当二类预警参数处于安全运行范围内时，该二类预警参数对电芯安全风险是0，当电芯发生火灾或发生无法逆传劣化时，该二类预警参数和与其相关的一类参数具有对应关系。
另外，本申请实施例可以运用相关算法对一个或多个一类参数进行计算，以确定与电芯着火相关的二类预警参数，关于算法的选择，可以根据预警参数、数据质量等的特性来选用最适合的算法，包括但不限于通过隔离森林、支持向量机的算法来确定二类预警参数。
步骤S140，根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率。
在本申请实施例中，根据一类预警参数的第一当前运行值和相关信息，确定与一类预警参数对应的一类实时关联性系数，再根据一个或多个一类实时关联性系数确定二类预警参数的二类实时关联性系数，基于一类预警参数和二类预警参数的相关信息，分别确定与其对应的带关联性系数评分，最后根据一类预警参数的带关联性系数评分和二类预警参数的带关联性系数评分，确定目标设备的着火概率，当着火概率大于等于预设值时进行火灾预警，即，向相关负责人发出警告，以提醒采取应对措施，避免引电池储能设备着火引发的火灾事故。
另外，针对当所有可测量的参数都处于阈值范围之内时，因不可测量参数处于异常范围，即运行数据产生了相关性异常引起的电芯着火的问题，本申请实施例通过传感器采集可测量的参数的相关信息，如温度、电压等一类预警参数，计算获取与可测量参数和电芯着火相关的不可直测的参数，即二类预警参数的方案来解决上述问题。
综上，本申请实施例的带动态关联系数的火灾预警方法，在目标设备运行过程中，根据实时可调的一类实时关联性系数确定各个预警参数对目标设备的影响程度，降低火灾事故的发生概率。
实施例2
图2为本申请实施例所提供的一种带动态关联系数的火灾预警方法的流程图。
如图2所示，本申请实施例提供的一种带动态关联系数的火灾预警方法，包括：
步骤210，获取目标设备的至少一个一类预警参数，和与每个所述一类预警参数匹配的当前运行值、安全运行上限值、安全运行下限值、运行上限极值和运行下限极值，其中，所述一类预警参数为可直接采集测量的参数。
步骤220，根据所述当前运行值、所述安全运行上限值、所述安全运行下限值、所述运行上限极值和所述运行下限极值，确定与每个所述一类预警参数相匹配的实时一类实时关联性系数和一类系统评分；其中，各个可直接测量的参数可以按照相同评分制度进行评分，记为一类系统评分，如百分制，根据各参数对着火影响大小，确定相对应的一类实时关联性系数。
步骤230，根据至少一个所述的实时一类实时关联性系数和一类系统评分，确定所述二类预警参数；
步骤240，根据一类实时关联性系数和一类系统评分确定一类预警参数的带关联性系数评分。
具体地，在本申请实施例中，可以通过下式计算获取一类预警参数的带关联性系数评分：
Gi＝ai·Xi
其中，Gi为与第i个一类预警参数匹配的带关联性系数评分，ai为与第i个一类预警参数匹配的一类实时关联性系数，Xi为与第i个一类预警参数匹配的一类系统评分。
换言之，由于一类实时关联性系数是根据各类参数对着火影响的大小确定的，在本申请实施例中，将一类实时关联性系数与一类带关联性系数评分的乘机作为一类预警参数的带关联性系数评分。
步骤250，确定与二类预警参数相匹配的第二类关联系数和二类系统评分，并根据第二类关联系数和二类系统评分确定二类预警参数的带关联性系数评分。
具体地，在本申请实施例中，可以通过下式计算获取一类预警参数的带关联性系数评分：
Gj＝bj·Yj
其中，Gj为与第j个二类预警参数匹配的带关联性系数评分，bj为与第j个二类预警参数匹配的二类实时关联性系数，Yj为与第j个二类预警参数匹配的二类系统评分。
换言之，本申请实施例中的二类实时关联性系数是根据上述不可直测量参数对着火影响的大小确定的，二类系统评分是根据一类实时关联性系数和一类系统评分确定的，其中，将二类实时关联性系数与二类带关联性系数评分的乘机作为二类预警参数的带关联性系数评分。
步骤260，根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率。
进一步地，在本申请实施例中，如3所示，所述根据所述第一当前运行值、所述第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值，确定与每个所述一类预警参数相匹配的一类实时关联性系数，包括：
当所述第一当前运行值小于所述第一安全运行上限值时，通过下式确定所述一类实时关联性系数：
Figure BDA0003190751230000111
其中，ai为第i个一类预警参数的一类实时关联性系数，Pi5为第一当前运行值，Pi1为第一安全运行下限值，Pi3为第一运行下限极值；
当所述第一当前运行值大于所述第一安全运行上限值时，通过下式确定所述一类实时关联性系数：
Figure BDA0003190751230000121
其中，ai为第i个一类预警参数的一类实时关联性系数，Pi5为第一当前运行值，Pi2为第一安全运行上限值，Pi4为第一运行上限极值。
进一步地，在本申请实施例中，根据至少一个所述一类实时关联性系数确定与所述二类预警参数匹配的二类实时关联性系数。
其中，当二类预警参数由一种一类参数确定时，可以根据下述公式获取与所述二类预警参数匹配的二类实时关联性系数：
bk＝α1·ai
其中，bk为与二类预警参数对应的二类实时关联性参数，ai为与第一个一类预警参数对应的一类实时关联性参数，根据极限情况，可计算出该二类参数与这一个一类参数的对应关系，即可算出α1。
当二类预警参数由两种一类参数确定时，可以根据下述公式获取与所述二类预警参数匹配的二类实时关联性系数：
bk＝α1·ai+α2·aj
其中，bk为与二类预警参数对应的二类实时关联性参数，ai为与第一个一类预警参数对应的一类实时关联性参数；aj为与第二个一类预警参数对应的一类实时关联性参数，根据极限情况，可计算出该二类参数与这两个一类参数的对应关系，即可算出α1和α2。
当二类预警参数由三种一类参数确定时，可以根据下述公式获取与所述二类预警参数匹配的二类实时关联性系数：
bk＝α1·ai+α2·aj+α3·ag
其中，bk为与二类预警参数对应的二类实时关联性参数，ai为与第一个一类预警参数对应的一类实时关联性参数；aj为与第二个一类预警参数对应的一类实时关联性参数，ag为与第三个一类预警参数对应的一类实时关联性参数，根据极限情况，可计算出该二类参数与这两个一类参数的对应关系，即可算出α1、α2和α3。
当二类预警参数由N种一类参数确定时，可以根据下述公式获取与所述二类预警参数匹配的二类实时关联性系数：
bk＝α1·ai+α2·aj+α3·ag+....+αNat
其中，bk为与二类预警参数对应的二类实时关联性参数，ai为与第一个一类预警参数对应的一类实时关联性参数；aj为与第二个一类预警参数对应的一类实时关联性参数，ag为与第三个一类预警参数对应的一类实时关联性参数，...at为与第N个一类预警参数对应的一类实时关联性参数，根据极限情况，可计算出该二类参数与这两个一类参数的对应关系，即可算出α1、α2、α3、...和αN。
针对上述举例，对于非极限情况，亦可通过该二类预警参数相关的一类预警参数计算出该二类预警参数火灾概率关联系数的动态值，关于其他情形，本申请实施例不一而足。
通过上述算法计算，各参数的火灾预警系数之和可能超过100％，为准确表征各系数代表的参数对电芯着火概率的影响，需要对各系数进行归一化处理。以一类预警参数的一类实时关联性系数ai为例，其为一类预警参数的一类系统评分Xi的系数，归一化后的ai'为：
Figure BDA0003190751230000131
其中n、m分别表示一类和二类预警参数的个数。
进一步地，本申请的一个实施例中，根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率具体包括以下步骤：
在本申请实施例中，每个二类预警参数可能与一个或若干个一类预警参数有关，其中，若一类预警参数若和电芯着火直接相关，则其系数大于0，若和电芯着火不直接相关，只是用于计算获取二类预警参数，则将第一类系数为0。
无论一类关联性系数是否与电芯着火直接相关，第一类关联系数和第二类关联系数的累加值为100％，即
Figure BDA0003190751230000141
将一类预警参数的带关联性系数评分和二类预警参数的带关联性系数评分进行叠加，其叠加和为目标设备火灾预警总评分，即电芯火灾预警总评分，其中，电芯火灾预警总评分为电芯的安全性指标，其数值越大，电芯的安全性越高。
基于上述电芯火灾预警总评分，结合各参数评分制的总分值，可得到电芯的着火概率，本申请实施例步骤S240中的目标设备的着火概率，可以通过下式计算获得：
Figure BDA0003190751230000142
其中，η为目标设备的着火概率，m为一类预警参数的总个数，n为二类预警参数的总个数，Z为各预警参数评分制的总分值，当采用百分制时，Z＝100，本申请实施例包括但不限于百分制。
为了便于本领域技术人员更好的理解本申请实施例，现结合图4具体说明，详情如下：
如图4所示，一类预警参数1和二类预警参数2均为与电池着火相关因素，两类参数数量根据实际情况而定。
对于一类预警参数1，主要包括电压、电流、温度、形变等，每个参数按相同评分制度进行评分，即Xi，如百分制。根据各参数对着火影响大小，确定一类实时关联性系数ai，其中一类实时关联性系数与二类系统评分的乘积(ai·Xi)为一类预警参数的带关联性系数评分3。
对于二类预警参数2，主要因为不能直接采集测量，需要通过一类预警参数1计算获取，通过一定智能算法计算出二类预警参数的评分Yj，再结合二类预警参数2对电芯着火影响大小的第二关联性系数bj，其二者乘积(bj·Yj)为二类预警参数的带关联性系数评分4。每个二类预警参数2可能与一个或若干个一类预警参数1有关，相关的一类预警参数1若和电芯着火直接相关，则其系数大于0，若和电芯着火不直接相关，只是用于计算二类参数2，则其系数为0。
一类预警参数1和二类预警参数2的关联性系数累加值为100％，将一类预警参数的带关联性系统评分3、二类预警参数的带关联性系数评分4累加，即为电芯火灾预警总评分，该预警总评分为电芯的安全性指标，数值越大，安全性越高。
基于该火灾预警总评分，结合各参数评分制的总分值，可得到电芯的着火概率，即：
Figure BDA0003190751230000151
上式中，Z为各参数评分制的总分值，当采用百分制时，Z为100。
综上，本申请实施例的带动态关联系数的火灾预警方法，由于采用电池储能电站火灾预警因素关联系数动态调节方法，可在电芯运行过程中，根据各种参数变化，准确算出一类预警参数、二类预警参数对电芯着火与否的动态影响程度，给出动态关联系数，最大化准确表征电芯的火灾预警状态，使得电池储能电站火灾预警模型更科学，更合理。
实施例3
图5为本申请实施例所提供的一种火灾预警系统的结构示意图。
如图5所示，本申请提供的一种火灾预警系统，包括：
获取模块10，用于获取目标设备的至少一个一类预警参数，和与每个所述一类预警参数匹配的第一当前运行值、第一安全运行上限值、第一安全运行下限值、第一运行上限极值和第一运行下限极值，其中，所述一类预警参数为可直接采集测量的参数；
第一确定模块20，用于根据所述第一当前运行值、所述第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值，确定与每个所述一类预警参数相匹配的一类实时关联性系数和一类系统评分；
第二确定模块30，用于根据至少一个所述的一类预警参数，确定所述二类预警参数；
第三确定模块40，用于根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率。
进一步地，在本申请的一个实施例中，所述第三确定模块，还用于：
根据所述一类实时关联性系数和所述一类系统评分确定所述一类预警参数的带关联性系数评分；
确定与所述二类预警参数相匹配的二类实时关联性系数和二类系统评分，并根据所述二类实时关联性系数和所述二类系统评分确定所述二类预警参数的带关联性系数评分。
综上，本申请实施例提供的火灾预警系统，在目标设备运行过程中，根据实时可调的一类实时关联性系数确定各个预警参数对目标设备的影响程度，降低火灾事故的发生概率。
为了实现上述实施例，本申请还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述实施例的带动态关联系数的火灾预警方法。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种带动态关联系数的火灾预警方法，其特征在于，所述方法包括：
获取目标设备的至少一个一类预警参数，和与每个所述一类预警参数匹配的第一当前运行值、第一安全运行上限值、第一安全运行下限值、第一运行上限极值和第一运行下限极值，其中，所述一类预警参数为可直接采集测量的参数；
根据所述第一当前运行值、所述第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值，确定与每个所述一类预警参数相匹配的一类实时关联性系数和一类系统评分，其中，当所述第一当前运行值小于所述第一安全运行上限值时，通过下式确定所述一类实时关联性系数：
Figure FDA0003834864910000011
其中，ai为第i个一类预警参数的一类实时关联性系数，Pi5为第一当前运行值，Pi1为第一安全运行下限值，Pi3为第一运行下限极值，
当所述第一当前运行值大于所述第一安全运行上限值时，通过下式确定所述一类实时关联性系数：
Figure FDA0003834864910000012
其中，ai为第i个一类预警参数的一类实时关联性系数，Pi5为第一当前运行值，Pi2为第一安全运行上限值，Pi4为第一运行上限极值；
根据至少一个所述的一类预警参数，确定二类预警参数；
根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率。
2.如权利要求1所述的方法，其特征在于，所述一类预警参数包括但不限于电压、电流、温度和形变中的一种或者多种，所述二类预警参数包括但不限于内阻增加、容量衰减、健康状态、SEI膜和枝晶状态中的一种或者多种。
3.如权利要求1所述的方法，其特征在于，在所述确定与每个所述一类预警参数相匹配的一类实时关联性系数之后，还包括：
根据至少一个所述一类实时关联性系数确定与所述二类预警参数匹配的二类实时关联性系数，其中，通过下式获取所述二类实时关联性系数：
bk＝α1·ai+α2·aj+α3·ag+....+αNat
其中，bk为与二类预警参数对应的二类实时关联性参数，ai为与第一个一类预警参数对应的一类实时关联性参数；aj为与第二个一类预警参数对应的一类实时关联性参数，ag为与第三个一类预警参数对应的一类实时关联性参数，...，at为与第N个一类预警参数对应的一类实时关联性参数，α1、α2、α3、...和αN为在极限情况下，二类预警参数与N个一类预警参数的对应关系调节系数。
4.如权利要求3所述的方法，其特征在于，在根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率之前，还包括：
根据所述一类实时关联性系数和所述一类系统评分确定所述一类预警参数的带关联性系数评分；
确定与所述二类预警参数相匹配的二类实时关联性系数和二类系统评分，并根据所述二类实时关联性系数和所述二类系统评分确定所述二类预警参数的带关联性系数评分。
5.如权利要求4所述的方法，其特征在于，在根据所述一类实时关联性系数和所述一类系统评分确定所述一类预警参数的带关联性系数评分中，通过下述公式获取所述一类预警参数的带关联性系数评分：
Gi＝ai·Xi
其中，Gi为与第i个一类预警参数匹配的带关联性系数评分，ai为与第i个一类预警参数匹配的一类实时关联性系数，Xi为与第i个一类预警参数匹配的一类系统评分；
在根据所述二类实时关联性系数和所述二类系统评分确定所述二类预警参数的带关联性系数评分中，通过下述公式获取所述二类预警参数的带关联性系数评分：
Gj＝bj·Yj
其中，Gj为与第j个二类预警参数匹配的带关联性系数评分，bj为与第j个二类预警参数匹配的二类实时关联性系数，Yj为与第j个二类预警参数匹配的二类系统评分。
6.如权利要求5所述的方法，其特征在于，在所述根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率中，通过下式获取所述目标设备的着火概率：
Figure FDA0003834864910000031
其中，η为目标设备的着火概率，m为一类预警参数的总个数，n为二类预警参数的总个数，Z为各预警参数评分制的总分值。
7.一种火灾预警系统，其特征在于，所述系统包括：
获取模块，用于获取目标设备的至少一个一类预警参数，和与每个所述一类预警参数匹配的第一当前运行值、第一安全运行上限值、第一安全运行下限值、第一运行上限极值和第一运行下限极值，其中，所述一类预警参数为可直接采集测量的参数；
第一确定模块，用于根据所述第一当前运行值、所述第一安全运行上限值、所述第一安全运行下限值、所述第一运行上限极值和所述第一运行下限极值，确定与每个所述一类预警参数相匹配的一类实时关联性系数和一类系统评分，其中，当所述第一当前运行值小于所述第一安全运行上限值时，通过下式确定所述一类实时关联性系数：
Figure FDA0003834864910000032
其中，ai为第i个一类预警参数的一类实时关联性系数，Pi5为第一当前运行值，Pi1为第一安全运行下限值，Pi3为第一运行下限极值，
当所述第一当前运行值大于所述第一安全运行上限值时，通过下式确定所述一类实时关联性系数：
Figure FDA0003834864910000041
其中，ai为第i个一类预警参数的一类实时关联性系数，Pi5为第一当前运行值，Pi2为第一安全运行上限值，Pi4为第一运行上限极值；
第二确定模块，用于根据至少一个所述的一类预警参数，确定二类预警参数；
第三确定模块，用于根据所述一类预警参数的带关联性系数评分和所述二类预警参数的带关联性系数评分，确定所述目标设备的着火概率。
8.如权利要求7所述的系统，其特征在于，所述第三确定模块，还用于：
根据所述一类实时关联性系数和所述一类系统评分确定所述一类预警参数的带关联性系数评分；
确定与所述二类预警参数相匹配的二类实时关联性系数和二类系统评分，并根据所述二类实时关联性系数和所述二类系统评分确定所述二类预警参数的带关联性系数评分。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现如权利要求1-6中任一所述的方法。
CN202110877120.XA 2021-07-31 2021-07-31 一种带动态关联系数的火灾预警方法、系统和计算机设备 Active CN113674497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110877120.XA CN113674497B (zh) 2021-07-31 2021-07-31 一种带动态关联系数的火灾预警方法、系统和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110877120.XA CN113674497B (zh) 2021-07-31 2021-07-31 一种带动态关联系数的火灾预警方法、系统和计算机设备

Publications (2)

Publication Number Publication Date
CN113674497A CN113674497A (zh) 2021-11-19
CN113674497B true CN113674497B (zh) 2022-11-15

Family

ID=78541103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110877120.XA Active CN113674497B (zh) 2021-07-31 2021-07-31 一种带动态关联系数的火灾预警方法、系统和计算机设备

Country Status (1)

Country Link
CN (1) CN113674497B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4435698A (en) * 1980-06-11 1984-03-06 Hekatron Gmbh Circuit arrangement for the transmission of measurements to a central, especially in a fire alarm system
CN101416330A (zh) * 2003-10-14 2009-04-22 布莱克和戴克公司 二次电池的保护方法、保护电路和保护器件、电动工具、充电器和适合在电池组中提供保护以防故障状况的电池组
CN107633354A (zh) * 2017-09-08 2018-01-26 国家电网公司 一种站用直流系统运行状态健康程度的综合评价方法
CN111353704A (zh) * 2020-02-28 2020-06-30 广州极飞科技有限公司 电池模块的评估方法、装置、存储介质及电子设备
CN111915853A (zh) * 2020-06-15 2020-11-10 西安交通大学 一种具有联动特性的储能站安全态势评估及预警系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4344269B2 (ja) * 2004-03-30 2009-10-14 能美防災株式会社 火災感知器およびその状態情報取得システム
CN100538381C (zh) * 2005-06-10 2009-09-09 清华大学 一种电缆安全运行评价方法
ES2809101T3 (es) * 2017-08-10 2021-03-03 Wagner Group Gmbh Módulo de excitación y supervisión
IT201800005549A1 (it) * 2018-05-21 2019-11-21 Apparecchio di riscaldamento con bruciatore a gas combustibile
CN110133508B (zh) * 2019-04-24 2022-04-01 上海博强微电子有限公司 电动汽车动力电池的安全预警方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4435698A (en) * 1980-06-11 1984-03-06 Hekatron Gmbh Circuit arrangement for the transmission of measurements to a central, especially in a fire alarm system
CN101416330A (zh) * 2003-10-14 2009-04-22 布莱克和戴克公司 二次电池的保护方法、保护电路和保护器件、电动工具、充电器和适合在电池组中提供保护以防故障状况的电池组
CN107633354A (zh) * 2017-09-08 2018-01-26 国家电网公司 一种站用直流系统运行状态健康程度的综合评价方法
CN111353704A (zh) * 2020-02-28 2020-06-30 广州极飞科技有限公司 电池模块的评估方法、装置、存储介质及电子设备
CN111915853A (zh) * 2020-06-15 2020-11-10 西安交通大学 一种具有联动特性的储能站安全态势评估及预警系统及方法

Also Published As

Publication number Publication date
CN113674497A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN105260279B (zh) 基于smart数据动态诊断硬盘故障的方法和装置
KR20160109062A (ko) 배터리 상태 추정 장치 및 방법
KR102309374B1 (ko) 에너지저장장치 화재확산 방지를 위한 이상상태 감시방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
CN114463954B (zh) 一种基于物联网的可燃气体监测预警系统及方法
CN113516396A (zh) 基于模糊层次分析的城市动态风险指数评估方法
CN112307623A (zh) 电芯热失控预测方法、装置、介质、电池管理系统及车辆
CN111813644B (zh) 系统性能的评价方法、装置、电子设备和计算机可读介质
CN111641236B (zh) 基于大数据ai的动态阈值动力电池充电电压状态判断方法
CN114274778A (zh) 动力电池的失效预警方法、装置、车辆及存储介质
JP2018100010A (ja) 車両用空調装置の状態評価方法
CN113674497B (zh) 一种带动态关联系数的火灾预警方法、系统和计算机设备
CN111361567A (zh) 一种车辆驾驶中应急处理的方法及设备
CN117007977B (zh) 一种储能电池健康状态诊断方法
CN113689649B (zh) 一种火灾预警方法、火灾预警系统和计算机设备
CN117150298B (zh) 基于深度学习的地铁fas火灾报警系统的调试方法
CN116400244B (zh) 储能电池的异常检测方法及装置
CN113934191A (zh) 一种冷水机组故障诊断系统
CN116973763A (zh) 一种锂电池包热失控预警方法和装置
CN115436864A (zh) 一种电容式电压互感器异常状态诊断方法、系统及介质
CN111017667A (zh) 电梯抱闸异常检测方法、装置、设备及可读存储介质
CN114266401B (zh) 一种底盘发动机故障预测方法及系统
CN117407728B (zh) 一种用于干细胞的存储环境实时监测方法及系统
CN117734526B (zh) 一种新能源汽车电池包温度控制方法及系统
CN117117356B (zh) 一种储能电池组热失控监测溯源方法及系统
Meng et al. Intelligent research and judgment model of fire threshold based on clustering analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20211119

Assignee: Northern shangduzheng Lanqi new energy Co.,Ltd.

Assignor: HUANENG CLEAN ENERGY Research Institute

Contract record no.: X2023110000091

Denomination of invention: A Fire Warning Method, System, and Computer Equipment with Dynamic Correlation Coefficient

Granted publication date: 20221115

License type: Common License

Record date: 20230809

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20211119

Assignee: Wushi County Huaneng New Energy Co.,Ltd.

Assignor: HUANENG CLEAN ENERGY Research Institute

Contract record no.: X2023110000097

Denomination of invention: A Fire Warning Method, System, and Computer Equipment with Dynamic Correlation Coefficient

Granted publication date: 20221115

License type: Common License

Record date: 20230821