CN113761025A - 储能电站电池数据异常的检测方法、系统、设备及介质 - Google Patents
储能电站电池数据异常的检测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN113761025A CN113761025A CN202111004318.3A CN202111004318A CN113761025A CN 113761025 A CN113761025 A CN 113761025A CN 202111004318 A CN202111004318 A CN 202111004318A CN 113761025 A CN113761025 A CN 113761025A
- Authority
- CN
- China
- Prior art keywords
- battery data
- target battery
- energy storage
- value
- storage power
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种储能电站电池数据异常的检测方法、系统、设备及介质,该检测方法包括:读取预设时段中多个储能电站电池数据;基于储能电站电池数据获取预设时段中的充放电末端时刻;获取充放电末端时刻的目标电池数据;统计目标电池数据中的离群点,以得到目标电池数据的异常值。本发明通过采用均值拐点捕捉算法基于读取的预设时段中各个时刻的储能电站电池数据获取充放电末端时刻,实现了能够自适应捕捉到充放电末端时刻,并统计获取的充放电末端时刻的目标电池数据中的离群点,以得到目标电池数据的异常值,实现了储能电站电池数据不一致性的异常检测,采用均值拐点捕捉算法,拓宽了检测的使用场景,提高了检测的灵敏度和通用性。
Description
技术领域
本发明涉及储能电站技术领域,特别涉及一种储能电站电池数据异常的检测方法、系统、设备及介质。
背景技术
储能应用的一种常见形式是以电池单体作为基本储能单元,成组之后构成大中型储能系统。在这类储能系统中,存在成千上万的电池单体同时进行充放电工作,此时,不同单体的运行参数如电压、电流、电阻等,相互之间必然存在不一致性,其程度则直接影响到储能系统的运行效率、综合性能,乃至安全性,因此成为了储能领域关注的核心问题之一。
在“碳达峰、碳中和”的大背景下,储能行业迎来了快速发展。数十兆瓦、百兆瓦级别储能电站成为了常见的配置,其中数量巨大的电池单体集群使得不一致性评估的重要性越发凸显。
当前,储能市场中电池厂家众多,不同技术路线的电池种类、特性存在差异,同时使用场景的多样性,电池成组形式不相同等因素,都增加了不一致性分析的难度。目前通过不一致性进行异常检测时,通常是根据不同的使用场景、电池成组形式采用不同的检测方法,而现有的不一致性异常检测方法不具有通用性。
发明内容
本发明要解决的技术问题是为了克服现有技术中采用的不一致性异常检测的方法不具有通用性的缺陷,提供一种储能电站电池数据异常的检测方法、系统、设备及介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明第一方面提供一种储能电站电池数据异常的检测方法,所述检测方法包括:
读取预设时段中多个储能电站电池数据;
基于所述储能电站电池数据获取所述预设时段中的充放电末端时刻;
获取所述充放电末端时刻的目标电池数据;
统计所述目标电池数据中的离群点,以得到所述目标电池数据的异常值。
较佳地,所述基于所述储能电站电池数据获取所述预设时段中的充放电末端时刻的步骤包括:
计算所述预设时段中多个储能电站电池数据的平均值,以得到储能电站电池数据的平均值集合;
计算所述平均值集合的二阶差分,以得到二阶差分值集合;
比较所述二阶差分值集合中每个二阶差分值与拐点预设值的大小,以得到拐点电池数据集合;
获取所述拐点电池数据集合中每个拐点电池数据对应的时刻,以得到所述预设时段中的充放电末端时刻;
和/或,
所述统计所述目标电池数据中的离群点,以得到所述目标电池数据的异常值的步骤之后,所述检测方法包括:
将所述目标电池数据的异常值存储至数据库。
较佳地,所述统计所述目标电池数据中的离群点,以得到所述目标电池数据的异常值的步骤包括:
获取每个充放电末端时刻对应的所述目标电池数据,以得到目标电池数据集合;
对所述目标电池数据集合中的每个所述目标电池数据进行箱型图统计,以得到每个所述目标电池数据的上四分位数和下四分位数;
基于所述上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值;
统计所述目标电池数据中高于所述离群点上限值和低于所述离群点下限值的离群点,以得到所述目标电池数据的异常值。
较佳地,所述基于所述上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值的计算公式为:
UP=Q3+1.5*(Q3-Q1)+UE
DN=Q1-1.5*(Q3-Q1)+DE
其中,UP表示所述离群点上限值,Q3表示所述上四分位数,Q1表示所述下四分位数,UE表示所述充放电末端时刻的目标电池数据的第一设定值;DN表示所述离群点下限值,DE表示所述充放电末端时刻的目标电池数据的第二设定值。
本发明第二方面提供一种储能电站电池数据异常的检测系统,所述检测系统包括读取模块、第一获取模块、第二获取模块和统计模块;
所述读取模块,用于读取预设时段中多个储能电站电池数据;
所述第一获取模块,用于基于所述储能电站电池数据获取所述预设时段中的充放电末端时刻;
所述第二获取模块,用于获取所述充放电末端时刻的目标电池数据;
所述统计模块,用于统计所述目标电池数据中的离群点,以得到所述目标电池数据的异常值。
较佳地,所述第一获取模块包括第一计算单元、第二计算单元、比较单元和第一获取单元;
所述第一计算单元,用于计算所述预设时段中多个储能电站电池数据的平均值,以得到储能电站电池数据的平均值集合;
所述第二计算单元,用于计算所述平均值集合的二阶差分,以得到二阶差分值集合;
所述比较单元,用于比较所述二阶差分值集合中每个二阶差分值与拐点预设值的大小,以得到拐点电池数据集合;
所述第一获取单元,用于获取所述拐点电池数据集合中每个拐点电池数据对应的时刻,以得到所述预设时段中的充放电末端时刻;
和/或,
所述检测系统包括存储模块;
所述存储模块,用于将所述目标电池数据的异常值存储至数据库。
较佳地,所述统计模块包括第二获取单元、第一统计单元、第三计算单元和第二统计单元;
所述第二获取单元,用于获取每个充放电末端时刻对应的所述目标电池数据,以得到目标电池数据集合;
所述第一统计单元,用于对所述目标电池数据集合中的每个所述目标电池数据进行箱型图统计,以得到每个所述目标电池数据的上四分位数和下四分位数;
所述第三计算单元,用于基于所述上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值;
所述第二统计单元,用于统计所述目标电池数据中高于所述离群点上限值和低于所述离群点下限值的离群点,以得到所述目标电池数据的异常值。
较佳地,所述第三计算单元,用于基于所述上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值的计算公式为:
UP=Q3+1.5*(Q3-Q1)+UE
DN=Q1-1.5*(Q3-Q1)+DE
其中,UP表示所述离群点上限值,Q3表示所述上四分位数,Q1表示所述下四分位数,UE表示所述充放电末端时刻的目标电池数据的第一设定值;DN表示所述离群点下限值,DE表示所述充放电末端时刻的目标电池数据的第二设定值。
本发明第三方面提供一种电子设备,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,所述处理器执行所述计算机程序时实现如第一方面所述的储能电站电池数据异常的检测方法。
本发明第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的储能电站电池数据异常的检测方法。
在符合本领域常识的基础上,所述各优选条件,可任意组合,即得本发明各较佳实施例。
本发明的积极进步效果在于:
本发明通过采用均值拐点捕捉算法基于读取的预设时段中各个时刻的储能电站电池数据获取充放电末端时刻,实现了能够自适应捕捉到充放电末端时刻,并统计获取的充放电末端时刻的目标电池数据中的离群点,以得到目标电池数据的异常值,实现了储能电站电池数据不一致性的异常检测,采用均值拐点捕捉算法,拓宽了的检测的使用场景,提高了检测的灵敏度和通用性。
附图说明
图1为本发明实施例1的储能电站电池数据异常的检测方法的流程图。
图2为本发明实施例1的储能电站电池数据异常的检测方法的步骤102的流程图。
图3为本发明实施例1的储能电站电池数据异常的检测方法的步骤104的流程图。
图4为本发明实施例2的储能电站电池数据异常的检测系统的模块示意图。
图5为本发明实施例3的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例提供一种储能电站电池数据异常的检测方法,该检测方法包括:
步骤101、读取预设时段中多个储能电站电池数据;
本实施例中,储能电站电池数据的结构分为插箱、簇、单元、场站等层级,不同层级的储能电站电池数据均存储在关系型数据库中,读取预设时段中多个储能电站电池数据时按照不同的层级读取,在每个时刻的储能电站电池数据向量长度取决于当前读入的层级。
本实施例中,读取的储能电站电池数据为二维时序数据,由此读取的预设时段中多个储能电站电池数据可以为储能电站电池时序数据向量组{V0,V1,V2,…,Vn}(每个时刻为m维)。其中,预设时间段根据实际情况进行设置,此处不做具体限定。
需要说明的是,根据使用场景读取储能电站电池数据,例如,使用场景为“单元”层级时,只需要读取“单元”层级的储能电站电池数据,不需要读取其他层级的储能电站电池数据。本实施例中的时序数据向量组即为数据集合。
步骤102、基于储能电站电池数据获取预设时段中的充放电末端时刻;
本实施例中,通过均值拐点捕捉算法定位充放电末端时刻,具体地,通过均值拐点捕捉算法基于储能电站电池数据获取预设时段中的充放电末端时刻。而采用均值拐点捕捉算法可自适应捕捉到充放电末端时刻,无须预先获取运行调度信息,提高了算法应用的灵活性,拓宽了算法的应用场景。
步骤103、获取充放电末端时刻的目标电池数据;
步骤104、统计目标电池数据中的离群点,以得到目标电池数据的异常值;
步骤105、将目标电池数据的异常值存储至数据库。
本实施例适用于由电池单体集群组成储能系统场景下的异常检测,可为储能电站异常诊断、预警、安全保护等提供参考依据。
在一可实施的方案中,如图2所示,步骤102包括:
步骤1021、计算预设时段中多个储能电站电池数据的平均值,以得到储能电站电池数据的平均值集合;
本实施例中,计算读取的预设时间段中的储能电站电池时序数据向量组{V0,V1,V2,…,Vn}(每个时刻为m维)的平均值,形成新的平均值集合[m0,m1,m2,…,mn]。
步骤1022、计算平均值集合的二阶差分,以得到二阶差分值集合;
本实施例中,对新的平均值集合[m0,m1,m2,…,mn]求二阶差分,得到二阶差分值集合[d0,d1,d2,…,dn-4]。
步骤1023、比较二阶差分值集合中每个二阶差分值与拐点预设值的大小,以得到拐点电池数据集合;
本实施例中,拐点预设值具体为拐点判断参考值G,该拐点判断参考值G是根据不同电池型号、变量类型定义的。
本实施例中,对于得到的二阶差分值集合[d0,d1,d2,…,dn-4]逐点比较二阶差分值与拐点预设值(即拐点判断参考值G)的大小,当二阶差分值大于拐点预设值(即拐点判断参考值G)时,定义该二阶差分值对应的点为拐点,提取该二阶差分值对应的时间戳。
步骤1024、获取拐点电池数据集合中每个拐点电池数据对应的时刻,以得到预设时段中的充放电末端时刻。
本实施例中,获取储能电站电池时序数据向量组的所有拐点(例如,总共k个拐点),组成预设时段中的充放电末端时刻的集合[t1,t2,…,tk]。
在一可实施的方案中,如图3所示,步骤104包括:
步骤1041、获取每个充放电末端时刻对应的所述目标电池数据,以得到目标电池数据集合;
步骤1042、对目标电池数据集合中的每个目标电池数据进行箱型图统计,以得到每个目标电池数据的上四分位数和下四分位数;
步骤1043、基于上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值;
本实施例中,定义经验值UE、DE,即定义充放电末端时刻的目标电池数据的第一设定值UE以及充放电末端时刻的目标电池数据的第二设定值DE,通过以下公式分别计算得到离群点上限值和离群点下限值:
UP=Q3+1.5*(Q3-Q1)+UE
DN=Q1-1.5*(Q3-Q1)+DE
其中,UP表示所述离群点上限值,Q3表示所述上四分位数,Q1表示所述下四分位数,UE表示所述充放电末端时刻的目标电池数据的第一设定值;DN表示所述离群点下限值,DE表示所述充放电末端时刻的目标电池数据的第二设定值。
步骤1044、统计目标电池数据中高于离群点上限值和低于离群点下限值的离群点,以得到目标电池数据的异常值。
本实施例中,充高点和放低点均为目标电池数据的异常值。
本实施例通过对充放电末端时刻进行离群统计,将异常检测问题定位于不一致性特征最为显著的区域,提高了均值拐点捕捉算法的灵敏度,通过引入经验值,修正异常检测的边界,使得均值拐点捕捉算法适用于不同变量、不同特性电池以及不同成组形式,使用时根据具体场景进行经验值设定,即可复用均值拐点捕捉算法,提升了均值拐点捕捉算法的通用性。
下面结合具体实例进行说明:
例如,以储能电站电池数据为电压时序数据,储能电站电池数据的结构为簇为例,表1为电压时序数据集合,字段名如“1_1_1”、“1_1_2”等为电池单体编号,“time”列为时间戳,数值为单体电压时序数据,“mean”列为电池单体电压时序数据平均值,电压时序数据及电压时序数据平均值均保留三位小数;
在具体实施过程中,根据不同电池型号、变量类型,定义拐点判断参考值G;计算得到如表2所示的电压时序数据的平均值集合;计算电压时序数据平均值二阶差分,得到二阶差分值集合;比较二阶差分值集合中每个二阶差分值与拐点判断参考值G的大小,得到拐点电压时序数据集合,其中,表3为获取的部分拐点时间戳;结合电站工况,根据获得的电压时序数据集合中的所有拐点,确定充放电末端时刻序列的集合;根据充放电末端时刻序列的集合获取充放电末端时刻的电压时序数据集合,如表4为获取的部分充放电末端时刻的电压时序数据,其中,从表4中的“time”列可知,时刻“2020-06-29 20:04:16”、“2020-06-3011:08:26”、“2020-06-30 11:08:31”、“2020-06-30 20:02:40”为捕获的充放电末端时刻;对充放电末端时刻的电压时序数据集合中的每个向量通过箱型图统计,求得如表5所示的电压时序数据的上四分位数Q3和下四分位数Q1;定义经验值UE、DE,通过公式UP=Q3+1.5*(Q3-Q1)+UE,DN=Q1-1.5*(Q3-Q1)+DE分别计算得到离群点上限值UP和离群点下限值DN;统计出电压时序数据中高于离群点上限值和低于离群点下限值的离群点,以得到电压时序数据的异常值。
表1
表2
time | mean |
2020-06-29 00:02:10 | 3.250 |
2020-06-29 00:07:00 | 3.256 |
2020-06-29 00:07:03 | 3.256 |
… | … |
2020-07-02 18:48:48 | 3.403 |
2020-07-02 18:48:51 | 3.403 |
表3
time |
2020-06-29 20:04:16 |
2020-06-30 11:08:26 |
2020-06-30 11:08:31 |
… |
2020-06-30 20:02:40 |
2020-07-01 11:06:08 |
表4
表5
time | Q3 | Q1 |
2020-06-29 00:02:10 | 3.252 | 3.249 |
2020-06-29 00:07:00 | 3.261 | 3.251 |
2020-06-29 00:07:03 | 3.266 | 3.259 |
… | … | … |
2020-07-02 18:48:48 | 3.410 | 3.392 |
2020-07-02 18:48:51 | 3.410 | 3.392 |
本发明通过采用均值拐点捕捉算法基于读取的预设时段中各个时刻的储能电站电池数据获取充放电末端时刻,实现了能够自适应捕捉到充放电末端时刻,并统计获取的充放电末端时刻的目标电池数据中的离群点,以得到目标电池数据的异常值,实现了储能电站电池数据不一致性的异常检测,采用均值拐点捕捉算法,拓宽了检测的使用场景,提高了检测的灵敏度和通用性。
实施例2
如图4所示,本实施例提供一种储能电站电池数据异常的检测系统,该检测系统包括读取模块21、第一获取模块22、第二获取模块23、统计模块24和存储模块25;
读取模块21,用于读取预设时段中多个储能电站电池数据;
本实施例中,储能电站电池数据的结构分为插箱、簇、单元、场站等层级,不同层级的储能电站电池数据均存储在关系型数据库中,读取预设时段中多个储能电站电池数据时按照不同的层级读取,在每个时刻的储能电站电池数据向量长度取决于当前读入的层级。
本实施例中,读取的储能电站电池数据为二维时序数据,由此读取的预设时段中多个储能电站电池数据可以为储能电站电池时序数据向量组{V0,V1,V2,…,Vn}(每个时刻为m维)。其中,预设时间段根据实际情况进行设置,此处不做具体限定。
需要说明的是,根据使用场景读取储能电站电池数据,例如,使用场景为“单元”层级时,只需要读取“单元”层级的储能电站电池数据,不需要读取其他层级的储能电站电池数据。本实施例中的时序数据向量组即为数据集合。
第一获取模块22,用于基于储能电站电池数据获取预设时段中的充放电末端时刻;
本实施例中,通过均值拐点捕捉算法定位充放电末端时刻,具体地,通过均值拐点捕捉算法基于储能电站电池数据获取预设时段中的充放电末端时刻。而采用均值拐点捕捉算法可自适应捕捉到充放电末端时刻,无须预先获取运行调度信息,提高了算法应用的灵活性,拓宽了算法的应用场景。
第二获取模块23,用于获取充放电末端时刻的目标电池数据;
统计模块24,用于统计目标电池数据中的离群点,以得到目标电池数据的异常值;
存储模块25,用于将目标电池数据的异常值存储至数据库。
本实施例适用于由电池单体集群组成储能系统场景下的异常检测,可为储能电站异常诊断、预警、安全保护等提供参考依据。
在一可实施的方案中,如图4所示,第一获取模块22包括第一计算单元221、第二计算单元222、比较单元223和第一获取单元224;
第一计算单元221,用于计算预设时段中多个储能电站电池数据的平均值,以得到储能电站电池数据的平均值集合;
本实施例中,计算读取的预设时间段中的储能电站电池时序数据向量组{V0,V1,V2,…,Vn}(每个时刻为m维)的平均值,形成新的平均值集合[m0,m1,m2,…,mn]。
第二计算单元222,用于计算平均值集合的二阶差分,以得到二阶差分值集合;
本实施例中,对新的平均值集合[m0,m1,m2,…,mn]求二阶差分,得到二阶差分值集合[d0,d1,d2,…,dn-4]。
比较单元223,用于比较二阶差分值集合中每个二阶差分值与拐点预设值的大小,以得到拐点电池数据集合;
本实施例中,拐点预设值具体为拐点判断参考值G,该拐点判断参考值G是根据不同电池型号、变量类型定义的。
本实施例中,对于得到的二阶差分值集合[d0,d1,d2,…,dn-4]逐点比较二阶差分值与拐点预设值(即拐点判断参考值G)的大小,当二阶差分值大于拐点预设值(即拐点判断参考值G)时,定义该二阶差分值对应的点为拐点,提取该二阶差分值对应的时间戳。
第一获取单元224,用于获取拐点电池数据集合中每个拐点电池数据对应的时刻,以得到预设时段中的充放电末端时刻。
本实施例中,获取储能电站电池时序数据向量组的所有拐点(例如,总共k个拐点),组成预设时段中的充放电末端时刻的集合[t1,t2,…,tk]。
在一可实施的方案中,如图4所示,统计模块24包括第二获取单元241、第一统计单元242、第三计算单元243和第二统计单元244;
第二获取单元241,用于获取每个充放电末端时刻对应的所述目标电池数据,以得到目标电池数据集合;
第一统计单元242,用于对目标电池数据集合中的每个目标电池数据进行箱型图统计,以得到每个目标电池数据的上四分位数和下四分位数;
第三计算单元243,用于基于上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值;
本实施例中,定义经验值UE、DE,即定义充放电末端时刻的目标电池数据的第一设定值UE以及充放电末端时刻的目标电池数据的第二设定值DE,通过以下公式分别计算得到离群点上限值和离群点下限值:
UP=Q3+1.5*(Q3-Q1)+UE
DN=Q1-1.5*(Q3-Q1)+DE
其中,UP表示所述离群点上限值,Q3表示所述上四分位数,Q1表示所述下四分位数,UE表示所述充放电末端时刻的目标电池数据的第一设定值;DN表示所述离群点下限值,DE表示所述充放电末端时刻的目标电池数据的第二设定值。
第二统计单元244,用于统计目标电池数据中高于离群点上限值和低于离群点下限值的离群点,以得到目标电池数据的异常值。
本实施例中,充高点和放低点均为目标电池数据的异常值。
本实施例通过对充放电末端时刻进行离群统计,将异常检测问题定位于不一致性特征最为显著的区域,提高了均值拐点捕捉算法的灵敏度,通过引入经验值,修正异常检测的边界,使得均值拐点捕捉算法适用于不同变量、不同特性电池以及不同成组形式,使用时根据具体场景进行经验值设定,即可复用均值拐点捕捉算法,提升了均值拐点捕捉算法的通用性。
下面结合具体实例进行说明:
例如,以储能电站电池数据为电压时序数据,储能电站电池数据的结构为簇为例,表1为电压时序数据集合,字段名如“1_1_1”、“1_1_2”等为电池单体编号,“time”列为时间戳,数值为单体电压时序数据,“mean”列为电池单体电压时序数据平均值,电压时序数据及电压时序数据平均值均保留三位小数;
在具体实施过程中,根据不同电池型号、变量类型,定义拐点判断参考值G;计算得到如表2所示的电压时序数据的平均值集合;计算电压时序数据平均值二阶差分,得到二阶差分值集合;比较二阶差分值集合中每个二阶差分值与拐点判断参考值G的大小,得到拐点电压时序数据集合,其中,表3为获取的部分拐点时间戳;结合电站工况,根据获得的电压时序数据集合中的所有拐点,确定充放电末端时刻序列的集合;根据充放电末端时刻序列的集合获取充放电末端时刻的电压时序数据集合,如表4为获取的部分充放电末端时刻的电压时序数据,其中,从表4中的“time”列可知,时刻“2020-06-29 20:04:16”、“2020-06-3011:08:26”、“2020-06-30 11:08:31”、“2020-06-30 20:02:40”为捕获的充放电末端时刻;对充放电末端时刻的电压时序数据集合中的每个向量通过箱型图统计,求得如表5所示的电压时序数据的上四分位数Q3和下四分位数Q1;定义经验值UE、DE,通过公式UP=Q3+1.5*(Q3-Q1)+UE,DN=Q1-1.5*(Q3-Q1)+DE分别计算得到离群点上限值UP和离群点下限值DN;统计出电压时序数据中高于离群点上限值和低于离群点下限值的离群点,以得到电压时序数据的异常值。
表1
表2
time | mean |
2020-06-29 00:02:10 | 3.250 |
2020-06-29 00:07:00 | 3.256 |
2020-06-29 00:07:03 | 3.256 |
… | … |
2020-07-02 18:48:48 | 3.403 |
2020-07-02 18:48:51 | 3.403 |
表3
time |
2020-06-29 20:04:16 |
2020-06-30 11:08:26 |
2020-06-30 11:08:31 |
… |
2020-06-30 20:02:40 |
2020-07-01 11:06:08 |
表4
表5
time | Q3 | Q1 |
2020-06-29 00:02:10 | 3.252 | 3.249 |
2020-06-29 00:07:00 | 3.261 | 3.251 |
2020-06-29 00:07:03 | 3.266 | 3.259 |
… | … | … |
2020-07-02 18:48:48 | 3.410 | 3.392 |
2020-07-02 18:48:51 | 3.410 | 3.392 |
本发明通过采用均值拐点捕捉算法基于读取的预设时段中各个时刻的储能电站电池数据获取充放电末端时刻,实现了能够自适应捕捉到充放电末端时刻,并统计获取的充放电末端时刻的目标电池数据中的离群点,以得到目标电池数据的异常值,实现了储能电站电池数据不一致性的异常检测,采用均值拐点捕捉算法,拓宽了检测的使用场景,提高了检测的灵敏度和通用性。
实施例3
图5为本发明实施例3提供的一种电子设备的结构示意图。电子设备包括存储器、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,处理器执行程序时实现实施例1的储能电站电池数据异常的检测方法。图5显示的电子设备30仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备30可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备30的组件可以包括但不限于:上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器,例如随机存取存储器(RAM)321和/或高速缓存存储器322,还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325,这样的程序模块324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1的储能电站电池数据异常的检测方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且,模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的设备30使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,程序被处理器执行时实现实施例1所提供的储能电站电池数据异常的检测方法。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行实现实施例1所述的储能电站电池数据异常的检测方法。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种储能电站电池数据异常的检测方法,其特征在于,所述检测方法包括:
读取预设时段中多个储能电站电池数据;
基于所述储能电站电池数据获取所述预设时段中的充放电末端时刻;
获取所述充放电末端时刻的目标电池数据;
统计所述目标电池数据中的离群点,以得到所述目标电池数据的异常值。
2.如权利要求1所述的储能电站电池数据异常的检测方法,其特征在于,所述基于所述储能电站电池数据获取所述预设时段中的充放电末端时刻的步骤包括:
计算所述预设时段中多个储能电站电池数据的平均值,以得到储能电站电池数据的平均值集合;
计算所述平均值集合的二阶差分,以得到二阶差分值集合;
比较所述二阶差分值集合中每个二阶差分值与拐点预设值的大小,以得到拐点电池数据集合;
获取所述拐点电池数据集合中每个拐点电池数据对应的时刻,以得到所述预设时段中的充放电末端时刻;
和/或,
所述统计所述目标电池数据中的离群点,以得到所述目标电池数据的异常值的步骤之后,所述检测方法包括:
将所述目标电池数据的异常值存储至数据库。
3.如权利要求1所述的储能电站电池数据异常的检测方法,其特征在于,所述统计所述目标电池数据中的离群点,以得到所述目标电池数据的异常值的步骤包括:
获取每个充放电末端时刻对应的所述目标电池数据,以得到目标电池数据集合;
对所述目标电池数据集合中的每个所述目标电池数据进行箱型图统计,以得到每个所述目标电池数据的上四分位数和下四分位数;
基于所述上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值;
统计所述目标电池数据中高于所述离群点上限值和低于所述离群点下限值的离群点,以得到所述目标电池数据的异常值。
4.如权利要求3所述的储能电站电池数据异常的检测方法,其特征在于,所述基于所述上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值的计算公式为:
UP=Q3+1.5*(Q3-Q1)+UE
DN=Q1-1.5*(Q3-Q1)+DE
其中,UP表示所述离群点上限值,Q3表示所述上四分位数,Q1表示所述下四分位数,UE表示所述充放电末端时刻的目标电池数据的第一设定值;DN表示所述离群点下限值,DE表示所述充放电末端时刻的目标电池数据的第二设定值。
5.一种储能电站电池数据异常的检测系统,其特征在于,所述检测系统包括读取模块、第一获取模块、第二获取模块和统计模块;
所述读取模块,用于读取预设时段中多个储能电站电池数据;
所述第一获取模块,用于基于所述储能电站电池数据获取所述预设时段中的充放电末端时刻;
所述第二获取模块,用于获取所述充放电末端时刻的目标电池数据;
所述统计模块,用于统计所述目标电池数据中的离群点,以得到所述目标电池数据的异常值。
6.如权利要求5所述的储能电站电池数据异常的检测系统,其特征在于,所述第一获取模块包括第一计算单元、第二计算单元、比较单元和第一获取单元;
所述第一计算单元,用于计算所述预设时段中多个储能电站电池数据的平均值,以得到储能电站电池数据的平均值集合;
所述第二计算单元,用于计算所述平均值集合的二阶差分,以得到二阶差分值集合;
所述比较单元,用于比较所述二阶差分值集合中每个二阶差分值与拐点预设值的大小,以得到拐点电池数据集合;
所述第一获取单元,用于获取所述拐点电池数据集合中每个拐点电池数据对应的时刻,以得到所述预设时段中的充放电末端时刻;
和/或,
所述检测系统包括存储模块;
所述存储模块,用于将所述目标电池数据的异常值存储至数据库。
7.如权利要求5所述的储能电站电池数据异常的检测系统,其特征在于,所述统计模块包括第二获取单元、第一统计单元、第三计算单元和第二统计单元;
所述第二获取单元,用于获取每个充放电末端时刻对应的所述目标电池数据,以得到目标电池数据集合;
所述第一统计单元,用于对所述目标电池数据集合中的每个所述目标电池数据进行箱型图统计,以得到每个所述目标电池数据的上四分位数和下四分位数;
所述第三计算单元,用于基于所述上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值;
所述第二统计单元,用于统计所述目标电池数据中高于所述离群点上限值和低于所述离群点下限值的离群点,以得到所述目标电池数据的异常值。
8.如权利要求7所述的储能电站电池数据异常的检测系统,其特征在于,所述第三计算单元,用于基于所述上四分位数、下四分位数、充放电末端时刻的目标电池数据的第一设定值以及充放电末端时刻的目标电池数据的第二设定值分别得到离群点上限值和离群点下限值的计算公式为:
UP=Q3+1.5*(Q3-Q1)+UE
DN=Q1-1.5*(Q3-Q1)+DE
其中,UP表示所述离群点上限值,Q3表示所述上四分位数,Q1表示所述下四分位数,UE表示所述充放电末端时刻的目标电池数据的第一设定值;DN表示所述离群点下限值,DE表示所述充放电末端时刻的目标电池数据的第二设定值。
9.一种电子设备,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,所述处理器执行所述计算机程序时实现如权利要求1~4中任意一项所述的储能电站电池数据异常的检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1~4中任意一项所述的储能电站电池数据异常的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111004318.3A CN113761025B (zh) | 2021-08-30 | 2021-08-30 | 储能电站电池数据异常的检测方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111004318.3A CN113761025B (zh) | 2021-08-30 | 2021-08-30 | 储能电站电池数据异常的检测方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113761025A true CN113761025A (zh) | 2021-12-07 |
CN113761025B CN113761025B (zh) | 2022-08-05 |
Family
ID=78791916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111004318.3A Active CN113761025B (zh) | 2021-08-30 | 2021-08-30 | 储能电站电池数据异常的检测方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113761025B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140019789A1 (en) * | 2012-07-10 | 2014-01-16 | Apple Inc. | Monitoring a battery in an electronic device |
CN105373620A (zh) * | 2015-12-04 | 2016-03-02 | 中国电力科学研究院 | 大规模电池储能电站海量电池数据异常检测方法及系统 |
CN106154164A (zh) * | 2015-03-12 | 2016-11-23 | 重庆邮电大学 | 一种电池健康状态评估方法 |
CN107091991A (zh) * | 2017-04-28 | 2017-08-25 | 天津力神电池股份有限公司 | 锂离子电池电压一致性筛选方法 |
CN111402078A (zh) * | 2020-03-11 | 2020-07-10 | 合肥阳光新能源科技有限公司 | 光伏组串的诊断方法、装置及控制器 |
CN111525202A (zh) * | 2020-04-28 | 2020-08-11 | 上海电气国轩新能源科技有限公司 | 锂离子电池循环中dcr的监测方法、系统、设备和介质 |
CN111537884A (zh) * | 2020-04-17 | 2020-08-14 | 中国科学院深圳先进技术研究院 | 获取动力电池寿命数据的方法、装置、计算机设备及介质 |
WO2021004161A1 (zh) * | 2019-07-05 | 2021-01-14 | 中兴通讯股份有限公司 | 一种异常检测方法和装置 |
CN112327188A (zh) * | 2020-09-30 | 2021-02-05 | 北京交通大学 | 一种模型-数据混合驱动的锂离子电池剩余寿命预测方法 |
CN112748340A (zh) * | 2020-12-31 | 2021-05-04 | 杭州拓深科技有限公司 | 一种电瓶车违规充电的检测方法 |
US20210234206A1 (en) * | 2020-01-27 | 2021-07-29 | Toyota Jidosha Kabushiki Kaisha | Diagnostic apparatus for secondary battery and soc unevenness detection method |
-
2021
- 2021-08-30 CN CN202111004318.3A patent/CN113761025B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140019789A1 (en) * | 2012-07-10 | 2014-01-16 | Apple Inc. | Monitoring a battery in an electronic device |
CN106154164A (zh) * | 2015-03-12 | 2016-11-23 | 重庆邮电大学 | 一种电池健康状态评估方法 |
CN105373620A (zh) * | 2015-12-04 | 2016-03-02 | 中国电力科学研究院 | 大规模电池储能电站海量电池数据异常检测方法及系统 |
CN107091991A (zh) * | 2017-04-28 | 2017-08-25 | 天津力神电池股份有限公司 | 锂离子电池电压一致性筛选方法 |
WO2021004161A1 (zh) * | 2019-07-05 | 2021-01-14 | 中兴通讯股份有限公司 | 一种异常检测方法和装置 |
US20210234206A1 (en) * | 2020-01-27 | 2021-07-29 | Toyota Jidosha Kabushiki Kaisha | Diagnostic apparatus for secondary battery and soc unevenness detection method |
CN111402078A (zh) * | 2020-03-11 | 2020-07-10 | 合肥阳光新能源科技有限公司 | 光伏组串的诊断方法、装置及控制器 |
CN111537884A (zh) * | 2020-04-17 | 2020-08-14 | 中国科学院深圳先进技术研究院 | 获取动力电池寿命数据的方法、装置、计算机设备及介质 |
CN111525202A (zh) * | 2020-04-28 | 2020-08-11 | 上海电气国轩新能源科技有限公司 | 锂离子电池循环中dcr的监测方法、系统、设备和介质 |
CN112327188A (zh) * | 2020-09-30 | 2021-02-05 | 北京交通大学 | 一种模型-数据混合驱动的锂离子电池剩余寿命预测方法 |
CN112748340A (zh) * | 2020-12-31 | 2021-05-04 | 杭州拓深科技有限公司 | 一种电瓶车违规充电的检测方法 |
Non-Patent Citations (1)
Title |
---|
李文峰等: "基于集成ANN的锂电池粒子滤波RUL预测方法研究", 《电光与控制》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113761025B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN111584952A (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
EP4066180A1 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
CN117074965B (zh) | 一种锂离子电池剩余寿命预测方法及系统 | |
CN113570138B (zh) | 一种时间卷积网络的设备剩余使用寿命预测方法及装置 | |
CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
CN111241694B (zh) | 一种基于大数据处理的飞机机群健康评估方法,设备及可读存储介质 | |
CN116956639B (zh) | 一种基于数据分析的高散热性蓄电池评估方法及系统 | |
CN106855958A (zh) | 机台零件剩余寿命预测系统与方法 | |
CN116775731B (zh) | 基于滑动窗口的三相电能表错接线追退电量的计算方法 | |
CN116882790B (zh) | 一种矿山生态修复区域的碳排放设备管理方法及系统 | |
CN113125903A (zh) | 线损异常检测方法、装置、设备及计算机可读存储介质 | |
CN116879758A (zh) | 一种基于熵值算法的动力电池电压故障在线诊断处理方法 | |
CN109635001A (zh) | 基于设备失效数据分析的产品可靠性提升方法和系统 | |
CN112418687A (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN113283113B (zh) | 太阳电池阵发电电流预测模型训练方法、异常检测方法、设备及介质 | |
CN117391499A (zh) | 光伏电站可靠性评价方法及其装置 | |
CN113761025B (zh) | 储能电站电池数据异常的检测方法、系统、设备及介质 | |
CN116992274B (zh) | 基于改进主成分回归模型的短期风速预测方法及系统 | |
CN116662113A (zh) | 一种基于最小均方滤波的电子设备寿命计算方法 | |
CN116701846A (zh) | 一种基于无监督学习的水电站调度运行数据清洗方法 | |
CN115952413A (zh) | 基于孤立森林的异常电池箱检测方法、装置及电子设备 | |
CN112732517B (zh) | 一种磁盘故障告警方法、装置、设备及可读存储介质 | |
CN112561230B (zh) | 基于电气特征的环保设备状态监测方法 | |
CN114662589A (zh) | 一种电表故障研判方法、装置、设备和可读存储介质 |
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 |