本发明专利技术提供一种储能设备的状态监测方法，方法包括：基于预设光学检测设备使用激光、红外光和长光程技术和预设评估指标，对储能设备内的环境进行实时数据采集，得到采样数据集；基于ID3算法对采样数据集进行各个指标的信息熵和信息增益计算，确定根节点和中间节点，并构建分类决策树；基于分类决策树对采样数据集进行分类，得到分类结果；基于分类结果对储能设备内部的状态进行监测。本发明专利技术通过光学检测设备对储能设备内部的监测数据进行采集，并基于ID3算法对采集到的采样数据构建决策树，并基于决策树对采样数据进行分类，得到分类结果，从而完善了储能设备的状态监测，提升了对储能设备故障的诊断效率，提高了对储能设备故障诊断的准确性。障诊断的准确性。障诊断的准确性。
【技术实现步骤摘要】
一种储能设备的状态监测方法、系统、电子设备及存储介质
[0001]本专利技术涉及数据监测
，更具体地，涉及一种储能设备的状态监测方法、系统、电子设备及存储介质。
技术介绍
[0002]储能设备简单说就是能量存储装置，由能量转换系统、能量存储系统、能量管理系统以及安全系统等重要部件组成。储能机能够存储多余电量，在用电高峰期时使用，在断电或户外没电的环境临时使用，或者运往能量紧缺的地方使用。可以在时间、空间方面满足人们的用电需求，让电能更加合理高效的使用。储能设备分为户用储能、工商业储能、大型储能，生活中常见的有移动电源、储能电池、家用储能机等。
[0003]随着储能设备的快速发展，储能设备的安全性也被列为重点关注方向。但是储能设备在出现异常的影响因素太多，工作人员通常情况下都无法提前发现储能设备的异常，从而及时避免危险事故的发生，因此，如何进一步完善对储能设备的状态监测提升储能设备故障的诊断效率是亟待解决的问题。
技术实现思路
[0004]本专利技术针对现有技术中存在的技术问题，提供一种储能设备的状态监测方法、系统、电子设备及存储介质，用以解决如何进一步完善对储能设备的状态监测提升储能设备故障的诊断效率的问题。
[0005]本专利技术的第一方面，提供了一种储能设备的状态监测方法，包括：
[0006]基于预设光学检测设备使用激光、红外光和长光程技术和预设评估指标，对储能设备内的环境进行实时数据采集，得到采样数据集；
[0007]基于ID3算法对所述采样数据集进行各个指标的信息熵和信息增益计算，确定根节点和中间节点，并构建分类决策树；
[0008]基于所述分类决策树对所述采样数据集进行分类，得到分类结果；
[0009]基于所述分类结果对所述储能设备内部的状态进行监测。
[0010]在上述技术方案的基础上，本专利技术还可以作出如下改进。
[0011]优选的，所述基于ID3算法对所述采样数据集进行各个指标的信息熵和信息增益计算，确定根节点和中间节点，并构建分类决策树的步骤，包括：
[0012]将所述采样数据集按照预设比例划分成训练数据集和验证数据集；
[0013]基于ID3算法对所述训练数据集，计算所述预设评估指标中各个指标的信息熵和信息增益；
[0014]基于所述信息熵和信息增益，对所述验证数据集进行计算，确定根节点和中间节点，并构建分类决策树。
[0015]优选的，所述预设评估指标包括颗粒物、CO、CO2、CH4、H2、温度、湿度和压力。
[0016]优选的，所述基于ID3算法对所述采样数据集进行各个指标的信息熵的步骤，包
括：
[0017]基于所述预设评估指标中的一个指标C，指标C具有m个可能的取值C＝{C1，C1，
…
，C
m
},所述训练数据集S中C
i
出现的频率为p
i
(i＝1,2,
…
,m)，所述训练数据集S的信息熵为：
[0018][0019]优选的，所述基于ID3算法对所述采样数据集进行各个指标的信息增益的步骤，包括：
[0020]基于所述预设评估指标中的一个指标B作为根节点，基于所述指标B将所述训练数据集S划分为训练子集S
j
(j＝1,2,
…
,k),所述指标B划分训练数据集S的信息增益为：
[0021]Gain(S,B)＝Entropy(S)
‑
Entropy
B
(S)；
[0022]其中，所述训练子集S
j
的信息熵为：
[0023][0024]其中，|S
i
|为训练子集S
j
中包含的样本数，|S|为训练数据集S中包含的样本数。
[0025]优选的，所述构建分类决策树的步骤，还包括：
[0026]基于所述各个指标的信息增益的大小，将最大的信息增益对应的指标作为最优划分特征。
[0027]优选的，所述基于所述分类结果对所述储能设备内部的状态进行监测的步骤，包括：
[0028]基于所述分类结果确定故障等级，并基于所述故障等级进行故障预警。
[0029]本专利技术的第二方面，提供一种储能设备的状态监测系统，包括：
[0030]数据采集模块，用于基于预设光学检测设备使用激光、红外光和长光程技术和预设评估指标，对储能设备内的环境进行实时数据采集，得到采样数据集；
[0031]决策树构建模块，用于基于ID3算法对所述采样数据集进行各个指标的信息熵和信息增益计算，确定根节点和中间节点，并构建分类决策树；
[0032]数据分类模块，用于基于所述分类决策树对所述采样数据集进行分类，得到分类结果；
[0033]状态监测模块，用于基于所述分类结果对所述储能设备内部的状态进行监测。
[0034]本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现上述第一方面中任一储能设备的状态监测方法的步骤。
[0035]本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现上述第一方面中任一储能设备的状态监测方法的步骤。
[0036]本专利技术提供的一种储能设备的状态监测方法、系统、电子设备及存储介质，方法包括：基于预设光学检测设备使用激光、红外光和长光程技术和预设评估指标，对储能设备内的环境进行实时数据采集，得到采样数据集；基于ID3算法对上述采样数据集进行各个指标的信息熵和信息增益计算，确定根节点和中间节点，并构建分类决策树；基于上述分类决策
树对上述采样数据集进行分类，得到分类结果；基于上述分类结果对上述储能设备内部的状态进行监测。本专利技术通过预设光学检测设备对储能设备内部的监测数据进行采集，并基于ID3算法对采集到的采样数据构建决策树，并基于上述决策树对采样数据进行分类，得到分类结果，从而进一步完善了储能设备的状态监测，提升了对储能设备故障的诊断效率，进一步提高了对储能设备故障诊断的准确性。
附图说明
[0037]图1为本专利技术提供的一种储能设备的状态监测方法流程图；
[0038]图2为本专利技术提供的一种储能设备的状态监测系统结构示意图；
[0039]图3为本专利技术提供的一种可能的电子设备的硬件结构示意图；
[0040]图4为本专利技术提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
[0041]下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0042]图1为本专利技术提供的一种储能设备的状态监测方法流程图，如图1所示，方法包括：
[0043]步骤S100：基于预设光学检测设备使用激光、红外光和长光程技术和预设评估指标，对储能设备内的环境进本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种储能设备的状态监测方法，其特征在于，所述方法包括：基于预设光学检测设备使用激光、红外光和长光程技术和预设评估指标，对储能设备内的环境进行实时数据采集，得到采样数据集；基于ID3算法对所述采样数据集进行各个指标的信息熵和信息增益计算，确定根节点和中间节点，并构建分类决策树；基于所述分类决策树对所述采样数据集进行分类，得到分类结果；基于所述分类结果对所述储能设备内部的状态进行监测。2.根据权利要求1所述的储能设备的状态监测方法，其特征在于，所述基于ID3算法对所述采样数据集进行各个指标的信息熵和信息增益计算，确定根节点和中间节点，并构建分类决策树的步骤，包括：将所述采样数据集按照预设比例划分成训练数据集和验证数据集；基于ID3算法对所述训练数据集，计算所述预设评估指标中各个指标的信息熵和信息增益；基于所述信息熵和信息增益，对所述验证数据集进行计算，确定根节点和中间节点，并构建分类决策树。3.根据权利要求1或2任一所述的储能设备的状态监测方法，其特征在于，所述预设评估指标包括颗粒物、CO、CO2、CH4、H2、温度、湿度和压力。4.根据权利要求2所述的储能设备的状态监测方法，其特征在于，所述基于ID3算法对所述采样数据集进行各个指标的信息熵的步骤，包括：基于所述预设评估指标中的一个指标C，指标C具有m个可能的取值C＝{C1，C1，
…
，C
m
},所述训练数据集S中C
i
出现的频率为p
i
(i＝1,2,
…
,m)，所述训练数据集S的信息熵为：5.根据权利要求4所述的储能设备的状态监测方法，其特征在于，所述基于ID3算法对所述采样数据集进行各个指标的信息增益的步骤，包括：基于所述预设评估指标中的一个指标B作为根节点，基于所述指标B将所述训练数据集S划分为训练子集S
j
...
【专利技术属性】
技术研发人员：朱湘飞，邓文斌，涂红涛，张雄，蔡志斌，蔡杨，
申请(专利权)人：武汉敢为科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。