【技术实现步骤摘要】
本专利技术涉及储能电站整站级别集装箱离群检测领域，特别涉及一种融合核密度估计kde模型储能电站离群度评价方法及系统。
技术介绍
1、储能电站的整站离群度分析是储能电站运行管理的重要手段，准确的离群度判断能有效帮助电站管理者及时发现问题、优化运营策略，提高电站的性能表现和经济效益。此技术通过对储能电站的各项指标的离群值进行分析，比如电池充放电量、充放电效率等等，以确定整个储能电站的表现是否正常。
2、离群值是指数据集中与其他值相差较远的数值，这些数值可能是异常值或者是真实的数据值，但它们可能会对整个数据集的分析结果产生影响，因此需要对其进行特殊处理。在储能电站中，离群值的出现可能会反映出电池的损耗情况、设备的故障等问题，因此通过离群度分析，可以及早发现这些问题，及时采取措施解决，保障储能电站的正常运行。
3、与本专利技术相关的现有技术一
4、现有技术一的技术方案：基于主成分分析的离群点检测方法(技术论文来源：zhang,j.,zhang,w.,liu,j.,&wang,h.(2016).outlier detection in wind power datausing principal component analysis.applied energy,177,95-103.)：基于主成分分析的离群点检测方法：该方法基于主成分分析(pca)算法，对储能电站的各个变量进行降维处理，将其转化为少数几个主成分，然后利用主成分分析的结果进行离群点检测。该方法的优点是可以有效地减少数据的维度，提
5、现有技术一的缺点：主成分分析方法对异常数据的敏感度较低，不适用于少量且较小的异常数据导致无法有效辨识少量异常的整站离群点。
6、与本专利技术相关的现有技术二
7、现有技术二的技术方案：基于聚类的离群点检测方法(技术论文来源：jain,a.k.,&dubes,r.c.(1988).algorithms for clustering data.prentice-hall,inc.)：该方法将储能电站的数据分成不同的聚类群体，并根据群体间的差异性来判断哪些数据点是离群点。这种方法的优点是可以在不知道异常数据分布情况的情况下对其进行检测，并且可以在数据量较大时实现较高的计算效率。
8、现有技术二的缺点：该方法需要预先确定聚类数目和距离度量方法，同时对于聚类群体间的差异性的定义比较模糊，容易受到数据噪声的影响。
9、与本专利技术相关的现有技术三
10、现有技术三的技术方案：基于孤立森林的离群点检测方法(技术论文来源：liu,f.t.,ting,k.m.,&zhou,z.h.(2008).isolation forest.in 2008eighth ieeeinternational conference on data mining(pp.413-422).ieee.)：该方法使用孤立森林构建多个决策树，通过对数据点在多个树中的路径长度进行计算来确定每个数据点的离群点分数，并根据多个树的结果进行综合判断。该方法的优点是可以在较短时间内对大量数据进行处理，而且不需要预先对数据进行聚类或降维，同时可以有效地检测出稀有的异常数据点。
11、现有技术三的缺点：该方法需要大量的计算资源，尤其是在数据量很大时，需要较长的计算时间。并且对于异常数据点的分布形态有一定要求，面对数据点分布较为稠密的情况，该方法的效果可能较差。
技术实现思路
1、本专利技术的目的在于解决现有技术中存在的问题：在储能电站中，集装箱是储能设备的核心组件之一，负责存储电能。由于集装箱的复杂性和制造难度，集装箱的故障率相对较高，而故障的发生可能导致电能的损失和设备的维护成本增加。本专利技术从集装箱充放电功率、充放电量、环境温湿度、电芯温度这四个维度来对集装箱离群进行分析评价，最后加以对应权重计算整站离群度。
2、本专利技术的基于多维度的权重分析评估储能电站的性能表现有利于综合储能电站各项指标的离群度分析评估电站的性能：如电池的充放电效率、发电量等是否表现正常。离群度分析可以发现电站运营中存在的问题和瓶颈，帮助电站管理者优化运营策略，提高储能电站的性能表现和经济效益。
3、为达到上述目的，本专利技术通过下述技术方案实现。
4、本专利技术提出了一种融合核密度估计kde模型储能电站离群度评价方法，所述方法包括：
5、提取储能电站各集装箱内的环境温湿度和电池簇总控制单元数据，并分别输入到核密度估计kde模型中，分别计算环境温湿度和多个电学参数的健康度指标；所述多个电学参数包括：充电功率、放电功率、充电量、放电量和电芯热点温度；
6、将环境温湿度和各个电学参数的健康度指标加以对应权重计算整站离群健康度，并对整站离群度进行评价。
7、作为上述技术方案的改进之一，核密度估计kde模型f(y)的表达式为：
8、
9、其中，h为带宽；k(·)为高斯核函数；n为实际采集单日内各维度的样本点个数；ya为第a个样本点，即某时刻各维度的数值；y为核密度估计kde模型的自变量；
10、高斯核函数k(·)的表达式为：
11、
12、作为上述技术方案的改进之一，所述分别计算环境温湿度和多个电学参数的健康度指标，包括：
13、将各集装箱内的环境温湿度和电池簇总控制单元数据分别输入到核密度估计kde模型后，分别提取各集装箱内最大概率对应的环境温湿度和各个电学参数；
14、利用提取的各集装箱内最大概率对应的环境温湿度和各个电学参数，分别计算环境温湿度和各个电学参数的健康度指标。
15、作为上述技术方案的改进之一，第i个集装箱内维度x的健康度指标hlpxbi的计算式为：
16、
17、式中，x∈{环境温度、湿度，多个电学参数}，bi表示第i个集装箱，i＝1,2,...,n，n为集装箱总个数；max_pxbi表示各集装箱内最大概率对应的x；max()表示求最大值函数。
18、作为上述技术方案的改进之一，所述整站离群健康度hlstation的计算式为：
19、
20、式中，wx表示x的离群健康度权重，hlpxc表示各集装箱hlpxbi的加和，k为x的个数。
21、作为上述技术方案的改进之一，所述对整站离群度进行评价，包括：
22、将整站离群健康度分别与设定的健康度上限阈值和下限阈值比较：
23、若整站离群健康度处于上限阈值以上，则判定整站离群度处于正常稳定状态；
24、若整站离群健康度处于上限阈值以下、下限阈值以上，则判定整站离群度处于正常非稳定状态，需要进一步进行监测和分析；
25、若整站离群健康度处于下限阈值以下，则判定整站离群度处于异常状态，需要进一步的诊断和维护。
本文档来自技高网...
【技术保护点】
1.一种融合核密度估计KDE模型储能电站离群度评价方法，所述方法包括：
2.根据权利要求1所述的融合核密度估计KDE模型储能电站离群度评价方法，其特征在于，核密度估计KDE模型f(y)的表达式为：
3.根据权利要求1所述的融合核密度估计KDE模型储能电站离群度评价方法，其特征在于，所述分别计算环境温湿度和多个电学参数的健康度指标，包括：
4.根据权利要求1所述的融合核密度估计KDE模型储能电站离群度评价方法，其特征在于，第i个集装箱内维度x的健康度指标HLPxBi的计算式为：
5.根据权利要求4所述的融合核密度估计KDE模型储能电站离群度评价方法，其特征在于，所述整站离群健康度HLstation的计算式为：
6.根据权利要求1所述的融合核密度估计KDE模型储能电站离群度评价方法，其特征在于，所述对整站离群度进行评价，包括：
7.一种融合核密度估计KDE模型储能电站离群度评价系统，其特征在于，包括：
【技术特征摘要】
1.一种融合核密度估计kde模型储能电站离群度评价方法，所述方法包括：
2.根据权利要求1所述的融合核密度估计kde模型储能电站离群度评价方法，其特征在于，核密度估计kde模型f(y)的表达式为：
3.根据权利要求1所述的融合核密度估计kde模型储能电站离群度评价方法，其特征在于，所述分别计算环境温湿度和多个电学参数的健康度指标，包括：
4.根据权利要求1所述的融合核密度估计kde模型储能电站离群度评...
【专利技术属性】
技术研发人员：方铃博，孙鹏，王逸超，梅志刚，范宏凯，方一菲，吕宏伟，侠惠芳，唐庚，柳迪，
申请(专利权)人：新源智储能源发展北京有限公司，
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。