(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211155841.0 (22)申请日 2022.09.22 (71)申请人 新源智储能源发展(北京)有限公司 地址 100094 北京市海淀区丰豪东路9号院 2号楼12层3单 元1202 (72)发明人 孙鹏　王逸超　王艳　克潇　 苑海川　靳文涛　胡钰宽　 (74)专利代理 机构 北京方安思达知识产权代理 有限公司 1 1472 专利代理师 王蔚　周玉秀 (51)Int.Cl. G01R 31/00(2006.01) G01K 13/00(2021.01) G06F 17/16(2006.01) G06K 9/62(2022.01) (54)发明名称 一种电化学储能变流器直流电容异常辨识 方法 (57)摘要 本发明涉及一种电化学储能变流器直流电 容异常辨识方法， 该方法包括： 将电化学储能集 装箱内t时刻的直流电容 温度观测向量及关联参 量序列输入预先建立并训练好的变流器直流电 容温度正常行为辨识模型中， 预测输出t+1时刻 的直流电容温度观测向量及关联参量序列； 根据 t时刻和t+1时刻的直流电容温度观测向量及关 联参量序列， 计算t时刻的预测残差序列， 并基于 滑动窗口算法计算t时刻的残差统计特性及残差 均值置信区间； 将t时刻的残差均值置信区间与 设定的异常判断阈值进行比较， 根据比较结果， 辨识直流电容是否异常； 所述变流器直流电容温 度正常行为 辨识模型基 于非线性状态估计建立。 权利要求书3页 说明书6页 附图1页 CN 115524556 A 2022.12.27 CN 115524556 A 1.一种电化学储能变流器直 流电容异常辨识方法， 该 方法包括： 将电化学储能集装箱内t时刻的直流电容温度观测向量及 关联参量序列输入预先建立 并训练好的变流器直流电容温度正常行为辨识模型中， 预测输出t+1时刻的直流电容温度 观测向量及关联参 量序列； 根据t时刻和t+1时刻的直流电容温度观测向量及关联参量序列， 计算t时刻的预测残 差序列， 并基于滑动窗口算法计算t时刻的残差统计特性及残差均值置信区间； 将t时刻的残差均值置信区间与设定的异常判断阈值进行比较， 根据比较结果， 辨识直 流电容是否异常； 所述变流器直 流电容温度正常行为 辨识模型基于非线性状态估计建立。 2.根据权利要求1所述的电化学储能变流器直流电容异常辨识方法， 其特征在于， 所述 变流器直流电容温度正常行为辨识模型的建立包括过程记忆矩阵的搭建与权值向量的确 定； 变流器直流电容温度正常行为辨识模型的输出为过程记忆矩阵中各观测向量的线性组 合； 权值向量表示变流器直流电容温度正常行为辨识模型输入的观测向量与过程记忆矩阵 中各向量的相似性度量。 3.根据权利要求2所述的电化学储能变流器直流电容异常辨识方法， 其特征在于， 所述 方法还包括： 对基于非线性状态估计建立的变流器直流电容温度正常行为辨识模型进 行训 练， 具体包括： 步骤a)读取近期A天和去年历史同期B天的设定时长的数据， 包括： 时间、 变流器功率、 直流电容温度和环境温度； 步骤b)对读取的数据进行清洗： 选取变流器并网状态内数据， 并基于[Q1 ‑3IQR， Q3+ 3IQR]剔除明显离群数据， 其中， Q1、 Q3分别 为设定的分位数， IQR为四分位距； 清洗完成后， 判断数据量是否满足要求， 若不满足， 则报出 “初始数据量不 足”， 模型运行终止； 若满足， 则 转至步骤c)； 步骤c)基于清洗后的数据， 建立训练数据集合和验证数据集合， 并对训练和验证数据 集合中各参数最大、 最小值进行 数据标准 化处理； 步骤d)对于变流器直流电容温度包含的n个相互关联的变量， 对每一个变量， 从标准化 后的训练数据集 合中提取构建过程记 忆矩阵； 步骤e)判断过程记忆矩阵数据量是否满足要求， 若不满足， 则报出 “数据清洗后数据量 不足”， 模型运行终止； 若满足， 则转至步骤f)； 步骤f)利用训练数据集合训练变流器直流电容温度正常行为辨识模型， 得到训练好的 变流器直 流电容温度正常行为 辨识模型。 4.根据权利要求3所述的电化学储能变流器直流电容异常辨识方法， 其特征在于， 所述 方法还包括： 将验证数据集合输入训练好的变流器直流电容温度正常行为辨识模型， 根据 输出结果与验证数据集合， 计算对应的残差序列， 并基于滑动窗口算法计算残差统计特性 和置信区间， 获取验证数据集 合的残差均值， 从而确定异常判定阈值。 5.根据权利要求3所述的电化学储能变流器直流电容异常辨识方法， 其特征在于， 所述 直流电容温度观测向量X(i)的表达式为： X(i)＝[x1(i) x2(i)  …  xz(i)  …  xn(i)]T 其中， i表示某一时刻， n表示直流电容温度含有的相互关联的变量个数， xz(i)表示第z权　利　要　求　书 1/3 页 2 CN 115524556 A 2个变量， z＝1,2, …,…,n， 上角标T表示 转置。 6.根据权利要求5所述的电化学储能变流器直流电容异常辨识方法， 其特征在于， 所述 步骤d)中构建的过程记 忆矩阵D， 如下式所示： 其中， m表示采集的历史观测向量个数， X(m)表示采集的第m个观测向量， Xn(m)表示第m 个观测向量中的第n个 变量。 7.根据权利要求6所述的电化学储能变流器直流电容异常辨识方法， 其特征在于， 所述 过程记忆矩阵D的构建过程包括： 对直流电容温度观测向量的观测值进行归一 化处理； 对于直流电容温度观测向量包含的n个变量中的每一个变量， 将[0  1]之间等分为P份， 以 为步距从集合中查找出m个观测向量加入过程记忆矩阵D中， 使过程记忆矩阵D内部的m 个观测向量X(1)， X(2)， …， X(m)尽量覆盖变流器直 流电容的正常工作空间。 8.根据权利要求7所述的电化学储能变流器直流电容异常辨识方法， 其特征在于， 从集 合中查找出若干个观测向量加入过程记 忆矩阵D中， 具体包括： S1 .对于历史观测向量中的任意变量xi进行归一化处理， 得到 选取步距 M为在每个步距下选取的样本个数， k＝1,2, …,M； 初始化集合XN(k)为空 集； 对于选取的第k个样本xi(k)， 判断是否满足： 其中δ为 与A之间距 离偏差的允许值； 若满足 则将xi(k)添加到XN(k)中， 并将XN(k)添加到D中， 并继续判断I是否大于P； S2.若不满足 则判断k是否大于M； 若k不大于M， 则更新x1(k)为x1(k+1), 返回S1； 若k大于 M， 则继续判断I是否大于P； S3.若I大于P， 则从集合中查找观测向量加入过程记忆矩阵D的过程结束； 若I不大于P， 则更新步距 返回S1。 9.根据权利要求6所述的电化学储能变流器直流电容异常辨识方法， 其特征在于， 所述 将直流电容温度观测向量及关联参量序列输入变流器直流电容温度正常行为辨识模型中 后， 对于任一观测向量Xobs， 变流器直流电容温度正常行为辨识模型将产生一个m维的权值 向量W， 如下所示： W＝[w1 w2  …  wj  …  wm]T 使得： Xest＝D·W＝w1·X(1)+w2·X(2)+…+wj·X(j)+…+wm·X(m) 其中， wj表示第j个观测向量对应的权值； X(j)表示第j个观测向量， j＝1,2, …,m； Xest为 变流器直 流电容温度正常行为 辨识模型 预测输出的观测向量； 即变流器直流电容温度正常行为辨识模型的输出为过程记忆矩阵中关于目标参数的m权　利　要　求　书 2/3 页 3 CN 115524556 A 3