热失控风险识别模型的训练方法和热失控风险告警方法与流程

摘要: 本技术涉及储能电池,尤其涉及一种热失控风险识别模型的训练方法和热失控风险告警方法。背景技术:1、随着技术的发展,电化学储能电池在未能源存储和转换中发挥越来越重要...
热失控风险识别模型的训练方法和热失控风险告警方法与流程

本技术涉及储能电池,尤其涉及一种热失控风险识别模型的训练方法和热失控风险告警方法。

背景技术:

1、随着技术的发展,电化学储能电池在未能源存储和转换中发挥越来越重要的作用,在电化学储能电池的日常运行过程中,存在可能出现热失控风险,从而对电化学储能电池的运行安全性造成一定程度的影响。

2、因此,如何准确高效监测到电化学储能电池的热失控风险,是十分重要的。

技术实现思路

1、本技术的目的旨在至少在一定程度上解决上述技术中的技术问题之一。

2、本技术第一方面提供了一种热失控风险识别模型的训练方法,包括:获取储能对象对应的初始热失控风险识别模型;获取所述储能对象对应的风险识别准则集合,并根据所述风险识别准则集合得到所述初始热失控风险识别模型对应的第一赋值权重集合;获取所述储能对象对应的历史时序数据序列,并根据所述历史时序数据序列得到所述初始热失控风险识别模型对应的第二赋值权重集合;根据所述第一赋值权重集合和所述第二赋值权重集合对所述初始热失控风险识别模型进行权重赋值,得到待训练的候选热失控风险识别模型;对所述候选热失控风险识别模型进行模型训练,直至训练结束,得到训练好的目标热失控风险识别模型。

3、本技术第一方面提供的一种热失控风险识别模型的训练方法,还具备如下技术特征,包括:

4、根据本技术一个实施例,所述获取所述储能对象对应的风险识别准则集合,并根据所述风险识别准则集合得到所述初始热失控风险识别模型对应的第一赋值权重集合,包括:获取所述风险识别准则集合中各风险识别准则的风险评估指标集合;根据所述风险识别准则集合和各风险识别准则的风险评估指标集合,得到所述第一赋值权重集合。

5、根据本技术一个实施例,所述获取所述风险识别准则集合中各风险识别准则的风险评估指标集合,包括:针对任一风险识别准则,获取所述风险识别准则的准则描述信息;根据所述准则描述信息对所述风险识别准则进行指标拆解,得到属于所述风险识别准则的风险评估指标集合。

6、根据本技术一个实施例,所述根据所述风险识别准则集合和各风险识别准则的风险评估指标集合,得到所述第一赋值权重集合,包括:针对任一风险评估指标,获取所述风险评估指标的初始经验评估权重;获取预设的权重迭代矩阵,并根据所述权重迭代矩阵对所述初始经验评估权重进行迭代优化,得到所述风险评估指标的目标经验评估权重;根据各风险识别准则的风险评估指标集合各自的目标经验评估权重,得到所述第一赋值权重集合。

7、根据本技术一个实施例,所述获取所述储能对象对应的历史时序数据序列,包括:获取所述储能对象的历史采样数据,以及预设置的参考时序数据结构;根据所述参考时序数据结构对所述历史采样数据进行整合,得到所述储能对象的所述历史时序数据序列。

8、根据本技术一个实施例,所述根据所述历史时序数据序列得到所述初始热失控风险识别模型对应的第二赋值权重集合,包括:从所述历史时序数据序列中,获取各风险评估指标的指标时序数据序列;针对任一风险评估指标,根据所述指标时序数据序列,获取所述风险评估指标对应的风险因子权重值,其中,所述风险因子权重值用于描述对应的风险评估指标导致所述储能对象出现热失控风险的可能性;根据各风险评估指标的风险因子权重值,得到所述第二赋值权重集合。

9、根据本技术一个实施例,所述根据所述第一赋值权重集合和所述第二赋值权重集合对所述初始热失控风险识别模型进行权重赋值,得到待训练的候选热失控风险识别模型,包括:从所述初始热失控风险识别模型中,获取所述第一赋值权重集合对应的第一模型层,以及所述第二赋值权重集合对应的第二模型层;将所述第一赋值权重集合赋值于所述第一模型层,以及将所述第二赋值权重集合赋值于所述第二模型层,以对所述初始热失控风险识别模型进行权重赋值,得到所述候选热失控风险识别模型。

10、根据本技术一个实施例,所述对所述候选热失控风险识别模型进行模型训练,直至训练结束,得到训练好的目标热失控风险识别模型,包括:获取所述候选热失控风险识别模型的训练样本,并将所述训练样本输入所述候选热失控风险识别模型,得到模型输出结果;获取所述模型输出结果基于所述训练样本中的样本标签的损失值,以根据所述损失值对所述候选热失控风险识别模型进行参数调整,并返回获取下一训练样本对参数调整后的候选热失控风险识别模型继续进行训练,直至训练结束,得到训练好的所述目标热失控风险识别模型。

11、本技术第二方面提供了一种热失控风险告警方法,包括:获取储能对象对应的目标热失控风险识别模型,其中,所述目标热失控风险识别模型基于上述第一方面提出的热失控风险识别模型的训练方法得到;获取所述储能对象的采样数据,并根据所述采样数据得到所述目标热失控风险识别模型输出的目标热失控风险识别结果;响应于所述目标热失控风险识别结果指示所述储能对象存在热失控风险,对所述储能对象进行热失控风险告警。

12、本技术第三方面提供了一种热失控风险识别模型的训练装置,包括:第一获取模块,用于获取储能对象对应的初始热失控风险识别模型;第二获取模块,用于获取所述储能对象对应的风险识别准则集合,并根据所述风险识别准则集合得到所述初始热失控风险识别模型对应的第一赋值权重集合;第三获取模块,用于获取所述储能对象对应的历史时序数据序列,并根据所述历史时序数据序列得到所述初始热失控风险识别模型对应的第二赋值权重集合;赋值模块,用于根据所述第一赋值权重集合和所述第二赋值权重集合对所述初始热失控风险识别模型进行权重赋值,得到待训练的候选热失控风险识别模型;训练模块,用于对所述候选热失控风险识别模型进行模型训练,直至训练结束,得到训练好的目标热失控风险识别模型。

13、本技术第三方面提供的一种热失控风险识别模型的训练装置,还具备如下技术特征,包括:

14、根据本技术一个实施例,所述第二获取模块,还用于:获取所述风险识别准则集合中各风险识别准则的风险评估指标集合;根据所述风险识别准则集合和各风险识别准则的风险评估指标集合,得到所述第一赋值权重集合。

15、根据本技术一个实施例,所述第二获取模块,还用于:针对任一风险识别准则,获取所述风险识别准则的准则描述信息;根据所述准则描述信息对所述风险识别准则进行指标拆解,得到属于所述风险识别准则的风险评估指标集合。

16、根据本技术一个实施例,所述第二获取模块,还用于:针对任一风险评估指标,获取所述风险评估指标的初始经验评估权重;获取预设的权重迭代矩阵,并根据所述权重迭代矩阵对所述初始经验评估权重进行迭代优化,得到所述风险评估指标的目标经验评估权重;根据各风险识别准则的风险评估指标集合各自的目标经验评估权重,得到所述第一赋值权重集合。

17、根据本技术一个实施例,所述第三获取模块,还用于:获取所述储能对象的历史采样数据,以及预设置的参考时序数据结构;根据所述参考时序数据结构对所述历史采样数据进行整合,得到所述储能对象的所述历史时序数据序列。

18、根据本技术一个实施例,所述第三获取模块,还用于:从所述历史时序数据序列中,获取各风险评估指标的指标时序数据序列;针对任一风险评估指标,根据所述指标时序数据序列,获取所述风险评估指标对应的风险因子权重值,其中,所述风险因子权重值用于描述对应的风险评估指标导致所述储能对象出现热失控风险的可能性;根据各风险评估指标的风险因子权重值,得到所述第二赋值权重集合。

19、根据本技术一个实施例,所述赋值模块,还用于:从所述初始热失控风险识别模型中,获取所述第一赋值权重集合对应的第一模型层,以及所述第二赋值权重集合对应的第二模型层;将所述第一赋值权重集合赋值于所述第一模型层,以及将所述第二赋值权重集合赋值于所述第二模型层,以对所述初始热失控风险识别模型进行权重赋值,得到所述候选热失控风险识别模型。

20、根据本技术一个实施例,所述训练模块,还用于:获取所述候选热失控风险识别模型的训练样本,并将所述训练样本输入所述候选热失控风险识别模型,得到模型输出结果;获取所述模型输出结果基于所述训练样本中的样本标签的损失值,以根据所述损失值对所述候选热失控风险识别模型进行参数调整,并返回获取下一训练样本对参数调整后的候选热失控风险识别模型继续进行训练,直至训练结束,得到训练好的所述目标热失控风险识别模型。

21、本技术第四方面提供了一种热失控风险告警装置,包括:第四获取模块,用于获取储能对象对应的目标热失控风险识别模型,其中,所述目标热失控风险识别模型基于上述第三方面提出的热失控风险识别模型的训练装置得到;识别模块,用于获取所述储能对象的采样数据,并根据所述采样数据得到所述目标热失控风险识别模型输出的目标热失控风险识别结果;告警模块,用于响应于所述目标热失控风险识别结果指示所述储能对象存在热失控风险,对所述储能对象进行热失控风险告警。

22、本技术第五方面实施例提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本技术第一方面提供的热失控风险识别模型的训练方法和/或上述第二方面提出的热失控风险告警方法。

23、本技术第六方面实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本技术第一方面提供的热失控风险识别模型的训练方法和/或上述第二方面提出的热失控风险告警方法。

24、本技术第七方面实施例提供了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行本技术第一方面提供的热失控风险识别模型的训练方法和/或上述第二方面提出的热失控风险告警方法。

25、本技术提供的热失控风险识别模型的训练方法,获取储能对象的风险识别准则集合以得到初始热失控风险识别模型的第一赋值权重集合,获取储能对象的历史时序数据序列以得到初始热失控风险识别模型的第二赋值权重集合,将第一赋值权重集合和第二赋值权重集合赋值于初始热失控风险识别模型中,得到待训练的候选热失控风险识别模型,并对候选热失控风险识别模型进行模型训练,直至训练结束,得到训练好的目标热失控风险识别模型。本技术中,通过第一赋值权重集合和第二赋值权重集合得到候选热失控风险识别模型,使得候选热失控风险识别模型可以学习到风险识别准则集合以及历史时序数据序列各自与储能对象的热失控风险之间的关联关系,进而提高了目标热失控风险识别模型的热失控风险识别精度,在基于目标热失控风险识别模型进行热失控风险识别的场景下,提高了热失控风险识别的效率和准确率,进而提高了储能对象的热失控风险处理效率,优化了储能对象的运行的安全性。

26、本技术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,或通过本技术的实践了解到。