储能设备的热故障检测方法与流程

本技术涉及深度学习和储能设备热故障检测，尤其涉及一种储能设备的热故障检测方法。

背景技术：

1、新型储能设备作为构建新型电力系统、促进高比例新能源消纳的关键支撑，其安全稳定运行直接关系到电网的供电可靠性与电能质量。随着新能源的快速发展，储能设备的运行工况日益复杂，由内部短路、接触不良、过载过热等原因引发的热故障已成为威胁储能系统安全的主要隐患。

2、现有的储能设备热故障检测主要依赖人工定期巡检与固定点温度传感器监测。例如，人工巡检主要依赖技术人员定期检查设备表面温度、运行状态等；固定点温度传感器则主要通过离散布置的传感器监测关键位置温度。

3、然而，传统人工巡检和固定传感器监测手段存在响应滞后、漏检率高、无法覆盖隐蔽性热异常等问题，导致热故障检测的准确性较低。

技术实现思路

1、本技术实施例提供储能设备的热故障检测方法，用以达到提高热故障检测的效果。

2、第一方面，本技术实施例提供一种储能设备的热故障检测方法，包括：

3、获取待检测储能设备的目标图像；

4、将所述目标图像输入至热故障检测模型，得到所述待检测储能设备的热故障信息，所述热故障检测模型是基于多个储能设备的图像和每个图像对应的标注热故障信息确定的，所述热故障信息包括：故障位置和故障类型。

5、在一个或多个实施例中，在将所述目标图像输入至热故障检测模型，得到所述待检测储能设备的热故障信息之前，所述方法还包括：

6、获取所述多个储能设备的图像和每个图像对应的标注热故障信息；

7、根据所述多个储能设备的图像和每个图像对应的标注热故障信息对初始热故障检测模型进行训练，得到所述热故障检测模型。

8、在一个或多个实施例中，所述初始热故障检测模型包括：特征提取单元、特征增强单元、以及检测头单元；

9、相应地，所述根据所述多个储能设备的图像和每个图像对应的标注热故障信息对初始热故障检测模型进行训练，得到所述热故障检测模型，包括：

10、s1，针对每个储能设备的图像，将所述储能设备的图像输入至所述特征提取单元，得到多个初始特征图；

11、s2，将所述多个初始特征图输入至所述特征增强单元，得到多个增强特征图；

12、s3，将所述多个增强特征图输入至所述检测头单元，得到预测热故障信息；

13、s4，根据所述预测热故障信息和所述每个图像对应的标注热故障信息对所述初始热故障检测模型进行参数更新，重复步骤s1-s4，直到满足预设的训练停止条件，得到所述热故障检测模型。

14、在一个或多个实施例中，所述特征提取单元包括：多个初始特征提取单元、多个多层次储能设备特征提取单元、以及精细储能设备特征感知单元；

15、相应的，所述针对每个储能设备的图像，将所述储能设备的图像输入至所述特征提取单元，得到多个初始特征图，包括：

16、针对每个储能设备的图像，将所述储能设备的图像依次输入至第一初始特征提取单元和第二初始特征提取单元，得到第一初始特征图；

17、将所述第一初始特征图输入至第一多层次储能设备特征提取单元，得到第二初始特征图；

18、将所述第二初始特征图依次输入至第三初始特征提取单元和第二多层次储能设备特征提取单元，得到第三初始特征图；

19、将所述第三初始特征图依次输入至第四初始特征提取单元和第三多层次储能设备特征提取单元，得到第四初始特征图；

20、将所述第四初始特征图依次输入至第五初始特征提取单元和第四多层次储能设备特征提取单元，得到第五初始特征图；

21、将所述第五初始特征图输入至所述精细储能设备特征感知单元，得到第六初始特征图。

22、在一个或多个实施例中，每个多层次储能设备特征提取单元包括：多个初始特征提取单元、第一切割单元、多个深度可分离卷积单元、以及双路储能特征提取子单元；

23、相应的，所述将所述第一初始特征图输入至第一多层次储能设备特征提取单元，得到第二初始特征图，包括：

24、将所述第一初始特征图依次输入至第六初始特征提取单元和所述第一切割单元，得到第七初始特征图、第八初始特征图、以及第九初始特征图；

25、将所述第七初始特征图输入至第一深度可分离卷积单元，得到第十初始特征图；

26、将所述第八初始特征图输入至第二深度可分离卷积单元，得到第十一初始特征图；

27、将所述第九初始特征图输入至第三深度可分离卷积单元，得到第十二初始特征图；

28、将所述第七初始特征图、所述第八初始特征图、以及第九初始特征图进行拼接处理，得到第十三初始特征图；

29、将所述第十三初始特征图依次输入至第四深度可分离卷积单元、第五深度可分离卷积单元、以及第六深度可分离卷积单元，得到第十四初始特征图；

30、将所述第十四初始特征图和所述第十三初始特征图进行特征叠加处理，得到第十五初始特征图；

31、将所述第十五初始特征图输入至第七初始特征提取单元，得到第十六初始特征图；

32、将所述第十六初始特征图输入至所述双路储能特征提取子单元，得到所述第二初始特征图。

33、在一个或多个实施例中，所述双路储能特征提取子单元包括：多个初始特征提取单元、第二切割单元、第一卷积块注意力单元、以及第二卷积块注意力单元；

34、相应的，所述将所述第十六初始特征图输入至所述双路储能特征提取子单元，得到所述第二初始特征图，包括：

35、将所述第十六初始特征图分别输入至第八初始特征提取单元和第九初始特征提取单元，得到第一双路储能特征图和第二双路储能特征图；

36、将所述第一双路储能特征图和所述第二双路储能特征图进行特征叠加处理，得到第三双路储能特征图；

37、将所述第三双路储能特征图输入至第十初始特征提取单元，得到第四双路储能特征图；

38、将所述第一双路储能特征图、所述第二双路储能特征图、以及所述第四双路储能特征图进行拼接处理，得到第五双路储能特征图；

39、将所述第五双路储能特征图输入至所述第二切割单元，得到第六双路储能特征图和第七双路储能特征图；

40、将所述第六双路储能特征图和所述第七双路储能特征图分别输入至所述第一卷积块注意力单元和所述第二卷积块注意力单元，得到第八双路储能特征图和第九双路储能特征图；

41、将所述第八双路储能特征图和所述第九双路储能特征图进行拼接处理，得到第十双路储能特征图；

42、将所述第十双路储能特征图输入至第十一初始特征提取单元，得到所述第二初始特征图。

43、在一个或多个实施例中，所述精细储能设备特征感知单元包括：第一最大池化单元、第一平均池化单元、第一激活单元、第三切割单元、多个初始特征提取单元、以及多个深度可分离卷积单元；

44、相应的，所述将所述第五初始特征图输入至所述精细储能设备特征感知单元，得到第六初始特征图，包括：

45、将所述第五初始特征图分别输入至所述第一最大池化单元、第七深度可分离卷积单元、第八深度可分离卷积单元、以及所述第一平均池化单元，得到第一精细储能特征图、第二精细储能特征图、第三精细储能特征图、以及第四精细储能特征图；

46、将所述第二精细储能特征图和所述第三精细储能特征图分别输入至第十二初始特征提取单元和第十三初始特征提取单元，得到第五精细储能特征图和第六精细储能特征图；

47、将所述第五精细储能特征图和所述第六精细储能特征图进行拼接处理，得到第七精细储能特征图；

48、将所述第七精细储能特征图依次输入至第十四初始特征提取单元、所述第一激活单元，得到第一精细储能权重图；

49、将所述第一精细储能权重图输入至所述第三切割单元，得到第二精细储能权重图和第三精细储能权重图；

50、将所述第五精细储能特征图和所述第二精细储能权重图进行逐元素相乘，得到第八精细储能特征图；

51、将所述第六精细储能特征图和所述第三精细储能权重图进行逐元素相乘，得到第九精细储能特征图；

52、将所述第一精细储能特征图、所述第四精细储能特征图、所述第八精细储能特征图、以及所述第九精细储能特征图进行拼接处理，得到第十精细储能特征图；

53、将所述第十精细储能特征图输入至第十五初始特征提取单元，得到所述第六初始特征图。

54、在一个或多个实施例中，所述特征增强单元包括：多路特征卷积单元、第一上采样单元、第二上采样单元、多个初始特征提取单元、以及多个储能设备特征过滤单元；

55、相应的，所述将所述多个初始特征图输入至所述特征增强单元，得到多个增强特征图，包括：

56、将所述第六初始特征图输入至所述多路特征卷积单元，得到第一增强特征图；

57、将所述第一增强特征图输入至所述第一上采样单元，得到第二增强特征图；

58、将所述第四初始特征图和所述第二增强特征图进行拼接处理，得到第三增强特征图；

59、将所述第三增强特征图输入至第一储能设备特征过滤单元，得到第四增强特征图；

60、将所述第四增强特征图输入至所述第二上采样单元，得到第五增强特征图；

61、将所述第三初始特征图和所述第五增强特征图进行拼接处理，得到第六增强特征图；

62、将所述第六增强特征图输入至第二储能设备特征过滤单元，得到第七增强特征图；

63、将所述第七增强特征图输入至第十六初始特征提取单元，得到第八增强特征图；

64、将所述第四增强特征图和所述第八增强特征图进行拼接处理，得到第九增强特征图；

65、将所述第九增强特征图输入至第三储能设备特征过滤单元，得到第十增强特征图；

66、将所述第十增强特征图输入至第十七初始特征提取单元，得到第十一增强特征图；

67、将所述第一增强特征图和所述第十一增强特征图进行拼接处理，得到第十二增强特征图；

68、将所述第十二增强特征图输入至第四储能设备特征过滤单元，得到第十三增强特征图。

69、在一个或多个实施例中，每个储能设备特征过滤单元包括：特征协同子单元、第九深度可分离卷积单元、批归一化单元、第二激活单元、第四切割单元、以及多个初始特征提取单元；

70、相应的，所述将所述第三增强特征图输入至第一储能设备特征过滤单元，得到第四增强特征图，包括：

71、将所述第三增强特征图分别输入至第十八初始特征提取单元和第十九初始特征提取单元，得到第一过滤特征图和第二过滤特征图；

72、将所述第一过滤特征图和所述第二过滤特征图进行特征叠加处理，得到第三过滤特征图；

73、将所述第三过滤特征图依次输入至所述第九深度可分离卷积单元、所述批归一化单元、以及所述第二激活单元，得到第一过滤权重图；

74、将所述第一过滤权重图输入至所述第四切割单元，得到第二过滤权重图和第三过滤权重图；

75、将所述第一过滤特征图和所述第二过滤权重图进行逐元素相乘，得到第四过滤特征图；

76、将所述第二过滤特征图和所述第三过滤权重图进行逐元素相乘，得到第五过滤特征图；

77、将所述第四过滤特征图和所述第五过滤特征图进行逐元素相乘，得到第六过滤特征图；

78、将所述第四过滤特征图和所述第五过滤特征图进行逐元素相加，得到第七过滤特征图；

79、将所述第三增强特征图输入至所述特征协同子单元，得到第八过滤特征图；

80、将所述第三增强特征图、所述第六过滤特征图、所述第七过滤特征图、以及所述第八过滤特征图进行拼接处理，得到第九过滤特征图；

81、将所述第九过滤特征图输入至第二十初始特征提取单元，得到所述第四增强特征图。

82、在一个或多个实施例中，所述特征协同子单元包括：第二平均池化单元、第三平均池化单元、第二最大池化单元、第三最大池化单元、以及多个初始特征提取单元；

83、相应的，所述将所述第三增强特征图输入至所述特征协同子单元，得到第八过滤特征图，包括：

84、将所述第三增强特征图输入至第二十一初始特征提取单元，得到第一协同特征图；

85、将所述第一协同特征图依次输入所述第二平均池化单元和所述第三平均池化单元，得到第二协同特征图；

86、将所述第一协同特征图和所述第二协同特征图进行拼接处理，得到第三协同特征图；

87、将所述第三协同特征图依次输入所述第二最大池化单元和所述第三最大池化单元，得到第四协同特征图；

88、将所述第三协同特征图和所述第四协同特征图进行拼接处理，得到第五协同特征图；

89、将所述第五协同特征图输入至第二十二初始特征提取单元，得到第六协同特征图；

90、将所述第一协同特征图和所述第六协同特征图进行特征叠加处理，得到第七协同特征图；

91、将所述第七协同特征图输入至第二十三初始特征提取单元，得到所述第八过滤特征图。

92、第二方面，本技术实施例提供一种储能设备的热故障检测装置，包括：

93、获取模块，用于获取待检测储能设备的目标图像；

94、处理模块，用于将所述目标图像输入至热故障检测模型，得到所述待检测储能设备的热故障信息，所述热故障检测模型是基于多个储能设备的图像和每个图像对应的标注热故障信息确定的，所述热故障信息包括：故障位置和故障类型。

95、在一个或多个实施例中，在将所述目标图像输入至热故障检测模型，得到所述待检测储能设备的热故障信息之前，所述处理模块，还用于：

96、获取所述多个储能设备的图像和每个图像对应的标注热故障信息；

97、根据所述多个储能设备的图像和每个图像对应的标注热故障信息对初始热故障检测模型进行训练，得到所述热故障检测模型。

98、在一个或多个实施例中，所述初始热故障检测模型包括：特征提取单元、特征增强单元、以及检测头单元；

99、相应地，所述处理模块，根据所述多个储能设备的图像和每个图像对应的标注热故障信息对初始热故障检测模型进行训练，得到所述热故障检测模型，具体用于：

100、s1，针对每个储能设备的图像，将所述储能设备的图像输入至所述特征提取单元，得到多个初始特征图；

101、s2，将所述多个初始特征图输入至所述特征增强单元，得到多个增强特征图；

102、s3，将所述多个增强特征图输入至所述检测头单元，得到预测热故障信息；

103、s4，根据所述预测热故障信息和所述每个图像对应的标注热故障信息对所述初始热故障检测模型进行参数更新，重复步骤s1-s4，直到满足预设的训练停止条件，得到所述热故障检测模型。

104、在一个或多个实施例中，所述特征提取单元包括：多个初始特征提取单元、多个多层次储能设备特征提取单元、以及精细储能设备特征感知单元；

105、相应的，所述处理模块，针对每个储能设备的图像，将所述储能设备的图像输入至所述特征提取单元，得到多个初始特征图，具体用于：

106、针对每个储能设备的图像，将所述储能设备的图像依次输入至第一初始特征提取单元和第二初始特征提取单元，得到第一初始特征图；

107、将所述第一初始特征图输入至第一多层次储能设备特征提取单元，得到第二初始特征图；

108、将所述第二初始特征图依次输入至第三初始特征提取单元和第二多层次储能设备特征提取单元，得到第三初始特征图；

109、将所述第三初始特征图依次输入至第四初始特征提取单元和第三多层次储能设备特征提取单元，得到第四初始特征图；

110、将所述第四初始特征图依次输入至第五初始特征提取单元和第四多层次储能设备特征提取单元，得到第五初始特征图；

111、将所述第五初始特征图输入至所述精细储能设备特征感知单元，得到第六初始特征图。

112、在一个或多个实施例中，每个多层次储能设备特征提取单元包括：多个初始特征提取单元、第一切割单元、多个深度可分离卷积单元、以及双路储能特征提取子单元；

113、相应的，所述处理模块，将所述第一初始特征图输入至第一多层次储能设备特征提取单元，得到第二初始特征图，具体用于：

114、将所述第一初始特征图依次输入至第六初始特征提取单元和所述第一切割单元，得到第七初始特征图、第八初始特征图、以及第九初始特征图；

115、将所述第七初始特征图输入至第一深度可分离卷积单元，得到第十初始特征图；

116、将所述第八初始特征图输入至第二深度可分离卷积单元，得到第十一初始特征图；

117、将所述第九初始特征图输入至第三深度可分离卷积单元，得到第十二初始特征图；

118、将所述第七初始特征图、所述第八初始特征图、以及第九初始特征图进行拼接处理，得到第十三初始特征图；

119、将所述第十三初始特征图依次输入至第四深度可分离卷积单元、第五深度可分离卷积单元、以及第六深度可分离卷积单元，得到第十四初始特征图；

120、将所述第十四初始特征图和所述第十三初始特征图进行特征叠加处理，得到第十五初始特征图；

121、将所述第十五初始特征图输入至第七初始特征提取单元，得到第十六初始特征图；

122、将所述第十六初始特征图输入至所述双路储能特征提取子单元，得到所述第二初始特征图。

123、在一个或多个实施例中，所述双路储能特征提取子单元包括：多个初始特征提取单元、第二切割单元、第一卷积块注意力单元、以及第二卷积块注意力单元；

124、相应的，所述处理模块，将所述第十六初始特征图输入至所述双路储能特征提取子单元，得到所述第二初始特征图，具体用于：

125、将所述第十六初始特征图分别输入至第八初始特征提取单元和第九初始特征提取单元，得到第一双路储能特征图和第二双路储能特征图；

126、将所述第一双路储能特征图和所述第二双路储能特征图进行特征叠加处理，得到第三双路储能特征图；

127、将所述第三双路储能特征图输入至第十初始特征提取单元，得到第四双路储能特征图；

128、将所述第一双路储能特征图、所述第二双路储能特征图、以及所述第四双路储能特征图进行拼接处理，得到第五双路储能特征图；

129、将所述第五双路储能特征图输入至所述第二切割单元，得到第六双路储能特征图和第七双路储能特征图；

130、将所述第六双路储能特征图和所述第七双路储能特征图分别输入至所述第一卷积块注意力单元和所述第二卷积块注意力单元，得到第八双路储能特征图和第九双路储能特征图；

131、将所述第八双路储能特征图和所述第九双路储能特征图进行拼接处理，得到第十双路储能特征图；

132、将所述第十双路储能特征图输入至第十一初始特征提取单元，得到所述第二初始特征图。

133、在一个或多个实施例中，所述精细储能设备特征感知单元包括：第一最大池化单元、第一平均池化单元、第一激活单元、第三切割单元、多个初始特征提取单元、以及多个深度可分离卷积单元；

134、相应的，所述处理模块，将所述第五初始特征图输入至所述精细储能设备特征感知单元，得到第六初始特征图，具体用于：

135、将所述第五初始特征图分别输入至所述第一最大池化单元、第七深度可分离卷积单元、第八深度可分离卷积单元、以及所述第一平均池化单元，得到第一精细储能特征图、第二精细储能特征图、第三精细储能特征图、以及第四精细储能特征图；

136、将所述第二精细储能特征图和所述第三精细储能特征图分别输入至第十二初始特征提取单元和第十三初始特征提取单元，得到第五精细储能特征图和第六精细储能特征图；

137、将所述第五精细储能特征图和所述第六精细储能特征图进行拼接处理，得到第七精细储能特征图；

138、将所述第七精细储能特征图依次输入至第十四初始特征提取单元、所述第一激活单元，得到第一精细储能权重图；

139、将所述第一精细储能权重图输入至所述第三切割单元，得到第二精细储能权重图和第三精细储能权重图；

140、将所述第五精细储能特征图和所述第二精细储能权重图进行逐元素相乘，得到第八精细储能特征图；

141、将所述第六精细储能特征图和所述第三精细储能权重图进行逐元素相乘，得到第九精细储能特征图；

142、将所述第一精细储能特征图、所述第四精细储能特征图、所述第八精细储能特征图、以及所述第九精细储能特征图进行拼接处理，得到第十精细储能特征图；

143、将所述第十精细储能特征图输入至第十五初始特征提取单元，得到所述第六初始特征图。

144、在一个或多个实施例中，所述特征增强单元包括：多路特征卷积单元、第一上采样单元、第二上采样单元、多个初始特征提取单元、以及多个储能设备特征过滤单元；

145、相应的，所述处理模块，将所述多个初始特征图输入至所述特征增强单元，得到多个增强特征图，具体用于：

146、将所述第六初始特征图输入至所述多路特征卷积单元，得到第一增强特征图；

147、将所述第一增强特征图输入至所述第一上采样单元，得到第二增强特征图；

148、将所述第四初始特征图和所述第二增强特征图进行拼接处理，得到第三增强特征图；

149、将所述第三增强特征图输入至第一储能设备特征过滤单元，得到第四增强特征图；

150、将所述第四增强特征图输入至所述第二上采样单元，得到第五增强特征图；

151、将所述第三初始特征图和所述第五增强特征图进行拼接处理，得到第六增强特征图；

152、将所述第六增强特征图输入至第二储能设备特征过滤单元，得到第七增强特征图；

153、将所述第七增强特征图输入至第十六初始特征提取单元，得到第八增强特征图；

154、将所述第四增强特征图和所述第八增强特征图进行拼接处理，得到第九增强特征图；

155、将所述第九增强特征图输入至第三储能设备特征过滤单元，得到第十增强特征图；

156、将所述第十增强特征图输入至第十七初始特征提取单元，得到第十一增强特征图；

157、将所述第一增强特征图和所述第十一增强特征图进行拼接处理，得到第十二增强特征图；

158、将所述第十二增强特征图输入至第四储能设备特征过滤单元，得到第十三增强特征图。

159、在一个或多个实施例中，每个储能设备特征过滤单元包括：特征协同子单元、第九深度可分离卷积单元、批归一化单元、第二激活单元、第四切割单元、以及多个初始特征提取单元；

160、相应的，所述处理模块，将所述第三增强特征图输入至第一储能设备特征过滤单元，得到第四增强特征图，具体用于：

161、将所述第三增强特征图分别输入至第十八初始特征提取单元和第十九初始特征提取单元，得到第一过滤特征图和第二过滤特征图；

162、将所述第一过滤特征图和所述第二过滤特征图进行特征叠加处理，得到第三过滤特征图；

163、将所述第三过滤特征图依次输入至所述第九深度可分离卷积单元、所述批归一化单元、以及所述第二激活单元，得到第一过滤权重图；

164、将所述第一过滤权重图输入至所述第四切割单元，得到第二过滤权重图和第三过滤权重图；

165、将所述第一过滤特征图和所述第二过滤权重图进行逐元素相乘，得到第四过滤特征图；

166、将所述第二过滤特征图和所述第三过滤权重图进行逐元素相乘，得到第五过滤特征图；

167、将所述第四过滤特征图和所述第五过滤特征图进行逐元素相乘，得到第六过滤特征图；

168、将所述第四过滤特征图和所述第五过滤特征图进行逐元素相加，得到第七过滤特征图；

169、将所述第三增强特征图输入至所述特征协同子单元，得到第八过滤特征图；

170、将所述第三增强特征图、所述第六过滤特征图、所述第七过滤特征图、以及所述第八过滤特征图进行拼接处理，得到第九过滤特征图；

171、将所述第九过滤特征图输入至第二十初始特征提取单元，得到所述第四增强特征图。

172、在一个或多个实施例中，所述特征协同子单元包括：第二平均池化单元、第三平均池化单元、第二最大池化单元、第三最大池化单元、以及多个初始特征提取单元；

173、相应的，所述处理模块，将所述第三增强特征图输入至所述特征协同子单元，得到第八过滤特征图，具体用于：

174、将所述第三增强特征图输入至第二十一初始特征提取单元，得到第一协同特征图；

175、将所述第一协同特征图依次输入所述第二平均池化单元和所述第三平均池化单元，得到第二协同特征图；

176、将所述第一协同特征图和所述第二协同特征图进行拼接处理，得到第三协同特征图；

177、将所述第三协同特征图依次输入所述第二最大池化单元和所述第三最大池化单元，得到第四协同特征图；

178、将所述第三协同特征图和所述第四协同特征图进行拼接处理，得到第五协同特征图；

179、将所述第五协同特征图输入至第二十二初始特征提取单元，得到第六协同特征图；

180、将所述第一协同特征图和所述第六协同特征图进行特征叠加处理，得到第七协同特征图；

181、将所述第七协同特征图输入至第二十三初始特征提取单元，得到所述第八过滤特征图。

182、第三方面，本技术实施例提供一种电子设备，包括：存储器，处理器；

183、所述存储器存储计算机执行指令；

184、所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行时用于实现上述第一方面及任一种实施例中所述的方法。

185、第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现上述第一方面及任一种实施例中所述的方法。

186、第五方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时用于实现如上述第一方面以及第一方面各种可能的实现方式的储能设备的热故障检测方法。

187、本技术实施例提供的储能设备的热故障检测方法。该方法首先获取待检测储能设备的目标图像，接着将目标图像输入至热故障检测模型，得到储能设备的热故障信息，其中，热故障检测模型是基于多个储能设备的图像和每个图像对应的标注热故障信息确定的，热故障信息包括：故障位置和故障类型。上述方法中，通过获取待检测储能设备的目标图像，并将目标图像输入基于多个储能设备图像及其对应标注热故障信息确定的热故障检测模型，能够从目标图像中准确识别储能设备的故障位置和故障类型，进而提升复杂环境和动态工况下储能设备早期热故障检测的准确性，降低漏检、误检风险。