基于人工智能的储能系统诊断方法、装置、设备及介质与流程

本申请涉及储能系统运维，尤其涉及一种基于人工智能的储能系统诊断方法、装置、设备及存储介质。

背景技术：

1、随着储能系统在工商业及户用场景中的装机量持续增长，储能系统的运维管理面临日益严峻的挑战。当前储能系统的运维主要依赖人工定期登录云端平台查看运行数据，由运维人员根据个人经验判断设备状态是否正常。这种人工巡检模式不仅效率低下，无法实现全天候不间断监测，而且不同运维人员的经验水平参差不齐，对同一组数据的判断结果可能存在显著差异，诊断质量缺乏统一标准。

2、此外，储能系统的故障往往经历从微小异常逐步演化为严重故障的过程，在异常萌芽阶段其表征极为微弱，电压、温度等参数仅呈现缓慢的轻微偏离，人工通过观察数据曲线几乎无法察觉这类细微变化，导致故障通常在已经造成设备保护动作或停机之后才被发现，此时故障已经发生，维修成本高且影响系统可用性。现有储能系统运维方式存在早期异常难以发现、故障根因定位耗时长、诊断结果受限于个人经验以及离线场景缺乏有效分析手段的问题，这些问题共同构成了制约储能系统运维效率提升的技术瓶颈。

技术实现思路

1、鉴于以上内容，本申请提供一种基于人工智能的储能系统诊断方法、装置、设备及存储介质，其目的在于解决上述技术问题。

2、第一方面，本申请提供一种基于人工智能的储能系统诊断方法，所述方法包括：

3、将异常识别模型压缩后下发至边缘网关，以使边缘网关将标准化时序数据输入压缩后的异常识别模型进行实时推理；

4、若推理结果指示存在硬故障时触发本地保护动作，并记录故障时刻及故障时刻前后储能系统的运行数据；

5、根据所述故障时刻截取目标时间窗口内的运行数据，将目标时间窗口内的运行数据输入根因分析模型，获得各候选事件作为故障根因的置信度排序；

6、根据置信度排序分别每个候选事件与故障知识库进行匹配，得到带有因果路径的诊断结论，并根据所述诊断结论生成诊断报告。

7、第二方面，本申请提供一种基于人工智能的储能系统诊断装置，所述装置包括执行第一方面所述的基于人工智能的储能系统诊断方法的模块。

8、第三方面，本申请提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

9、存储器，用于存放计算机程序；

10、处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的基于人工智能的储能系统诊断方法的步骤。

11、第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的基于人工智能的储能系统诊断方法的步骤。

12、本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

13、能够在运行特征仅呈现微小偏离的软异常阶段即识别出潜在风险并推送预警，实现了故障的早期发现和预防性干预。边缘网关部署的压缩后的异常识别模型能够在本地对标准化时序数据进行实时推理，当检测到硬故障特征时即时触发本地保护动作并记录故障时刻及故障时刻前后的运行数据，响应过程无需等待云端指令，避免了网络传输延迟对保护及时性的影响。云端服务器根据故障时刻截取目标时间窗口内的运行数据并结合储能系统拓扑结构输入根因分析模型，能够自动获得各候选事件作为故障根因的置信度排序，将根因定位从人工逐项排查转变为量化自动分析。置信度排序中各候选事件与故障知识库的匹配过程使得模型输出的统计概率能够与历史案例和专家经验进行交叉验证，最终输出的诊断结论附带因果路径，在统计证据和物理机理两个层面同时具备可解释性，从而提高储能系统的运维效率。

1.一种基于人工智能的储能系统诊断方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于人工智能的储能系统诊断方法，其特征在于，所述方法还包括：

3.如权利要求1所述的基于人工智能的储能系统诊断方法，其特征在于，在生成诊断报告后，所述方法还包括：

4.如权利要求1所述的基于人工智能的储能系统诊断方法，其特征在于，边缘网关将标准化时序数据输入压缩后的异常识别模型进行实时推理，包括：

5.如权利要求1所述的基于人工智能的储能系统诊断方法，其特征在于，若推理结果指示存在硬故障时触发本地保护动作，并记录故障时刻及故障时刻前后储能系统的运行数据，包括：

6.如权利要求1所述的基于人工智能的储能系统诊断方法，其特征在于，根据所述故障时刻截取目标时间窗口内的运行数据，将目标时间窗口内的运行数据输入根因分析模型，获得各候选事件作为故障根因的置信度排序，包括：

7.如权利要求1所述的基于人工智能的储能系统诊断方法，其特征在于，根据置信度排序分别每个候选事件与故障知识库进行匹配，得到带有因果路径的诊断结论，并根据所述诊断结论生成诊断报告，包括：

8.一种基于人工智能的储能系统诊断装置，其特征在于，所述装置包括执行如权利要求1至7中任一项所述的基于人工智能的储能系统诊断方法的模块。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的储能系统诊断方法。