基于工业互联网的户外储能设备静电放电测试方法及系统与流程

本发明涉及储能设备测试，具体涉及基于工业互联网的户外储能设备静电放电测试方法及系统。

背景技术：

1、随着新能源产业的蓬勃发展，新型电力系统对储能设备的安全性与可靠性提出了更高要求，户外储能设备作为保障电网稳定运行的核心枢纽，其在复杂自然环境下的抗干扰能力直接关系到整个电力系统的稳定供电。

2、其中，静电放电测试是评估户外储能设备抗扰度的关键手段，其目的在于模拟设备在真实运行环境中所可能遭遇的静电干扰事件，从而验证设备在极端工况下的工作稳定性。

3、然而传统的储能设备静电放电测试技术主要存在以下几方面的不足：

4、首先，测试时机选择不当，现有测试多侧重于设备处于停机休眠或平稳运转阶段的常规检验，脱离了设备真实高强度调度工况的测试场景，无法有效暴露设备在极端运行状态下隐藏的脆弱点；

5、其次，测试场景单一，缺乏对设备在满载充电与满载放电状态剧烈切换瞬态过程中的专项测试能力，无法真实评估设备在电流换向极短瞬间的抗干扰极限；

6、再次，测试同步性缺失，现有技术难以实现静电注入动作与设备内部最高频开关动作的精准同步，导致静电干扰无法在最脆弱的瞬态时刻施加，测试结果的有效性和可信度大打折扣；

7、最后，数据采集与评估体系不完善，缺乏对干扰状态下多源运行波动数据的完整捕捉与偏差分析能力，无法形成科学可靠的抗扰度评价标准。

8、这些问题共同导致了现有测试方法难以真实反映户外储能设备在复杂运行环境下的抗干扰能力，使得设备在实际投入使用后，面对突发的环境静电干扰时依然存在较高的故障风险。

技术实现思路

1、本发明的目的是针对现有技术中的上述不足，提供了基于工业互联网的户外储能设备静电放电测试方法及系统。

2、本发明的目的通过以下技术方案实现：基于工业互联网的户外储能设备静电放电测试方法，包括以下步骤：s1、获取储能电站下发的实时调度指令，通过解析实时调度指令提取储能设备从满载充电状态切换至满载放电状态的第一状态切换时间点；s2、根据第一状态切换时间点，采集储能设备内部的第一电流方向数据，若第一电流方向数据呈现由正向最大数值突变为负向最大数值的特征，则确定储能设备内部发生第一电流反转事件；s3、针对第一电流反转事件，获取功率控制部件的第一实时开关频率，通过比对第一实时开关频率与预设频率阈值，获得功率控制部件处于第一开关动作最高频时刻；s4、在第一开关动作最高频时刻，向外部静电发生装置发送第一触发信号，根据第一触发信号控制外部静电发生装置对储能设备执行第一静电脉冲的同步注入动作；s5、经过第一静电脉冲的同步注入动作，采集储能设备在遭受静电干扰瞬间产生的第一多源运行波动数据；s6、采用长短期记忆网络对第一多源运行波动数据进行时序特征提取，得到包含电池充放电异常特征的第一特征向量；s7、通过随机森林算法对第一特征向量进行分类处理，获得电池剩余电量的第一偏差估算数值；s8、根据第一偏差估算数值，若第一偏差估算数值大于预设偏差阈值，则判定储能设备在瞬态捕捉过程中的第一抗扰评价未达标。

3、本发明进一步设置为，步骤s1具体包括以下步骤：s11、建立与储能电站调度系统的通信连接，实时接收储能电站下发的调度指令数据包；s12、对调度指令数据包进行协议解析，提取指令中的设备标识、调度类型、目标功率值以及指令下发时间戳；s13、根据调度类型判断是否为状态切换指令，当调度类型指示从充电模式转为放电模式时，提取该指令对应的第一状态切换时间点。

4、本发明进一步设置为，建立与储能电站调度系统的通信连接包括：采用工业互联网协议栈中的实时数据订阅机制，通过消息中间件建立双向通信通道，确保调度指令的下发延迟控制在预定时间阈值以内。

5、本发明进一步设置为，步骤s2具体包括以下步骤：s21、在第一状态切换时间点触发数据采集模块，启动对储能设备内部电流传感器的连续采样；s22、对采样获得的电流信号进行滤波处理，消除高频噪声干扰，获得纯净的电流方向信号；s23、检测电流方向信号从正向最大数值跌落至负向最大数值的突变跳变，若跳变幅度超过预设幅度阈值，则判定为第一电流反转事件。

6、本发明进一步设置为，对采样获得的电流信号进行滤波处理包括：采用自适应卡尔曼滤波算法，根据电流信号的动态特性实时调整滤波参数，在保持信号响应速度的前提下有效抑制随机噪声。

7、本发明进一步设置为，步骤s3具体包括以下步骤：s31、实时采集功率控制部件的驱动信号，通过边沿检测算法统计驱动信号在单位时间内的跳变次数；s32、将统计得到的跳变次数与预设频率阈值进行比对，当跳变次数达到或超过预设频率阈值时，记录当前时刻为第一开关动作最高频时刻。

8、本发明进一步设置为，实时采集功率控制部件的驱动信号包括：在功率控制部件的驱动电路中部署高速采样探头，通过现场可编程门阵列芯片对驱动信号进行高精度计数，采样频率设置为预设频率阈值的若干倍，以确保计数精度。

9、本发明进一步设置为，步骤s4具体包括以下步骤：s41、在检测到第一开关动作最高频时刻的瞬间，生成第一触发信号，第一触发信号包含触发时间戳和静电脉冲参数；s42、将第一触发信号通过低延迟通信链路传输至外部静电发生装置；s43、外部静电发生装置接收第一触发信号后，根据静电脉冲参数生成第一静电脉冲，并对储能设备的指定放电点执行同步注入。

10、本发明进一步设置为，第一触发信号通过低延迟通信链路传输包括：采用毫秒级延迟的专用控制网络，确保触发信号从生成到传输的总体延迟不超过预定时间窗口，以保证静电注入动作与功率部件最高频开关动作的时间同步精度。

11、本发明进一步设置为，步骤s5具体包括以下步骤：s51、同步启动多通道数据采集单元，对储能设备的电池电压、电池电流、电池温度、功率模块温度以及通信状态等多源运行参数进行并行采集；s52、对采集到的多源运行波动数据进行时间戳对齐和格式标准化处理，形成统一的第一多源运行波动数据集。

12、本发明进一步设置为，同步启动多通道数据采集单元包括：在储能设备的各关键节点部署相应的传感器模块，通过高精度同步时钟确保各通道采样时刻的一致性，采样率设置为能够捕捉毫秒级波动的高频率。

13、本发明进一步设置为，步骤s6具体包括以下步骤：s61、将第一多源运行波动数据集按照时间顺序组织为时序数据序列；s62、构建长短期记忆网络模型，该模型包含输入层、若干长短期记忆层以及输出层；s63、将时序数据序列输入长短期记忆网络模型，通过长短期记忆层的门控机制提取时序特征中的长期依赖关系和短期波动模式；s64、从长短期记忆网络模型的输出层获取第一特征向量，该第一特征向量包含电池充放电异常特征的紧凑表示。

14、本发明进一步设置为，长短期记忆网络模型的门控机制包括：输入门用于控制当前时刻信息的保留程度，遗忘门用于决定前一时刻信息的丢弃比例，输出门用于筛选需要传递至下一时刻的特征信息，通过这三个门的协同作用，模型能够有效捕捉时序数据中的复杂动态模式。

15、本发明进一步设置为，步骤s7具体包括以下步骤：s71、构建随机森林分类器，该分类器由若干棵决策树组成，每棵决策树基于不同的特征子集进行训练；s72、将第一特征向量输入随机森林分类器，每棵决策树基于自身学到的分类规则对第一特征向量进行独立判断；s73、对所有决策树的分类结果进行投票统计，获得电池剩余电量偏差的分类结果；s74、根据分类结果计算第一偏差估算数值，该数值表示电池剩余电量估算值与实际值的偏差程度。

16、本发明进一步设置为，随机森林分类器的每棵决策树在训练时采用自助采样策略，即从原始特征向量集合中有放回地抽取与原始集合等量的样本，同时在每个节点分裂时仅考虑预设数量的随机特征子集，这种双重随机机制有效降低了模型的方差，提高了分类器的泛化能力。

17、本发明进一步设置为，步骤s8具体包括以下步骤：s81、设定预设偏差阈值，该阈值基于储能设备的设计规范和可靠性要求确定；s82、将第一偏差估算数值与预设偏差阈值进行比较；s83、若第一偏差估算数值大于预设偏差阈值，则判定储能设备在第一电流反转时刻的第一抗扰评价未达标，并在测试报告中记录该判定结果。

18、一种基于工业互联网的户外储能设备静电放电测试系统，用于实现上述的方法，包括：调度指令获取模块，用于建立与储能电站调度系统的通信连接，实时获取并解析储能电站下发的实时调度指令，提取储能设备从满载充电状态切换至满载放电状态的第一状态切换时间点；电流数据采集模块，用于根据第一状态切换时间点采集储能设备内部的第一电流方向数据，并判断是否发生第一电流反转事件；开关频率监测模块，用于获取功率控制部件的第一实时开关频率，通过与预设频率阈值比对获得功率控制部件处于第一开关动作最高频时刻；静电同步注入模块，用于在第一开关动作最高频时刻向外部静电发生装置发送第一触发信号，控制外部静电发生装置对储能设备执行第一静电脉冲的同步注入动作；多源波动数据采集模块，用于采集储能设备在遭受静电干扰瞬间产生的第一多源运行波动数据；时序特征提取模块，用于采用长短期记忆网络对第一多源运行波动数据进行时序特征提取，得到包含电池充放电异常特征的第一特征向量；偏差估算模块，用于通过随机森林算法对第一特征向量进行分类处理，获得电池剩余电量的第一偏差估算数值；抗扰评价判定模块，用于根据第一偏差估算数值与预设偏差阈值的比较结果，判定储能设备在瞬态捕捉过程中的第一抗扰评价是否达标。

19、本发明的有益效果：本发明通过获取储能电站实时调度指令并提取状态切换时间点，实现了对储能设备在满载充电与满载放电状态剧烈切换瞬态过程的精确捕捉；调度指令解析模块能够从海量调度数据中快速识别状态切换指令，并提取精确的时间点信息；其次通过在第一电流反转事件对应的功率部件最高频开关时刻同步注入静电脉冲，确保了静电干扰在最脆弱的瞬态时刻施加；并且采用长短期记忆网络对多源运行波动数据进行时序特征提取，能够充分挖掘电池充放电异常在时间维度上的复杂模式，而随机森林算法则通过集成学习机制提高了偏差估算的准确性和鲁棒性。