一种储能系统自学习安全控制与应急响应方法及相关设备与流程

本发明属于储能系统安全控制与人工智能，具体涉及了一种储能系统自学习安全控制与应急响应方法及相关设备。

背景技术：

1、随着海上风电平台储能系统规模化推广应用，智能化的安全控制策略与应急响应预案，是保障储能系统长期安全、经济、稳定运行的核心关键。目前海上风电储能系统的安全控制及应急响应技术仍存在诸多短板，难以适配海上复杂工况的运行需求。

2、现有储能安全控制策略多为静态固化规则，依赖固定阈值开展过温降额、故障隔离等操作，无法适配设备老化、环境波动、运行状态变化等场景，易出现早期误报、晚期预警滞后的问题，控制精准度不足。同时，现有应急预案多为通用模板，未针对故障类型、严重程度及运行工况做差异化设计，缺乏标准化、可量化的处置依据，高度依赖运维人员经验，处置效率低、误操作风险高。此外，系统未有效挖掘利用故障数据、运行记录等历史数据，无自学习进化机制，无法复盘优化控制策略，易出现同类故障重复发生的情况。储能安全控制存在安全、收益、设备寿命等多目标博弈问题，

3、现有技术缺乏动态优化权衡框架，易出现顾此失彼的问题。尤为关键的是，现有技术多沿用陆用储能方案，未适配海上平台无人值守、远程运维、救援滞后、环境恶劣的特殊场景，自主控制能力与运行鲁棒性不足。综上，目前亟需一种具备自学习能力的海上储能安全控制与应急响应方法，以解决现有技术的诸多缺陷。

技术实现思路

1、本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种储能系统自学习安全控制与应急响应方法及相关设备，用于解决现有储能安全控制策略静态固化、应急预案缺乏针对性、历史数据价值未充分挖掘的技术问题。

2、本发明的目的是由以下技术方案实现的：

3、第一方面，本发明提供了一种储能系统自学习安全控制与应急响应方法，其特征在于，包括：

4、获取储能系统的当前运行状态数据；

5、将所述当前运行状态数据输入预先训练的策略优化模型，输出安全控制策略，并依据所述安全控制策略对所述储能系统执行自适应安全控制；所述策略优化模型基于事件知识库训练得到，所述事件知识库用于存储所述储能系统历史安全事件的全过程数据；

6、在基于所述当前运行状态数据检测到储能系统发生目标安全事件时，提取所述目标安全事件的当前状态特征，在所述事件知识库中进行相似度检索，获得匹配的历史安全事件，并依据所述匹配的历史安全事件，生成针对所述目标安全事件的应急响应预案。

7、作为本发明的进一步改进，所述事件知识库存储的全过程数据包括事件元数据、触发条件数据、系统响应记录、运维处置记录、结果反馈以及环境与工况数据；

8、将所述当前运行状态数据输入预先训练的策略优化模型之前，还包括：

9、采集所述历史安全事件对应的全过程数据；

10、采用时序数据库存储所述触发条件数据中的传感器时序数据，采用关系数据库存储所述事件元数据和所述运维处置记录，并采用图数据库存储不同历史安全事件之间的因果关联关系。

11、作为本发明的进一步改进，所述策略优化模型的初始训练包括：

12、定义策略优化模型的状态空间和动作空间，所述状态空间包括储能设备状态、环境参数、历史特征和工况标识，所述动作空间包括连续调节动作和离散指令动作；

13、构建多目标奖励函数，所述多目标奖励函数包括安全奖励、经济奖励和寿命奖励的加权和，并扣除违规惩罚项；

14、基于深度强化学习算法，以所述事件知识库中的全过程数据作为训练样本，以最大化所述多目标奖励函数的累积奖励为目标，进行策略网络迭代训练，得到所述策略优化模型。

15、作为本发明的进一步改进，所述依据所述安全控制策略对所述储能系统执行自适应安全控制，包括动态阈值调整步骤：

16、提取所述当前运行状态数据中的设备老化状态参量和当前环境温度；

17、基于所述设备老化状态参量和所述当前环境温度，对预设的基准热失控预警阈值进行权重修正，得到动态热失控预警阈值；

18、当所述当前运行状态数据中的温度参量超出所述动态热失控预警阈值时，执行所述安全控制策略中的降额动作或停机动作。

19、作为本发明的进一步改进，所述执行所述安全控制策略还包括差异化降额分配步骤：

20、当检测到所述储能系统存在局部异常的异常电池簇时，获取所述策略优化模型输出的总降额指令功率；

21、计算所述异常电池簇的实际温度与所述动态热失控预警阈值之间的温度偏差值；

22、依据所述温度偏差值对所述总降额指令功率进行分配，使所述异常电池簇的额定输出功率优先降低，并保持正常电池簇的输出功率不变或少变。

23、作为本发明的进一步改进，所述依据所述安全控制策略对所述储能系统执行自适应安全控制，还包括自复位评估步骤：

24、当所述当前运行状态数据表征所述储能系统发生可复位故障时，在所述事件知识库中查询所述可复位故障的历史自动复位成功率；

25、当所述历史自动复位成功率大于或等于第一设定阈值时，输出自复位指令，并设置自动复位次数上限；

26、当所述历史自动复位成功率低于第二设定阈值时，拦截自动复位动作并输出人工处理提示信息；所述第一设定阈值大于所述第二设定阈值。

27、作为本发明的进一步改进，所述提取所述目标安全事件的当前状态特征，在所述事件知识库中进行相似度检索，获得匹配的历史事件，并依据所述匹配的历史事件生成针对所述目标安全事件的应急响应预案，包括：

28、将所述当前状态特征转换为当前状态特征向量，计算所述当前状态特征向量与所述事件知识库中历史状态特征向量的余弦相似度，检索出相似度最高的前k个历史事件；

29、提取所述前k个历史事件对应的历史处置措施和结果反馈，确定各历史处置措施对应的预期成功概率；

30、按照所述预期成功概率由高到低的顺序生成推荐处置步骤，并形成包含事件摘要、预期效果、备选方案和安全注意事项的应急响应预案。

31、作为本发明的进一步改进，还包括获取执行所述自适应安全控制的第一事件处置数据，以及获取执行所述应急响应预案产生的第二事件处置数据，基于所述第一事件处置数据和所述第二事件处置数据更新所述事件知识库，并在满足预设模型更新条件时，基于更新后的事件知识库对所述策略优化模型进行再训练，具体包括：

32、当所述事件知识库中新增加的第一事件处置数据和第二事件处置数据的数量达到设定数据量阈值，或者距上一次模型更新的时间间隔达到设定周期时，判定满足所述预设模型更新条件；

33、采用增量学习算法，从所述新增的的第一事件处置数据和第二事件处置数据中计算各样本的时序差分误差，并选取时序差分误差高于预设误差阈值的样本对所述策略优化模型进行参数微调。

34、第二方面，本发明提供了一种储能系统自学习安全控制与应急响应系统，包括：

35、数据获取模块，用于获取储能系统的当前运行状态数据；

36、自适应安全控制模块，用于将所述当前运行状态数据输入预先训练的策略优化模型，输出安全控制策略，并依据所述安全控制策略对所述储能系统执行自适应安全控制；所述策略优化模型基于事件知识库训练得到，所述事件知识库用于存储所述储能系统历史安全事件的全过程数据；

37、智能应急预案生成模块，用于在基于所述当前运行状态数据检测到储能系统发生目标安全事件时，提取所述目标安全事件的当前状态特征，在所述事件知识库中进行相似度检索，获得匹配的历史安全事件，并依据所述匹配的历史安全事件，生成针对所述目标安全事件的应急响应预案。

38、第三方面，本发明提供了一种计算机设备，包括：处理器和计算机可读存储介质；

39、处理器，适于执行计算机程序；

40、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程序，所述计算机程序被所述处理器执行时，实现如上述的储能系统自学习安全控制与应急响应方法。

41、第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于被处理器加载并执行如上述的储能系统自学习安全控制与应急响应方法。

42、本发明的有益效果在于：本发明提供了一种储能系统自学习安全控制与应急响应方法。通过获取储能系统的当前运行状态数据，能够精准实时捕捉储能系统实际运行工况，为后续精准策略调控和故障判定提供真实、有效的数据支撑，规避了现有技术依靠固定参数判定导致的与实际运行状态脱节的缺陷；通过将当前运行状态数据输入预先训练的策略优化模型并输出安全控制策略，进而完成储能系统自适应安全控制，可依据储能系统实时运行状态动态调整安全控制规则，彻底解决现有静态固化控制策略无法适配设备老化、环境变化等场景，导致预警误报、滞后的问题；依托存储储能系统历史安全事件全过程数据的事件知识库训练策略优化模型，可充分挖掘复用历史运行、故障及处置数据价值，赋予控制模型自学习进化能力，杜绝同类故障、同类处置错误重复发生的情况；在检测到储能系统目标安全事件后，提取当前状态特征并在事件知识库中开展相似度检索以匹配对应历史安全事件，可依托真实历史故障处置经验针对性生成对应应急响应预案，替代现有通用化、一刀切的预案模板，实现不同故障、不同工况、不同故障程度的差异化标准化处置，摆脱对运维人员个人经验的依赖，有效提升故障处置效率、降低误操作风险；本发明通过模型自适应调控与历史事件匹配应急的协同配合，可在储能系统安全控制过程中动态平衡安全运行、发电收益及设备寿命等多项目标，规避多目标权衡顾此失彼的问题，同时大幅提升海上风电储能系统无人值守、远程运维场景下的安全控制自主性与鲁棒性，全面适配海上恶劣特殊运行环境，从根源上解决了现有海上储能安全控制智能化、自适应、精准化不足的全部技术问题。