本申請涉及儲能電池安全監(jiān)測，尤其是涉及一種基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法及系統。

背景技術：

1、隨著儲能鋰電池大量投入儲能產業(yè)工作中，其引發(fā)的儲能電站火災、爆炸事故常有發(fā)生，威脅著站內工作人員與站內財產的安全，安全性是實現儲能電池規(guī)?；茝V應用的先決條件。在實際應用中，鋰離子電池熱失控導致的安全問題最為嚴重，在實際應用中，鋰離子電池在遭遇機械濫用、電濫用和熱濫用時，電池材料受到破壞產生異常發(fā)熱現象，熱量的不斷積聚加劇內部放熱化學反應的進行，形成正反饋，最終造成熱失控。熱失控過程中釋放大量的熱量和可燃性氣體，當可燃性氣體密度達到一定濃度時，在高溫帶電的條件下會發(fā)生爆炸，嚴重影響儲能電站的安全穩(wěn)定運行。目前，一般通過監(jiān)測電池內部溫度與電池產生氣體含量分析對電池進行監(jiān)控，這些手段預警時間幾乎與熱失控同時發(fā)生，工作人員很難及時采取安全措施阻止熱失控的發(fā)生。

技術實現思路

1、為了解決上述問題，本申請?zhí)峁┮环N基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法及系統。

2、第一方面，本申請?zhí)峁┑囊环N基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法采用如下的技術方案：

3、一種基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法，包括：

4、獲取目標儲能電池的聲音信號；

5、利用emd去噪方法對所述聲音信號進行預處理以獲取目標聲音信號；

6、在所述目標聲音信號中獲取特征數據集；

7、利用主成分分析法對所述特征數據集進行數據降維處理以得到所述聲音信號對應的目標特征參數集；

8、利用概率神經網絡對所述目標特征參數集進行識別。

9、可選的，所述獲取目標儲能電池的聲音信號的步驟，包括：

10、在判定目標儲能電池正在進行充電時，通過預設傳感裝置采集所述目標儲能電池的聲音信號，其中，所述預設傳感裝置位于所述目標儲能電池中電池單體水平方向，且位于電池泄壓閥側，采樣頻率要求大于等于4khz。

11、可選的，所述利用emd去噪方法對所述聲音信號進行預處理以獲取目標聲音信號的步驟，包括：

12、根據所述電池泄壓閥打開聲音與背景噪聲的頻率特性，對采集聲音信號采用經驗模態(tài)分解方法進行低頻噪聲處理與消除基線漂移干擾以獲取目標聲音信號。

13、可選的，所述在所述目標聲音信號中獲取特征數據集的步驟，包括：

14、在所述目標聲音信號中提取聲音信號聲壓級、沖擊系數以及小波包分解能量以生成特征數據集。

15、可選的，所述利用主成分分析法對所述特征數據集進行數據降維處理以得到所述聲音信號對應的目標特征參數集的步驟，包括：

16、根據特征數據集確定待投影信息；

17、將所述待投影信息在主成分上進行投影生成投影結果；

18、根據所述投影結果確定貢獻率信息；

19、在所述貢獻率信息中確定目標特征參數集。

20、可選的，所述利用主成分分析法對所述特征數據集進行數據降維處理以得到所述聲音信號對應的目標特征參數集的步驟之后，還包括：

21、根據所述目標特征參數集中的標簽信息生成電池畫像；

22、獲取歷史工作日志，并在所述歷史工作日志中根據所述電池畫像進行遍歷以判斷是否存在同類目標；

23、若是，則獲取所述同類目標的識別記錄信息；

24、根據所述識別記錄信息結合所述聲音信號生成快捷識別結果。

25、可選的，所述利用概率神經網絡對所述目標特征參數集進行識別的步驟之后，還包括：

26、在判定識別結果為異常狀態(tài)時，根據所述識別結果確定異常災害等級，其中所述異常災害等級為一級告警狀態(tài)和二級預警狀態(tài)；

27、在確定所述異常災害等級為一級告警狀態(tài)時，在預設策略集合中根據告警標簽確定第一策略集合；

28、獲取當前維護環(huán)境信息，在所述當前維護環(huán)境信息中確定可執(zhí)行策略以及每一可執(zhí)行策略對應的消耗值；

29、根據所述消耗值和所述第一策略集合確定目標告警策略；

30、在確定所述異常災害等級為危機預警狀態(tài)時，生成預警信息并將所述預警信息發(fā)送至預設預警端口。

31、第二方面，本申請?zhí)峁┮环N基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的系統，所述基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的包括：

32、信號獲取模塊，用于獲取目標儲能電池的聲音信號；

33、預處理模塊，用于利用emd去噪方法對所述聲音信號進行預處理以獲取目標聲音信號；

34、數據集模塊，用于在所述目標聲音信號中獲取特征數據集；

35、目標特征參數模塊，用于利用主成分分析法對所述特征數據集進行數據降維處理以得到所述聲音信號對應的目標特征參數集；

36、識別模塊，用于利用概率神經網絡對所述目標特征參數集進行識別。

37、綜上描述，本申請包括以下有益技術效果：

38、本申請通過獲取目標儲能電池的聲音信號；利用emd去噪方法對所述聲音信號進行預處理以獲取目標聲音信號；在所述目標聲音信號中獲取特征數據集；利用主成分分析法對所述特征數據集進行數據降維處理以得到所述聲音信號對應的目標特征參數集；利用概率神經網絡對所述目標特征參數集進行識別。實現對電池工作狀態(tài)下泄壓閥打開事件的判斷，能夠預警熱失控等故障事件，使安全人員提前采取措施，避免因電池故障對公眾的生命安全與財產損失造成威脅。

技術特征：

1.一種基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法，其特征在于，包括：

2.根據權利要求1所述的基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法，其特征在于，所述獲取目標儲能電池的聲音信號的步驟，包括：

3.根據權利要求2所述的基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法，其特征在于，所述利用emd去噪方法對所述聲音信號進行預處理以獲取目標聲音信號的步驟，包括：

4.根據權利要求1所述的基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法，其特征在于，所述在所述目標聲音信號中獲取特征數據集的步驟，包括：

5.根據權利要求1所述的基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法，其特征在于，所述利用主成分分析法對所述特征數據集進行數據降維處理以得到所述聲音信號對應的目標特征參數集的步驟，包括：

6.根據權利要求1所述的基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法，其特征在于，所述利用主成分分析法對所述特征數據集進行數據降維處理以得到所述聲音信號對應的目標特征參數集的步驟之后，還包括：

7.根據權利要求1所述的基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法，其特征在于，所述利用概率神經網絡對所述目標特征參數集進行識別的步驟之后，還包括：

8.一種基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的系統，其特征在于，所述系統包括：

技術總結
本發(fā)明提供了一種基于神經網絡的電池泄壓閥打開狀態(tài)聲音特征識別的方法及系統，涉及儲能電池安全監(jiān)測技術領域，通過獲取目標儲能電池的聲音信號；利用EMD去噪方法對所述聲音信號進行預處理以獲取目標聲音信號；在所述目標聲音信號中獲取特征數據集；利用主成分分析法對所述特征數據集進行數據降維處理以得到所述聲音信號對應的目標特征參數集；利用概率神經網絡對所述目標特征參數集進行識別。實現對電池工作狀態(tài)下泄壓閥打開事件的判斷，能夠預警熱失控等故障事件，使安全人員提前采取措施，避免因電池故障對公眾的生命安全與財產損失造成威脅。

技術研發(fā)人員：徐松,萬濤,李欣,吳俊杰,查方林,魏加強,劉奕奕,唐遠富,張午寅,陳遠揚,周舟,謝阿萌
受保護的技術使用者：國網湖南省電力有限公司電力科學研究院
技術研發(fā)日：
技術公布日：2024/12/19