《The Innovation》:Natural language processing and safety engineering based fault identification technique for electrochemical energy storage systems
编辑推荐:
李禹轩|梅文欣|程志祥|唐亮|卓萍|孔德鹏|胡振凯|张月|李晨彤|张月|刘超石|金开强|段强岭|孙金华|王青松中国科学技术大学火灾科学国家重点实验室,合肥 230026摘要电化学储能系统(ESSs)对电网稳定性及可再生能源的整合至关重要,但其规模不断扩大和复杂性增加导致了热失控和
李禹轩|梅文欣|程志祥|唐亮|卓萍|孔德鹏|胡振凯|张月|李晨彤|张月|刘超石|金开强|段强岭|孙金华|王青松
中国科学技术大学火灾科学国家重点实验室,合肥 230026
摘要
电化学储能系统(ESSs)对电网稳定性及可再生能源的整合至关重要,但其规模不断扩大和复杂性增加导致了热失控和火灾等安全风险。为应对这些挑战,我们提出了一个集成的故障诊断框架,该框架结合了自然语言处理、深度学习和安全工程技术。我们编制了一份全球性的ESS故障日志,并通过大型语言模型生成了合成案例,以确保数据的多样性和平衡性。从非结构化报告中提取的故障信息通过Bow-Tie分析和失效模式分析进行研判,以识别故障发展路径和关键风险因素。在分类方面,我们引入了一种自注意力增强的卷积神经网络,并采用动态学习率机制,有效捕捉了细微特征和长期依赖关系。该模型准确率达到94.93%,宏观F1分数为0.9427,优于传统基准模型。除了分类功能外,该框架还将每个识别出的故障与完整的处理方案相关联,包括预防措施、应急响应和后果分析,从而减少停机时间并提升系统韧性。此外,关键词网络和层次聚类揭示了故障类别之间的隐藏关联,为针对性的预防策略提供了可操作的见解。这项工作为电化学储能系统的实时监测、智能诊断和主动风险管理建立了一条稳健且实用的路径。