基于DLPP-LOF的数据驱动储能电站运行状态监控方法

《Processes》：The State Monitoring of Energy Storage Power Stations Based on the Dynamic Local Preserving Projection–Local Outlier Factor Method

　　

摘要

储能电站运行状态的监控能够及时发现电池故障，防止其演变为可能导致经济损失甚至人员伤亡的严重事故。本文提出了一种名为动态局部保留投影-局部异常因子（DLPP-LOF）的新型数据驱动运行状态监控方法，以提高储能电站的系统安全性能。首先，考虑到储能电站电池管理系统采集的数据具有时间相关性，对采集的数据进行增强处理，使得构建的增强矩阵能够有效包含数据中的自相关性。然后，基于局部保留投影（LPP）方法，从增强后的数据矩阵中有效提取流形特征，以保留有意义的局部结构。由于储能电站电池管理系统中的数据不呈现任何特定分布，无法进行传统的T²和SPE统计分析。因此，我们提出使用局部异常因子（LOF）方法从监控中获取与故障状态相关的早期警告统计信息。最后，通过将所提出的DLPP-LOF方法应用于实际储能电站并与经典方法的结果进行比较，说明了该方法的有效性和优越性。