文献类型：期刊文章

作　　者：刘建军[1] 邓洁清[2] 郭世雄[3] 朱奕楠[3] 杨文[3] 王德佳[4]

LIU Jianjun;DENG Jieqing;GUO Shixiong;ZHU Yinan;YANG Wen;WANG Dejia(State Grid Jiangsu Electric Power Co.,Ltd.Research Institute,Nanjing 211103,China;State Grid Jiangsu Electric Power Co.,Ltd.Nanjing 210024,China;East China University of Science and Technology,Shanghai 200237,China;Shanghai Power and Energy Storage Battery System Engineering Technology Co.,Ltd.,Shanghai 200241,China)

机构地区：[1]国网江苏省电力有限公司电力科学研究院,江苏南京211103 [2]国网江苏省电力有限公司,江苏南京210024 [3]华东理工大学,上海200237 [4]上海动力储能电池系统工程技术有限公司,上海200241

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金面上项目资助(61973123);中央高校基本科研业务费资助(JKH012016024)。

年　　份：2021

卷　　号：49

期　　号：4

起止页码：64-71

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对储能电站系统在运行状态的单体健康问题,提出一种基于核密度估计和长短期记忆(Long Short-Term Memory,LSTM)模型的健康监测和预警系统。该系统由两部分构成,一部分是基于核密度估计的健康度评估模块,该模块可以对储能电站内部所有的储能电池进行周期性巡检。基于BMS采集的历史数据,利用核密度估计方法及时检查电池单体的健康状态。另一部分是基于LSTM模型的故障预警模块,LSTM可以对监测变量在较长时间内的动态变化做出预测,结合核密度估计出的控制限,从而做出故障预警。实验结果表明:通过对实际电网运行历史数据的分析,验证了上述方法的有效性和实用性,证明了其可以有效降低因控制限不准确引起的故障漏报或误报率。

关 键 词：储能电站 核密度估计 LSTM模型  故障监测 故障预警

分 类 号：TM912]