CN119420049A 基于ai监督的储能设备状态在线运维监督方法及系统 （浙江兴丰智能科技有限公司）

基于AI监督的储能设备状态在线运维监督本发明提供一种基于AI监督的储能设备状的状态AI监督模型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无功2S1、通过所述储能系统协调控制器监测并上传所述储能设备的状态数据至所述上位S2、所述上位机将所述状态数据输入预设的状态A模型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无功补偿运维所述协调控制CPU，用于将所述储能设备的所述充放电状态数据转发至所述安全通信所述安全通信CPU，用于将所述储能设备的所述充放电状态数据经过安全加密处理后所述任务管理CPU通过所述传感接口与所述储能设备所述安全通信CPU通过所述通信接口与所述上位机所述协调控制CPU通过所述USB接口与所述储能设备3从所述上位机的后台数据库中，收集若干所述储能设备的历史运维对所述历史运维监督大数据进行特征工程，采用监督学习算法提收集各所述储能设备的特征提取结果，得到由若干组{状态识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无功补偿运维策略，接收并识别所述储能系统协调控制器上报的所述状态数据的基本信息并与对应所述将所述状态数据输入所述状态AI监督模型，由所述状态AI监督模型若有，则提取所述策略关键词，根据所述策略关键词8.一种基于AI监督的储能设备状态在线运维监督系态在线运维监督系统用于实现如权利要求1_7任一项所述基于AI监督的储能设备状态在线上位机，用于将所述状态数据输入预设的状态AI监督模型中，通过型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无功补偿运维策4存储器，所述存储器上存储有计算机可读指令，所述计算机5于电压的现象。这种滞后或超前的电流与电压之间的相位差会导致电网的功率因数下降，6态进行输出或吸收无功，因此在实际运维中也需要考虑到系统储能设备的无功补偿。储监督模型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无功补偿7所述协调控制CPU，用于将所述储能设备的所述充放电状态数据转发至所述安全所述安全通信CPU，用于将所述储能设备的所述充放电状态数据经过安全加密处所述任务管理CPU通过所述传感接口与所述储能设备所述安全通信CPU通过所述通信接口与所述上位机所述协调控制CPU通过所述USB接口与所述储能设备从所述上位机的后台数据库中，收集若干所述储能设备的历史运维监督大数据，将训练集输入默认的机器学习模型中，并按照预设的优化迭代训练条件进行训8状态AI监督模型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无接收并识别所述储能系统协调控制器上报的所述状态数据的基本信息并与对应数据中的状态特征值并判断是否有匹配所述状态特征值的策AI监督的储能设备状态在线运维监督系统用于实现上述所述基于AI监督的储能设备状态督模型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无功补偿运系统协调控制器，由所述储能系统协调控制器对所述储能设备执行所述无功补偿运维策成效评估值的EMS电网运行成效预测模型，并对实时的电网工况进行储能设备电网成效评9[0025]图1是本发明实施例提供的一种基于AI监督的储能设备状态在线运维监督方法流监督模型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无功补偿态AI监督模型可以简称为监督模型或者AI模型存若干次由管理员实施的无功补偿记录，可以基于历史大数据来进行监督模型训练与应所述协调控制CPU，用于将所述储能设备的所述充放电状态数据转发至所述安全所述安全通信CPU，用于将所述储能设备的所述充放电状态数据经过安全加密处所述任务管理CPU通过所述传感接口与所述储能设备所述安全通信CPU通过所述通信接口与所述上位机所述协调控制CPU通过所述USB接口与所述储能设备设备进行交互控制的USB接口以及进行状态数据传感监测的若干个传感接口，这些接口均进行解密，进行安全核对之后再将指令转发，最终由任务管理CPU来执行相应的采样任[0040]因此任务管理CPU可以控制相应的传感接口，采集相应储能设备的充放电状态数补偿运维监督，因此协调控制CPU可以基于预设的协调管理机制比如说采用消息队列来对从所述上位机的后台数据库中，收集若干所述储能设备的历史运维监督大数据，将训练集输入默认的机器学习模型中，并按照预设的优化迭代训练条件进行训[0050]管理员针对相应储能设备的历史状态数据所调控并生成子的补偿，具体根据相应历史状态数据中的运行参数来进行相应无功补偿控制指令的确策略或者有关无功补偿的告警指令/信息等，这些信息中包含对应的无功补偿控制参数）状态AI监督模型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无接收并识别所述储能系统协调控制器上报的所述状态数据的基本信息并与对应数据中的状态特征值并判断是否有匹配所述状态特征值的策[0084]通过以上步骤，就可以实现让LLM大语言模型根据策略关键词查库检索并输出对[0085]如图5所示，本发明上位机可以通过控制器对若干个储能电网系统中的储能设备所述基于AI监督的储能设备状态在线运维监督系统用于实现上述所述基于AI监督的储能督模型识别所述状态数据中的状态特征值并输出与所述状态特征值相匹配的无功补偿运系统协调控制器，由所述储能系统协调控制器对所述储能设备执行所述无功补偿运维策多个处理元件的统称。例如，第一处理器2001是一个或多个中央处理器（centralprocessingunit，CPU也可以是特定集成电路（applicationspecificintegrated多个微处理器（digitalsignalprocessor，DSP或，一个或者多个现场可编程门阵列[0092]可选地，第一处理器2001可以通过运行或执行存储在存储器所示的第一处理器2001和第二处理器2004。这些处理器中的每一个可以是一个单核处理器[0095]其中，所述存储器2002用于存储执行本发明方案的软件程序，并由第一处理器可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但备410的接口电路（图6中未示出）与第一处理器2001耦合，本发明实施例对此不作具定。[0101]此外，电子设备410的技术效果可以参考上述方法实施例所述的基于AI监督的储[0102]应理解，在本发明实施例中的第一处理器2001可以是中央处理单元（centralprocessingunit，CPU该处理器还可以是其他通用处理器、数字信号处理器（digital可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（read_速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器（randomaccess