CN119493033A 异常检测方法、功率调节系统及温度预测装置 （台达电子工业股份有限公司）

置本公开提出一种用于储能系统的异常检测多个感测数据并分别从每一类型的多个感测数过权重模型对多个时间序列特征计算出一预测通过模型解码器重构预测温度特征以产生电子目前温度之间的一误差值来评估电子元件的运2(a)接收获取自于一储能系统的一电子元件的多个感测数据且各该感测数据关联于一(b)依据各该感测数据的该类型分别输入该多个感测数据至一温度预测模型，其中该(c)通过各该模型编码器接收相同的该类型的该多个感测数据并分别从每一该类型的(e)通过该权重模型对该多个时间序列特征计算出一预测温度特征并输出该预测温度(g)通过计算该预测温度及一目前温度之间的一误差值来评估该电子元件的运行是否通过该权重模型的多个第一层分别接收该多个时间序列特征并由各该第一层计算出通过该权重模型的一第二层接收来自各该第一层的该第一相关特征并计算出各该第通过该权重模型的一串接层接收来自该第二层的多个该第二相关特征并计算出该预3.如权利要求1所述的异常检测方法，其中该模型解码器接收的该多个时间序列特征通过该模型解码器对该多个时间序列特征及关联于该功率模块温度的该时间序列特5.如权利要求1所述的异常检测方法，其中于执行分别依据多个训练感测数据来训练多个自动编于各该自动编码器的一训练重构数据与输入的各该训练感测数据的一差异值小于一6.如权利要求5所述的异常检测方法，其中于执行步骤(d)之前包括训练该权重模型，3使用经采用的该多个训练感测数据来执行反向传播演算法以更新7.如权利要求1所述的异常检测方法，其中各该感测数据的该类型包括一功率模块温一感测模块，经配置以获取一电子元件的多个感测数据，其中一存储媒体，耦接该感测模块及经配置以存储一温度预测模型多个模型编码器，经配置以接收该多个感测数据一运算装置，耦接该感测模块及该存储媒体，经配置以使用该通过各该模型编码器接收相同的该类型的该多个感测数据并分别从每一该类型的该通过该权重模型对该多个时间序列特征计算出一预测温度特征并输出该预测温度特通过比较该预测温度及一目前温度之间的误差值来评估该电子元件的运使用该权重模型的多个第一层分别接收该多个时间序列特征并由各该第一层计算出使用该权重模型的一第二层接收来自各该第一层的该第一相关特征并分别计算出各使用该权重模型的一串接层接收来自该第二层的多个该第二相关特征并计算出该预型解码器参考该功率模块温度的该时间序列特征来重构该4分别依据多个训练感测数据来训练多个自动编于各该自动编码器的一训练重构数据与输入的各该训练感测数据的一差异值小于一使用经采用的该多个训练感测数据来执行反向传播演算法以更新接收获取自于一储能系统的一电子元件的多个感测数据且各该感测数据关联于一类依据各该感测数据的该类型分别输入该多个感测数据至一温度预测通过各该模型编码器接收相同的该类型的该多个感测数据并分别从每一该类型的该通过该权重模型对该多个时间序列特征计算出一预测温度特征并输出该预测温度特通过该模型解码器重构该预测温度特征以产生该电子元件的一预5[0002]现行对于供电装置的异常预测作法为监测供电装置内部冷系统的温度变化的因素太多，例如水冷系统的温度与水冷系统的环境条件及风扇等有取自于一储能系统的一电子元件的多个感测数据且各感测数据关联于一类型；(b)依据各数据并分别从每一类型的多个感测数据中运算出关联于类型的多个时间序列特征；(d)输出每一类型的多个时间序列特征至权重模型；(e)通过权重模型对多个时间序列特征计算出一预测温度特征并输出预测温度特征至一模型解码器；(f)通过模型解码器重构预测温度特征以产生电子元件的一预测温度；以及(g)通过计算预测温度及一目前温度之间的一6各模型编码器接收相同的类型的多个感测数据并分别从每一类型的多个感测数据中运算权重模型对多个时间序列特征计算出一预测温度特征并输出预测温度特征至一模型解码温度及一目前温度之间的误差值来评估电子元件的运行是否的多个感测数据并分别从每一类型的多个感测数据中运算出关联于类型的多个时间序列[0021]图11为本公开根据一实施例所示出的通过预测温度来执行异常检测方法的流程[0022]图12为本公开根据一实施例所示出的训练温度预测模型的数据前置程序的流程78[0063]图1为本公开根据一实施例所示出的储能系统(EnergyStorageSystem)的方框系统(BatteryEnergyStorageSystem)120及能源管理系统(Energymanagement110会将再生能源170产生的电能供应至市电[0065]能源管理系统140包括云端数据库142。云端数据库142经配置以存储关联式数据节系统110包括运算装置112、存储媒体114及感测模块116。存储媒体114耦接于运算装置9[0077]图3为本公开根据一实施例所示出的用于储能系统的异常检测方法的流程图。异常检测方法应用于由图1的储能系统10及图2的[0085]于步骤S310，储能系统10通过功率调节系统110的感测模块116获取电子元件122度预测模型150包括模型编码器152a,152b,…,152n,152t、权重模型(reweighting温度预测模型150为各个类型分别设置有对第二类型的感测数据x2被输入至模型编码器152b；关联于第N类型的感测数据xn被输入至间序列特征f1,f2,…,fn,ft至权重模型154，通过权重模型154对多个时间序列特征f1,将预测温度特征ft_pred转换(重构)为[0097]于此实施例中，模型解码器156例如是自动编码器的解码器的组成。模型解码器输出至模型解码器156。模型解码器156会参考时间序列特征ft来对预测温度特征ft_pred型154包括多个第一层L1_1,L1_2,…,L1_n、第二层L2及串接层(L_cat，Layer[0105]于一实施例中，第一层为一运算模型，例如使用卷积(convolution)运算、线性(linear)运算、支持向量机(SupportVectorMachine,SVM)或称支持向量回归(SupportVectorRegression,SVR)、K平均运算(kmeans)、长短期存储运算(Longshort_term(attention)运算、图像化神经网络(Graphneuralnetworks)运算或上述运算组合的模ft_pred会被提供至模型编码器156(图4)来重构出预测温度T_pred。预测温度T_pred如上[0113]于一实施例中，处理器610例如是但不限于数字信号处理器(DigitalSignalProcessor,DSP)、特定用途集成电路(ApplicationSpecificIntegratedCircuit,现场可程序设计闸阵列(FieldProgrammableGateArray,FPGA)、网络处理器(Network[0114]于一实施例中，存储媒体620例如是但不限于随机存取存储器(RandomAccess[0116]于一实施例中，温度预测装置600通信或电性连接于储能系统(例如图1所示的储[0123]于步骤S710至步骤S760相似于图3的步骤S310至步骤S360的说明，并请一并参照[0124]为进一步说明温度预测模型150的多个模型编码器150a至152t的训练方法，请参[0128]训练编码器812接收训练感测数据xt1以计算出训练压缩数据xt1_c并传送至训练器810会于训练重构数据xt1’及训练感测数据xt1之间的误差小于一训练门限值后停止训[0131]训练编码器822接收训练感测数据xt2以计算出训练压缩数据xt2_c并传送至训练器820会于训练重构数据xt2’及训练感测数据xt2之间的误差小于一训练门限值后停止训[0132]以此类推，运算装置112会基于需要处理的类型的数量来训练对应数量的训练自[0134]图9为本公开根据一实施例所示出的训练模型编码器的流程图。模型编码器的训[0136]于步骤S920，运算装置112判断训练重构数据与输入至自动编码器的训练感测数据之间的差异值(误差)是否小于一训练门限值。若差异值小于训练门限值，则执行步骤[0139]于步骤S950，运算装置112使用差异值进行反向传播来更新训练编码器的权重参好的训练自动编码器810的训练编码器812被复制为图4的模型编码器152a。图8b所示被训练好的训练自动编码器820的训练编码器822被复制为图4的模型编码器1[0142]如此一来，温度预测模型150的每一个模型编码器具备有可精确获取出对应类型[0150]其中lossfeature,i为第i笔训练感测数据的特征域的误差，ft为模型编码器产生的[0151]如上述说明，从训练感测数据获取出的时间序列特征例如是关联于电力系统特[0153]其中lossreconst,i为第i笔训练感测数据经过权重模型154还原后的温度特征及训[0155]其中公式(3)为计算还原后的温度特征与实际温度之间的温度特征曲线之间的差时间序列特征重构为预测温度T_pred与输入的感测数续计算出的预测温度特征ft_pred经过模型解码器156的重构之后的预测温度T_pred会尽[0169]图11为本公开根据一实施例所示出的通过预测温度来执行异常检测方法的流程[0172]于步骤S1130，运算装置112对实时的时序感测数据执行数据前处理(data112取得的实时时序感测数据是一连续的时间曲线。实时时序感测数据可以从云端数据库据一时间区段(例如5分钟)来对前处理数[0182]图12为本公开根据一实施例所示出的训练温度预测模型的数据前置程序的流程[0189]于步骤S1270，运算装置112将正规化历史切片时序数据作为图9及图10的训练感[0195]于一实施例中，运算装置112是随机批次采样单位时间(即一时间区段)的正规化历史切片时序数据而取得多个随机的批次数据，并以多个随机的批次数据来进行数据增以解决设备因部分电子元件毁损而导致整体系统故障的问题并达到维持整体系统的稳定