本發明涉及數據處理，更具體地說，它涉及一種儲能系統運行狀態確定系統。

背景技術：

1、在基于蓄水池的水力儲能系統的運行過程中，蓄水池的污染風險直接關系到水力發電設備的運行狀態，污染風險包括蓄水池中泥沙、顆粒等污染物。現有技術一般存在對基于蓄水池的儲能系統中的蓄水池的污染風險通過人工監控和評估，監控效率低下，且評估結果不準確。

技術實現思路

1、本發明提供一種儲能系統運行狀態確定系統，解決背景技術中提出的技術問題。

2、本發明提供了一種儲能系統運行狀態確定系統，包括：

3、數據采集模塊，用于對蓄水池按照固定時間間隔采集蓄水池的溫度，以及通過監控設備按照固定時間間隔獲取蓄水池的遙感圖像；

4、數據篩選模塊，用于對蓄水池的多個時刻的溫度進行分析，確定蓄水池的溫度波動段，并選擇溫度波動段對應的時刻的蓄水池的遙感圖像作為有效圖像；

5、圖像分析模塊，用于對蓄水池按照水平方向劃分若干個相等的子區域，并通過預設的檢測模型對有效圖像中蓄水池的每個子區域進行分析，確定每個子區域的污染風險；

6、聯合驗證模塊，用于根據蓄水池的出水口的位置，確定蓄水池的子區域的污染風險的特征分布，并根據特征分布對每個子區域的污染風險進行驗證，得到每個子區域的污染風險的驗證判定，具體如下：

7、若每個子區域的污染風險判定成功，則根據每個子區域的污染風險確定基于蓄水池構建的儲能系統的運行狀態；

8、若每個子區域的污染風險判定失敗，則根據特征分布對檢測模型進行反向更新。

9、進一步的，對蓄水池的多個時刻的溫度進行分析，包括：

10、根據蓄水池的多個時刻的溫度計算臨界瑞利數，公式如下：

11、

12、其中，ra表示臨界瑞利數，g表示重力加速度，b表示蓄水池中水體的熱膨脹系數，tb表示蓄水池水底的溫度，ts表示蓄水池水面的溫度，h表示蓄水池的水面和水底的高度差，v表示蓄水池中水體的運動黏度，k表示蓄水池中水體的熱量擴散效率，vw表示蓄水池水面的風速，rw表示風速權重系數，t表示固定時間間隔，re表示蓄水池的水面溫度變化率的權重系數；

13、將ra＞1700對應的時刻作為溫度波動段的起始時刻，將ra＜1700對應的時刻作為溫度波動段的結束時刻。

14、進一步的，通過預設的檢測模型對有效圖像中蓄水池的每個子區域進行分析，檢測模型包括輸入層、切割層、檢測層和輸出層：

15、輸入層，用于將有效圖像輸入檢測模型；

16、切割層，用于根據蓄水池的子區域劃分對有效圖像進行切割，得到若干個切割圖；

17、檢測層，用于對每個切割圖進行識別，具體包括：

18、步驟1，構造能量泛函e(m0)，

19、其中，e(m0)表示能量泛函，用于對待求解的無污染矩陣m0進行平滑性假設，m表示切割圖的行數，n表示切割圖的列數，m0表示無污染矩陣，m0(i,j)表示無污染矩陣中第i行第j列的像素值，m0(i+1,j)表示切割圖中第i+1行第j列的像素值，m0(i-1,j)表示切割圖中第i-1行第j列的像素值，m0(i,j+1)表示切割圖中第i行第j+1列的像素值，m0(i,j-1)表示切割圖中第i行第j-1列的像素值；

20、步驟2，對無污染矩陣m0通過優化算法進行求解，約束條件為無污染矩陣m0和切割圖大小相同；

21、步驟3，對無污染矩陣m0，無污染矩陣m0的更新迭代次數為0時等于切割圖；

22、步驟4，構造拉格朗日函數：其中，λ表示拉格朗日乘子，c表示切割圖像素數量之和；

23、步驟5，對無污染矩陣m0進行更新求解，得到更新的無污染矩陣m0，更新公式如下：

24、

25、其中，(m0)t+1(i,j)表示無污染矩陣m0更新的第i行第j列的像素值，(m0)t(i,j)表示無污染矩陣m0的第i行第j列的像素值，表示離散拉普拉斯算子，η表示更新迭代步長，t表示更新迭代次數；

26、步驟6，將第z個切割圖和更新的無污染矩陣m0進行逐點相減，得到偏差矩陣s，并對偏差矩陣s的任一個元素的元素值和預設特征值進行比較，若元素值小于預設特征值，則替換為0，若元素值大于預設特征值，則替換為1，得到替換矩陣；

27、步驟7，對替換矩陣中每個元素進行連通性檢測，得到替換矩陣中的連通簇的數量l；

28、步驟8，計算第z個切割圖的污染風險rtotle，計算公式如下：

29、rtotle＝mlp(ω1×‖s‖f+ω2×l)；其中，‖s‖f表示偏差矩陣s的frobenius范數，ω1和ω2分別表示主權重參數和次權重參數，mlp表示多層感知機；

30、輸出層，用于輸出第z個切割圖的污染風險rtotle。

31、進一步的，根據蓄水池的出水口的位置，確定蓄水池的子區域的污染風險的特征分布，包括：

32、獲得每個子區域的中心坐標(xz,yz)，以及出水口坐標(x0,y0)；

33、對于每個子區域通過中心坐標計算到出水口的歐式距離；

34、建立特征分布公式，公式如下：

35、

36、其中，xt表示第z個子區域污染風險特征分布強度，dz表示第z個子區域中心到出水口的歐式距離，p表示風險強度系數，r0表示子區域的最大污染風險，φ1表示指數衰減參數，e表示自然底數，φ2表示線性衰減權重，dmax表示蓄水池任意兩點之間的最大距離；

37、根據每個子區域的特征分布強度，得到蓄水池的子區域的污染風險的特征分布。

38、進一步的，根據特征分布對每個子區域的污染風險進行驗證，包括：

39、根據檢測模型對若干個有效圖像輸出的每個子區域的多個污染風險取平均值，確定每個子區域的平均污染風險；

40、根據每個子區域的平均污染風險的最大值和最小值，對每個子區域的平均污染風險進行歸一化，得到每個子區域的污染風險實際分布強度；

41、計算對應的污染風險實際分布強度和污染風險特征分布強度的平方差之和，并將平方差之和和預設的偏差閾值進行比較；

42、若平方差之和小于預設的偏差閾值，則每個子區域的污染風險判定成功，否則每個子區域的污染風險判定失敗。

43、進一步的，每個子區域的污染風險判定成功，則根據每個子區域的污染風險確定蓄水儲能系統的運行狀態，包括：

44、將每個子區域的多個時刻的污染風險中取q個連續的污染風險作為訓練樣本，將第q+1個污染風險作為樣本標簽，以構建訓練數據訓練得到預測模型；

45、根據預測模型輸出每個子區域下一個時刻的污染風險，若下一個時刻的存在至少一個子區域的污染風險大于預設的警戒閾值，則判定子區域的運行狀態異常。

46、進一步的，每個子區域的污染風險判定失敗，則根據特征分布對檢測模型進行反向更新，包括：

47、對檢測模型中的自定義的參數通過梯度下降法進行反向更新，使得檢測模型對每個子區域的輸出的多個時刻的平均污染風險的歸一化值與子區域污染風險特征分布強度的差值減少；自定義的參數表示通過人為設定的參數。

48、進一步的，所述監控設備配置有存儲器，所述存儲器通過電信號改變存儲器存儲介質的狀態，并存儲有多個時刻的遙感圖像。

49、本發明的有益效果在于：通過精確分析蓄水池子區域的污染風險，結合遙感圖像、動態模型優化和區域特征分布，建立了自動化、智能化的儲能系統運行狀態評估機制，不僅提高了系統運行效率，還能實時響應環境變化，動態調整模型以確保污染風險的準確判斷，為水力儲能系統管理提供了科學決策支持，顯著提升了水力儲能系統的安全性與可靠性。