摘要
一种储能系统消防误报的控制方法,方法为:通过获取储能系统的电流、电压、功率及热能等数据流,运用快速傅里叶变换等计算波动周期、导数及概率密度函数,确定系统状态并预测相关趋势。利用自回归移动平均算法与支持向量机预测功率,依据概率密度函数设定阈值判断异常。针对热能数据,经导数计算与信号分析后结合深度卷积对抗神经网络、支持向量机等模型识别状态并预警。借助长短期记忆神经网络确定监测数据正常范围,对异常数据用三次指数平滑法与高斯过程回归分析预测变化趋势及物理量关系,经加权融合与自适应辛普森算法判断潜在风险,有效减少消防误报,精准识别火灾风险,保障储能系统安全。
技术关键词
概率密度函数
数据变化趋势
储能系统
深度卷积对抗神经网络
热能
长短期记忆神经网络
支持向量机分类
消防
移动平均算法
支持向量机模型
频率
分类边界
训练集数据
信号
识别时间序列
功率值
系统为您推荐了相关专利信息
功率
温度预测方法
温度预测模型
储能系统
储能设备电池
代理服务器
分布式拒绝服务攻击
防御系统
侦测方法
因子
配电网储能
粒子群算法
交叉点
节点
储能系统充放电
农产品保鲜
协同调控方法
调控模型
负荷
遗传算法