基于深度学习的相变储能热库异常检测系统及方法

本申请涉及智能检测领域，提供了一种基于深度学习的相变储能热库异常检测系统及方法，其首先对PCM温度、进出口温度及环境温度进行独立时序编码以提取各参数的时间关联特征，接着将环境温度时序关联隐含特征与进口、出口温度时序关联隐含特征进行按位差分运算以从特征空间剥离环境温度波动对传热链路的噪声干扰，再利用链式推理编码构建进口‑出口温度与PCM温度间的热力学响应模型，生成基于正常工况的PCM温度仿真特征，最终通过比对仿真特征与实际特征的差异向量，实现环境噪声解耦后的热力学本构关系偏离度检测。这样，可以显著提升相变储能热库异常的检测灵敏度。