一种储能系统的风险预测方法、装置、介质及设备

本发明公开了一种储能系统的风险预测方法、装置、介质及设备。本申请通过在预设的边缘平台上实施基于无模型离线学习的自适应采样策略，动态获取储能设备的监测数据，然后利用授时模块和时间协议算法对这些数据进行时空对齐处理。接着，将这些经过处理的数据输入至轻量化的LSTM‑GRU混合神经网络模型中，该模型通过稀疏化LSTM和GRU单元的门控权重，并在训练过程中调整损失函数中加入权重绝对值的惩罚项来优化，实现对储能设备电芯状态的实时估算。最终，结合第一监测数据和电芯状态估算结果，依据预设的电化学模型和三维热场重构算法，对储能系统中可能出现的热失控风险进行预测，从而有效解决了现有技术无法准确高效地对储能系统的风险进行预测的问题。