基于AdaBoost-RF-ResNet18的储能电站火灾早期预警算法.pdfVIP

新能源1

新能源基于AdaBoost-RF-ResNet18的储能电站

Renewable火灾早期预警算法

EnergySources

12122

叶宏，范旭明，徐敏，张一航，唐君

（1．金华八达集团有限公司科技信息分公司，浙江金华321000；2．国网浙江省电力有限公司

金华供电公司，浙江金华321000）

摘 要：针对储能电站早期火灾预警难、误报率高的问题，提出了一种基于AdaBoost-RF特征优选模型的

ResNet18火灾早期预警算法。首先，建立了融合表面缺陷类、热失控类和早期火灾类的锂电池早期火灾预警

体系。然后，利用AdaBoost-RF-ResNet18算法对RF进行加权改进，识别对早期火灾预警较为敏感的物理参数

集合。最后，利用ResNet18算法建立火灾早期预警的深度学习模型。仿真结果表明，AdaBoost-RF-ResNet18

算法可成功识别出对火灾早期预警较为敏感的参数，预警准确率优于传统机器学习方法。

关键词：ResNet18；AdaBoost；特征优选；储能电站；火灾预警

中图分类号：TM91文献标志码：ADOI：10.19421/j.cnki.1006-6357.2024.11.011

用机器视觉技术提取电池表面特征，并借助机器学习

算法进行缺陷识别，常用的算法包括基于边框回归的

0引言

算法（如Overfeat、Retinanet等）和基于候选区域的算

随着分布式光伏和风电等新能源的快速发展，储法（Region-CNN、PyramidNetwork等）。电池热失控

能已成为高比例可再生能源接入电网的有效手段，尤和早期火灾预警方面，主要通过布设各类传感器和探

［1-5］

其是锂电储能技术在电力系统中的应用较为广泛。测设备，实时监测电池运行状态（如容量、电压、电

根据碳中和、碳达峰的要求，预计未来数十年，锂电流等）和电池所属空间的火灾特征参数（如温度、可

储能装机容量将达到目前的数十倍甚至上百倍，如此燃气体、烟雾、火焰等），当监测参数达到设定阈值

［6-7］［10-12］

大规模的储能设备对消防安全的要求极高。因此，时即发出预警。

研发高灵敏度的锂电池储能电站早期火灾预警技术成综上，锂电储能电站的火灾预警得到了学者广泛

为提高设备可靠性的主要途径。关注，并取得了诸多进展。然而，当前研究仍存在两

锂电储能电站的火灾预警研究主要包括表面缺陷大不足。首先，电池的表面缺陷识别常用于日常管

识别、电池热失控预警和早期火灾预警3个方面。在理，而电池热失控和火灾早期预警常用于实时监控，

表面缺陷识别方面，聚焦于锂电池极片的压痕、脱二者应用场景相对独立，缺少融合。实际上，电池表

碳、突起、破损等结构缺陷，通过检测识别，旨在提面缺陷状态可反映其结构健康水平，这为火灾早期预

［8-9］

前发现电池外部结构物理性能的变化。目前，采警提供了先验基础，有助于提高预警准确率。其次，

火灾预警涉及因素较多，这些物理量均需布设相应的

基