本申请涉及基于数据信号分析的电源监测，尤其涉及一种基于多模态数据的应急电源状态监测方法及系统。
背景技术：
1、在现代社会，应急电源系统是确保关键场景（如医院、数据中心、机场、金融机构等）正常运行的重要保障。当主电源中断时，应急电源或ups（uninterruptible powersupply, 不间断电源）必须立即启动并维持稳定供电。然而，ups应急电源在运行过程中可能面临各种复杂情况，如内部元件老化、外部环境干扰等，这些因素都可能影响其性能甚至导致故障，进而对依赖其供电的重要系统造成严重影响。因此，对应急电源的状态进行准确、及时的监测成为保障供电安全的关键环节。
2、传统的应急电源状态监测方法往往依赖于简单的电气参数测量，如电压、电流的基本值监测，这种单一数据源的监测方式无法全面反映电源内部复杂的运行状态。此外，传统的监测系统通常基于门限值判断或线性模型，这类方法假设各参数之间的关系是线性的。然而，在实际运行中，应急电源的状态受多种非线性因素影响，如负载突变、温度变化或内部电池化学反应的劣化。简单的线性模型在这些情况下表现出较低的预测精度，无法有效捕捉应急电源状态的动态变化。
3、针对上述问题，目前业界暂未提出较佳的技术解决方案。
技术实现思路
1、本申请提供一种基于多模态数据的应急电源状态监测方法、系统、存储介质、计算机程序产品及电子设备，用以至少解决目前相关技术中因电源监测数据维度单一所导致的电源状态捕捉不精确以及预警响应不及时的问题。
2、第一方面，本申请实施例提供一种基于多模态数据的应急电源状态监测方法，包括：获取应急电源的电源属性数据；所述电源属性数据包含电源容量、电源额定功率、电池内阻、历史充放电循环数据和历史异常记录；基于传感器组，实时采集所述应急电源对应预设采样时间段的多通道时序采样数据；所述传感器组包含电流传感器、电压传感器、声波传感器和光电传感器；所述多通道时序采样数据包含电流时序参数、电压时序参数、声波时序参数和光感时序参数；对所述多通道时序采样数据进行数据预处理，以得到相应的在线监测时序数据；提取与所述在线监测时序数据对应的多模态融合特征组；所述多模态融合特征组包含时间域特征、频域特征、时频域特征和空间域特征；将所述电源属性数据和所述多模态融合特征组输入至电源状态识别模型，以确定所述应急电源的运行健康状态；所述运行健康状态包含以下中的任意一种状态类型：正常状态、预警状态、限制运行状态和故障状态；所述电源状态识别模型采用基于注意力机制的时序分类模型。
3、第二方面，本申请实施例提供一种基于多模态数据的应急电源状态监测系统，包括：属性数据获取单元，用于获取应急电源的电源属性数据；所述电源属性数据包含电源容量、电源额定功率、电池内阻、历史充放电循环数据和历史异常记录；传感数据采集单元，用于基于传感器组，实时采集所述应急电源对应预设采样时间段的多通道时序采样数据；所述传感器组包含电流传感器、电压传感器、声波传感器和光电传感器；所述多通道时序采样数据包含电流时序参数、电压时序参数、声波时序参数和光感时序参数；数据预处理单元，用于对所述多通道时序采样数据进行数据预处理，以得到相应的在线监测时序数据；多模态特征提取单元，用于提取与所述在线监测时序数据对应的多模态融合特征组；所述多模态融合特征组包含时间域特征、频域特征、时频域特征和空间域特征；运行状态识别单元，用于将所述电源属性数据和所述多模态融合特征组输入至电源状态识别模型，以确定所述应急电源的运行健康状态；所述运行健康状态包含以下中的任意一种状态类型：正常状态、预警状态、限制运行状态和故障状态；所述电源状态识别模型采用基于注意力机制的时序分类模型。
4、第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例的基于多模态数据的应急电源状态监测方法的步骤。
5、第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本申请任一实施例的基于多模态数据的应急电源状态监测方法的步骤。
6、第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本申请任一实施例的基于多模态数据的应急电源状态监测方法的步骤。
7、通过本申请提供的一种基于多模态数据的应急电源状态监测方法及系统，能够至少产生如下的技术效果：
8、（1）综合了电流、电压、声波、光感等多种传感器采集的时序数据，并结合电源的历史充放电记录、内阻变化、历史故障等属性信息，实现了从电气特性、物理信号、环境参数等多个维度对应急电源运行状态的全面监测。相比于单一电压或电流监测，这种多模态监测方式可以捕捉到更多细微而复杂的变化。例如，通过声波和光电传感器能够检测电池内部可能的劣化迹象或环境干扰，能够更加准确地反映应急电源的健康状态。
9、（2）通过提取多模态数据的时间域、频域、时频域和空间域特征，能够捕捉应急电源状态中的非线性变化，利用多模态特征融合分析发掘在各类电源状态下不同物理量的复杂关联，从而在设备故障前及时检测出异常趋势，避免状态持续恶化，能有效提升了异常状态检测的灵敏度和精确性。
10、（3）采用基于多模态数据的在线监测方法，通过将历史数据与当前监测的多模态实时数据融合输入到状态识别模型，能够有效识别应急电源的劣化趋势或故障风险，根据不同的特征模式精确判断设备所处的运行状态（正常、预警、限制运行和故障），能够支持在环境扰动等非线性因素影响下，动态实施针对不同状态的警报策略，提高了预警的及时性和准确性。
11、通过本技术方案，综合采用多模态参数采集、特征融合分析和模型推理等技术手段，实现对应急电源状态实时和精准监测，不仅能捕捉复杂的非线性变化，还能根据运行状态实施动态警报，为应急电源的安全运行提供了坚实保障，确保关键系统在市电中断时能够获得可靠的电力支持。
1.一种基于多模态数据的应急电源状态监测方法，包括：
2.根据权利要求1所述的方法，其中，所述电流传感器被安装在所述应急电源的输出电路上；所述电压传感器被安装在所述应急电源的电池组端子上；所述声波传感器被安装至所述应急电源的壳体内表面；所述光电传感器被安装成能对准所述应急电源的电气连接区域，以监测异常放电火花信号。
3.根据权利要求1所述的方法，其中，所述对所述多通道时序采样数据进行数据预处理，以得到相应的在线监测时序数据，包括：
4.根据权利要求1所述的方法，其中，所述提取与所述在线监测时序数据对应的多模态融合特征组，包括：
5.根据权利要求1-4中任一项所述的方法，其中，所述电源状态识别模型包含级联的输入层、特征提取层、自注意力机制层、混合网络层和输出层；
6.根据权利要求5所述的方法，其中所述特征提取层包含残差连接模块和多尺度卷积模块。
7.根据权利要求6所述的方法，其中，所述自注意力机制层采用基于层归一化的多头自注意力层，其结构为：
8.根据权利要求7所述的方法，其中，所述混合网络层包含卷积层、双向lstm层和注意力层；
9.根据权利要求5所述的方法，其中，所述电源状态识别模型的损失函数为：
10.一种基于多模态数据的应急电源状态监测系统，包括：
