CN109239489A - 一种用于储能系统的健康状态在线分析方法、装置及介质 - Google Patents
一种用于储能系统的健康状态在线分析方法、装置及介质 Download PDFInfo
- Publication number
- CN109239489A CN109239489A CN201810995407.0A CN201810995407A CN109239489A CN 109239489 A CN109239489 A CN 109239489A CN 201810995407 A CN201810995407 A CN 201810995407A CN 109239489 A CN109239489 A CN 109239489A
- Authority
- CN
- China
- Prior art keywords
- energy
- storage system
- health status
- operating parameter
- health
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
- G01R19/16576—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing DC or AC voltage with one threshold
Abstract
本发明公开了一种用于储能系统的健康状态在线分析方法、装置及介质，该方法首先是获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数，然后依据预设的健康状态分析逻辑得到储能系统的健康状态。由于本方法中除了采用超级电容运行参数外，还采用了模块级运行参数、模组级运行参数、电源级运行参数这三种参数，因此，通过多表征参数的综合判断能够确定电源健康状态的变化的趋势，提前对不健康的超级电容进行维护检修处理，降低故障的概率，从而更加合理和准确评价储能系统的健康状态。并且，上述参数都是通过现有的储能系统就可以得到的，不需要对储能系统做改进，降低了硬件成本。
Description
技术领域
本发明涉及储能系统领域，特别是涉及一种用于储能系统的健康状态在线分析方法、装置及介质。
背景技术
本发明中提到的储能系统是指由多个单体超级电容(后文简称超级电容)构成的储能系统。储能系统的可靠性，取决于每一超级电容的可靠性和每个超级电容之间电气连接的可靠性。由于超级电容在出厂时各性能参数存在一定的差异，随着使用时间的增长，及使用的环境温度、充放电倍率和循环使用次数等因素的影响，会使超级电容的性能会出现不同程度的衰减，增大储能系统内单体间性能参数的差异。在具体实施中，单体间性能参数差异越大，则越容易出现单体过电压等问题。基于上述情况，通常需要对储能系统进行维护和检修。
现有技术中，对储能系统进行维护和检修的依据是对超级电容进行在线检测，检测的性能参数主要是超级电容的内阻、容量和漏电压，检测的过程主要是通过设定阈值，当超过阈值时，故障报警，进行维护检修。但是超级电容仅仅是储能系统中的一个单体，其性能参数虽然影响储能系统的健康状态，但是并不能代表整个储能系统的健康状态。
由此可见，如何合理、准确地对储能系统的健康状态进行检测从而提高储能系统的可靠性和延长其使用寿命是本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种用于储能系统的健康状态在线分析方法、装置及介质，用于合理、准确地对储能系统的健康状态进行检测从而提高储能系统的可靠性和延长其使用寿命。
为解决上述技术问题，本发明提供一种用于储能系统的健康状态在线分析方法，包括：
获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数；
依据预设的健康状态分析逻辑得到所述储能系统的健康状态。
优选地，所述模块级运行参数中的非异常信息包括模块电压，所述模块级运行参数中的异常信息包括电压过压预警信号、电压过压报警信号、电压欠压预警信号、电压欠压报警信号、温度预警信号和温度报警信号；
所述模组级运行参数中的非异常信息包括模组电压、模组温度；
所述电源级运行参数中的非异常信息包括电源电压、电源温度、电源电流，所述电源级运行参数中的异常信息包括正极熔断器故障信号、负极熔断器故障信号、24V隔离电源故障信号、浪涌保护器故障信号、风扇故障信号；
所述超级电容运行参数具体包括超级电容温度变化率和超级电容电压变化率参数。
优选地，所述依据预设的健康状态分析逻辑得到所述储能系统的健康状态具体包括：
通过聚类方法对所述模块级运行参数中的非异常信息、所述模组级运行参数中的非异常信息以及所述电源级运行参数中的非异常信息进行聚类分析得到对应的健康等级；
利用预先设定的电压变化率亚健康阈值对所述超级电容电压变化率参数进行判断得到对应的健康等级；
利用预先设定的温度变化率亚健康阈值对所述超级电容温度变化率进行判断得到对应的健康等级；
按照故障的分类方法对所述模块级运行参数中的异常信息以及所述电源级运行参数中的异常信息进行判断得到对应的健康等级；
若得到的健康等级中包含有至少一个且不超过设定个数亚健康状态且不包含有非健康状态，则所述储能系统的健康状态为亚健康状态；
若得到的健康等级中包含有非健康状态，则所述储能系统的健康状态为非健康状态；
若得到的健康等级中均为健康状态，则所述储能系统的健康状态为健康状态。
优选地，所述聚类方法具体为K-means聚类方法。
优选地，其特征在于，还包括：
若所述储能系统的健康状态为健康状态，则控制车辆正常运运营；
若所述储能系统的健康状态为亚健康状态，则控制车辆停止运运营，并允许车辆自动运行回库；
若所述储能系统的健康状态为非健康状态，则控制车辆停止运营，且停止运行，并呼叫救援车辆拖车回库。
优选地，还包括：
输出所述储能系统的健康状态。
优选地，还包括：
记录所述储能系统的健康状态与对应的日志信息。
为解决上述技术问题，本发明还提供一种用于储能系统的健康状态在线分析装置，包括：
获取单元，用于获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数；
分析单元，用于依据预设的健康状态分析逻辑得到所述储能系统的健康状态。
为解决上述技术问题，本发明提供一种用于储能系统的健康状态在线分析装置，包括存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述所述的用于储能系统的健康状态在线分析方法的步骤。
为解决上述技术问题，本发明提供还一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的用于储能系统的健康状态在线分析方法的步骤。
本发明所提供的用于储能系统的健康状态在线分析方法，首先是获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数，然后依据预设的健康状态分析逻辑得到储能系统的健康状态。由于本方法中除了采用超级电容运行参数外，还采用了模块级运行参数、模组级运行参数、电源级运行参数这三种参数，因此，通过多表征参数的综合判断能够确定电源健康状态的变化的趋势，提前对不健康的超级电容进行维护检修处理，降低故障的概率，从而更加合理和准确评价储能系统的健康状态。并且，上述参数都是通过现有的储能系统就可以得到的，不需要对储能系统做改进，降低了硬件成本。
此外，本发明所提供的用于储能系统的健康状态在线分析装置及介质，与上述方法对应，同样具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种用于储能系统的健康状态在线分析方法的流程图；
图2为本发明实施例提供的一种依据预设的健康状态分析逻辑得到储能系统的健康状态的流程图；
图3为本发明实施例提供的另一种用于储能系统的健康状态在线分析方法的流程图；
图4为本发明实施例提供的一种用于储能系统的健康状态在线分析装置的结构图；
图5为本发明实施例提供的另一种用于储能系统的健康状态在线分析装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本发明保护范围。
本发明的核心是提供一种用于储能系统的健康状态在线分析方法、装置及介质，用于合理、准确地对储能系统的健康状态进行检测从而提高储能系统的可靠性和延长其使用寿命。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
图1为本发明实施例提供的一种用于储能系统的健康状态在线分析方法的流程图。如图1所示，该方法包括：
S10：获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数。
两个超级电容并联构成模块级，多个模块级串联构成模组级，多个模组级串联后最终构成储能系统。基于储能系统的构成方式，超级电容的性能必然影响储能系统的性能，但是如果仅仅是基于超级电容的性能来评价储能系统的性能的话，则容易造成评价结果失真。
本实施例中除了超级电容运行参数外，还将模块级运行参数、模组级运行参数以及电源级运行参数均作为评价储能系统性能的因素，从而能够更加直观和准确地反映储能系统的性能。
需要说明的是，模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数的类型本实施例不作限定。
S11：依据预设的健康状态分析逻辑得到储能系统的健康状态。
由于选取不同的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数，则对应的健康状态分析逻辑也是不同的，需要说明的是，健康状态分析逻辑可以根据实际情况确定，只要在该逻辑中能够考虑到模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数即可。
另外，储能系统的健康状态可以分为若干个等级，例如2个等级，优选地本发明选取个等级，具体是健康状态、亚健康状态和非健康状态，其中，亚健康状态是临界与健康状态和非健康状态之间的一种状态，也就是说当前储能系统不是健康状态，只是出现了一些异常的预兆，如果继续使用不维护的话，则可能就演变为非健康状态。可以理解的是，健康状态的划分不影响本技术方案的实施。
本实施例提供的用于储能系统的健康状态在线分析方法，首先是获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数，然后依据预设的健康状态分析逻辑得到储能系统的健康状态。由于本方法中除了采用超级电容运行参数外，还采用了模块级运行参数、模组级运行参数、电源级运行参数这三种参数，因此，通过多表征参数的综合判断能够确定电源健康状态的变化的趋势，提前对不健康的超级电容进行维护检修处理，降低故障的概率，从而更加合理和准确评价储能系统的健康状态。并且，上述参数都是通过现有的储能系统就可以得到的，不需要对储能系统做改进，降低了硬件成本。
在上述实施例的基础上，作为优选地实施方式，模块级运行参数中的非异常信息包括模块电压，模块级运行参数中的异常信息包括电压过压预警信号、电压过压报警信号、电压欠压预警信号、电压欠压报警信号、温度预警信号和温度报警信号；
模组级运行参数中的非异常信息包括模组电压、模组温度；
电源级运行参数中的非异常信息包括电源电压、电源温度、电源电流，电源级运行参数中的异常信息包括正极熔断器故障信号、负极熔断器故障信号、24V隔离电源故障信号、浪涌保护器故障信号、风扇故障信号；
超级电容运行参数具体包括超级电容温度变化率和超级电容电压变化率参数。
需要说明的是，上述参数可以通过CMS管理系统获取，其中预警信号和报警信号是不同的，预警信号是通过协议中以预警的方式得到的信号，该方式表明对应的器件处于轻度故障，而报警信号是通过协议中以报警的方式得到的信号，表明对应的器件处于严重故障。本实施例中的模组温度具体是电路板温度和电容温度，可以通过温度传感器获取，请参见现有技术，本实施例不再赘述。
在获取电源温度后，需要先对温度数据进行预处理，然后采用Tukey’s test方法进行异常检测。如果检测结果为异常，则产生一条新的异常信息。如果检测结果为正常，则不产生异常信息，最后通过异常信息确定电源温度的评价结果。
电源温度的预处理过程参考动量梯度下降法的预处理部分，可以将数据进行平滑处理，对历史数据和当前数据进行加权平均以减轻错误数据的影响。具体公式如下所示：
VT＝β·VT+(1-β)·T
其中，V0＝0，T为T时刻的储能电源温度，VT为前T时刻之前的加权平均温度，VT corrected为修正后的前T时刻之前的加权平均温度，t为第t次迭代，β为系数，β∈(0,1)，一般取0.9，可视实际情况进行调整。
最后，在本实施例的基础上，在其他实施例中，还可以包括：均压模块故障信号、电压采样错误信号、温度采样错误信号、电压数据异常信号等作为分析储能系统的参数，本实施例不作赘述。
本实施例中选取上述参数作为模块级运行参数、模组级运行参数、电源级运行参数和超级电容运行参数，更具代表性，且这些参数均可通过现有的储能系统获取，无需改动储能系统的硬件结构。
在上述实施例的基础上，作为优选地实施方式，依据预设的健康状态分析逻辑得到储能系统的健康状态具体包括如下几个子步骤。图2为本发明实施例提供的一种依据预设的健康状态分析逻辑得到储能系统的健康状态的流程图。
步骤一：通过聚类方法对模块级运行参数中的非异常信息、模组级运行参数中的非异常信息以及电源级运行参数中的非异常信息进行聚类分析得到对应的健康等级。聚类分析方法包括很多种，其中K-means法作为快速聚类法(又称动态聚类法)中最常用的一种，由于在计算速度上具有无可比拟的优势，已经被广泛应用。优选地，聚类方法可以选取K-means聚类方法。以下通过K-means聚类进行举例说明。
假设当前数据集为D，(D＝{模块级，模组级，电源级})，D有对应的非异常信息，具体是模块级运行参数中的非异常信息(模块电压、模块温度)、模组级运行参数中的非异常信息(模组电压、模组温度)、电源级运行参数中的非异常信息(电源电压、电源温度、电源电流)，通过K-means聚类方法利用非异常信息进行聚类，对当前D的各个具体对象进行分类得到对应的健康状态。
实际应用中，由于各个超级电容内部参数不完全一致，所以不会出现理想状况下的各超级电容同步老化现象。假设算法初始运行时，超级电容各级初始状态均为健康。
随着时间轴的移动，会出现第一阶段：全部具体对象均处于健康状态，此时K＝1；第二阶段：部分具体对象处于健康状态，部分具体对象处于亚健康状态，此时K＝2。由先验知识可知，簇内点数多的点处于健康状态，簇内点数少的点处于亚健康状态。
该方法取定K个类别和选取K个初始聚类中心，按最小距离原则将各点分配到K类中的某一类,之后不断地计算类心、调整各点所属的类，最终使各点到其判属类别中心的距离最小。
给定数据集合D＝{x1,x2,…,xn}，下面是K-means算法的聚类过程：
1.设置类数目K的值；
2.初始化类中心Z＝(Z1，Z2，…，ZK)，循环开始；
3.计算每个点与每个类中心的距离，并把各个点分配到与之最近的类中；
4.根据每个簇中的点重新计算类中心；
5.判断类心是否发生改变或者是否达到最大迭代次数，是则结束循环，否则继续循环，重复3、4步骤。
步骤二：利用预先设定的电压变化率亚健康阈值对超级电容电压变化率参数进行判断得到对应的健康等级。
超级电容的健康状态与超级电容的电压变化率存在着紧密的联系，设定一个电压变化率亚健康阈值，如果超过设定阈值，则判定超级电容处于亚健康状态，否则为健康状态。需要说明的是，本步骤中的电压变化率亚健康阈值可以根据实际情况设定，本实施例不作限定。
步骤三：利用预先设定的温度变化率亚健康阈值对超级电容温度变化率进行判断得到对应的健康等级。
超级电容的内阻及电气连接与模块的温升存在着精密的联系，设定一个温度变化率亚健康阈值，如果超过设定阈值，则判定超级电容处于亚健康状态，否则为健康状态。需要说明的是，本步骤中的温度变化率亚健康阈值可以根据实际情况设定，本实施例不作限定。
步骤四：按照故障的分类方法对模块级运行参数中的异常信息以及电源级运行参数中的异常信息进行判断得到对应的健康等级。
模块级运行参数中的异常信息包括电压过压预警信号、电压过压报警信号、电压欠压预警信号、电压欠压报警信号、温度预警信号和温度报警信号；电源级运行参数中的异常信息包括正极熔断器故障信号、负极熔断器故障信号、24V隔离电源故障信号、浪涌保护器故障信号、风扇故障信号。具体的故障的分类方法为：按故障的严重性和发生故障的数量分类。
按故障的严重性，可分为轻度故障(可为协议中的预警信号)和严重故障(可为协议中的报警信号、故障信号和异常信号)。例如，当前的故障有轻度故障1，轻度故障2，轻度故障3，严重故障1，严重故障2。
则若轻度故障条数累计达到1-2条，则发生轻度故障；
若轻度故障条数累计达到3条，则转为严重故障；
若严重故障条数累计达到1条或者1条以上，则发生严重故障。
需要说明的是，上述对于故障的分类方法仅仅是一种具体实施方式，还可以采用其它的分类方法，本发明不再赘述。
按照故障的分类方法，如何得到对应的健康等级，以当前D为模块级进行说明。对于模组级、电源级同理，不再赘述。
假设当前模块级处于健康状态，如果当前模块还产生了1-2条轻度故障信息，则当前模块级转为亚健康状态；
假设当前模块级处于健康状态，产生3条以上轻度故障信息，则当前模块级转为非健康状态；
假设当前模块级处于健康状态，如果当前模块产生了1条以上严重故障信息，则当前模块级转为非健康状态；
假设当前模块级处于亚健康状态，如果当前模块产生了1条轻度故障信息，则当前模块级仍为亚健康状态；
假设当前模块级处于亚健康状态，如果当前模块产生了2条以上轻度故障信息，则当前模块级转为非健康状态；
假设当前模块级处于亚健康状态，如果当前模块产生了1条以上严重故障信息，则当前模块级转为非健康状态。
步骤四可由表1表示。
表1 状态分析表
对于上述提到的四个步骤，每个步骤都能得到一个对应的健康等级，分别表示不同的参数对应的健康等级，最中的储能系统的健康等级就是通过这些健康等级来确定。具体方法如下：
1)若得到的健康等级中包含有至少一个亚健康状态且不包含有非健康状态，则储能系统的健康状态为亚健康状态；
2)若得到的健康等级中包含有非健康状态，则储能系统的健康状态为非健康状态；
3)若得到的健康等级中均为健康状态，则储能系统的健康状态为健康状态。
在上述实施例的基础上，作为优选地实施方式，还包括：
若储能系统的健康状态为健康状态，则控制车辆正常运营；
若储能系统的健康状态为亚健康状态，则控制车辆停止运营，并允许车辆自动运行回库；
若储能系统的健康状态为非健康状态，则控制车辆停止运营，且停止运行，并呼叫救援车辆拖车回库。
需要说明的是，当储能系统的健康状态为亚健康状态时，说明当前储能系统有可能会出现异常，但是当前并未故障，因此，车辆还可以自行回库，不需要救援车辆的帮助，而当能系统的健康状态为非健康状态时，说明当前储能系统已经出现故障，车辆已经无法自行回库，需要有救援车辆的帮助。无论是车辆自行回库还是救援车辆救援回库，都需要对储能系统进行检修以排除故障恢复到健康状态，至于如何检修，请参见现有技术，本实施例不再赘述。
图3为本发明实施例提供的另一种用于储能系统的健康状态在线分析方法的流程图。如图3所示，在上述实施例的基础上，作为优选地实施方式，还包括：
S20：输出储能系统的健康状态。
具体的，储能系统的健康状态可通过CAN、以太网等通讯网络，传输至车辆控制系统，以便于工作人员及时查看到。
在上述实施例的基础上，作为优选地实施方式，还包括：
S21：记录储能系统的健康状态与对应的日志信息。
为了后续方便对储能系统的健康状态的跟踪和分析，本实施例中，将每种健康状态与对应的日志信息记录下来，至于记录的方式可以采用数据表的形式，本实施例不作赘述。
本发明上述实施例对于用于储能系统的健康状态在线分析方法进行了详细描述，本发明还提供一种与该方法对应的装置的实施例。其中，装置部分的实施例具体为两个，其中一个是以功能单元的角度描述，另一个是以硬件的角度描述。
图4为本发明实施例提供的一种用于储能系统的健康状态在线分析装置的结构图。如图4所述，该装置包括：
获取单元10，用于获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数。
分析单元11，用于依据预设的健康状态分析逻辑得到储能系统的健康状态。
由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
本实施例提供的用于储能系统的健康状态在线分析装置，首先是获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数，然后依据预设的健康状态分析逻辑得到储能系统的健康状态。由于本装置中除了采用超级电容运行参数外，还采用了模块级运行参数、模组级运行参数、电源级运行参数这三种参数，因此，通过多表征参数的综合判断能够确定电源健康状态的变化的趋势，提前对不健康的超级电容进行维护检修处理，降低故障的概率，从而更加合理和准确评价储能系统的健康状态。并且，上述参数都是通过现有的储能系统就可以得到的，不需要对储能系统做改进，降低了硬件成本。
图5为本发明实施例提供的另一种用于储能系统的健康状态在线分析装置的结构图。如图5所示，该装置包括存储器20，用于存储计算机程序；
处理器21，用于执行计算机程序时实现如上述所述的用于储能系统的健康状态在线分析方法的步骤。
由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。在本发明的一些实施例中，处理器和存储器可通过总线或其它方式连接。
本实施例提供的用于储能系统的健康状态在线分析装置，包括存储器和处理器，处理器在执行存储器中存储的计算机程序时，能够执行如下步骤：首先是获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数，然后依据预设的健康状态分析逻辑得到储能系统的健康状态。由于本装置中除了采用超级电容运行参数外，还采用了模块级运行参数、模组级运行参数、电源级运行参数这三种参数，因此，通过多表征参数的综合判断能够确定电源健康状态的变化的趋势，提前对不健康的超级电容进行维护检修处理，降低故障的概率，从而更加合理和准确评价储能系统的健康状态。并且，上述参数都是通过现有的储能系统就可以得到的，不需要对储能系统做改进，降低了硬件成本。
最后，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述所述的用于储能系统的健康状态在线分析方法的步骤。
可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
由于介质部分的实施例与方法部分的实施例相互对应，因此介质部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
本实施例提供的用于储能系统的计算机可读存储介质，存储有计算机程序，处理器在执行该计算机程序时，能够执行如下步骤：首先是获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数，然后依据预设的健康状态分析逻辑得到储能系统的健康状态。由于本装置中除了采用超级电容运行参数外，还采用了模块级运行参数、模组级运行参数、电源级运行参数这三种参数，因此，通过多表征参数的综合判断能够确定电源健康状态的变化的趋势，提前对不健康的超级电容进行维护检修处理，降低故障的概率，从而更加合理和准确评价储能系统的健康状态。并且，上述参数都是通过现有的储能系统就可以得到的，不需要对储能系统做改进，降低了硬件成本。
以上对本发明所提供的用于储能系统的健康状态在线分析方法、装置及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种用于储能系统的健康状态在线分析方法，其特征在于，包括：
获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数；
依据预设的健康状态分析逻辑得到所述储能系统的健康状态。
2.根据权利要求1所述的用于储能系统的健康状态在线分析方法，其特征在于，所述模块级运行参数中的非异常信息包括模块电压，所述模块级运行参数中的异常信息包括电压过压预警信号、电压过压报警信号、电压欠压预警信号、电压欠压报警信号、温度预警信号和温度报警信号；
所述模组级运行参数中的非异常信息包括模组电压、模组温度；
所述电源级运行参数中的非异常信息包括电源电压、电源温度、电源电流，所述电源级运行参数中的异常信息包括正极熔断器故障信号、负极熔断器故障信号、24V隔离电源故障信号、浪涌保护器故障信号、风扇故障信号；
所述超级电容运行参数具体包括超级电容温度变化率和超级电容电压变化率参数。
3.根据权利要求2所述的用于储能系统的健康状态在线分析方法，其特征在于，所述依据预设的健康状态分析逻辑得到所述储能系统的健康状态具体包括：
通过聚类方法对所述模块级运行参数中的非异常信息、所述模组级运行参数中的非异常信息以及所述电源级运行参数中的非异常信息进行聚类分析得到对应的健康等级；
利用预先设定的电压变化率亚健康阈值对所述超级电容电压变化率参数进行判断得到对应的健康等级；
利用预先设定的温度变化率亚健康阈值对所述超级电容温度变化率进行判断得到对应的健康等级；
按照故障的分类方法对所述模块级运行参数中的异常信息以及所述电源级运行参数中的异常信息进行判断得到对应的健康等级；
若得到的健康等级中包含有至少一个且不超过设定个数的亚健康状态且不包含有非健康状态，则所述储能系统的健康状态为亚健康状态；
若得到的健康等级中包含有非健康状态，则所述储能系统的健康状态为非健康状态；
若得到的健康等级中均为健康状态，则所述储能系统的健康状态为健康状态。
4.根据权利要求3所述的用于储能系统的健康状态在线分析方法，其特征在于，所述聚类方法具体为K-means聚类方法。
5.根据权利要求1-4任意一项所述的用于储能系统的健康状态在线分析方法，其特征在于，还包括：
若所述储能系统的健康状态为健康状态，则控制车辆正常运营；
若所述储能系统的健康状态为亚健康状态，则控制车辆停止运营，并允许车辆自动运行回库；
若所述储能系统的健康状态为非健康状态，则控制车辆停止运营，且停止运行，并呼叫救援车辆拖车回库。
6.根据权利要求5所述的用于储能系统的健康状态在线分析方法，其特征在于，还包括：
输出所述储能系统的健康状态。
7.根据权利要求6所述的用于储能系统的健康状态在线分析方法，其特征在于，还包括：
记录所述储能系统的健康状态与对应的日志信息。
8.一种用于储能系统的健康状态在线分析装置，其特征在于，包括：
获取单元，用于获取储能系统中的模块级运行参数、模组级运行参数、电源级运行参数以及超级电容运行参数；
分析单元，用于依据预设的健康状态分析逻辑得到所述储能系统的健康状态。
9.一种用于储能系统的健康状态在线分析装置，其特征在于，包括存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的用于储能系统的健康状态在线分析方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的用于储能系统的健康状态在线分析方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810995407.0A CN109239489A (zh) | 2018-08-29 | 2018-08-29 | 一种用于储能系统的健康状态在线分析方法、装置及介质 |
| PCT/CN2018/121451 WO2020042441A1 (zh) | 2018-08-29 | 2018-12-17 | 一种用于储能系统的健康状态在线分析方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810995407.0A CN109239489A (zh) | 2018-08-29 | 2018-08-29 | 一种用于储能系统的健康状态在线分析方法、装置及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109239489A true CN109239489A (zh) | 2019-01-18 |
Family
ID=65069772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810995407.0A Pending CN109239489A (zh) | 2018-08-29 | 2018-08-29 | 一种用于储能系统的健康状态在线分析方法、装置及介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109239489A (zh) |
| WO (1) | WO2020042441A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883638A (zh) * | 2021-02-02 | 2021-06-01 | 同济大学 | 一种超级电容器模组温度分布的在线估计方法 |
| CN113281711A (zh) * | 2021-05-19 | 2021-08-20 | 北京无线电测量研究所 | 一种健康状态的检测方法和系统 |
| CN115144680A (zh) * | 2022-09-02 | 2022-10-04 | 深圳市今朝时代股份有限公司 | 一种用于辅助调频的超级电容储能系统及方法 |
| CN117169770A (zh) * | 2023-11-01 | 2023-12-05 | 南通江海储能技术有限公司 | 一种超级电容健康状态的在线监测方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104300685A (zh) * | 2013-07-15 | 2015-01-21 | 同济大学 | 一种大规模超级电容储能模块监控系统 |
| CN104297577A (zh) * | 2013-07-15 | 2015-01-21 | 同济大学 | 基于超级电容器的老化状态估算检测系统及方法 |
| CN106093615A (zh) * | 2016-05-26 | 2016-11-09 | 东莞理工学院 | 超级电容储能模块的健康状态估计方法 |
| CN106199298A (zh) * | 2016-08-30 | 2016-12-07 | 湖南耐普恩科技有限公司 | 一种超级电容器模组测试工艺 |
| CN107167665A (zh) * | 2017-05-10 | 2017-09-15 | 中车株洲电力机车有限公司 | 一种超级电容模组的诊断方法与装置 |
| CN206627581U (zh) * | 2017-04-10 | 2017-11-10 | 深圳市鼎芯无限科技有限公司 | 超级电容模组测试系统 |
| CN207730916U (zh) * | 2017-11-29 | 2018-08-14 | 湖南鼎力电气系统有限公司 | 一种超级电容模组的故障诊断与报警系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102801198B (zh) * | 2012-08-31 | 2015-02-25 | 无锡富洪科技有限公司 | 储能装置 |
| KR102247052B1 (ko) * | 2014-07-21 | 2021-04-30 | 삼성전자주식회사 | 배터리의 이상 상태를 감지하는 장치 및 방법 |
| CN107864202A (zh) * | 2017-11-09 | 2018-03-30 | 中车株洲电力机车有限公司 | 一种储能电源管理系统及储能电源 |
-
2018
- 2018-08-29 CN CN201810995407.0A patent/CN109239489A/zh active Pending
- 2018-12-17 WO PCT/CN2018/121451 patent/WO2020042441A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104300685A (zh) * | 2013-07-15 | 2015-01-21 | 同济大学 | 一种大规模超级电容储能模块监控系统 |
| CN104297577A (zh) * | 2013-07-15 | 2015-01-21 | 同济大学 | 基于超级电容器的老化状态估算检测系统及方法 |
| CN106093615A (zh) * | 2016-05-26 | 2016-11-09 | 东莞理工学院 | 超级电容储能模块的健康状态估计方法 |
| CN106199298A (zh) * | 2016-08-30 | 2016-12-07 | 湖南耐普恩科技有限公司 | 一种超级电容器模组测试工艺 |
| CN206627581U (zh) * | 2017-04-10 | 2017-11-10 | 深圳市鼎芯无限科技有限公司 | 超级电容模组测试系统 |
| CN107167665A (zh) * | 2017-05-10 | 2017-09-15 | 中车株洲电力机车有限公司 | 一种超级电容模组的诊断方法与装置 |
| CN207730916U (zh) * | 2017-11-29 | 2018-08-14 | 湖南鼎力电气系统有限公司 | 一种超级电容模组的故障诊断与报警系统 |
Non-Patent Citations (1)
| Title |
|---|
| 吴三灵: "《实用振动试验技术》", 30 April 1993 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883638A (zh) * | 2021-02-02 | 2021-06-01 | 同济大学 | 一种超级电容器模组温度分布的在线估计方法 |
| CN113281711A (zh) * | 2021-05-19 | 2021-08-20 | 北京无线电测量研究所 | 一种健康状态的检测方法和系统 |
| CN115144680A (zh) * | 2022-09-02 | 2022-10-04 | 深圳市今朝时代股份有限公司 | 一种用于辅助调频的超级电容储能系统及方法 |
| CN115144680B (zh) * | 2022-09-02 | 2023-01-10 | 深圳市今朝时代股份有限公司 | 一种用于辅助调频的超级电容储能系统及方法 |
| CN117169770A (zh) * | 2023-11-01 | 2023-12-05 | 南通江海储能技术有限公司 | 一种超级电容健康状态的在线监测方法及系统 |
| CN117169770B (zh) * | 2023-11-01 | 2024-01-26 | 南通江海储能技术有限公司 | 一种超级电容健康状态的在线监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020042441A1 (zh) | 2020-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109239489A (zh) | 一种用于储能系统的健康状态在线分析方法、装置及介质 | |
| CN108923952B (zh) | 基于服务监控指标的故障诊断方法、设备及存储介质 | |
| CN105247379B (zh) | 用于不间断电源电池监测和数据分析的系统和方法 | |
| CN107037279B (zh) | 一种并联电容器监测系统及其方法 | |
| CN105548949B (zh) | 一种智能电能表的故障远程判断方法及其系统 | |
| CN108802554B (zh) | 一种电容漏电异常检测方法及系统、计算机设备 | |
| CN107831422A (zh) | 一种gis设备局部放电诊断方法及系统 | |
| WO2009005810A1 (en) | System and method for predictive maintenance of a battery assembly using temporal signal processing | |
| CN107677903B (zh) | 一种变压器状态监测数据的聚类分析方法 | |
| Li et al. | An unsupervised learning framework for event detection, type identification and localization using pmus without any historical labels | |
| CN109905462A (zh) | 一种设备健康度管理系统 | |
| GB2476246A (en) | Diagnosing an operation mode of a machine | |
| CN109374063B (zh) | 一种基于集群管理的变压器异常检测方法、装置和设备 | |
| CN109946535A (zh) | 一种故障电弧检测方法 | |
| EP3972084A2 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
| CN106773993A (zh) | 现场数据采集终端及系统 | |
| CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
| CN111780867A (zh) | 一种利用Frobenius模优化的变压器运行状态振声检测方法和系统 | |
| CN208488118U (zh) | 一种变压器智能集成故障诊断系统 | |
| CN108646140B (zh) | 一种确定故障设备的方法和装置 | |
| CN116011158A (zh) | 一种低压台区的拓扑识别方法、系统及装置 | |
| CN115422504A (zh) | 一种配电设备故障风险辨识方法及装置 | |
| CN110321527B (zh) | 一种基于多元基础信息融合的数据有效性判别方法 | |
| CN107436392B (zh) | 电缆单相接地故障检测方法及系统 | |
| CN112083267A (zh) | 一种配电网线路故障识别方法、装置及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |