发明内容
有鉴于此,本发明公开一种电池储能系统的温控方法及系统,以通过在不同温控子系统在能量损耗集合和温控速率集合中求取最优解集,并通过最优解集线性拟合出最优的温控子系统控制策略,来使不同的温控子系统发挥最大的温控能力,达到能量损耗最小,温度控制效果最优,均温响应速率最快的目的,从而快速削减电池储能系统内部各部分的温差。
一种电池储能系统的温控方法,包括:
获取电池储能系统的目标温度值以及在当前预设时间段的变量因子,其中,所述变量因子包括:外部环境温度集、内部环境温度集和温度调节装置运行参数集;
将所述变量因子作为输入值,确定预先建立的各个温控子系统数学模型在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集,所述温控子系统数学模型包括:风冷系统数学模型、冷热水循环系统数学模型和空调温控系统数学模型;
基于各个所述温控子系统对应的所述最优解集,结合所述目标温度值和功率损耗回归模型,通过线性拟合得到温控子系统控制策略,所述温控子系统控制策略包括:单个所述温控子系统控制或多个所述温控子系统协同控制的最优化组合,所述最优化组合包括:最优出力权重和出力优先级顺序,最优出力权重高的温控子系统对应的出力优先级高;
根据所述温控子系统控制策略控制对应的执行机构执行相应的操作,使所述电池储能系统的内部环境温度和电芯温度满足预设要求。
可选的,所述风冷系统数学模型的建立过程包括:
获取所述电池储能系统的电池风扇转速历史数据和通风阀功率历史数据;
将所述电池风扇转速历史数据和所述通风阀功率历史数据作为多次多项式回归模型的自变量,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第一取值;
将第一温度偏差值作为所述多次多项式回归模型中的因变量,将所述第一取值代入所述多次多项式回归模型中,得到表征所述第一温度偏差值与电池风扇转速和通风阀功率的对应关系的所述风冷系统数学模型。
可选的,所述冷热水循环系统数学模型的建立过程包括:
获取所述电池储能系统的水泵功率历史数据;
将所述水泵功率历史数据作为所述多次多项式回归模型的自变量,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第二取值;
将第二温度偏差值作为所述多次多项式回归模型中的因变量,将所述第二取值代入所述多次多项式回归模型中,得到表征所述第二温度偏差值与水泵功率的对应关系的所述冷热水循环系统数学模型。
可选的,所述空调温控系统数学模型的建立过程包括:
获取所述电池储能系统的内外环境温差历史数据和初始水温度;
将所述内外环境温差历史数据作为所述多次多项式回归模型的自变量,结合所述初始水温度,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第三取值;
将所述电池储能系统的所述目标温度值作为所述多次多项式回归模型中的因变量,将所述第三取值代入所述多次多项式回归模型中,得到表征所述目标温度值与所述电池储能系统的内外环境温差的对应关系的所述空调温控系统数学模型。
可选的,所述多次多项式回归模型的表达式如下:
式中,Zij为作为因变量的第i个自变量采集点和第j个自变量采集点对应的目标函数响应值,i为第i个自变量采集点,j为第j个自变量采集点,β0-β5为回归系数,X1为第1个第一自变量,X2为第2个第一自变量,Xk为第k个第一自变量,Xi为第i个第一自变量,Y1为第1个第二自变量,Y2为第2个第二自变量,Yk为第k个第二自变量,Yj为第j个第二自变量,eij为第i个自变量采集点和第j个自变量采集点对应的误差,k为误差影响因素的数量。
可选的,所述温度调节装置运行参数集包括:电池风扇转速集、水泵功率集和通风阀功率集。
可选的,所述功率损耗回归模型的表达式如下:
Q总=f(P通风阀,P风扇,P水泵,P空调)+ε;
式中,Q总为总功率损耗,,P通风阀为基于所述通风阀功率集确定的不同通风阀开度下的功率大小,P风扇为基于所述电池风扇转速集确定的不同风速下的功率大小,P水泵为基于所述水泵功率集确定的不同的水流速下的功率大小,P空调为基于所述外部环境温度集和所述内部环境温度集确定的空调在不同内外环境温差下的出力功率,f(P通风阀,P风扇,P水泵,P空调)为P通风阀,P风扇,P水泵,P空调的函数,ε为误差项。
可选的,所述基于各个所述温控子系统对应的所述最优解集,结合所述目标温度值和功率损耗回归模型,通过线性拟合得到温控子系统控制策略,具体包括:
将各个所述温控子系统对应的所述最优解集和所述功率损耗回归模型确定的总功率损耗作为多次多项式回归模型的输入参数,将所述目标温度值作为多次多项式回归模型的目标函数响应值,通过线性拟合得到温控子系统控制策略。
可选的,所述执行机构包括:电池风扇、水泵、通风阀和空调中的任意一种或多种组合。
一种电池储能系统的温控系统,包括:
变量因子获取单元,用于获取电池储能系统的目标温度值以及在当前预设时间段的变量因子,其中,所述变量因子包括:外部环境温度集、内部环境温度集和温度调节装置运行参数集;
最优解集确定单元,用于将所述变量因子作为输入值,确定预先建立的各个温控子系统数学模型在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集,所述温控子系统数学模型包括:风冷系统数学模型、冷热水循环系统数学模型和空调温控系统数学模型;
控制策略确定单元,用于基于各个所述温控子系统对应的所述最优解集,结合所述目标温度值和功率损耗回归模型,通过线性拟合得到温控子系统控制策略,所述温控子系统控制策略包括:单个所述温控子系统控制或多个所述温控子系统协同控制的最优化组合,所述最优化组合包括:最优出力权重和出力优先级顺序,最优出力权重高的温控子系统对应的出力优先级高;
温控单元,用于根据所述温控子系统控制策略控制对应的执行机构执行相应的操作,使所述电池储能系统的内部环境温度和电芯温度满足预设要求。
可选的,还包括:
第一模型建立单元,用于建立所述风冷系统数学模型;
所述第一模型建立单元具体用于:
获取所述电池储能系统的电池风扇转速历史数据和通风阀功率历史数据;
将所述电池风扇转速历史数据和所述通风阀功率历史数据作为多次多项式回归模型的自变量,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第一取值;
将第一温度偏差值作为所述多次多项式回归模型中的因变量,将所述第一取值代入所述多次多项式回归模型中,得到表征所述第一温度偏差值与电池风扇转速和通风阀功率的对应关系的所述风冷系统数学模型。
可选的,还包括:
第二模型建立单元,用于建立所述冷热水循环系统数学模型;
所述第二模型建立单元具体用于:
获取所述电池储能系统的水泵功率历史数据;
将所述水泵功率历史数据作为所述多次多项式回归模型的自变量,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第二取值;
将第二温度偏差值作为所述多次多项式回归模型中的因变量,将所述第二取值代入所述多次多项式回归模型中,得到表征所述第二温度偏差值与水泵功率的对应关系的所述冷热水循环系统数学模型。
可选的,还包括:
第三模型建立单元,用于建立所述空调温控系统数学模型;
所述第三模型建立单元具体用于:
获取所述电池储能系统的内外环境温差历史数据和初始水温度;
将所述内外环境温差历史数据作为所述多次多项式回归模型的自变量,结合所述初始水温度,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第三取值;
将所述电池储能系统的所述目标温度值作为所述多次多项式回归模型中的因变量,将所述第三取值代入所述多次多项式回归模型中,得到表征所述目标温度值与所述电池储能系统的内外环境温差的对应关系的所述空调温控系统数学模型。
从上述的技术方案可知,本发明公开了一种电池储能系统的温控方法及系统,以电池储能系统的在当前预设时间段的外部环境温度集、内部环境温度集、电池风扇转速集、水泵功率集和通风阀功率集为变量因子,将变量因子作为输入值,确定风冷系统数学模型、冷热水循环系统数学模型和空调温控系统数学模型三个温控子系统数学模型各自在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集,基于各个温控子系统对应的最优解集,结合目标温度值和功率损耗回归模型,通过线性拟合得到温控子系统控制策略,温控子系统控制策略包括:单个温控子系统控制或多个温控子系统协同控制的最优化组合,最优化组合包括:最优出力权重和出力优先级顺序,从而根据温控子系统控制策略控制对应的执行机构执行相应的操作,使电池储能系统的内部环境温度和电芯温度满足预设要求。本发明通过在不同温控子系统在能量损耗集合和温控速率集合中求取最优解集,并通过最优解集线性拟合出最优的温控子系统控制策略,来使不同的温控子系统发挥最大的温控能力,达到能量损耗最小,温度控制效果最优,均温响应速率最快的目的,从而快速削减电池储能系统内部各部分的温差。
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,而不是全部的实施例。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,都属于本发明保护的范围。
本发明实施例公开了一种电池储能系统的温控方法及系统,通过在不同温控子系统在能量损耗集合和温控速率集合中求取最优解集,并通过最优解集线性拟合出最优的温控子系统控制策略,来使不同的温控子系统发挥最大的温控能力,达到能量损耗最小,温度控制效果最优,均温响应速率最快的目的,从而快速削减电池储能系统内部各部分的温差。
参见图1,本发明实施例公开的一种电池储能系统的温控方法流程图,该方法包括:
步骤S101、获取电池储能系统的目标温度值以及在当前预设时间段的变量因子;
其中,变量因子包括:外部环境温度集、内部环境温度集和温度调节装置参数集。
在实际应用中,温度调节装置参数集可以包括:电池风扇转速集、水泵功率集和通风阀功率集。
当前预设时间段的取值依据实际需要而定,本发明在此不做限定。
步骤S102、将变量因子作为输入值,确定预先建立的各个温控子系统数学模型在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集;
本实施例中的最优解集也即为消除单位温度偏差速率以及能量损耗集合之间的最优解集。
其中,温控子系统数学模型包括:风冷系统数学模型、冷热水循环系统数学模型和空调温控系统数学模型。
步骤S103、基于各个温控子系统对应的最优解集,结合目标温度值和功率损耗回归模型,通过线性拟合得到温控子系统控制策略;
具体的,将各个温控子系统对应的最优解集和功率损耗回归模型确定的总功率损耗作为多次多项式回归模型的输入参数,将目标温度值作为多次多项式回归模型的目标函数响应值,通过线性拟合得到温控子系统控制策略。
其中,温控子系统控制策略包括:单个温控子系统控制或多个温控子系统协同控制的最优化组合,最优化组合包括:最优出力权重和出力优先级顺序,最优出力权重高的温控子系统对应的出力优先级高。
本实施例中,对于能量损耗小,均温响应速率快的温控子系统赋予高出力权重和高出力优先级,出力权重为0的温控子系统表示在该状态下不需要出力权重为0的温控子系统出力进行温度控制。
步骤S104、根据温控子系统控制策略控制对应的执行机构执行相应的操作,使电池储能系统的内部环境温度和电芯温度满足预设要求。
其中,本实施例中的执行机构包括:电池风扇、水泵、通风阀和空调中的任意一种或多种组合。
预设要求包括:电池储能系统的内部环境温度和电芯温度的温差值最小。
本发明根据温控子系统控制策略响应的控制电池风扇转速、通风阀开度、水泵功率和空调出力功率中的任意一种或多种组合。
在实际应用中,电池储能系统的内部环境温度也可以称为电池储能系统的绝对温度,电芯温度可以称为电池储能系统的相对温度。
综上可知,本发明公开了一种电池储能系统的温控方法,以电池储能系统的在当前预设时间段的外部环境温度集、内部环境温度集、电池风扇转速集、水泵功率集和通风阀功率集为变量因子,将变量因子作为输入值,确定风冷系统数学模型、冷热水循环系统数学模型和空调温控系统数学模型三个温控子系统数学模型各自在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集,基于各个温控子系统对应的最优解集,结合目标温度值和功率损耗回归模型,通过线性拟合得到温控子系统控制策略,温控子系统控制策略包括:单个温控子系统控制或多个温控子系统协同控制的最优化组合,最优化组合包括:最优出力权重和出力优先级顺序,从而根据温控子系统控制策略控制对应的执行机构执行相应的操作,使电池储能系统的内部环境温度和电芯温度满足预设要求。本发明通过在不同温控子系统在能量损耗集合和温控速率集合中求取最优解集,并通过最优解集线性拟合出最优的温控子系统控制策略,来使不同的温控子系统发挥最大的温控能力,达到能量损耗最小,温度控制效果最优,均温响应速率最快的目的,从而快速削减电池储能系统内部各部分的温差。
另外,本发明还改变了原有控制空调或者通风机开口阀大小,调整风扇转速等单一的控制方法,采用不同温度场景下对应不同的执行结构和能源形式进行优化调度,调整不同温控子系统的出力顺序,并进行多个温控子系统的协同控制,从而能实现快速调温的同时节省能量开销。
需要说明的是,上述实施例中,功率损耗回归模型的表达式如下:
Q总=f(P通风阀,P风扇,P水泵,P空调)+ε;
式中,Q总为总功率损耗,,P通风阀为基于所述通风阀功率集确定的不同通风阀开度下的功率大小,P风扇为基于所述电池风扇转速集确定的不同风速下的功率大小,P水泵为基于所述水泵功率集确定的不同的水流速下的功率大小,P空调为基于所述外部环境温度集和所述内部环境温度集确定的空调在不同内外环境温差下的出力功率,f(P通风阀,P风扇,P水泵,P空调)为P通风阀,P风扇,P水泵,P空调的函数,ε为误差项。
为进一步优化上述实施例,本发明还公开了风冷系统数学模型的建立过程。参见图2,本发明实施例公开的一种风冷系统数学模型的建立方法流程图,该方法包括:
步骤S201、获取电池储能系统的电池风扇转速历史数据和通风阀功率历史数据;
步骤S202、将电池风扇转速历史数据和通风阀功率历史数据作为多次多项式回归模型的自变量,通过线性拟合计算出多次多项式回归模型中各个回归系数的取值,记为第一取值;
其中,多次多项式回归模型的表达式如下:
式中,Zij为作为因变量的第i个自变量采集点和第j个自变量采集点对应的目标函数响应值,i为第i个自变量采集点,j为第j个自变量采集点,β0-β5为回归系数,X1为第1个第一自变量,X2为第2个第一自变量,Xk为第k个第一自变量,Xi为第i个第一自变量,Y1为第1个第二自变量,Y2为第2个第二自变量,Yk为第k个第二自变量,Yj为第j个第二自变量,eij为第i个自变量采集点和第j个自变量采集点对应的误差,k为误差影响因素的数量。
具体的,本实施例中,将电池风扇转速历史数据(N1,N2…Nk)作为第一自变量,对应多次多项式回归模型中的X1,X2,...,Xk,将通风阀功率历史数据作为第二自变量,对应对应多次多项式回归模型中的Y1,Y2,...,Yk,通过对电池风扇转速历史数据中的各个电池风扇转速以及通风阀功率历史数据中的各个通风阀功率进行线性拟合,计算出β0-β5的值,进而计算出作为目标函数响应值的第一温度偏差值与电池风扇转速和通风阀功率的对应关系。
步骤S203、将第一温度偏差值作为多次多项式回归模型中的因变量,将第一取值代入多次多项式回归模型中,得到表征第一温度偏差值与电池风扇转速和通风阀功率的对应关系的风冷系统数学模型。
需要说明的是,将在当前预设时间段获取的电池风扇转速集和通风阀功率集作为风冷系统数学模型的输入值,得到风冷系统数学模型在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集 {(X1,Y1),..(Xk,Yk)}。
为进一步优化上述实施例,本发明还公开了冷热水循环系统数学模型的建立过程。参见图3,本发明实施例公开的一种冷热水循环系统数学模型的建立方法流程图,该方法包括:
步骤S301、获取电池储能系统的水泵功率历史数据;
步骤S302、将水泵功率历史数据作为多次多项式回归模型的自变量,通过线性拟合计算出多次多项式回归模型中各个回归系数的取值,记为第二取值;
具体的,本实施例中,将水泵功率历史数据作为第一自变量,对应多次多项式回归模型中的X1,X2,...,Xk,将多次多项式回归模型中的第二自变量 Y1,Y2,...,Yk取值为0,通过对水泵功率历史数据中的各个水泵功率进行线性拟合,计算出计算出β0-β5的值,进而计算出作为目标函数响应值的第二温度偏差值与水泵功率的对应关系。
步骤S303、将第二温度偏差值作为多次多项式回归模型中的因变量,将第二取值代入所述多次多项式回归模型中,得到表征第二温度偏差值与水泵功率的对应关系的冷热水循环系统数学模型。
需要说明的是,将在当前预设时间段内获取的水泵功率集作为冷热水循环系统数学模型的输入值,得到冷热水循环系统数学模型在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集 {M1,M1...Mk}。
为进一步优化上述实施例,本发明还公开了空调温控系统数学模型的建立过程。参见图4,本发明实施例公开的一种空调温控系统数学模型的建立方法流程图,该方法包括:
步骤S401、获取电池储能系统的内外环境温差历史数据和初始水温度;
其中,每个内外环境温差历史数据为同一时间的电池储能系统的外部环境温度和内部环境温度的差值。
本实施例中的初始水温度为:冷热水循环系统中的初始水温度。
步骤S402、将内外环境温差历史数据作为多次多项式回归模型的自变量,结合初始水温度,通过线性拟合计算出多次多项式回归模型中各个回归系数的取值,记为第三取值;
具体的,本实施例中,将内外环境温差历史数据作为第一自变量,对应多次多项式回归模型中的X1,X2,...,Xk,将多次多项式回归模型中的第二自变量Y1,Y2,...,Yk取值为0,通过对内外环境温差历史数据中的各个内外环境温差进行线性拟合,计算出计算出β0-β5的值,进而计算出作为目标函数响应值的目标温度值与内外环境温差的对应关系。
步骤S403、将电池储能系统的所述目标温度值作为多次多项式回归模型中的因变量,将第三取值代入所述多次多项式回归模型中,得到表征目标温度值与所述电池储能系统的内外环境温差的对应关系的空调温控系统数学模型。
需要说明的是,将在当前预设时间段获取的外部环境温度集和内部环境温度集的内外环境温差作为空调温控系统数学模型的输入值,得到空调温控系统数学模型在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集{N1,N1...Nk}。
与上述方法实施例相对应,本发明还公开了一种电池储能系统的温控系统。
参见图5,本发明实施例公开的一种电池储能系统的温控系统的结构示意图,该系统包括:
变量因子获取单元501,用于获取电池储能系统的目标温度值以及在当前预设时间段的变量因子,其中,所述变量因子包括:外部环境温度集、内部环境温度集和温度调节装置参数集。
在实际应用中,温度调节装置参数集可以包括:电池风扇转速集、水泵功率集和通风阀功率集;
最优解集确定单元502,用于将所述变量因子作为输入值,确定预先建立的各个温控子系统数学模型在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集,所述温控子系统数学模型包括:风冷系统数学模型、冷热水循环系统数学模型和空调温控系统数学模型;
本实施例中的最优解集也即为消除单位温度偏差速率以及能量损耗集合之间的最优解集。
控制策略确定单元503,用于基于各个所述温控子系统对应的所述最优解集,结合所述目标温度值和功率损耗回归模型,通过线性拟合得到温控子系统控制策略,所述温控子系统控制策略包括:单个所述温控子系统控制或多个所述温控子系统协同控制的最优化组合,所述最优化组合包括:最优出力权重和出力优先级顺序,最优出力权重高的温控子系统对应的出力优先级高;
本实施例中,对于能量损耗小,均温响应速率快的温控子系统赋予高出力权重和高出力优先级,出力权重为0的温控子系统表示在该状态下不需要出力权重为0的温控子系统出力进行温度控制。
在实际应用中,控制策略确定单元503具体用于:
将各个所述温控子系统对应的所述最优解集和所述功率损耗回归模型确定的总功率损耗作为多次多项式回归模型的输入参数,将所述目标温度值作为多次多项式回归模型的目标函数响应值,通过线性拟合得到温控子系统控制策略。
温控单元504,用于根据所述温控子系统控制策略控制对应的执行机构执行相应的操作,使所述电池储能系统的内部环境温度和电芯温度满足预设要求。
其中,本实施例中的执行机构包括:电池风扇、水泵、通风阀和空调中的任意一种或多种组合。
预设要求包括:电池储能系统的内部环境温度和电芯温度的温差值最小。
本发明根据温控子系统控制策略响应的控制电池风扇转速、通风阀开度、水泵功率和空调出力功率中的任意一种或多种组合。
综上可知,本发明公开了一种电池储能系统的温控系统,以电池储能系统的在当前预设时间段的外部环境温度集、内部环境温度集、电池风扇转速集、水泵功率集和通风阀功率集为变量因子,将变量因子作为输入值,确定风冷系统数学模型、冷热水循环系统数学模型和空调温控系统数学模型三个温控子系统数学模型各自在单位时间内,单位能量损耗最小且各个电芯单体的温度偏差值最小时的最优解集,基于各个温控子系统对应的最优解集,结合目标温度值和功率损耗回归模型,通过线性拟合得到温控子系统控制策略,温控子系统控制策略包括:单个温控子系统控制或多个温控子系统协同控制的最优化组合,最优化组合包括:最优出力权重和出力优先级顺序,从而根据温控子系统控制策略控制对应的执行机构执行相应的操作,使电池储能系统的内部环境温度和电芯温度满足预设要求。本发明通过在不同温控子系统在能量损耗集合和温控速率集合中求取最优解集,并通过最优解集线性拟合出最优的温控子系统控制策略,来使不同的温控子系统发挥最大的温控能力,达到能量损耗最小,温度控制效果最优,均温响应速率最快的目的,从而快速削减电池储能系统内部各部分的温差。
另外,本发明还改变了原有控制空调或者通风机开口阀大小,调整风扇转速等单一的控制方法,采用不同温度场景下对应不同的执行结构和能源形式进行优化调度,调整不同温控子系统的出力顺序,并进行多个温控子系统的协同控制,从而能实现快速调温的同时节省能量开销。
需要说明的是,上述实施例中,功率损耗回归模型的表达式如下:
Q总=f(P通风阀,P风扇,P水泵,P空调)+ε;
式中,Q总为总功率损耗,,P通风阀为基于所述通风阀功率集确定的不同通风阀开度下的功率大小,P风扇为基于所述电池风扇转速集确定的不同风速下的功率大小,P水泵为基于所述水泵功率集确定的不同的水流速下的功率大小,P空调为基于所述外部环境温度集和所述内部环境温度集确定的空调在不同内外环境温差下的出力功率,f(P通风阀,P风扇,P水泵,P空调)为P通风阀,P风扇,P水泵,P空调的函数,ε为误差项。
为进一步优化上述实施例,温控系统还可以包括:
第一模型建立单元,用于建立所述风冷系统数学模型;
所述第一模型建立单元具体用于:
获取所述电池储能系统的电池风扇转速历史数据和通风阀功率历史数据;
将所述电池风扇转速历史数据和所述通风阀功率历史数据作为多次多项式回归模型的自变量,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第一取值;
将第一温度偏差值作为所述多次多项式回归模型中的因变量,将所述第一取值代入所述多次多项式回归模型中,得到表征所述第一温度偏差值与电池风扇转速和通风阀功率的对应关系的所述风冷系统数学模型。
其中,多次多项式回归模型的表达式如下:
式中,Zij为作为因变量的第i个自变量采集点和第j个自变量采集点对应的目标函数响应值,i为第i个自变量采集点,j为第j个自变量采集点,β0-β5为回归系数,X1为第1个第一自变量,X2为第2个第一自变量,Xk为第k个第一自变量,Xi为第i个第一自变量,Y1为第1个第二自变量,Y2为第2个第二自变量,Yk为第k个第二自变量,Yj为第j个第二自变量,eij为第i个自变量采集点和第j个自变量采集点对应的误差,k为误差影响因素的数量。
具体的,本实施例中,将电池风扇转速历史数据(N1,N2…Nk)作为第一自变量,对应多次多项式回归模型中的X1,X2,...,Xk,将通风阀功率历史数据作为第二自变量,对应对应多次多项式回归模型中的Y1,Y2,...,Yk,通过对电池风扇转速历史数据中的各个电池风扇转速以及通风阀功率历史数据中的各个通风阀功率进行线性拟合,计算出β0-β5的值,进而计算出作为目标函数响应值的第一温度偏差值与电池风扇转速和通风阀功率的对应关系。
为进一步优化上述实施例,温控系统还可以包括:
第二模型建立单元,用于建立所述冷热水循环系统数学模型;
所述第二模型建立单元具体用于:
获取所述电池储能系统的水泵功率历史数据;
将所述水泵功率历史数据作为所述多次多项式回归模型的自变量,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第二取值;
将第二温度偏差值作为所述多次多项式回归模型中的因变量,将所述第二取值代入所述多次多项式回归模型中,得到表征所述第二温度偏差值与水泵功率的对应关系的所述冷热水循环系统数学模型。
本实施例中,将水泵功率历史数据作为第一自变量,对应多次多项式回归模型中的X1,X2,...,Xk,将多次多项式回归模型中的第二自变量 Y1,Y2,...,Yk取值为0,通过对水泵功率历史数据中的各个水泵功率进行线性拟合,计算出计算出β0-β5的值,进而计算出作为目标函数响应值的第二温度偏差值与水泵功率的对应关系。
为进一步优化上述实施例,温控系统还可以包括:
第三模型建立单元,用于建立所述空调温控系统数学模型;
所述第三模型建立单元具体用于:
获取所述电池储能系统的内外环境温差历史数据和初始水温度;
将所述内外环境温差历史数据作为所述多次多项式回归模型的自变量,结合所述初始水温度,通过线性拟合计算出所述多次多项式回归模型中各个回归系数的取值,记为第三取值;
将所述电池储能系统的所述目标温度值作为所述多次多项式回归模型中的因变量,将所述第三取值代入所述多次多项式回归模型中,得到表征所述目标温度值与所述电池储能系统的内外环境温差的对应关系的所述空调温控系统数学模型。
本实施例中,将内外环境温差历史数据作为第一自变量,对应多次多项式回归模型中的X1,X2,...,Xk,将多次多项式回归模型中的第二自变量 Y1,Y2,...,Yk取值为0,通过对内外环境温差历史数据中的各个内外环境温差进行线性拟合,计算出计算出β0-β5的值,进而计算出作为目标函数响应值的目标温度值与内外环境温差的对应关系。
需要说明的是,系统实施例中,各组成部分的具体工作原理请参见方法实施例对应部分,此处不再赘述。
最后,还需要说明的是,在本文中,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。
本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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。