CN114218861A - 一种新型智能电网蓄电池在线核容监测系统 - Google Patents

一种新型智能电网蓄电池在线核容监测系统 Download PDF

Info

Publication number
CN114218861A
CN114218861A CN202111533028.8A CN202111533028A CN114218861A CN 114218861 A CN114218861 A CN 114218861A CN 202111533028 A CN202111533028 A CN 202111533028A CN 114218861 A CN114218861 A CN 114218861A
Authority
CN
China
Prior art keywords
module
storage battery
battery
monitoring system
capacity monitoring
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
Application number
CN202111533028.8A
Other languages
English (en)
Inventor
张冬容
江绍带
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Gexingquan Electric Power Technology Co ltd
Original Assignee
Guangzhou Gexingquan Electric Power Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Gexingquan Electric Power Technology Co ltd filed Critical Guangzhou Gexingquan Electric Power Technology Co ltd
Priority to CN202111533028.8A priority Critical patent/CN114218861A/zh
Publication of CN114218861A publication Critical patent/CN114218861A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明公开了一种新型智能电网蓄电池在线核容监测系统，包括用于采集蓄电池的运行参数的采集模块，用于依据蓄电池的运行参数分析出蓄电池的性能状况的分析模块，用于构建识别模型的构建模块，用于将导致蓄电池性能不好的具体原因进行可视化展示的可视化模块；通过设置构建模块，并通过构建模块构建出识别模型，识别模型能够有效识别出导致蓄电池性能不好的具体原因，从而有效解决现有蓄电池核容监测不能检测出导致蓄电池性能不好的原因的缺陷，同时，还能够提高检测的效率，提高更换蓄电池的效率，此外，通过可视化模块进行展示，能够有效便于管理者进行查看，从而及时发现蓄电池出现故障，进一步提高更换蓄电池的效率。

Description

一种新型智能电网蓄电池在线核容监测系统
技术领域
本发明涉及智能电网蓄电池技术领域，尤其涉及一种新型智能电网蓄电池在线核容监测系统。
背景技术
蓄电池组作为电源系统的后备电源，对保障电网、通信基站等直流设备不间断持续工作，有效应对异常市电停电状况起着十分重要的作用，因此掌握蓄电池组的健康状况，及时发现蓄电池组中有隐患的单体电池，对保障电源系统安全稳定的运行具有十分重要的意义，现有技术一般会通过对蓄电池进行核容监测来检验蓄电池组性能，然而，现有的蓄电池核容监测仅能单纯检测出蓄电池的性能是好或坏，并不能检测出导致蓄电池性能不好的原因，而且检测蓄电池性能的效率也比较差，不能及时对性能不好的蓄电池进行更换。
发明内容
有鉴于此，本发明提出一种新型智能电网蓄电池在线核容监测系统，可以解决现有蓄电池核容监测所存在的不能检测出导致蓄电池性能不好的原因和检测蓄电池性能的效率差的缺陷。
本发明的技术方案是这样实现的：
一种新型智能电网蓄电池在线核容监测系统，所述系统包括：
采集模块，用于采集蓄电池的运行参数；
分析模块，用于依据蓄电池的运行参数分析出蓄电池的性能状况；
构建模块，用于构建识别模型，所述识别模型用于识别出导致蓄电池性能不好的具体原因；
可视化模块，用于将导致蓄电池性能不好的具体原因进行可视化展示。
作为所述新型智能电网蓄电池在线核容监测系统的进一步可选方案，所述构建模块包括：
收集模块，用于收集导致蓄电池性能不好的历史数据；
训练模块，用于将收集到的导致蓄电池性能不好的历史数据输入至神经网络模型进行训练，从而得到识别模型。
作为所述新型智能电网蓄电池在线核容监测系统的进一步可选方案，所述神经网络模型采用RNN模型、DNN模型或CNN模型。
作为所述新型智能电网蓄电池在线核容监测系统的进一步可选方案，所述系统还包括统计模块，所述统计模块用于对一段时间内的导致蓄电池性能不好的具体原因进行统计分析。
作为所述新型智能电网蓄电池在线核容监测系统的进一步可选方案，所述系统还包括图表转换模块，所述图表转换模块用于对统计模块的统计结果转换为图表。
作为所述新型智能电网蓄电池在线核容监测系统的进一步可选方案，所述图表包括直方图表、折线图表和扇形图。
作为所述新型智能电网蓄电池在线核容监测系统的进一步可选方案，所述系统还包括备份模块，所述备份模块用于对导致蓄电池性能不好的具体原因和统计结果进行备份。
作为所述新型智能电网蓄电池在线核容监测系统的进一步可选方案，所述系统还包括报警模块，所述报警模块用于进行告警功能，并与所述分析模块连接。
作为所述新型智能电网蓄电池在线核容监测系统的进一步可选方案，所述蓄电池的运行参数包括蓄电池放电过程中的放电电流。
本发明的有益效果是：通过设置构建模块，并通过构建模块构建出识别模型，识别模型能够有效识别出导致蓄电池性能不好的具体原因，从而有效解决现有蓄电池核容监测不能检测出导致蓄电池性能不好的原因的缺陷，同时，还能够提高检测的效率，提高更换蓄电池的效率，此外，通过可视化模块进行展示，能够有效便于管理者进行查看，从而及时发现蓄电池出现故障，进一步提高更换蓄电池的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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为本发明一种新型智能电网蓄电池在线核容监测系统的组成图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。
参考图1，一种新型智能电网蓄电池在线核容监测系统，所述系统包括：
采集模块，用于采集蓄电池的运行参数；
分析模块，用于依据蓄电池的运行参数分析出蓄电池的性能状况；
构建模块，用于构建识别模型，所述识别模型用于识别出导致蓄电池性能不好的具体原因；
可视化模块，用于将导致蓄电池性能不好的具体原因进行可视化展示。
具体的，首先通过采集模块采集蓄电池的运行参数，然后将采集到的蓄电池的运行参数发送至分析模块中进行分析，能够得出蓄电池的性能状况，从而实现蓄电池的初步在线核容监测，然后再将性能状态不好的蓄电池的运行参数发送至识别模型中，通过识别模型进行原因识别，能够有效得到导致蓄电池性能不好的具体原因，最后再将蓄电池性能不好的具体原因发送至可视化模块中进行可视化展示，从而实现蓄电池的最终在线核容监测。
在本实施例中，通过设置构建模块，并通过构建模块构建出识别模型，识别模型能够有效识别出导致蓄电池性能不好的具体原因，从而有效解决现有蓄电池核容监测不能检测出导致蓄电池性能不好的原因的缺陷，同时，还能够提高检测的效率，提高更换蓄电池的效率，此外，通过可视化模块进行展示，能够有效便于管理者进行查看，从而及时发现蓄电池出现故障，进一步提高更换蓄电池的效率。
需要说明的是，采集模块通过无线通信模块与分析模块连接，分析模块通过无线通信模块与构建模块连接，构建模块通过无线通信模块与可视化模块连接，所述无线通信模块包括WiFi通信模块、LoRa通信模块、蓝牙通信模块和Zigbee通信模块。
优选的，所述构建模块包括：
收集模块，用于收集导致蓄电池性能不好的历史数据；
训练模块，用于将收集到的导致蓄电池性能不好的历史数据输入至神经网络模型进行训练，从而得到识别模型。
在本实施例中，通过采用神经网络模型训练出识别模型，能够进一步提高识别模型的识别准确度和效率，从而进一步提高新型智能电网蓄电池在线核容监测系统的监测准确度和效率；需要说明的是，所述导致蓄电池性能不好的历史数据包括蓄电池性能不好历史数据和导致蓄电池性能不好相应原因的历史数据，通过收集导致蓄电池性能不好的历史数据，能够提高训练样本的准确性，进而提高识别模型的准确性。
优选的，所述神经网络模型采用RNN模型、DNN模型或CNN模型。
优选的，所述系统还包括统计模块，所述统计模块用于对一段时间内的导致蓄电池性能不好的具体原因进行统计分析。
在本实施例中，由于导致蓄电池性能不好的原因有多种，因此，通过设置统计模块，能够便于管理者对一段时间内的导致蓄电池性能不好的具体原因进行统计分析，从而做出相应的解决措施，提高管理者的使用体验；例如，管理者可以通过对一年内的导致蓄电池性能不好的具体原因进行统计分析，然后通过统计分析结果了解到多种导致蓄电池性能不好的原因中出现频率最高的原因，最后有针对性地对该原因进行解决措施的制定，能够节省管理者的时间，从而提高管理者的使用体验。
优选的，所述系统还包括图表转换模块，所述图表转换模块用于对统计模块的统计结果转换为图表。
优选的，所述图表包括直方图表、折线图表和扇形图。
在本实施例中，通过设置图标转换模块，能够将统计模块的统计结果转换为图表，从而提高统计结果的趣味性，避免由于统计结果过多的文字导致管理者不想查看的情况发生，同时，还能够提高统计结果的直观性，不用管理者进行二次提炼，清楚明白地展示给管理者查看。
优选的，所述系统还包括备份模块，所述备份模块用于对导致蓄电池性能不好的具体原因和统计结果进行备份。
在本实施例中，通过设置备份模块对导致蓄电池性能不好的具体原因和统计结果进行备份，能够有效地避免数据的丢失，从而便于管理者查看，进一步提高管理者的使用体验。
优选的，所述系统还包括报警模块，所述报警模块用于进行告警功能，并与所述分析模块连接。
在本实施例中，通过设置报警模块，当分析模块分析出蓄电池的性能状态不好时，通过控制报警模块进行告警，能够进行提醒管理者及时查看导致蓄电池性能不好的具体原因，从而进一步提高更换蓄电池的效率。
优选的，所述蓄电池的运行参数包括蓄电池放电过程中的放电电流。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述系统包括：
采集模块，用于采集蓄电池的运行参数；
分析模块，用于依据蓄电池的运行参数分析出蓄电池的性能状况；
构建模块，用于构建识别模型，所述识别模型用于识别出导致蓄电池性能不好的具体原因；
可视化模块，用于将导致蓄电池性能不好的具体原因进行可视化展示。
2.根据权利要求1所述的一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述构建模块包括：
收集模块，用于收集导致蓄电池性能不好的历史数据；
训练模块，用于将收集到的导致蓄电池性能不好的历史数据输入至神经网络模型进行训练，从而得到识别模型。
3.根据权利要求2所述的一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述神经网络模型采用RNN模型、DNN模型或CNN模型。
4.根据权利要求3所述的一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述系统还包括统计模块，所述统计模块用于对一段时间内的导致蓄电池性能不好的具体原因进行统计分析。
5.根据权利要求4所述的一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述系统还包括图表转换模块，所述图表转换模块用于对统计模块的统计结果转换为图表。
6.根据权利要求5所述的一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述图表包括直方图表、折线图表和扇形图。
7.根据权利要求6所述的一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述系统还包括备份模块，所述备份模块用于对导致蓄电池性能不好的具体原因和统计结果进行备份。
8.根据权利要求7所述的一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述系统还包括报警模块，所述报警模块用于进行告警功能，并与所述分析模块连接。
9.根据权利要求8所述的一种新型智能电网蓄电池在线核容监测系统，其特征在于，所述蓄电池的运行参数包括蓄电池放电过程中的放电电流。
CN202111533028.8A 2021-12-15 2021-12-15 一种新型智能电网蓄电池在线核容监测系统 Pending CN114218861A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111533028.8A CN114218861A (zh) 2021-12-15 2021-12-15 一种新型智能电网蓄电池在线核容监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111533028.8A CN114218861A (zh) 2021-12-15 2021-12-15 一种新型智能电网蓄电池在线核容监测系统

Publications (1)

Publication Number Publication Date
CN114218861A true CN114218861A (zh) 2022-03-22

Family

ID=80702334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111533028.8A Pending CN114218861A (zh) 2021-12-15 2021-12-15 一种新型智能电网蓄电池在线核容监测系统

Country Status (1)

Country Link
CN (1) CN114218861A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116298947A (zh) * 2023-03-07 2023-06-23 中国铁塔股份有限公司黑龙江省分公司 一种蓄电池核容监测装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116298947A (zh) * 2023-03-07 2023-06-23 中国铁塔股份有限公司黑龙江省分公司 一种蓄电池核容监测装置
CN116298947B (zh) * 2023-03-07 2023-11-03 中国铁塔股份有限公司黑龙江省分公司 一种蓄电池核容监测装置

Similar Documents

Publication Publication Date Title
CN103064027A (zh) 一种750v无线智能蓄电池在线监测及维护系统
CN115494404B (zh) 一种蓄电池组在线监测方法
CN104483633B (zh) 铅酸蓄电池监测系统
CN209676004U (zh) 一种输配电线路安全运行的无线监控探测器及系统
CN111324083A (zh) 一种机械设备关键部件实时监测与预警方法及系统
CN113341249A (zh) 一种智慧用电监测报警系统及方法
CN207926521U (zh) 光伏阵列故障诊断装置及系统
CN111596643A (zh) 一种基于大数据的可视化动态能耗诊断、分析和预控系统
CN115345568A (zh) 一种基于排水管网gis的监测预警方法及系统
CN114218861A (zh) 一种新型智能电网蓄电池在线核容监测系统
CN204928219U (zh) 一种铅酸蓄电池系统及智能系统
CN106012986A (zh) 一种太阳能供电的智能闸门远程测控系统
CN113341262A (zh) 一种平台化负荷数据采集装置
CN112234708A (zh) 变电站站用蓄电池智慧管理系统
CN111626555A (zh) 一种消防设施运行告警及状态评估系统及装置
CN213817354U (zh) 变电站站用蓄电池智慧管理系统
CN207115718U (zh) 设备监控报警系统
CN214669407U (zh) 一种新型直流绝缘监测装置
CN213544779U (zh) 一种用于轨道维护设备的电池监控系统
CN204373687U (zh) 一种基于物联网的养殖场环境监测手持设备
CN203490312U (zh) 一种电气设备接地线老化检测电路
CN111245097A (zh) 一种智能电网管控系统及方法
CN111210607A (zh) 一种无线红外电表数据采集系统
CN212872809U (zh) 一种蓄电池浮充电流监测装置
CN205811666U (zh) 电量远程智能测控系统

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