CN115965363B - 一种锂电池储能箱运营数据处理方法及系统 - Google Patents
一种锂电池储能箱运营数据处理方法及系统 Download PDFInfo
- Publication number
- CN115965363B CN115965363B CN202310255464.6A CN202310255464A CN115965363B CN 115965363 B CN115965363 B CN 115965363B CN 202310255464 A CN202310255464 A CN 202310255464A CN 115965363 B CN115965363 B CN 115965363B
- Authority
- CN
- China
- Prior art keywords
- task
- control
- energy storage
- lithium battery
- storage box
- 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.)
- Active
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 146
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 146
- 238000004146 energy storage Methods 0.000 title claims abstract description 145
- 238000003672 processing method Methods 0.000 title description 9
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 230000000694 effects Effects 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000015654 memory Effects 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 16
- 230000002776 aggregation Effects 0.000 claims description 14
- 238000004220 aggregation Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 15
- 238000007599 discharging Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000007667 floating Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Secondary Cells (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种锂电池储能箱运营数据处理方法及系统，涉及数据处理技术领域，该方法包括：获得历史使用信息；获得特征提取结果；构建所述锂电池储能箱的历史运行画像；读取所述锂电池储能箱的实时数据信息；采集获得所述锂电池储能箱的待执行任务信息，将所述待执行任务信息、所述历史运行画像和所述实时数据信息输入智能管控模型，输出控制结果；通过所述控制结果进行所述锂电池储能箱的运营管理，解决了现有技术中存在的由于对锂电池储能箱运营数据的分析不够详细，进而导致锂电池储能箱的运营管理效果不佳的技术问题，实现提高锂电池储能箱的运营管理效率，提升运营收益的效果。
Description
技术领域
本公开涉及数据处理技术领域，具体涉及一种锂电池储能箱运营数据处理方法及系统。
背景技术
锂电池具有自放电小、电压高、质量轻、无污染以及使用寿命长等优点，随着锂电池技术的发展，锂电池组作为储能设备的应用越来越广泛。锂电池储能箱运行中，长时间的充电及放电会对锂电池造成损坏，对锂电池储能箱充电即检修维护进行合理、有效的控制，对提升运营管理效果具有重要意义。
目前，现有技术中存在由于对锂电池储能箱运营数据的分析不够详细，进而导致锂电池储能箱的运营管理效果不佳的技术问题。
发明内容
本公开提供了一种锂电池储能箱运营数据处理方法及系统，用以解决现有技术中存在的由于对锂电池储能箱运营数据的分析不够详细，进而导致锂电池储能箱的运营管理效果不佳的技术问题。
根据本公开的第一方面，提供了一种锂电池储能箱运营数据处理方法，包括：采集获得锂电池储能箱的基础信息，通过所述基础信息读取获得历史使用信息；通过所述历史使用信息进行所述锂电池储能箱的特征提取，获得特征提取结果；基于所述特征提取结果进行特征聚类，构建所述锂电池储能箱的历史运行画像；连通所述数据交互装置与所述锂电池储能箱，读取所述锂电池储能箱的实时数据信息；采集获得所述锂电池储能箱的待执行任务信息，将所述待执行任务信息、所述历史运行画像和所述实时数据信息输入智能管控模型，输出控制结果；通过所述控制结果进行所述锂电池储能箱的运营管理。
根据本公开的第二方面，提供了一种锂电池储能箱运营数据处理系统，包括：基础信息采集模块，所述基础信息采集模块用于采集获得锂电池储能箱的基础信息，通过所述基础信息读取获得历史使用信息；特征提取模块，所述特征提取模块用于通过所述历史使用信息进行所述锂电池储能箱的特征提取，获得特征提取结果；特征聚类模块，所述特征聚类模块用于基于所述特征提取结果进行特征聚类，构建所述锂电池储能箱的历史运行画像；实时数据读取模块，所述实时数据读取模块用于连通所述数据交互装置与所述锂电池储能箱，读取所述锂电池储能箱的实时数据信息；智能管控模块，所述智能管控模块用于采集获得所述锂电池储能箱的待执行任务信息，将所述待执行任务信息、所述历史运行画像和所述实时数据信息输入智能管控模型，输出控制结果；运营管理模块，所述运营管理模块用于通过所述控制结果进行所述锂电池储能箱的运营管理。
根据本公开的第三方面，提供了一种电子设备，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第一方面所述的方法。
根据本公开采用的一种锂电池储能箱运营数据处理方法，采集获得锂电池储能箱的基础信息，通过所述基础信息读取获得历史使用信息；通过所述历史使用信息进行所述锂电池储能箱的特征提取，获得特征提取结果；基于所述特征提取结果进行特征聚类，构建所述锂电池储能箱的历史运行画像；连通所述数据交互装置与所述锂电池储能箱，读取所述锂电池储能箱的实时数据信息；采集获得所述锂电池储能箱的待执行任务信息，将所述待执行任务信息、所述历史运行画像和所述实时数据信息输入智能管控模型，输出控制结果；通过所述控制结果进行所述锂电池储能箱的运营管理。本公开通过在锂电池储能箱运行过程中，采集放电时间、放电量以及放电功率数据，基于此进行聚类分析，根据聚类结果构建锂电池储能箱的历史运营画像，结合历史运营画像和储能箱的实时数据和待执行任务通过智能管控模型制定充电方案以及检修维护方案，基于此实现对锂电池储能箱的运营管理，达到提升运营管理效率，同时提升运营收入的技术效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开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示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种锂电池储能箱运营数据处理方法的流程示意图；
图2为本发明实施例中通过控制调整结果进行锂电池储能箱的运营管理的流程示意图；
图3为本发明实施例中基于优化后的聚合粒度进行历史运行画像的构建的流程示意图；
图4为本发明实施例提供的一种锂电池储能箱运营数据处理系统的结构示意图；
图5为本发明实施例提供的一种电子设备的结构示意图。
附图标记说明：基础信息采集模块11，特征提取模块12，特征聚类模块13，实时数据读取模块14，智能管控模块15，运营管理模块16，电子设备800，处理器801，存储器802，总线803。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在由于对锂电池储能箱运营数据的分析不够详细，进而导致锂电池储能箱的运营管理效果不佳的技术问题，本公开的发明人经过创造性的劳动，得到了本公开的一种锂电池储能箱运营数据处理方法及系统。
实施例1
图1为本申请实施例提供的一种锂电池储能箱运营数据处理方法图，所述方法应用于智能管理系统，所述智能管理系统与数据交互装置通信连接，如图1所示，所述方法包括：
步骤S100：采集获得锂电池储能箱的基础信息，通过所述基础信息读取获得历史使用信息；
具体而言，本申请实施例提供了一种锂电池储能箱运营数据处理方法，所述方法应用于智能管理系统，智能管理系统是用于对锂电池储能箱进行智能化运营管理的系统平台，数据交互装置用于读取锂电池储能箱的实时运行数据，智能管理系统与数据交互装置通信连接，可以实现数据的交互传输。具体地，采集获得锂电池储能箱的基础信息，基础信息是指锂电池储能箱的工作信息，包括充、放电情况下的充电时间、放电时间、放电量等数据，通过基础信息读取获得历史使用信息，也就是说，历史使用信息是指过去一段时间内的锂电池储能箱工作信息，比如过去一个月，从基础信息中提取出过去一段时间内的锂电池储能箱工作信息。
步骤S200：通过所述历史使用信息进行所述锂电池储能箱的特征提取，获得特征提取结果；
具体而言，历史使用信息包括过去一段时间内的锂电池储能箱使用信息，需要从中提取出有用信息便于后续进行运营管理，根据历史使用信息进行锂电池储能箱的特征提取，提取出锂电池储能箱的放电时间、放电量和放电功率信息，以锂电池储能箱的放电时间、放电量和放电功率信息作为特征提取结果。
步骤S300：基于所述特征提取结果进行特征聚类，构建所述锂电池储能箱的历史运行画像；
具体而言，一个锂电池储能电站中包含多个锂电池储能箱，锂电池储能箱的历史放电时间、放电量和放电功率可能存在差异，根据差异情况从中找到一个稳定值，就是不同时间下的放电量、放电功率在这个稳定值上下浮动，基于此对特征提取结果进行特征聚类，将放电量、放电功率比较接近的锂电池储能箱聚为一类，进而构建锂电池储能箱的历史运行画像，就是将锂电池储能箱的历史时间内的放电量、放电功率通过图形表示，比如将锂电池储能箱在历史时间内的放电量、放电功率进行曲线图绘制，将使得可以清楚地了解各个锂电池储能箱的历史运行情况。
步骤S400：连通所述数据交互装置与所述锂电池储能箱，读取所述锂电池储能箱的实时数据信息；
具体而言，连通数据交互装置与锂电池储能箱，读取锂电池储能箱的实时数据信息，数据交互装置是将各种变化着的物理量通过相应的传感器转换成模拟的电信号后，再将这些模拟电信号转换为数字信号存储起来并传输出去，进行数据采集处理的装置，具备实时采集、自动存储、即时显示、自动传输的功能，实时数据信息是指锂电池储能箱的实时工作信息，比如正在充电或放电使得充电功率、放电功率等。
步骤S500：采集获得所述锂电池储能箱的待执行任务信息，将所述待执行任务信息、所述历史运行画像和所述实时数据信息输入智能管控模型，输出控制结果；
具体而言，待执行任务信息是指待执行任务信息在规定时间内需要执行的任务，可以简单理解为放电任务，包括放电时间、放电量等数据，智能管控模型是通过对待执行任务信息、历史运行画像和实时数据信息进行分析，获得控制结果的功能模型，控制结果是对锂电池储能箱进行充电控制和检修维护的信息，包括充电时间、充电功率、检修时间等。具体来说，智能管控模型是机器学习中的神经网络模型，智能管控模型的输入数据是待执行任务信息、历史运行画像和实时数据信息，输出数据是控制结果，进一步获取训练数据集，训练数据集中包括多个样本执行任务信息、多个样本运行画像和多个样本数据信息，以及与其对应的多个样本控制结果，通过将训练数据集中包括的每一组样本执行任务信息、样本运行画像和样本数据信息输入到智能管控模型中，利用对应的样本控制结果对智能管控模型的输出进行监督调整，使得智能管控模型的输出结果与样本控制结果相一致，此时一组数据训练完毕，将训练数据集中的所有数据训练完毕，模型训练完成，进一步地，对智能管控模型进行准确率测试，如果测试准确率符合预期要求，模型构建完成。将待执行任务信息、历史运行画像和实时数据信息输入智能管控模型，输出控制结果。
步骤S600：通过所述控制结果进行所述锂电池储能箱的运营管理。
具体而言，通过控制结果对锂电池储能箱进行充电和检修维护管理，具体来说，根据控制结果确定充电方案以及检修维护方案，方案中包括充电时间以及检修维护时间，基于此实现锂电池储能箱的智能化运营管理，提升运营管理效率，同时提升运营收入。
其中，如图2所示，本申请实施例步骤S700包括：
步骤S710：采集获得运营任务数据；
步骤S720：对所述运营任务数据进行任务饱和分析，获得任务饱和分析结果；
步骤S730：基于所述控制结果生成控制任务及任务时间节点；
步骤S740：基于所述任务饱和分析结果和所述控制任务、所述任务时间节点进行控制调整，获得控制调整结果；
步骤S750：通过所述控制调整结果进行所述锂电池储能箱的运营管理。
具体而言，采集获得运营任务数据，运营任务数据是指锂电池储能箱需要执行的任务数据，包括各个任务的执行时间，对运营任务数据进行任务饱和分析，就是分析任务是否存在冲突，示例如，一天内的放电任务执行时间不同，有充足的时间进行充电，此时任务是不饱和状态或者刚好饱和状态，通过合理安排充电时间可以支持完成全部放电任务；如果同一时间段需要执行两个或者两个以上的任务，进行充电只能支持完成一个放电任务，此时任务处于过饱和状态，就是无论怎么安排充电时间，都不可能完成所有放电任务，基于此获得任务饱和分析结果。基于控制结果生成控制任务及任务时间节点，控制结果是对充电时间、充电功率以及维修时间等的控制，就是说，控制结果包含多个控制任务，各个控制任务对应的任务时间节点也会不同，基于任务饱和分析结果和控制任务、任务时间节点进行控制调整，就是说，在任务过饱和情况下，如果两个或两个以上的任务存在时间冲突，通过进行任务控制调整，优先执行更加紧急的任务，从而获得控制调整结果，控制调整结果是指经过任务执行调整后的各个任务执行时间等信息，通过控制调整结果对锂电池储能箱进行充电、维修管理，达到提升锂电池储能箱运营管理的灵活性，保证运营管理效率，提升运营收入的技术效果。
其中，本申请实施例步骤S740还包括：
步骤S741：采集获得所述控制结果的控制任务等级；
步骤S742：基于所述任务饱和分析结果和所述控制任务、所述任务时间节点进行冲突任务分析，获得已存冲突任务的已存任务等级；
步骤S743：通过所述控制任务等级和所述已存任务等级进行等级比对；
步骤S744：判断差值等级是否满足预设偏差阈值，当所述差值等级能满足所述预设偏差阈值时，则保持所述控制结果，调整所述已存冲突任务，获得所述控制调整结果。
具体而言，对控制任务按照紧急程度进行分级，越紧急的任务对应的任务等级越高，采集获得控制结果中所有控制任务的控制任务等级，基于任务饱和分析结果和控制任务、任务时间节点进行冲突任务分析，获得已存冲突任务的已存任务等级，简单来说，就是判断控制任务之间是否存在时间冲突，如果存在冲突任务，获取冲突任务的等级作为已存任务等级，对控制任务等级和已存任务等级进行等级比对，获得控制任务等级和已存任务等级的差值，进一步判断差值等级是否满足预设偏差阈值，预设偏差阈值是对偏差等级进行判断的参考指标，可以根据实际情况自行设定，就是说，如果差值等级能满足预设偏差阈值，保持控制结果不变，调整已存冲突任务的执行时间，从而获得控制调整结果，达到灵活执行放电任务，保证运营管理效率的技术效果。
其中，本申请实施例步骤S800包括：
步骤S810：判断所述控制结果是否包含检修控制信息；
步骤S820：当所述控制结果中包含检修控制信息时，则获得所述检修控制信息的检修影响等级；
步骤S830：基于所述检修影响等级生成附加影响特征，基于所述附加影响特征和所述差值等级进行控制调整。
具体而言，本申请实施例提供的方法主要是用于对锂电池储能箱进行充电管理和检修维护管理，控制结果是基于实际情况获得的，可能包含检修控制信息，也可能不包含，判断控制结果是否包含检修控制信息，如果控制结果中包含检修控制信息，则获得检修控制信息的检修影响等级，检修影响等级是指检修工作对锂电池储能箱安全运行的影响程度，影响程度越高，检修影响等级就越高。基于检修影响等级生成附加影响特征，附加影响特征是指检修控制信息对控制调整的影响程度，影响程度较高的情况下，维护检修任务需要及时执行，不能延后，因此，需要结合附加影响特征和差值等级进行控制调整，达到合理进行运营任务管理，保证运营管理效率的同时保障锂电池储能箱安全运行的技术效果。
其中，本申请实施例步骤S900包括：
步骤S910：读取获得任务执行的模式设定信息；
步骤S920：将所述模式设定信息作为附加标定特征输入所述智能管控模型，输出获得所述控制结果。
具体而言，读取获得任务执行的模式设定信息，模式设定信息包括效率模式和成本模式，效率模式是指充电的效率，充电功率越大，充电速度越快；成本模式考虑到不同时期的用电费用，以及充电功率的大小对锂电池储能箱造成的设备损耗。将模式设定信息作为附加标定特征输入智能管控模型，输出获得控制结果，可以简单理解为，使用模式设定信息对智能管控模型进行增量学习。也就是说，智能管控模型是智能管控模型是通过对待执行任务信息、历史运行画像和实时数据信息进行分析，获得控制结果的功能模型，为了兼顾运营管理效果和管理成本，需要结合模式设定信息与待执行任务信息、历史运行画像和实时数据信息完成综合的增量学习，因此，将模式设定信息进行增量学习后能够保留智能管控模型的原本的基础性能，并且完成对应的增量学习，实现对智能管控模型的更新，进而基于更新后的模型，获得控制结果，从而达到了对于智能管控模型进行更新，提高运营管理效率，同时提升运营收入的技术效果。
其中，如图3所示，本申请实施例步骤S1000包括：
步骤S1010：采集获得所述锂电池储能箱的控制反馈信息；
步骤S1020：基于所述控制反馈信息对所述控制结果进行控制效果评价，获得控制效果评价结果；
步骤S1030：通过所述控制效果评价结果对所述特征聚类的聚合粒度优化，基于优化后的聚合粒度进行所述历史运行画像的构建。
具体而言，采集获得锂电池储能箱的控制反馈信息，控制反馈信息是指对锂电池储能箱进行运营管理后，获取的管理后锂电池储能箱的放电任务执行情况信息，基于控制反馈信息对控制结果进行控制效果评价，获得控制效果评价结果，就是分析经过运营管理后是否可以合理地、高效率地执行各种放电任务，同时结合运营成本对控制效果进行评价，通过效果评价结果对特征聚类的聚合粒度优化，基于优化后的聚合粒度进行历史运行画像的构建，简单来说，如果效果评价结果符合预期要求，说明控制效果较好；如果效果评价结果不符合预期要求，说明运营控制过程中存在缺陷，需要对步骤S300中的特征聚类的聚合粒度进行优化，聚合粒度是指进行聚类时的细化程度，本实施例中，聚类时根据不同时间下的放电量、放电功率在一个稳定值上下浮动范围进行特征聚类，上下浮动范围即为聚合粒度，也就是说，聚类时，调整数据浮动范围，缩小浮动范围，实现聚合粒度的优化，这样得到的聚类结果会更多，基于此进行历史运行画像的构建，达到提升基础数据准确性，优化运营管理效果的技术效果。
其中，本申请实施例步骤S1100包括：
步骤S1110：采集获得训练数据集合，对所述训练数据集合进行数据分类，获得加密数据和非加密数据；
步骤S1120：基于所述非加密数据构建初始智能管控模型；
步骤S1130：将所述非加密数据和所述初始智能管控模型发送至第三方优化数据库；
步骤S1140：基于所述第三方优化数据库解密所述加密数据，基于解密结果和所述非加密数据对所述初始智能管控模型进行模型优化，基于优化结果完成所述智能管控模型的构建。
具体而言，采集获得训练数据集合，对所述训练数据集合进行数据分类，获得加密数据和非加密数据，简单来说，有多个不同的锂电池储能箱厂站，每个锂电池储能箱厂站都有自身的运营数据，训练数据集合包括所有厂站的运营数据，对于一个锂电池储能箱厂站来说，自身的运营数据即为非加密数据，其它厂站的运营数据即为加密数据，厂站目前只能获取到自身的运营数据，其它厂站的数据有加密保护。基于非加密数据构建初始智能管控模型，将非加密数据和初始智能管控模型发送至第三方优化数据库，第三方优化数据库是指不属于任何锂电池储能箱厂站的数据库，就是说，初始智能管控模型是基于锂电池储能箱厂站自身的运营数据构建完成的，现在将非加密数据和初始智能管控模型发送至第三方优化数据库，通过第三方优化数据库对加密数据进行解密，解密结果即为其它厂站的运营数据，也就是说，两个或多个锂电池储能箱厂站利用第三方优化数据库实现数据交换，进一步基于解密结果和非加密数据对初始智能管控模型进行模型优化，初始智能管控模型是基于非解密数据构建的，现在通过补充数据，利用解密结果和非加密数据作为优化后的数据，从而完成智能管控模型的构建，达到提高智能管控模型的性能，保证运营管理准确性的技术效果。
基于上述分析可知，本公开提供了一种锂电池储能箱运营数据处理方法，在本实施例中，在锂电池储能箱运行过程中，采集放电时间、放电量以及放电功率数据，基于此进行聚类分析，根据聚类结果构建锂电池储能箱的历史运营画像，结合历史运营画像和储能箱的实时数据和待执行任务通过智能管控模型制定充电方案以及检修维护方案，基于此实现对锂电池储能箱的运营管理，达到提升运营管理效率，同时提升运营收入的技术效果。
实施例2
基于与前述实施例中一种锂电池储能箱运营数据处理方法同样的发明构思，如图4所示，本申请还提供了一种锂电池储能箱运营数据处理系统，所述系统与数据交互装置通信连接，所述系统包括：
基础信息采集模块11，所述基础信息采集模块11用于采集获得锂电池储能箱的基础信息，通过所述基础信息读取获得历史使用信息；
特征提取模块12，所述特征提取模块12用于通过所述历史使用信息进行所述锂电池储能箱的特征提取，获得特征提取结果；
特征聚类模块13，所述特征聚类模块13用于基于所述特征提取结果进行特征聚类，构建所述锂电池储能箱的历史运行画像；
实时数据读取模块14，所述实时数据读取模块14用于连通所述数据交互装置与所述锂电池储能箱，读取所述锂电池储能箱的实时数据信息；
智能管控模块15，所述智能管控模块15用于采集获得所述锂电池储能箱的待执行任务信息，将所述待执行任务信息、所述历史运行画像和所述实时数据信息输入智能管控模型，输出控制结果；
运营管理模块16，所述运营管理模块16用于通过所述控制结果进行所述锂电池储能箱的运营管理。
进一步而言，所述系统还包括：
运营任务数据获取模块，所述运营任务数据获取模块用于采集获得运营任务数据；
任务饱和分析模块，所述任务饱和分析模块用于对所述运营任务数据进行任务饱和分析，获得任务饱和分析结果；
控制任务生成模块，所述控制任务生成模块用于基于所述控制结果生成控制任务及任务时间节点；
控制调整模块，所述控制调整模块用于基于所述任务饱和分析结果和所述控制任务、所述任务时间节点进行控制调整，获得控制调整结果；
第二运营管理模块，所述第二运营管理模块用于通过所述控制调整结果进行所述锂电池储能箱的运营管理。
进一步而言，所述系统还包括：
控制任务等级获取模块，所述控制任务等级获取模块用于采集获得所述控制结果的控制任务等级；
冲突任务分析模块，所述冲突任务分析模块用于基于所述任务饱和分析结果和所述控制任务、所述任务时间节点进行冲突任务分析，获得已存冲突任务的已存任务等级；
等级比对模块，所述等级比对模块用于通过所述控制任务等级和所述已存任务等级进行等级比对；
差值等级判断模块，所述差值等级判断模块用于判断差值等级是否满足预设偏差阈值，当所述差值等级能满足所述预设偏差阈值时，则保持所述控制结果，调整所述已存冲突任务，获得所述控制调整结果。
进一步而言，所述系统还包括：
检修控制信息判断模块，所述检修控制信息判断模块用于判断所述控制结果是否包含检修控制信息；
检修影响等级获取模块，所述检修影响等级获取模块用于当所述控制结果中包含检修控制信息时，则获得所述检修控制信息的检修影响等级；
附加影响特征生成模块，所述附加影响特征生成模块用于基于所述检修影响等级生成附加影响特征，基于所述附加影响特征和所述差值等级进行控制调整。
进一步而言，所述系统还包括：
模式设定信息获取模块，所述模式设定信息获取模块用于读取获得任务执行的模式设定信息；
附加标定特征输入模块，所述附加标定特征输入模块用于将所述模式设定信息作为附加标定特征输入所述智能管控模型，输出获得所述控制结果。
进一步而言，所述系统还包括：
控制反馈信息获取模块，所述控制反馈信息获取模块用于采集获得所述锂电池储能箱的控制反馈信息；
控制效果评价模块，所述控制效果评价模块用于基于所述控制反馈信息对所述控制结果进行控制效果评价，获得控制效果评价结果；
聚合粒度优化模块，所述聚合粒度优化模块用于通过所述控制效果评价结果对所述特征聚类的聚合粒度优化，基于优化后的聚合粒度进行所述历史运行画像的构建。
进一步而言，所述系统还包括：
训练数据集合分类模块，所述训练数据集合分类模块用于采集获得训练数据集合，对所述训练数据集合进行数据分类，获得加密数据和非加密数据；
初始智能管控模型构建模块，所述初始智能管控模型构建模块用于基于所述非加密数据构建初始智能管控模型；
初始模型发送模块，所述初始模型发送模块用于将所述非加密数据和所述初始智能管控模型发送至第三方优化数据库；
模型优化模块，所述模型优化模块用于基于所述第三方优化数据库解密所述加密数据，基于解密结果和所述非加密数据对所述初始智能管控模型进行模型优化，基于优化结果完成所述智能管控模型的构建。
前述实施例一中的一种锂电池储能箱运营数据处理方法具体实例同样适用于本实施例的一种锂电池储能箱运营数据处理系统，通过前述对一种锂电池储能箱运营数据处理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种锂电池储能箱运营数据处理系统，所以为了说明书的简洁，在此不再详述。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。
实施例
图5是根据本公开第三实施例的示意图，如图5所示，本公开中的电子设备800可以包括：处理器801和存储器802。
存储器802，用于存储程序；存储器802，可以包括易失性存储器（英文：volatilememory），例如随机存取存储器（英文：random-access memory，缩写：RAM），如静态随机存取存储器（英文：static random-access memory，缩写：SRAM），双倍数据率同步动态随机存取存储器（英文：Double Data Rate Synchronous Dynamic Random AccessMemory，缩写：DDR SDRAM）等；存储器也可以包括非易失性存储器（英文：non-volatilememory），例如快闪存储器（英文：flash memory）。存储器802用于存储计算机程序（如实现上述方法的应用程序、功能模块等）、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指据等可以被处理器801调用。
处理器801，用于执行存储器802存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器801和存储器802可以是独立结构，也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时，存储器802、处理器801可以通过总线803耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行，也可以顺序地执行也可以不同的次序执行，
只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (7)
1.一种锂电池储能箱运营数据处理方法，其特征在于，所述方法应用于智能管理系统，所述智能管理系统与数据交互装置通信连接，所述方法包括：
采集获得锂电池储能箱的基础信息，通过所述基础信息读取获得历史使用信息；
通过所述历史使用信息进行所述锂电池储能箱的特征提取，获得特征提取结果；
基于所述特征提取结果进行特征聚类，构建所述锂电池储能箱的历史运行画像；
连通所述数据交互装置与所述锂电池储能箱，读取所述锂电池储能箱的实时数据信息；
采集获得所述锂电池储能箱的待执行任务信息，将所述待执行任务信息、所述历史运行画像和所述实时数据信息输入智能管控模型，输出控制结果；
通过所述控制结果进行所述锂电池储能箱的运营管理；
所述方法还包括：
采集获得运营任务数据；
对所述运营任务数据进行任务饱和分析，获得任务饱和分析结果；
基于所述控制结果生成控制任务及任务时间节点；
基于所述任务饱和分析结果和所述控制任务、所述任务时间节点进行控制调整，获得控制调整结果；
通过所述控制调整结果进行所述锂电池储能箱的运营管理；
采集获得所述控制结果的控制任务等级；
基于所述任务饱和分析结果和所述控制任务、所述任务时间节点进行冲突任务分析，获得已存冲突任务的已存任务等级；
通过所述控制任务等级和所述已存任务等级进行等级比对；
判断差值等级是否满足预设偏差阈值，当所述差值等级能满足所述预设偏差阈值时，则保持所述控制结果，调整所述已存冲突任务，获得所述控制调整结果。
2.如权利要求1所述的方法，其特征在于，所述方法包括：
判断所述控制结果是否包含检修控制信息；
当所述控制结果中包含检修控制信息时，则获得所述检修控制信息的检修影响等级；
基于所述检修影响等级生成附加影响特征，基于所述附加影响特征和所述差值等级进行控制调整。
3.如权利要求1所述的方法，其特征在于，所述方法包括：
读取获得任务执行的模式设定信息；
将所述模式设定信息作为附加标定特征输入所述智能管控模型，输出获得所述控制结果。
4.如权利要求1所述的方法，其特征在于，所述方法包括：
采集获得所述锂电池储能箱的控制反馈信息；
基于所述控制反馈信息对所述控制结果进行控制效果评价，获得控制效果评价结果；
通过所述控制效果评价结果对所述特征聚类的聚合粒度优化，基于优化后的聚合粒度进行所述历史运行画像的构建。
5.如权利要求1所述的方法，其特征在于，所述方法包括：
采集获得训练数据集合，对所述训练数据集合进行数据分类，获得加密数据和非加密数据；
基于所述非加密数据构建初始智能管控模型；
将所述非加密数据和所述初始智能管控模型发送至第三方优化数据库；
基于所述第三方优化数据库解密所述加密数据，基于解密结果和所述非加密数据对所述初始智能管控模型进行模型优化，基于优化结果完成所述智能管控模型的构建。
6.一种锂电池储能箱运营数据处理系统，其特征在于，所述系统与数据交互装置通信连接，所述系统包括：
基础信息采集模块，所述基础信息采集模块用于采集获得锂电池储能箱的基础信息，通过所述基础信息读取获得历史使用信息；
特征提取模块，所述特征提取模块用于通过所述历史使用信息进行所述锂电池储能箱的特征提取，获得特征提取结果；
特征聚类模块，所述特征聚类模块用于基于所述特征提取结果进行特征聚类，构建所述锂电池储能箱的历史运行画像；
实时数据读取模块，所述实时数据读取模块用于连通所述数据交互装置与所述锂电池储能箱，读取所述锂电池储能箱的实时数据信息；
智能管控模块，所述智能管控模块用于采集获得所述锂电池储能箱的待执行任务信息，将所述待执行任务信息、所述历史运行画像和所述实时数据信息输入智能管控模型，输出控制结果；
运营管理模块，所述运营管理模块用于通过所述控制结果进行所述锂电池储能箱的运营管理；
运营任务数据获取模块，所述运营任务数据获取模块用于采集获得运营任务数据；
任务饱和分析模块，所述任务饱和分析模块用于对所述运营任务数据进行任务饱和分析，获得任务饱和分析结果；
控制任务生成模块，所述控制任务生成模块用于基于所述控制结果生成控制任务及任务时间节点；
控制调整模块，所述控制调整模块用于基于所述任务饱和分析结果和所述控制任务、所述任务时间节点进行控制调整，获得控制调整结果；
第二运营管理模块，所述第二运营管理模块用于通过所述控制调整结果进行所述锂电池储能箱的运营管理；
控制任务等级获取模块，所述控制任务等级获取模块用于采集获得所述控制结果的控制任务等级；
冲突任务分析模块，所述冲突任务分析模块用于基于所述任务饱和分析结果和所述控制任务、所述任务时间节点进行冲突任务分析，获得已存冲突任务的已存任务等级；
等级比对模块，所述等级比对模块用于通过所述控制任务等级和所述已存任务等级进行等级比对；
差值等级判断模块，所述差值等级判断模块用于判断差值等级是否满足预设偏差阈值，当所述差值等级能满足所述预设偏差阈值时，则保持所述控制结果，调整所述已存冲突任务，获得所述控制调整结果。
7.一种电子设备，其特征在于，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权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310255464.6A CN115965363B (zh) | 2023-03-16 | 2023-03-16 | 一种锂电池储能箱运营数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310255464.6A CN115965363B (zh) | 2023-03-16 | 2023-03-16 | 一种锂电池储能箱运营数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115965363A CN115965363A (zh) | 2023-04-14 |
| CN115965363B true CN115965363B (zh) | 2023-06-02 |
Family
ID=85888214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310255464.6A Active CN115965363B (zh) | 2023-03-16 | 2023-03-16 | 一种锂电池储能箱运营数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115965363B (zh) |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5509577B2 (ja) * | 2008-10-31 | 2014-06-04 | 日本電気株式会社 | 充電装置、管理装置、バッテリシステム、バッテリ管理方法、およびバッテリ管理プログラム |
| KR20130006949A (ko) * | 2011-06-27 | 2013-01-18 | 주식회사 피엠그로우 | 전기자동차 충전 방법 |
| CN102831719B (zh) * | 2012-08-06 | 2014-09-24 | 成志东 | 可避免电网过载的电动汽车有序轮流充电控制系统 |
| CN210404776U (zh) * | 2019-08-30 | 2020-04-24 | 深圳金仕盾照明科技有限公司 | 一种储能设备及其运营管理电路 |
| US20230273260A1 (en) * | 2020-08-11 | 2023-08-31 | Blancco Technology Group IP Oy | Determining the battery condition of a mobile electronic device |
| CN114118482A (zh) * | 2021-12-03 | 2022-03-01 | 国网上海市电力公司 | 一种基于多维充电数据的充电站运营质量提升方法 |
| CN115534745A (zh) * | 2022-09-28 | 2022-12-30 | 平安智行科技有限公司 | 一种充电桩电能负载错峰分配系统 |
-
2023
- 2023-03-16 CN CN202310255464.6A patent/CN115965363B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115965363A (zh) | 2023-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2024503017A (ja) | 充電管理システムにおける充電及びエネルギー供給の最適化方法並び装置 | |
| CN109936128A (zh) | 一种规模化电动汽车接入条件下的动态需求响应方法 | |
| CN113496316B (zh) | 基于源荷时序耦合的容量配置方法、装置、系统及介质 | |
| CN112953007A (zh) | 配电网调度方法、装置及系统、处理器、电子设备 | |
| CN115425680A (zh) | 一种多能源联合发电系统的功率预测模型构建及预测方法 | |
| CN109066660A (zh) | 一种基于优化重构的配电网阻塞管理及降损方法和装置 | |
| CN107017625A (zh) | 用于独立微电网的能量动态调度的方法和设备 | |
| Manoharan et al. | Electric vehicle battery pack state of charge estimation using parallel artificial neural networks | |
| CN115965363B (zh) | 一种锂电池储能箱运营数据处理方法及系统 | |
| CN117595462B (zh) | 一种二次储能电池组的自适应充放电控制系统及其控制方法 | |
| CN108599267A (zh) | 一种考虑电动汽车出行相关性的机组组合调度方法 | |
| WO2018069993A1 (ja) | 水素エネルギー貯蔵システム、水素エネルギー貯蔵システムの制御方法、及びプログラム | |
| CN108107791B (zh) | 风电场控制装置、方法和系统 | |
| CN108683211B (zh) | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 | |
| WO2023225378A1 (en) | Large scale energy storage with ai-based grading and efficiency assessment | |
| CN116865300A (zh) | 适应新能源配电网的柔性资源集群配置方法、装置及介质 | |
| CN116245246A (zh) | 基于物联网的智慧城市供电管理方法、系统及存储介质 | |
| CN117060402B (zh) | 一种基于分布式智能电网的能源互联网平台架构方法 | |
| CN117634931B (zh) | 一种考虑充电行为的电动汽车调节能力预测方法及系统 | |
| CN113516306B (zh) | 飞轮储能系统的功率配置方法、装置、介质和电子设备 | |
| CN114281660A (zh) | 一种日志数据融合处理方法及设备 | |
| CN117171965A (zh) | 一种适用于光储直柔园区的配电网物理形态建模方法 | |
| CN117650548A (zh) | 一种基于氢储能协同的综合能源运行优化方法及系统 | |
| WO2017102732A1 (fr) | Conception et pilotage d'un systeme de production energetique mixte | |
| CN114595991A (zh) | 一种储能资源支撑能力在线评估方法和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |