CN115983501A - 一种基于大数据的便携式储能设备监测系统及方法 - Google Patents
一种基于大数据的便携式储能设备监测系统及方法 Download PDFInfo
- Publication number
- CN115983501A CN115983501A CN202310256831.4A CN202310256831A CN115983501A CN 115983501 A CN115983501 A CN 115983501A CN 202310256831 A CN202310256831 A CN 202310256831A CN 115983501 A CN115983501 A CN 115983501A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- portable energy
- data
- target
- storage equipment
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及储能设备监测技术领域,具体为一种基于大数据的便携式储能设备监测系统及方法,包括:储能设备监测模块、数据管理中心、目标筛选管理模块、储能设备分析模块和设备更换管理模块,通过储能设备监测模块监测便携式储能设备的使用情况,采集并传输监测数据至数据管理中心,通过数据管理中心存储并管理采集到的监测数据,通过目标筛选管理模块筛选出需要更换便携式储能设备的目标,通过储能设备分析模块调取并分析筛选出的目标使用便携式储能设备的数据,预测更换时间,通过设备更换管理模块在预测时间提醒目标更换便携式储能设备,及时提醒用户更换便携式储能设备,有效避免了后期使用过程中出现因供电中断而影响用电设备使用的问题。
Description
技术领域
本发明涉及储能设备监测技术领域,具体为一种基于大数据的便携式储能设备监测系统及方法。
背景技术
便携式储能设备是一种代替传统小型燃油发电机的、内置锂离子电池的小型储能设备,主要使用场景包括户外作业、应急救灾等,能够为一些用电设备进行供电,从而解决用电设备因电量问题而出现使用中断的情况,在使用便携式储能设备时对使用情况进行监测,能够及时发现使用时的异常情况。
然而,现有的监测方式存在一些弊端:在使用了一定时间后,便携式储能设备的性能会随使用时间的延长而有所下降,不同用户对于便携式储能设备的使用需求不同,若便携式储能设备不再满足用户需求,则需要及时更换,现有技术无法及时判断便携式储能设备不再满足用户需求的时机,从而及时提醒用户更换设备,无法避免在便携式储能设备的供电性能不满足用户需求时出现因设备电量用尽而影响用电设备使用的问题。
所以,人们需要一种基于大数据的便携式储能设备监测系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的便携式储能设备监测系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的便携式储能设备监测系统,所述系统包括:储能设备监测模块、数据管理中心、目标筛选管理模块、储能设备分析模块和设备更换管理模块;
所述储能设备监测模块的输出端连接所述数据管理中心的输入端,所述数据管理中心的输出端连接所述目标筛选管理模块的输入端,所述目标筛选管理模块的输出端连接所述储能设备分析模块的输入端,所述储能设备分析模块的输出端连接所述设备更换管理模块的输入端;
通过所述储能设备监测模块监测便携式储能设备的使用情况,采集并传输监测数据至所述数据管理中心;
通过所述数据管理中心存储并管理采集到的监测数据;
通过所述目标筛选管理模块筛选出需要更换便携式储能设备的目标;
通过所述储能设备分析模块调取并分析筛选出的目标使用便携式储能设备的数据,预测更换时间;
通过所述设备更换管理模块在预测时间提醒目标更换便携式储能设备。
进一步的,所述储能设备监测模块包括使用数据采集单元和可用时间采集单元;
所述使用数据采集单元和可用时间采集单元的输出端连接所述数据管理中心的输入端;
所述使用数据采集单元用于采集不同用户通过使用便携式储能设备进行同时供电的用电设备数量和用电设备的用电量数据,进行同时供电表示对应数量的用电设备同时使用一个便携式储能设备维持电源不中断;
所述可用时间采集单元用于采集不同用户使用的便携式储能设备当前能够使用的最长时间数据。
进一步的,所述目标筛选管理模块包括必要程度分析单元和目标筛选单元;
所述必要程度分析单元的输入端连接所述数据管理中心的输出端,所述必要程度分析单元的输出端连接所述目标筛选单元的输入端;
所述必要程度分析单元用于调取采集到的全部数据,分析不同用户更换便携式储能设备的必要程度;
所述目标筛选单元用于设置必要程度阈值,筛选出必要程度高于阈值的用户作为监测目标,所述监测目标指的是有必要更换便携式储能设备的用户。
进一步的,所述储能设备分析模块包括监测数据分析单元和更换时间预测单元;
所述监测数据分析单元的输入端连接所述目标筛选单元的输出端,所述监测数据分析单元的输出端连接所述更换时间预测单元的输入端;
所述监测数据分析单元用于监测筛选出的目标使用便携式储能设备的数据,获取对应目标以往每次使用便携式储能设备的时长数据;
所述更换时间预测单元用于依据时长数据预测目标需要更换便携式储能设备的时间。
进一步的,所述设备更换管理模块包括提醒时间设置单元和数据传输单元;
所述提醒时间设置单元的输入端连接所述更换时间预测单元的输入端,所述提醒时间设置单元的输出端连接所述数据传输单元的输入端;
所述提醒时间设置单元用于依据预测的时间设置提醒目标更换储能设备的时间;
所述数据传输单元用于将提醒信息传输到目标所在终端。
一种基于大数据的便携式储能设备监测方法,包括以下步骤:
Z1:监测便携式储能设备的使用情况,采集监测数据;
Z2:调取并分析监测数据,筛选出需要更换便携式储能设备的目标;
Z3:预测筛选出的目标需要更换便携式储能设备的时间;
Z4:在预测的时间提醒目标更换储能设备。
进一步的,在步骤Z1中:采集不同用户以往c次通过使用便携式储能设备进行同时供电的用电设备数量以及对应次使用的用电设备用电量,采集到不同用户使用的便携式储能设备当前能够使用的最长时间集合为V={V1,V2,…,Vq},其中,q表示用户数量。
进一步的,在步骤Z2中:调取用户以往c次通过使用便携式储能设备进行同时供电的用电设备数量,计算得到不同用户使用的用电设备平均数量集合为B={B1,B2,…,Bq},调取到随机一个用户以往c次使用便携式储能设备进行同时供电的用电设备平均用电量集合为P={P1,P2,…,Pc},其中,y表示随机一个用户对应次使用的用电设备数量,根据下列公式计算随机一个用户更换便携式储能设备的必要程度Wi:
Wi=1/[Vi/(∑q i=1Vi)]+Bi+(∑c j=1Pj);
其中,Vi表示随机一个用户使用的便携式储能设备当前能够使用的最长时间,Bi表示随机一个用户使用的用电设备平均数量,Pj表示随机一个用户以往随机一次使用便携式储能设备进行同时供电的用电设备平均用电量,得到用户更换便携式储能设备的必要程度集合为W={W1,W2,…,Wi,…,Wq},设置必要程度阈值为(∑q i=1Wi)/q,筛选出必要程度高于(∑q i=1Wi)/q的用户作为需要更换便携式储能设备的目标;
通过大数据技术采集并分析用户使用便携式储能设备的数据,分析用户需要更换便携式储能设备的必要程度,在使用了一定时间后,便携式储能设备的寿命会随着使用时间的延长而减少,当前能够使用的最长时间越短、供电的用电设备越多、用电设备的用电量越高,判断对应用户越有必要更换便携式储能设备,结合三种参数分析更换便携式储能设备的必要程度,筛选出的目标越合理,提高了筛选结果的准确性。
进一步的,在步骤Z3中:获取到筛选出的目标个数为m,调取到随机一个目标从第I次使用便携式储能设备开始,以往k次使用便携式储能设备为用电设备进行供电时的最长使用时间集合为T={TI,TI+1,…,TI+k-1},最长使用时间表示对应便携式储能设备能够为用电设备进行供电的最长时间,k次使用的用电设备数量集合为R={RI,RI+1,…,RI+k-1},建立更换时间预测模型:S=ε1+ε2*X+ε3*Y,其中,X和Y表示更换时间预测模型中的自变量,S表示更换时间预测模型中的因变量,ε1、ε2和ε3表示偏回归系数,通过求解ε1、ε2和ε3得到最终的更换时间预测模型,获取到对应目标以往通过使用便携式储能设备进行同时供电的用电设备数量集合为A={A1,A2,…,Ac},其中,Ac表示对应目标第c次通过使用便携式储能设备进行同时供电的用电设备数量,得到对应目标使用的用电设备平均数量为(∑c j=1Aj)/c,获取到对应目标以往使用便携式储能设备的平均时长为T’,将(∑c j=1Aj)/c和T’代入更换时间预测模型中,令X= T’,令Y=(∑c j=1Aj)/c,预测得到对应目标需要在第p次使用后更换便携式储能设备,p=ε1+ε2* T’+ε3*(∑c j=1Aj)/c;
调取使用了一定次数后的便携式储能设备的使用历史数据,并非随机调取的数据,随机调取的历史数据中可能存在使用时间不长甚至刚开始使用便携式储能设备的历史数据,参考价值低,提高了预测结果的参考价值;
通过历史数据分析建立更换时间预测模型,便携式储能设备能够使用的次数受到已使用次数、供电的用电设备数量以及历史最长使用时间影响,预测便携式储能设备剩余能够达到用户使用需求的使用次数,有利于提醒用户及时更换便携式储能设备,有效避免了后期使用过程中出现因供电中断而影响用电设备使用的问题;
在步骤Z4中:设置提醒目标更换储能设备的时间为:目标第p次使用储能设备后,在目标第p次使用便携式储能设备时将提醒信息传输到对应目标所在终端。
与现有技术相比,本发明所达到的有益效果是:
本发明通过对便携式储能设备的使用情况进行监测,利用大数据技术采集并分析用户使用便携式储能设备的数据,分析用户需要更换便携式储能设备的必要程度,筛选出需要更换便携式储能设备的目标,在筛选过程中,结合使用时长、用电设备数量以及用电设备用电量三种参数分析更换便携式储能设备的必要程度,筛选出的目标越合理,提高了筛选结果的准确性;
通过历史数据分析建立更换时间预测模型,预测便携式储能设备剩余能够达到用户使用需求的使用次数,有利于提醒用户及时更换便携式储能设备,有效避免了后期使用过程中出现因供电中断而影响用电设备使用的问题。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的便携式储能设备监测系统的结构图;
图2是本发明一种基于大数据的便携式储能设备监测方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例1:如图1所示,本实施例提供了一种基于大数据的便携式储能设备监测系统,系统包括:储能设备监测模块、数据管理中心、目标筛选管理模块、储能设备分析模块和设备更换管理模块;
储能设备监测模块的输出端连接数据管理中心的输入端,数据管理中心的输出端连接目标筛选管理模块的输入端,目标筛选管理模块的输出端连接储能设备分析模块的输入端,储能设备分析模块的输出端连接设备更换管理模块的输入端;
通过储能设备监测模块监测便携式储能设备的使用情况,采集并传输监测数据至数据管理中心;
通过数据管理中心存储并管理采集到的监测数据;
通过目标筛选管理模块筛选出需要更换便携式储能设备的目标;
通过储能设备分析模块调取并分析筛选出的目标使用便携式储能设备的数据,预测更换时间;
通过设备更换管理模块在预测时间提醒目标更换便携式储能设备。
储能设备监测模块包括使用数据采集单元和可用时间采集单元;
使用数据采集单元和可用时间采集单元的输出端连接数据管理中心的输入端;
使用数据采集单元用于采集不同用户通过使用便携式储能设备进行同时供电的用电设备数量和用电设备的用电量数据,进行同时供电表示对应数量的用电设备同时使用一个便携式储能设备维持电源不中断;
可用时间采集单元用于采集不同用户使用的便携式储能设备当前能够使用的最长时间数据。
目标筛选管理模块包括必要程度分析单元和目标筛选单元;
必要程度分析单元的输入端连接数据管理中心的输出端,必要程度分析单元的输出端连接目标筛选单元的输入端;
必要程度分析单元用于调取采集到的全部数据,分析不同用户更换便携式储能设备的必要程度;
目标筛选单元用于设置必要程度阈值,筛选出必要程度高于阈值的用户作为监测目标,监测目标指的是有必要更换便携式储能设备的用户。
储能设备分析模块包括监测数据分析单元和更换时间预测单元;
监测数据分析单元的输入端连接目标筛选单元的输出端,监测数据分析单元的输出端连接更换时间预测单元的输入端;
监测数据分析单元用于监测筛选出的目标使用便携式储能设备的数据,获取对应目标以往每次使用便携式储能设备的时长数据;
更换时间预测单元用于依据时长数据预测目标需要更换便携式储能设备的时间。
设备更换管理模块包括提醒时间设置单元和数据传输单元;
提醒时间设置单元的输入端连接更换时间预测单元的输入端,提醒时间设置单元的输出端连接数据传输单元的输入端;
提醒时间设置单元用于依据预测的时间设置提醒目标更换储能设备的时间;
数据传输单元用于将提醒信息传输到目标所在终端。
实施例2:如图2所示,本实施例提供了一种基于大数据的便携式储能设备监测方法,其基于实施例中的监测系统实现,具体包括以下步骤:
Z1:监测便携式储能设备的使用情况,采集监测数据,采集不同用户以往c次通过使用便携式储能设备进行同时供电的用电设备数量以及对应次使用的用电设备用电量,采集到不同用户使用的便携式储能设备当前能够使用的最长时间集合为V={V1,V2,…,Vq};
例如:采集到3个用户使用的便携式储能设备当前能够使用的最长时间集合为V={V1,V2,V3}={8,3,4},单位为:小时;
Z2:调取并分析监测数据,筛选出需要更换便携式储能设备的目标,在步骤Z2中:调取用户以往c次通过使用便携式储能设备进行同时供电的用电设备数量,计算得到不同用户使用的用电设备平均数量集合为B={B1,B2,…,Bq},调取到随机一个用户以往c次使用便携式储能设备进行同时供电的用电设备平均用电量集合为P={P1,P2,…,Pc},其中,y表示随机一个用户对应次使用的用电设备数量,根据公式Wi=1/[Vi/(∑q i=1Vi)]+Bi+(∑c j= 1Pj)计算随机一个用户更换便携式储能设备的必要程度Wi,其中,Vi表示随机一个用户使用的便携式储能设备当前能够使用的最长时间,Bi表示随机一个用户使用的用电设备平均数量,Pj表示随机一个用户以往随机一次使用便携式储能设备进行同时供电的用电设备平均用电量,得到用户更换便携式储能设备的必要程度集合为W={W1,W2,…,Wi,…,Wq},设置必要程度阈值为(∑q i=1Wi)/q,筛选出必要程度高于(∑q i=1Wi)/q的用户作为需要更换便携式储能设备的目标;
例如:得到不同用户使用的用电设备平均数量集合为B={B1,B2,B3}={3,2,4},调取到随机一个用户以往c=3次使用便携式储能设备进行同时供电的用电设备平均用电量集合为P={P1,P2,P3}={0.7,0.5,1},单位为:千瓦时,计算得到用户更换便携式储能设备的必要程度集合为W={W1,W2,W3}={7.08,5.12,9.31},设置必要程度阈值为(∑q i=1Wi)/q=7.17,筛选出必要程度高于(∑q i=1Wi)/q=7.17的用户作为需要更换便携式储能设备的目标:W3对应的用户。
Z3:预测筛选出的目标需要更换便携式储能设备的时间,获取到筛选出的目标个数为m,调取到随机一个目标从第I=20次使用便携式储能设备开始,以往k=3次使用便携式储能设备为用电设备进行供电时的最长使用时间集合为T={T20,T21,T22}={4,3.2,2},最长使用时间表示对应便携式储能设备能够为用电设备进行供电的最长时间,k=3次使用的用电设备数量集合为R={R20,R21,R22}={2,3,4},建立更换时间预测模型:S=ε1+ε2*X+ε3*Y,其中,X和Y表示更换时间预测模型中的自变量,S表示更换时间预测模型中的因变量,ε1、ε2和ε3表示偏回归系数,通过求解ε1、ε2和ε3得到最终的更换时间预测模型,得到:
ε2=[∑I+k-1 i=I(i*Ti)∑I+k-1 i=I(Ri)2-∑I+k-1 i=I(i* Ri)∑I+k-1 i=I(Ti* Ri)]/
[∑I+k-1 i=I(Ti)2∑I+k-1 i=I(Ri)2-(∑I+k-1 i=I Ti* Ri)2]≈3;
ε3=[∑I+k-1 i=I(i* Ri)∑I+k-1 i=I(Ti)2-∑I+k-1 i=I(i*Ti)∑I+k-1 i=I(Ti* Ri)]/
[∑I+k-1 i=I(Ti)2∑I+k-1 i=I(Ri)2-(∑I+k-1 i=I Ti* Ri)2] ≈4;
ε1=[∑I+k-1 i=I(i)]/k-ε2*[(∑I+k-1 i=I(Ti))/k]- ε3*[(∑I+k-1 i=I(Ri))/k]=-0.2;
得到S=ε1+ε2*X+ε3*Y=-0.2+3*X+4*Y,获取到对应目标以往通过使用便携式储能设备进行同时供电的用电设备数量集合为A={A1,A2,A3}={1,4,3},得到对应目标使用的用电设备平均数量为(∑c j=1Aj)/c=3,获取到对应目标以往使用便携式储能设备的平均时长为T’=5,单位为:小时,将(∑c j=1Aj)/c=3和T’=5代入更换时间预测模型中,令X= T’=5,令Y=(∑c j=1Aj)/c=3,预测得到对应目标需要在第p=27次使用后更换便携式储能设备,p=ε1+ε2*T’+ε3*(∑c j=1Aj)/c;
Z4:在预测的时间提醒目标更换储能设备,设置提醒目标更换储能设备的时间为:目标第p=27次使用储能设备后,在目标第p=27次使用便携式储能设备时将提醒信息传输到对应目标所在终端。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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)
1.一种基于大数据的便携式储能设备监测系统,其特征在于:所述系统包括:储能设备监测模块、数据管理中心、目标筛选管理模块、储能设备分析模块和设备更换管理模块;
所述储能设备监测模块的输出端连接所述数据管理中心的输入端,所述数据管理中心的输出端连接所述目标筛选管理模块的输入端,所述目标筛选管理模块的输出端连接所述储能设备分析模块的输入端,所述储能设备分析模块的输出端连接所述设备更换管理模块的输入端;
通过所述储能设备监测模块监测便携式储能设备的使用情况,采集并传输监测数据至所述数据管理中心;
通过所述数据管理中心存储并管理采集到的监测数据;
通过所述目标筛选管理模块筛选出需要更换便携式储能设备的目标;
通过所述储能设备分析模块调取并分析筛选出的目标使用便携式储能设备的数据,预测更换时间;
通过所述设备更换管理模块在预测时间提醒目标更换便携式储能设备。
2.根据权利要求1所述的一种基于大数据的便携式储能设备监测系统,其特征在于:所述储能设备监测模块包括使用数据采集单元和可用时间采集单元;
所述使用数据采集单元和可用时间采集单元的输出端连接所述数据管理中心的输入端;
所述使用数据采集单元用于采集不同用户通过使用便携式储能设备进行同时供电的用电设备数量和用电设备的用电量数据;
所述可用时间采集单元用于采集不同用户使用的便携式储能设备当前能够使用的最长时间数据。
3.根据权利要求1所述的一种基于大数据的便携式储能设备监测系统,其特征在于:所述目标筛选管理模块包括必要程度分析单元和目标筛选单元;
所述必要程度分析单元的输入端连接所述数据管理中心的输出端,所述必要程度分析单元的输出端连接所述目标筛选单元的输入端;
所述必要程度分析单元用于调取采集到的全部数据,分析不同用户更换便携式储能设备的必要程度;
所述目标筛选单元用于设置必要程度阈值,筛选出必要程度高于阈值的用户作为监测目标。
4.根据权利要求3所述的一种基于大数据的便携式储能设备监测系统,其特征在于:所述储能设备分析模块包括监测数据分析单元和更换时间预测单元;
所述监测数据分析单元的输入端连接所述目标筛选单元的输出端,所述监测数据分析单元的输出端连接所述更换时间预测单元的输入端;
所述监测数据分析单元用于监测筛选出的目标使用便携式储能设备的数据,获取对应目标以往每次使用便携式储能设备的时长数据;
所述更换时间预测单元用于依据时长数据预测目标需要更换便携式储能设备的时间。
5.根据权利要求4所述的一种基于大数据的便携式储能设备监测系统,其特征在于:所述设备更换管理模块包括提醒时间设置单元和数据传输单元;
所述提醒时间设置单元的输入端连接所述更换时间预测单元的输入端,所述提醒时间设置单元的输出端连接所述数据传输单元的输入端;
所述提醒时间设置单元用于依据预测的时间设置提醒目标更换储能设备的时间;
所述数据传输单元用于将提醒信息传输到目标所在终端。
6.一种基于大数据的便携式储能设备监测方法,其特征在于:包括以下步骤:
Z1:监测便携式储能设备的使用情况,采集监测数据;
Z2:调取并分析监测数据,筛选出需要更换便携式储能设备的目标;
Z3:预测筛选出的目标需要更换便携式储能设备的时间;
Z4:在预测的时间提醒目标更换储能设备。
7.根据权利要求6所述的一种基于大数据的便携式储能设备监测方法,其特征在于:在步骤Z1中:采集不同用户以往c次通过使用便携式储能设备进行同时供电的用电设备数量以及对应次使用的用电设备用电量,采集到不同用户使用的便携式储能设备当前能够使用的最长时间集合为V={V1,V2,…,Vq},其中,q表示用户数量。
8.根据权利要求7所述的一种基于大数据的便携式储能设备监测方法,其特征在于:在步骤Z2中:调取用户以往c次通过使用便携式储能设备进行同时供电的用电设备数量,计算得到不同用户使用的用电设备平均数量集合为B={B1,B2,…,Bq},调取到随机一个用户以往c次使用便携式储能设备进行同时供电的用电设备平均用电量集合为P={P1,P2,…,Pc},其中,y表示随机一个用户对应次使用的用电设备数量,根据下列公式计算随机一个用户更换便携式储能设备的必要程度Wi:
Wi=1/[Vi/(∑q i=1Vi)]+Bi+(∑c j=1Pj);
其中,Vi表示随机一个用户使用的便携式储能设备当前能够使用的最长时间,Bi表示随机一个用户使用的用电设备平均数量,Pj表示随机一个用户以往随机一次使用便携式储能设备进行同时供电的用电设备平均用电量,得到用户更换便携式储能设备的必要程度集合为W={W1,W2,…,Wi,…,Wq},设置必要程度阈值为(∑q i=1Wi)/q,筛选出必要程度高于(∑q i=1Wi)/q的用户作为需要更换便携式储能设备的目标。
9.根据权利要求8所述的一种基于大数据的便携式储能设备监测方法,其特征在于:在步骤Z3中:获取到筛选出的目标个数为m,调取到随机一个目标从第I次使用便携式储能设备开始,以往k次使用便携式储能设备为用电设备进行供电时的最长使用时间集合为T={TI,TI+1,…,TI+k-1},k次使用的用电设备数量集合为R={RI,RI+1,…,RI+k-1},建立更换时间预测模型:S=ε1+ε2*X+ε3*Y,其中,X和Y表示更换时间预测模型中的自变量,S表示更换时间预测模型中的因变量,ε1、ε2和ε3表示偏回归系数,通过求解ε1、ε2和ε3得到最终的更换时间预测模型,获取到对应目标以往通过使用便携式储能设备进行同时供电的用电设备数量集合为A={A1,A2,…,Ac},其中,Ac表示对应目标第c次通过使用便携式储能设备进行同时供电的用电设备数量,得到对应目标使用的用电设备平均数量为(∑c j=1Aj)/c,获取到对应目标以往使用便携式储能设备的平均时长为T’,将(∑c j=1Aj)/c和T’代入更换时间预测模型中,令X= T’,令Y=(∑c j=1Aj)/c,预测得到对应目标需要在第p次使用后更换便携式储能设备,p=ε1+ε2* T’+ε3*(∑c j=1Aj)/c;
在步骤Z4中:设置提醒目标更换储能设备的时间为:目标第p次使用储能设备后,在目标第p次使用便携式储能设备时将提醒信息传输到对应目标所在终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310256831.4A CN115983501B (zh) | 2023-03-17 | 2023-03-17 | 一种基于大数据的便携式储能设备监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310256831.4A CN115983501B (zh) | 2023-03-17 | 2023-03-17 | 一种基于大数据的便携式储能设备监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115983501A true CN115983501A (zh) | 2023-04-18 |
CN115983501B CN115983501B (zh) | 2023-06-27 |
Family
ID=85958209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310256831.4A Active CN115983501B (zh) | 2023-03-17 | 2023-03-17 | 一种基于大数据的便携式储能设备监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115983501B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307295A (zh) * | 2023-05-22 | 2023-06-23 | 南京宝能科技有限公司 | 应用于云平台的智慧能源数字化管理系统及方法 |
CN116455079A (zh) * | 2023-05-04 | 2023-07-18 | 奥斯塔娜(常州)电子有限公司 | 基于大数据的用电信息一体化安全监管系统及方法 |
CN117452857A (zh) * | 2023-11-14 | 2024-01-26 | 国网江苏省电力有限公司扬州市江都区供电分公司 | 一种基于数字孪生的it运维监控平台管理系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807563A (zh) * | 2020-01-07 | 2020-02-18 | 广东招才通信息科技有限公司 | 一种基于大数据的设备寿命预测系统及方法 |
CN111707961A (zh) * | 2020-05-18 | 2020-09-25 | 安徽徽电科技股份有限公司 | 一种防晃电ups电源的监测装置 |
CN112214911A (zh) * | 2020-10-31 | 2021-01-12 | 中国电子科技集团公司第十四研究所 | 一种电源的健康状态预测方法 |
CN114094650A (zh) * | 2021-09-30 | 2022-02-25 | 国网江苏省电力有限公司南京供电分公司 | 一种梯次储能电池使用优化及寿命监测的控制系统及方法 |
CN114284589A (zh) * | 2022-03-01 | 2022-04-05 | 深圳市海雷新能源有限公司 | 一种基于互联网的锂电池智能监测管理系统 |
CN114624615A (zh) * | 2022-05-13 | 2022-06-14 | 深圳市驰普科达科技有限公司 | 一种储能电池寿命预测方法、装置、电子设备及存储介质 |
CN114678855A (zh) * | 2022-04-01 | 2022-06-28 | 深圳市恺恩科技有限公司 | 一种输电线路监测设备的供电控制方法、系统及装置 |
CN114734872A (zh) * | 2022-04-06 | 2022-07-12 | 江苏英拓动力科技有限公司 | 一种车辆动力电池的用电习惯监控设备 |
CN115204038A (zh) * | 2022-06-22 | 2022-10-18 | 湘潭大学 | 一种基于数据分解和集成模型的储能锂电池寿命预测方法 |
CN115290860A (zh) * | 2022-07-13 | 2022-11-04 | 江苏徐工工程机械研究院有限公司 | 基于智能移动端的便携式工程机械油液监测系统及方法 |
-
2023
- 2023-03-17 CN CN202310256831.4A patent/CN115983501B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807563A (zh) * | 2020-01-07 | 2020-02-18 | 广东招才通信息科技有限公司 | 一种基于大数据的设备寿命预测系统及方法 |
CN111707961A (zh) * | 2020-05-18 | 2020-09-25 | 安徽徽电科技股份有限公司 | 一种防晃电ups电源的监测装置 |
CN112214911A (zh) * | 2020-10-31 | 2021-01-12 | 中国电子科技集团公司第十四研究所 | 一种电源的健康状态预测方法 |
CN114094650A (zh) * | 2021-09-30 | 2022-02-25 | 国网江苏省电力有限公司南京供电分公司 | 一种梯次储能电池使用优化及寿命监测的控制系统及方法 |
CN114284589A (zh) * | 2022-03-01 | 2022-04-05 | 深圳市海雷新能源有限公司 | 一种基于互联网的锂电池智能监测管理系统 |
CN114678855A (zh) * | 2022-04-01 | 2022-06-28 | 深圳市恺恩科技有限公司 | 一种输电线路监测设备的供电控制方法、系统及装置 |
CN114734872A (zh) * | 2022-04-06 | 2022-07-12 | 江苏英拓动力科技有限公司 | 一种车辆动力电池的用电习惯监控设备 |
CN114624615A (zh) * | 2022-05-13 | 2022-06-14 | 深圳市驰普科达科技有限公司 | 一种储能电池寿命预测方法、装置、电子设备及存储介质 |
CN115204038A (zh) * | 2022-06-22 | 2022-10-18 | 湘潭大学 | 一种基于数据分解和集成模型的储能锂电池寿命预测方法 |
CN115290860A (zh) * | 2022-07-13 | 2022-11-04 | 江苏徐工工程机械研究院有限公司 | 基于智能移动端的便携式工程机械油液监测系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116455079A (zh) * | 2023-05-04 | 2023-07-18 | 奥斯塔娜(常州)电子有限公司 | 基于大数据的用电信息一体化安全监管系统及方法 |
CN116455079B (zh) * | 2023-05-04 | 2024-04-26 | 奥斯塔娜(常州)电子有限公司 | 基于大数据的用电信息一体化安全监管系统及方法 |
CN116307295A (zh) * | 2023-05-22 | 2023-06-23 | 南京宝能科技有限公司 | 应用于云平台的智慧能源数字化管理系统及方法 |
CN116307295B (zh) * | 2023-05-22 | 2023-08-04 | 南京宝能科技有限公司 | 应用于云平台的智慧能源数字化管理系统及方法 |
CN117452857A (zh) * | 2023-11-14 | 2024-01-26 | 国网江苏省电力有限公司扬州市江都区供电分公司 | 一种基于数字孪生的it运维监控平台管理系统及方法 |
CN117452857B (zh) * | 2023-11-14 | 2024-04-12 | 国网江苏省电力有限公司扬州市江都区供电分公司 | 一种基于数字孪生的it运维监控平台管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115983501B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115983501A (zh) | 一种基于大数据的便携式储能设备监测系统及方法 | |
US9331502B2 (en) | Charge/discharge instruction apparatus, charge/discharge system, charge/discharge management method and computer readable medium | |
WO2018133230A1 (zh) | 微电网系统的控制方法及装置 | |
EP2778698A1 (en) | Battery-state monitoring system | |
CN103733463A (zh) | 基于市场数据来控制能量服务的方法及装置 | |
CN110888913A (zh) | 一种基于物联网技术用电信息智能分析系统 | |
TW201623995A (zh) | 一種兼具電池預診及充電模式自適調制之系統及方法 | |
Huang et al. | Smart grid communications in challenging environments | |
CN111192410A (zh) | 一种充电桩运营方法、系统及云端服务器 | |
CN108631348B (zh) | 基于储能单元状态评估的储能电站控制方法 | |
CN107907759A (zh) | 电力设备的电量监控系统及方法 | |
CN116722571B (zh) | 一种基于数字孪生的储能管理方法、系统及介质 | |
CN117013606B (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
CN115796406A (zh) | 一种用于虚拟电厂的优化调节方法及系统 | |
EP3748799A1 (en) | Power management server and power management method | |
CN110857962A (zh) | 电池性能评价方法 | |
CN115189477A (zh) | 一种为风电光伏发电配套的储能能源管理ems控制系统 | |
CN101662050B (zh) | 矿灯充电管理设备及实现方法 | |
CN116599151A (zh) | 基于多源数据的源网储荷安全管理方法 | |
CN115241947A (zh) | 一种电源管理控制方法、系统及存储介质 | |
CN109861316B (zh) | 一种充电方法、充电模块及充电装置 | |
CN116455079B (zh) | 基于大数据的用电信息一体化安全监管系统及方法 | |
CN116365066B (zh) | 基于bms模块的电源管理系统 | |
CN115619291B (zh) | 基于数据分析的超级电容混合储能管理系统 | |
CN108767883B (zh) | 一种需求侧的响应处理方法 |
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 |