CN116736134B - 一种实时性储能电池数据监测方法及装置 - Google Patents
一种实时性储能电池数据监测方法及装置 Download PDFInfo
- Publication number
- CN116736134B CN116736134B CN202310738255.7A CN202310738255A CN116736134B CN 116736134 B CN116736134 B CN 116736134B CN 202310738255 A CN202310738255 A CN 202310738255A CN 116736134 B CN116736134 B CN 116736134B
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- energy storage
- storage battery
- time
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 336
- 238000004146 energy storage Methods 0.000 title claims abstract description 176
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 71
- 230000008859 change Effects 0.000 claims description 81
- 230000005856 abnormality Effects 0.000 claims description 20
- 238000012806 monitoring device Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002547 anomalous effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 10
- 238000001931 thermography Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Abstract
本发明属于电池数据监测领域,尤其涉及一种实时性储能电池数据监测方法及装置,包括采集所述储能电池的当前监测数据,获取所述监测时间点之前预设时间点所述储能电池的历史监测数据,获取所述历史时间点之后至所述监测时间点的监测数据作为原始监测数据;根据所述原始监测数据生成预测时间点的预测监测数据,将所述预测监测数据与预设标准监测数据进行对比,计算所述预测监测数据与当前监测数据的差并与第二预设值进行对比。本发明通过获取历史时间点之后至监测时间点的监测数据作为原始监测数据,然后根据原始监测数据生成预测时间点的预测监测数据,从而能够提前预测储能电池的异常状态,避免储能电池损坏,降低使用者经济损失。
Description
技术领域
本发明属于电池数据监测领域,尤其涉及一种实时性储能电池数据监测方法及装置。
背景技术
储能电池是指通过化学能转换为电能的电池,具有储能功能的电池。储能电池可以在充电时将电能储存在电池中,然后在需要时释放储存的电能,以满足电力需求。储能电池通常采用可充电电池技术,如铅酸电池、镍镉电池、镍氢电池、锂离子电池等。储能电池是一种非常重要的储能技术,可以提高能源利用效率,促进清洁能源的应用,减少碳排放,对于未来的能源转型和可持续发展具有重要的意义。随着现代科技的不断发展,储能电池的容量不断递增,因此,对储能电池进行实时监测成为维护管理过程中较为重要的一项工作。
现有储能电池数据监测方法以实时监测为主,在使用过程中,通过各种传感器对储能电池的状态进行实时监测,在监测到异常时,通过报警装置提醒工作人员进行处理。但是,现有的储能电池在进行监测时,只能够对储能电池进行实时监测,在监测到储能电池异常时,往往储能电池实际上已经损坏,对使用者造成一定的经济损失,另外,由于储能系统运行过程中经常发生电池电压、温度频繁报警等现象,导致系统出现保护性停机,实际上由于使用情况的不同,瞬时或短时出现上述状态并不影响储能电池的正常使用,而常规的系统出于保护性进行停机,则会影响储能电池的正常使用。
发明内容
针对现有技术的不足,本发明提供了一种实时性储能电池数据监测方法及装置,具备能够预测储能电池异常的优点,解决了只能够对储能电池进行实时监测,在监测到储能电池异常时,往往储能电池实际上已经损坏,对使用者造成一定的经济损失的问题。
为解决上述的技术问题,本发明提供如下技术方案:
一种实时性储能电池数据监测方法,包括:
采集所述储能电池的当前监测数据,所述当前监测数据对应的时间节点为监测时间点,其中,所述当前监测数据包括所述储能电池在监测时间点的使用参数,所述使用参数包括实时电量、环境温度、电池温度、放电深度;
获取所述监测时间点之前预设时间点所述储能电池的历史监测数据,所述历史监测数据对应的时间节点为历史时间点;
获取所述历史时间点之后至所述监测时间点的监测数据作为原始监测数据;
根据所述原始监测数据生成预测时间点的预测监测数据,所述预测监测数据对应的时间节点为预测时间点,所述预测时间点为监测时间点之后的一个时间单位;
将所述预测监测数据与预设标准监测数据进行对比,所述预测监测数据超出所述标准监测数据时标记为第一异常数据;
计算所述预测监测数据与当前监测数据的差并与第二预设值进行对比,超出所述第二预设值时标记为第二异常数据;
当所述第一异常数据和所述第二异常数据同时标记时或第一异常数据连续标记两次时发出第一异常警报;
获取储能电池寿命的变化趋势,并根据储能电池寿命变化标准阈值获取异常记录,根据所述异常记录频次确定第二异常警报。
进一步地,根据所述原始监测数据生成预测时间点的预测监测数据的步骤包括:根据所述原始监测数据生成原始监测曲线,所述原始监测曲线位于所述预测时间点的监测数据为所述预测监测数据。
进一步地,所述原始监测曲线每个时间单位更新一次,且每次更新所述当前监测数据覆盖所述监测时间点旧的预测监测数据并在预测时间点生成新的预测监测数据。
进一步地,所述历史时间点到所述监测时间点的时间段是时间单位的n倍,n为不小于1的正整数。
进一步地,所述获取储能电池寿命的变化趋势,并根据储能电池寿命变化标准阈值获取异常记录,根据所述异常记录频次确定第二异常警报,包括以下步骤:
获取所有采集节点所述储能电池的实时电量,并将所述实时电量输入至预测模型中,得到所述实时电量的变化趋势K1;
其中,所述预测模型包括第一函数,所述第一函数为:其中,K1表示储能电池实时电量的变化趋势,j表示实时电量起始采集点,m表示实时电量的采集点总量,Sm表示第m次所采集的实时电量,且第m次采集时间电量所对应的时间节点为监测时间点;
获取所述预测模型中的第二函数,并将实时电量的变化趋势和所述当前监测数据中的使用参数输入至第二函数得到储能电池寿命变化趋势;
其中,所述第二函数为:M=K1(au+bv+cy+dz),其中,M表示储能电池寿命变化趋势,u表示实时电量,v表示环境温度,y表示电池温度,z表示放电深度,a表示实时电量在所述储能电池寿命变化的占比,b表示环境温度在所述储能电池寿命变化的占比,c表示电池温度在所述储能电池寿命变化的占比,d表示放电深度在所述储能电池寿命变化的占比;
获取储能电池寿命变化标准阈值,并将所述储能电池寿命变化趋势与所述储能电池寿命变化标准阈值对比,所述储能电池寿命变化趋势超出所述储能电池寿命变化标准阈值时标记为异常记录;
当连续两个采集节点被标记为异常记录以及每五个连续的采集节点内出现至少两个异常记录时,发出第二异常警报。
本申请实施例还提供一种实时性储能电池数据监测装置,包括:
当前监测数据获取模块,用于采集所述储能电池的当前监测数据,所述当前监测数据对应的时间节点为监测时间点,所述当前监测数据包括所述储能电池在监测时间点的使用参数,所述使用参数包括实时电量、环境温度、电池温度、放电深度;
历史监测数据获取模块,用于获取所述监测时间点之前预设时间点所述储能电池的历史监测数据,所述历史监测数据对应的时间节点为历史时间点;
原始监测数据获取模块,用于获取所述历史时间点之后至所述监测时间点的监测数据作为原始监测数据;
预测监测数据生成模块,用于根据所述原始监测数据生成预测时间点的预测监测数据,所述预测监测数据对应的时间节点为预测时间点,所述预测时间点为监测时间点之后的一个时间单位;
第一计算模块,将所述预测监测数据与预设标准监测数据进行对比,所述预测监测数据超出所述标准监测数据时标记为第一异常数据;
第二计算模块,计算所述预测监测数据与当前监测数据的差并与第二预设值进行对比,超出所述第二预设值时标记为第二异常数据;
第一异常警报模块,当所述第一异常数据和所述第二异常数据同时标记时或第一异常数据连续标记两次时发出第一异常警报。
进一步地,所述预测监测数据生成模块包括原始监测曲线生成子模块,所述原始监测曲线生成子模块用于根据所述原始监测数据生成原始监测曲线,所述原始监测曲线位于所述预测时间点的监测数据为所述预测监测数据。
进一步地,还包括计时模块,所述计时模块预设有时间单位,所述原始监测曲线每个时间单位更新一次,且每次更新所述当前监测数据覆盖所述监测时间点旧的预测监测数据并在预测时间点成新的预测监测数据。
进一步地,所述历史时间点与所述监测时间点的时间是所述时间单位的n倍,n为不小于1的正整数。
进一步地,该实时性储能电池数据监测装置还包括:
实时电量获取模块,用于获取所有采集节点所述储能电池的实时电量;
预测模型模块,用于根据所述实时电量获取实时电量变化趋势,并根据所述实时电量变化趋势获得储能电池寿命变化趋势;
对比模块,用于获取储能电池寿命变化标准阈值,并将所述储能电池寿命变化趋势与所述储能电池寿命变化标准阈值对比,所述储能电池寿命变化趋势超出所述储能电池寿命变化标准阈值时标记为异常记录;
第二异常警报模块,当相邻的两个所述异常记录间隔小于五个连续的采集节点时发出第二异常警报。
借由上述技术方案,本申请实施例至少具备以下有益效果:
本申请实施例通过获取历史时间点之后至监测时间点的监测数据作为原始监测数据,提高数据的准确性,然后根据原始监测数据生成预测时间点的预测监测数据,再分别通过预测监测数据与预设标准监测数据和预测监测数据与当前监测数据的差与第二预设值进行对比,从而分别获取第一异常数据和第二异常数据,提高异常数据分析的准确性,减少误报,当第一异常数据和第二异常数据同时标记时发出第一异常警报,从而能够提前预测储能电池的异常状态,避免储能电池损坏,降低使用者经济损失,另外,通过第二异常警报判断储能电池是否需要停机,从而避免储能电池运行过程中瞬时或短时出现并不影响储能电池正常使用的异常造成停机而影响储能电池的正常使用。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分:
图1为本申请实施例提供的实时性储能电池数据监测方法示意图;
图2为本申请实施例提供的实时性储能电池数据监测装置示意图。
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。
本申请实施例提供的实时性储能电池数据监测方法主要包括如下步骤:
步骤101,采集所述储能电池的当前监测数据,所述当前监测数据对应的时间节点为监测时间点。其中,当前监测数据包括所述储能电池在监测时间点的使用参数,使用参数包括实时电量、环境温度、电池温度、放电深度等。实时电量为采集节点对应的储能的电量,环境温度为采集节点对应的储能电池所处环境的温度,电池温度为采集节点对应的储能电池本体的温度,放电深度为采集节点储能电池放电与储能电池预设容量的比例。当前监测数据对应的时间节点为监测时间点,监测时间点即为采集当前监测数据的时间点,例如,当前时间为“X年X月X日10:00:00”,在“X年X月X日10:00:00”采集的监测数据则为当前监测数据,“X年X月X日10:00:00”为监测时间点。
需要说明的是,当前监测数据是相对历史监测数据而言的,随着当前时间的推移,当前监测数据会转变为历史监测数据并储存在储存模块内。当前监测数据的采集可以通过设置在储能电池上的传感器进行实时获取,传感器可以包括电压传感器、电流传感器、温度传感器、内阻传感器、功率传感器等。可以理解的,储存模块可以为本地储存器,也可以为云端服务器,数据的采集、存储及获取方式可以根据实际需求设置,此处不再赘述。
另外,当前监测数据还包括热成像点位数据,且热成像点位数据的数据至少为两个,通过两个热成像点位数据,从而能够准确的掌握储能电池的温度状况。
步骤102,获取所述监测时间点之前预设时间点所述储能电池的历史监测数据,所述历史监测数据对应的时间节点为历史时间点。其中,预设时间点为监测时间之前预设时间间隔所对应的时间点,预设时间间隔可以为1分钟、五分钟、十分钟等,以步骤101中的监测时间,预设时间间隔为十分钟为例,则监测时间点之前预设时间点为“X年X月X日09:50:00”,获取“X年X月X日09:50:00”的监测数据即为历史监测数据,历史监测数据对应的时间节点“X年X月X日09:50:00”为历史时间点。优选的,预设时间间隔的范围为一分钟至三十分钟之间,具体时间间隔可根据实际情况进行设置。
需要说明的是,历史监测数据所包含的内容与当前监测数据包含的内容相同,且历史监测数据通过步骤101中所述的存储模块进行获取,具体的获取方式可以根据储存模块的具体情况设置,此处不再赘述。
步骤103,获取所述历史时间点之后至所述监测时间点的监测数据作为原始监测数据。其中,原始监测数据包含的内容与当前监测数据包含的内容相同,且原始监测数据的获取方式可以与历史监测数据的获取方式相同。需要说明的是,历史时间点之后至监测时间点的监测数据不包含历史时间点的监测数据,包含监测时间点的监测数据,即原始监测数据为历史时间点与监测时间点之间的监测数据加上监测时间点的监测数据,从而使原始监测数据能够表示其对应的时间段内储能电池的状态变化,且由于采用监测时间点的监测数据,从而能够使原始监测数据更加能够接近储能电池未来的状况。
步骤104,根据所述原始监测数据生成预测时间点的预测监测数据,所述预测监测数据对应的时间节点为预测时间点,所述预测时间点为监测时间点之后的一个时间单位对应的时间点。其中,根据原始监测数据生成预测时间点的预测监测数据包括以下步骤:根据原始监测数据生成原始监测曲线,使原始监测曲线根据其曲率及周期向监测时间点之后延伸并与预测时间点相交,原始监测曲线与预测时间点对应位置则为预测监测数据。
需要说明的是,原始监测曲线每个时间单位更新一次,且每次更新所述当前监测数据覆盖监测时间点旧的预测监测数据并在预测时间点生成新的预测监测数据,从而实现数据实时更新,快速发现异常。
时间单位为预设的时间段,且历史时间点到监测时间点的时间段是时间单位的n倍,n为不小于1的正整数,时间单位可以1分钟、三十秒等能够被历史时间点与监测时间点之间的时间间隔整除的时间段。预测时间点即为监测时间点之后预设的时间段对应的时间点,以步骤101中的监测时间、时间单位为1分钟为例,预测时间点为“X年X月X日10:01:00”,预测监测数据则为“X年X月X日10:01:00”的储能电池预测数据。
需要说明的是,根据原始监测数据生成原始监测曲线包括将原始监测数据对应的时间段划分为n个相邻的时间单位,然后获取每个时间单位终点对应的监测数据并进行标记,再将所标记位置进行连线,该连接即为原始监测曲线。
步骤105,将所述预测监测数据与预设标准监测数据进行对比,当所述预测监测数据超出所述标准监测数据时标记为第一异常数据。其中,预设标准监测数据为储能电池工作状态的正常数据,且该数据可以储存在储存模块内,当需要进行对比时将其调出。通过将预测监测数据与预设标准监测数据进行对比,预测监测数据超出标准监测数据时标记为第一异常数据,从而能够提前预测储能电池的异常状况,留给操作人员较多的处理时间,从而避免储能电池损坏,减少使用者的经济损失。
步骤106,计算所述预测监测数据与当前监测数据的差并与第二预设值进行对比,超出所述第二预设值时标记为第二异常数据。其中,第二预设值可以与预设标准监测数据储存在相同位置,第二预设值为表示储能电池性能变化区间的数值。预测监测数据减去当前监测数据能够反应储能电池的变化范围,通过将预测监测数据与当前监测数据的差与第二预设值进行对比,从而对第一异常数据进行校正,减少误报。
步骤107,当所述第一异常数据和所述第二异常数据同时标记时或第一异常数据连续标记两次时发出第一异常警报,通过第一异常警报提醒使用者及时处理异常。
步骤108,获取储能电池寿命的变化趋势,并根据储能电池寿命变化标准阈值获取异常记录,根据所述异常记录频次确定第二异常警报。
具体的,步骤108,获取储能电池寿命的变化趋势,并根据储能电池寿命变化标准阈值获取异常记录,根据所述异常记录频次确定第二异常警报,包括以下步骤:
示例性的,该实时性储能电池数据监测方法还包括获取所有采集节点所述储能电池的实时电量,并将所有实时电量输入至预测模型中,得到所述实时电量的变化趋势K1,预测模型包括第一函数,第一函数为:其中,K1表示储能电池实时电量的变化趋势,j表示实时电量起始采集点,m表示实时电量的采集点总量,Sm表示第m次所采集的实时电量,且第m次采集时间电量所对应的时间节点为监测时间点。可以理解的,预测模型可以设置在存储模块内。由于储能电池在启动过程中监测数据波动较大,因此,可以在计算过中将储能电池启动时的数据进行剔除,从而使计算更加准确。
获取预测模型中的第二函数,并将实时电量的变化趋势和当前监测数据中的使用参数输入至第二函数得到储能电池寿命变化趋势,第二函数为:M=K1(au+bv+cy+dz),其中,M表示储能电池寿命变化趋势,u表示实时电量,v表示环境温度,y表示电池温度,z表示放电深度,a表示实时电量在所述储能电池寿命变化的占比,b表示环境温度在所述储能电池寿命变化的占比,c表示电池温度在所述储能电池寿命变化的占比,d表示放电深度在所述储能电池寿命变化的占比。可以理解的,a、b、c、d均为预设数值,均为0-1之间的数值,且a、b、c、d之和不大于1。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
其中系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的系数;只要不影响参数与量化后数值的比例关系即可。
获取储能电池寿命变化标准阈值,并将储能电池寿命变化趋势与所述储能电池寿命变化标准阈值对比,储能电池寿命变化趋势超出储能电池寿命变化标准阈值时标记为异常记录。
当连接两个采集节点被标记为异常记录或五个连续的采集节点内出现至少两个异常记录时,发出第二异常警报,从而将储能电池性能波动的数据进行剔除,降低误报率,同时还能够及时对正确的异常进行警报。另外,通过第二异常警报判断储能电池是否需要停机,从而避免储能电池运行过程中瞬时或短时出现并不影响储能电池正常使用的异常造成停机而影响储能电池的正常使用。
本申请实施例还提供一种实时性储能电池数据监测装置,该实时性储能电池数据监测装置主要包括当前监测数据获取模块201,用于采集所述储能电池的当前监测数据,所述当前监测数据对应的时间节点为监测时间点,当前监测数据包括所述储能电池在监测时间点的使用参数,所述使用参数包括实时电量、环境温度、电池温度、放电深度;历史监测数据获取模块202,用于获取所述监测时间点之前预设时间点所述储能电池的历史监测数据,所述历史监测数据对应的时间节点为历史时间点;原始监测数据获取模块203,用于获取所述历史时间点之后至所述监测时间点的监测数据作为原始监测数据;预测监测数据生成模块204,用于根据所述原始监测数据生成预测时间点的预测监测数据,所述预测监测数据对应的时间节点为预测时间点,所述预测时间点为监测时间点之后的一个时间单位;第一计算模块205,将所述预测监测数据与预设标准监测数据进行对比,所述预测监测数据超出所述标准监测数据时标记为第一异常数据;第二计算模块206,计算所述预测监测数据与当前监测数据的差并与第二预设值进行对比,超出所述第二预设值时标记为第二异常数据;第一异常警报模块207,当所述第一异常数据和所述第二异常数据同时标记时或第一异常数据连续标记两次时发出第一异常警报。
示例性的,预测监测数据生成模块包括原始监测曲线生成子模块,所述原始监测曲线生成子模块用于根据所述原始监测数据生成原始监测曲线,所述原始监测曲线位于所述预测时间点的监测数据为所述预测监测数据。
示例性的,还包括计时模块,所述计时模块预设有时间单位,所述原始监测曲线每个时间单位更新一次,且每次更新所述当前监测数据覆盖所述监测时间点旧的预测监测数据并在预测时间点成新的预测监测数据。
示例性的,所述历史时间点与所述监测时间点的时间是所述时间单位的n倍,n为不小于1的正整数。
示例性的,还包括热成像模块,所述热成像模块用于实时监测所述储能电池的温度,且所述热成像模块至少为两个,且两个所述热成像模块分别监测所述储能电池不同点位的温度。通过两个分别监测储能电池不同点位温度的热成像模块,从而监控储能电池不同点位的温度数据,提高安全性。
示例性的,该实时性储能电池数据监测装置还包括:实时电量获取模块、预测模型模块、对比模块和第二异常警报模块。
实时电量获取模块用于获取所有采集节点所述储能电池的实时电量。预测模型模块用于根据所述实时电量获取实时电量变化趋势,并根据所述实时电量变化趋势获得储能电池寿命变化趋势。对比模块用于获取储能电池寿命变化标准阈值,并将储能电池寿命变化趋势与所述储能电池寿命变化标准阈值对比,储能电池寿命变化趋势超出储能电池寿命变化标准阈值时标记为异常记录。当相邻的两个异常记录间隔小于五个连续的采集节点时第二异常警报模块发出第二异常警报。
需要说明的是,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。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种实时性储能电池数据监测方法,其特征在于,包括:
采集所述储能电池的当前监测数据,所述当前监测数据对应的时间节点为监测时间点,其中,所述当前监测数据包括所述储能电池在监测时间点的使用参数,所述使用参数包括实时电量、环境温度、电池温度、放电深度;
获取所述监测时间点之前预设时间点所述储能电池的历史监测数据,所述历史监测数据对应的时间节点为历史时间点;
获取所述历史时间点之后至所述监测时间点的监测数据作为原始监测数据;
根据所述原始监测数据生成预测时间点的预测监测数据,所述预测监测数据对应的时间节点为预测时间点,所述预测时间点为监测时间点之后的一个时间单位;
将所述预测监测数据与预设标准监测数据进行对比,所述预测监测数据超出所述标准监测数据时标记为第一异常数据;
计算所述预测监测数据与当前监测数据的差并与第二预设值进行对比,超出所述第二预设值时标记为第二异常数据;
当所述第一异常数据和所述第二异常数据同时标记时或第一异常数据连续标记两次时发出第一异常警报;
获取储能电池寿命的变化趋势,并根据储能电池寿命变化标准阈值获取异常记录,根据所述异常记录频次确定第二异常警报;
所述获取储能电池寿命的变化趋势,并根据储能电池寿命变化标准阈值获取异常记录,根据所述异常记录频次确定第二异常警报,包括以下步骤:
获取所有采集节点所述储能电池的实时电量,并将所述实时电量输入至预测模型中,得到所述实时电量的变化趋势K1;
其中,所述预测模型包括第一函数,所述第一函数为:,其中,/>表示储能电池实时电量的变化趋势,j表示实时电量起始采集点,m表示实时电量的采集点总量,Sm表示第m次所采集的实时电量,且第m次采集时间电量所对应的时间节点为监测时间点;
获取所述预测模型中的第二函数,并将实时电量的变化趋势和所述当前监测数据中的使用参数输入至第二函数得到储能电池寿命变化趋势;
其中,所述第二函数为:,其中,M表示储能电池寿命变化趋势,u表示实时电量,v表示环境温度,y表示电池温度,z表示放电深度,a表示实时电量在所述储能电池寿命变化的占比,b表示环境温度在所述储能电池寿命变化的占比,c表示电池温度在所述储能电池寿命变化的占比,d表示放电深度在所述储能电池寿命变化的占比;
获取储能电池寿命变化标准阈值,并将所述储能电池寿命变化趋势与所述储能电池寿命变化标准阈值对比,所述储能电池寿命变化趋势超出所述储能电池寿命变化标准阈值时标记为异常记录;
当连续两个采集节点被标记为异常记录以及每五个连续的采集节点内出现至少两个异常记录时,发出第二异常警报。
2.根据权利要求1所述的实时性储能电池数据监测方法,其特征在于,根据所述原始监测数据生成预测时间点的预测监测数据的步骤包括:根据所述原始监测数据生成原始监测曲线,所述原始监测曲线位于所述预测时间点的监测数据为所述预测监测数据。
3.根据权利要求2所述的实时性储能电池数据监测方法,其特征在于,所述原始监测曲线每个时间单位更新一次,且每次更新所述当前监测数据覆盖所述监测时间点旧的预测监测数据并在预测时间点生成新的预测监测数据。
4.根据权利要求3所述的实时性储能电池数据监测方法,其特征在于,所述历史时间点到所述监测时间点的时间段是时间单位的n倍,n为不小于1的正整数。
5.一种实时性储能电池数据监测装置,使用权利要求1-4中任一项所述的时性储能电池数据监测方法,其特征在于,包括:
当前监测数据获取模块,用于采集所述储能电池的当前监测数据,所述当前监测数据对应的时间节点为监测时间点,所述当前监测数据包括所述储能电池在监测时间点的使用参数,所述使用参数包括实时电量、环境温度、电池温度、放电深度;
历史监测数据获取模块,用于获取所述监测时间点之前预设时间点所述储能电池的历史监测数据,所述历史监测数据对应的时间节点为历史时间点;
原始监测数据获取模块,用于获取所述历史时间点之后至所述监测时间点的监测数据作为原始监测数据;
预测监测数据生成模块,用于根据所述原始监测数据生成预测时间点的预测监测数据,所述预测监测数据对应的时间节点为预测时间点,所述预测时间点为监测时间点之后的一个时间单位;
第一计算模块,将所述预测监测数据与预设标准监测数据进行对比,所述预测监测数据超出所述标准监测数据时标记为第一异常数据;
第二计算模块,计算所述预测监测数据与当前监测数据的差并与第二预设值进行对比,超出所述第二预设值时标记为第二异常数据;
第一异常警报模块,当所述第一异常数据和所述第二异常数据同时标记时或第一异常数据连续标记两次时发出第一异常警报。
6.根据权利要求5所述的实时性储能电池数据监测装置,其特征在于,所述预测监测数据生成模块包括原始监测曲线生成子模块,所述原始监测曲线生成子模块用于根据所述原始监测数据生成原始监测曲线,所述原始监测曲线位于所述预测时间点的监测数据为所述预测监测数据。
7.根据权利要求6所述的实时性储能电池数据监测装置,其特征在于,还包括计时模块,所述计时模块预设有时间单位,所述原始监测曲线每个时间单位更新一次,且每次更新所述当前监测数据覆盖所述监测时间点旧的预测监测数据并在预测时间点成新的预测监测数据。
8.根据权利要求7所述的实时性储能电池数据监测装置,其特征在于,所述历史时间点与所述监测时间点的时间是所述时间单位的n倍,n为不小于1的正整数。
9.根据权利要求5所述的实时性储能电池数据监测装置,其特征在于,该实时性储能电池数据监测装置还包括:
实时电量获取模块,用于获取所有采集节点所述储能电池的实时电量;
预测模型模块,用于根据所述实时电量获取实时电量变化趋势,并根据所述实时电量变化趋势获得储能电池寿命变化趋势;
对比模块,用于获取储能电池寿命变化标准阈值,并将所述储能电池寿命变化趋势与所述储能电池寿命变化标准阈值对比,所述储能电池寿命变化趋势超出所述储能电池寿命变化标准阈值时标记为异常记录;
第二异常警报模块,当相邻的两个所述异常记录间隔小于五个连续的采集节点时发出第二异常警报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310738255.7A CN116736134B (zh) | 2023-06-20 | 2023-06-20 | 一种实时性储能电池数据监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310738255.7A CN116736134B (zh) | 2023-06-20 | 2023-06-20 | 一种实时性储能电池数据监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116736134A CN116736134A (zh) | 2023-09-12 |
CN116736134B true CN116736134B (zh) | 2024-01-05 |
Family
ID=87911209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310738255.7A Active CN116736134B (zh) | 2023-06-20 | 2023-06-20 | 一种实时性储能电池数据监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116736134B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117375147B (zh) * | 2023-09-25 | 2024-03-15 | 南方电网调峰调频(广东)储能科技有限公司 | 一种储能电站的安全监测预警与运行管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230953A (zh) * | 2011-06-20 | 2011-11-02 | 江南大学 | 蓄电池剩余容量及健康状况预测方法 |
CN110806544A (zh) * | 2018-07-18 | 2020-02-18 | 北汽福田汽车股份有限公司 | 电池剩余寿命的预测方法和装置 |
CN112731159A (zh) * | 2020-12-23 | 2021-04-30 | 江苏省电力试验研究院有限公司 | 一种储能电站电池舱电池故障预判及定位的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102247052B1 (ko) * | 2014-07-21 | 2021-04-30 | 삼성전자주식회사 | 배터리의 이상 상태를 감지하는 장치 및 방법 |
US20180113500A1 (en) * | 2016-10-24 | 2018-04-26 | Wandering WiFi LLC | Systems and methods for monitoring battery life |
-
2023
- 2023-06-20 CN CN202310738255.7A patent/CN116736134B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230953A (zh) * | 2011-06-20 | 2011-11-02 | 江南大学 | 蓄电池剩余容量及健康状况预测方法 |
CN110806544A (zh) * | 2018-07-18 | 2020-02-18 | 北汽福田汽车股份有限公司 | 电池剩余寿命的预测方法和装置 |
CN112731159A (zh) * | 2020-12-23 | 2021-04-30 | 江苏省电力试验研究院有限公司 | 一种储能电站电池舱电池故障预判及定位的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116736134A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111934332B (zh) | 一种基于云边协同的储能电站系统 | |
CN115693948A (zh) | 一种电力系统故障监测方法及监测系统 | |
CN116736134B (zh) | 一种实时性储能电池数据监测方法及装置 | |
CN114819415B (zh) | 一种基于数据分析的电力设备故障预测系统 | |
CN116435634B (zh) | 基于蓄电池温度状态监控及管理系统 | |
CN110441584B (zh) | 设备运行状态监测方法、装置、存储介质和系统 | |
CN113746138A (zh) | 应用于风储电站的储能智慧能量管理系统 | |
CN114801751A (zh) | 一种基于数据分析的汽车电池故障预测系统 | |
CN117013606A (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
CN116315173A (zh) | 基于新能源汽车的电池温度采样系统 | |
CN117078113B (zh) | 一种基于数据分析的户外电池生产质量管理系统 | |
CN117080624B (zh) | 一种电池加热控制方法及系统 | |
CN102095953B (zh) | 一种蓄电池充电机性能在线检测方法 | |
CN111929579B (zh) | 发电机在线故障诊断方法、设备及计算机设备 | |
KR102088234B1 (ko) | 데이터 분석 지표를 이용한 선제적예측기반 발전시설 유지관리 시스템 및 그 방법 | |
CN116845391A (zh) | 一种锂电池储能管理系统 | |
CN116311814B (zh) | 高压开关柜运行状态分析、主动预警系统及方法 | |
CN116644291A (zh) | 一种基于云边协同的储能电池多风险类型预警方法 | |
CN115561550A (zh) | 一种变电站直流系统数据诊断方法 | |
CN111654112B (zh) | 一种无功补偿电容器预警方法、装置及系统 | |
CN113960481A (zh) | 储能运检装置、系统、方法和存储介质 | |
CN108957253B (zh) | 一种非规律性高粉尘导致绝缘子污闪的预警方法 | |
CN112636476A (zh) | 一种变电站的遥测数据分析方法及装置 | |
CN116131755B (zh) | 一种太阳能发电设备智能控制系统及方法 | |
CN116774057B (zh) | 一种训练电池寿命预测模型和预测电池寿命的方法及装置 |
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 |