CN116911508A - 一种基于智能算法的bms管理系统及方法 - Google Patents
一种基于智能算法的bms管理系统及方法 Download PDFInfo
- Publication number
- CN116911508A CN116911508A CN202310968924.XA CN202310968924A CN116911508A CN 116911508 A CN116911508 A CN 116911508A CN 202310968924 A CN202310968924 A CN 202310968924A CN 116911508 A CN116911508 A CN 116911508A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- carbon emission
- energy
- power
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 140
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 140
- 238000001514 detection method Methods 0.000 claims abstract description 76
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 33
- 238000007726 management method Methods 0.000 claims abstract description 28
- 230000005856 abnormality Effects 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000003745 diagnosis Methods 0.000 claims abstract description 15
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 78
- 239000007789 gas Substances 0.000 claims description 51
- 239000003345 natural gas Substances 0.000 claims description 39
- 238000012544 monitoring process Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 21
- 238000013075 data extraction Methods 0.000 claims description 20
- 238000004146 energy storage Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 15
- 238000005265 energy consumption Methods 0.000 claims description 13
- 238000013500 data storage Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000005868 electrolysis reaction Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 238000005338 heat storage Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000005057 refrigeration Methods 0.000 claims description 6
- 239000002918 waste heat Substances 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000004064 recycling Methods 0.000 claims description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000010336 energy treatment Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000003546 flue gas Substances 0.000 claims description 3
- 239000008236 heating water Substances 0.000 claims description 3
- 238000002844 melting Methods 0.000 claims description 3
- 230000008018 melting Effects 0.000 claims description 3
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000010792 warming Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
Abstract
本发明公开了一种基于智能算法的BMS管理系统及方法，涉及管理系统领域，多能源输入模块、负荷模块、电负荷检测模块、BMS模块；该基于智能算法的BMS管理系统及方法，通过碳排放预测模块通过根据以往碳排放含量预测智慧能源系统的碳排放含量，可以提前对碳排放含量进行把控避免碳排放含量超标，通过碳排放检测模块捕集以及检测智慧能源系统的碳排放含量，通过电解水实现捕集的CO2的重复利用，不仅避免了碳排放含量超标的情况发生，还实现了CO2的重复利用减少了碳排放含量，同时通过对BMS模块进行实时监测，对于出现异常的数据通过数据异常诊断模块进行数据诊断，这样设置不仅可以通过数据中心实时检测异常的数据，并可以将异常的数据进行数据诊断。
Description
技术领域
本发明涉及管理系统技术，具体涉及一种基于智能算法的BMS管理系统及方法。
背景技术
在过去的一个世纪中，科学技术飞速发展，工业化水平得到了极大的提高，人类生活发生了巨大改变，但不可避免的是，不仅大量的资源在持续地被消耗着，并且人类生存的环境也被污染了。与此同时，温室效应随之出现，生态平衡状态也因此被打破，而随着其日益累积，最终引起了全球变暖的出现，近50年里，全球气温平均每年上升0.15℃，而且在过去的2021这一年全球表面平均温度则比20世纪平均温度高出0.84℃，如果任其发展，全球气温将会持续不断地上升，这带来的危害和影响不容小觑，全球变暖对人类的影响往往是消极的、负面的，且对人类的生活环境、社会情况以及生活方式等各个方面都产生不容小觑的影响，因此在生活中通常采用综合能源系统，从而避免由于使用单一能源造成碳排放过量以及能源稀少的情况。
其中工商业储能是分布式储能系统在用户侧的典型应用，不同于大规模储能调峰调频电站，它的主要目的是利用电网峰谷差价来实现投资回报，主要负荷是满足工商业自身内部的电力需求，工商业储能系统与储能电站系统都包括电池系统+BMS、PCS、EMS、变压器、机架、连接线缆及报警系统等，工商业储能系统是由多个储能电池串、并联成多个电池簇所构成，故而在对其进行管理时，对储能电池进行实时的监控是必不可少的。
现有的BMS管理系统在进行使用时，多种能源单独使用不能很好的实现能源切换，同时会发生碳排放含量的情况，同时由于BMS管理系统无法直接获悉供电状态或者数据中心目前运行负载的情况，只能仅仅通过增加延时来选择是否切换，属于被动响应的机制，不能很好的判断低压进线供电情况，并无法判断中压电源切换的过程，易使中压切换失败时，低压备自投无法快速的切换响应。
发明内容
本发明的目的是提供一种基于智能算法的BMS管理系统及方法，以解决现有技术中无法判断中压电源切换的过程，易使中压切换失败时，低压备自投无法快速的切换响应的问题。
为了实现上述目的，本发明提供如下技术方案：一种基于智能算法的BMS管理系统，包括多能源输入模块、负荷模块、电负荷检测模块、BMS模块、温度检测模块、气负荷检测模块、碳排放检测模块、碳排放预测模块和能源切换模块，其特征在于：
所述多能源输入模块，用于智慧能源系统的多种能源输入，多种所述能源包括电力能源、光伏能源、风电能源、储能电池和天然气；
所述负荷模块，用于进行能源消耗的末端系统，所述负荷模块包括电负荷模块、冷负荷模块、热负荷模块和气负荷模块；
压缩机，用于压缩多能源输入模块中的天然气，便于天然气使用以及气负荷；
燃气轮机，用于将天然气转换为电能，且在产生电能的过程中会产生热能；
燃气锅炉，用于将天然气转换为热能；
电锅炉，用于加热锅炉中的水进行热能存储；
蓄热槽，用于在必要时吸收热能以及提供热能；
余热锅炉，用于将燃气轮机的多余热量可通过高温烟气进行储热
冰蓄冷空调，采用冰作为储能介质，在用能谷时段制冰蓄冷，在用能峰时段融冰制冷，所述冰蓄冷空调包括：
制冷机，用于进行制冷，产生冰能；
蓄冷槽，用于存储制冷机产生的冰能；
所述碳排放预测模块，用于根据以往碳排放含量预测智慧能源系统的碳排放含量；
所述碳排放检测模块，用于捕集以及检测智慧能源系统的碳排放含量；
所述电负荷检测模块，用于检测电负荷模块内各模块的实时电负荷；
所述BMS模块，用于进行电源系统的BMS管理；
所述温度检测模块，用于检测热负荷模块和冷负荷模块内各模块的实时温度；
所述气负荷检测模块，用于检测气负荷模块内各模块的实时气负荷。
进一步地，所述电负荷检测模块包括：
数据中心，所述数据中心包括：
数据提取模块，通过数据提取模块实现电源数据的获取；
数据处理模块，通过数据提取模块中获得数据后，对数据进行处理，所述数据处理模块对数据的处理包括数据预处理、数据特征提取以及数据融合，其中数据融合是应用于数据处理和电源分配阶段的特征信息融合，数据处理模块对数据进行数据预处理的方法为：
S1，初始化序列及序列的权重，所述权重为任意大于0的数；
S2，根据序列和序列的权重计算出生成规则；
S3，以欧式距离来评价两次生成规则的差异度，如果本次得出的规则和前一次得出的规则相比无变化，则流程结束；
S4，根据S3得出的规则和每条序列间的差异调整每条序列的权重，其中差异越大则权重越小，反之则越大；
数据状态监测模块，所述数据状态监测模块实时监测数据处理模块的数据状态；
数据异常诊断模块，针对在数据状态监测模块中的监测结果，当监测到出现异常时，随即诊断异常，同时对异常原因、严重程度的评估；
电源系统异常检测模块，所述电源系统异常检测模块用于实时检测电源系统的异常状态；
电源线路切换模块，所述电源线路切换模块用于接收电源系统异常检测模块的异常状态，并判断是否需要进行电源线路切换；
电源损耗预测模块，所述电源损耗预测模块用于预测当前线路传输的电源损耗，并选择电源损耗低的线路进行电源传输；
电源分配模块，所述电源分配模块用于将电源传输系统中的电源分配至电负荷；
电源检测模块，所述电源检测模块用于检测电负荷的电源信息。
进一步地，所述电负荷检测的具体工作方法为：
C1，通过电源系统异常检测模块实时检测电源系统的异常状态，将电源系统的异常状态发送至监控模块；
C2，判断是否需要启动电源线路切换模块；
C3，若步骤C2的判断为是，则启动电源线路切换模块，若步骤C2的判断为否，则不启动电源线路切换模块；
C4，电路切换完成后通过电源损耗预测模块预测切换完成后电源在线路上的损耗；
C5，判断当前线路是否为损耗最小的线路；
C6，若步骤C5的判断结果为是，则通过电源分配模块将线路上的电源分配至用电端负载模块进行使用，并通过用电端检测模块进行电源信息实时检测，若步骤C5的判断结果为否，则返回步骤C3重新进行线路切换；
C7，数据中心通过数据提取模块提取用电端检测模块的电源信息；
C8，通过数据中心中的数据处理模块对数据提取模块提取的数据进行数据处理；
C9，对处理完成的数据通过数据状态监测模块进行实时监测；
C10，对于出现异常的数据通过数据异常诊断模块进行数据诊断。
进一步地，多能源处理的具体工作方法为，天然气通过压缩机产生气负荷，所述天然气通过燃气轮机产生电负荷，所述天然气依次通过燃气锅炉和蓄热槽产生热负荷，所述天然气依次通过燃气轮、机余热锅炉产生吸收式制冷，生成冷负荷，所述电力能源产生电负荷，所述电力能源依次通过碳排放检测模块和压缩机产生天然气，所述电力能源依次通过电锅炉和蓄热槽产生热负荷，所述电力能源依次通过冰蓄冷空调和蓄冷槽产生冷负荷。
进一步地，所述碳排放预测模块包括：
数据处理单元，用于接收和处理碳排放数据，用于接收碳排放数据选取单元选取的数据，并对碳排放数据进行处理，碳排放数据处理单元将处理完成的碳排放数据传输至碳排放结果预测单元中；
碳排放数据采集单元，用于采集能源系统碳排放的实时数据；数据存储单元，用于存储碳排放数据采集单元采集的能源系统碳排放的实时数据；
数据选取单元，用于选取数据存储单元中存储的能源系统碳排放的实时数据；
学习单元，通过不断地学习，不断调整结果预测单元的准确性；
结果输出单元，对能源系统碳排放的实时数据和预测数据进行输出；
结果判断单元，用于判断结果预测单元中预测碳排放数据的准确性；
数据对比单元，用于对比能源系统实时碳排放数据与预测碳排放数据；
结果预测单元，通过能源系统碳排放前一过程数据对下一工作过程下的碳排放数据进行预。
进一步地，所述碳排放预测模块工作方法为：通过碳排放数据采集单元采集能源系统碳排放的实时数据，通过数据存储单元接收存储碳排放数据采集单元采集的能源系统碳排放的实时数据并进行存储，通过数据选取单元对数据存储单元内的数据进行随机选取，通过结果预测能源系统下一工作过程下的碳排放数据进行预测，同时将预测结果传输至结果输出单元，数据对比单元将能源系统实时碳排放数据与预测碳排放数据进行对比，结果判断单元将接收到的预测数据和实时数据进行判断，从而判断结果预测单元的预测准确性，数据输出单元同时输出预测数据、实时数据以及判断结果，通过学习单元的不断学习调整可以实现对预测数据的不断调整。
进一步地，所述碳排放检测模块的具体工作方法为：
捕集CO2产生固定电能功率消耗δcap，该值与捕获CO2量有关，于是：
Qeap＝Pcaapp·△t/δcap
其中Qcap表示CO2捕集量；δcap表示功耗关系，代表捕集单位CO2消耗的功率，通过电解水实现捕集的CO2的重复利用，电解水功率伴随制CH4生产过程变化，电解水的消耗功率为/>于是得到：
简化后，电解水生产的天然气量与电解水的功率之间的关系为：
式中：QP2G为电解水生产的天然气量；Hgas为天然气的燃烧热值，整理上式可得：
PP2G为电解水消耗电能总功率；ηP2G为电解水的产气效率；λP2G为电解水产CH4气体功率相对总功率的占比，在这里PP2G需满足下式：
其中，上式左右两端分别表示电解水安全运行的最小、最大功率，另外，根据质量守恒定律，生成CH4的量不应超过实际捕集CO2量，所以最终得到实际生成CH4量以及捕集CO2量如下：
一种基于智能算法的BMS管理方法，包括以下步骤：
B1，通过负荷模块进行能源消耗；
B2，通过多能源处理模块对多种能源进行能源转换，
B3，通过碳排放预测模块通过根据以往碳排放含量预测智慧能源系统的碳排放量，
B4，通过碳排放检测模块捕集以及检测智慧能源系统的碳排放量，
B5，实时检测智慧能源系统的碳排放量，
B6，通过电解水实现捕集的CO2的重复利用，
B7，通过电负荷检测模块、温度检测模块以及气负荷检测模块实时检测能源系统的异常状态
B8，将能源系统的异常状态发送至监控模块，
B9，通过BMS模块判断是否需要启动电源线路切换模块，
B10，若判断为是，则启动电源线路切换模块，若判断为否，则不启动电源线路切换模块，
B11，通过电源损耗预测模块预测切换完成后电源在线路上的损耗，
B12，判断当前线路是否为损耗最小的线路，
B13，若步骤B12判断结果为是，则通过电源分配模块将线路上的电源分配至用电端负载模块进行使用，并通过用电端检测模块进行电源信息实时检测，若步骤B12判断结果为否，则重新进行线路切换，
B14，通过数据提取模块提取电源检测模块的电源信息，
B15，通过数据中心中的数据处理模块对数据提取模块提取的数据进行数据处理，
B16，对处理完成的数据通过数据状态监测模块进行实时监测。
与现有技术相比，本发明提供的一种基于智能算法的BMS管理系统及方法，通过碳排放预测模块通过根据以往碳排放含量预测智慧能源系统的碳排放含量，可以提前对碳排放含量进行把控避免碳排放含量超标，通过碳排放检测模块捕集以及检测智慧能源系统的碳排放含量，通过电解水实现捕集的CO2的重复利用，不仅避免了碳排放含量超标的情况发生，还实现了CO2的重复利用减少了碳排放含量，同时通过对BMS模块进行实时监测，对于出现异常的数据通过数据异常诊断模块进行数据诊断，这样设置不仅可以通过数据中心实时检测异常的数据，并可以将异常的数据进行数据诊断。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的整体结构示意图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
实施例一：
请参阅图1，一种基于智能算法的BMS管理系统及方法，包括多能源输入模块、负荷模块、电负荷检测模块、BMS模块、温度检测模块、气负荷检测模块、碳排放检测模块、碳排放预测模块和能源切换模块，其特征在于：
所述多能源输入模块，用于智慧能源系统的多种能源输入，多种所述能源包括电力能源、光伏能源、风电能源、储能电池和天然气；
所述负荷模块，用于进行能源消耗的末端系统，所述负荷模块包括电负荷模块、冷负荷模块、热负荷模块和气负荷模块；
压缩机，用于压缩多能源输入模块中的天然气，便于天然气使用以及气负荷；
燃气轮机，用于将天然气转换为电能，且在产生电能的过程中会产生热能；
燃气锅炉，用于将天然气转换为热能；
电锅炉，用于加热锅炉中的水进行热能存储；
蓄热槽，用于在必要时吸收热能以及提供热能；
余热锅炉，用于将燃气轮机的多余热量可通过高温烟气进行储热
冰蓄冷空调，采用冰作为储能介质，在用能谷时段制冰蓄冷，在用能峰时段融冰制冷，所述冰蓄冷空调包括：
制冷机，用于进行制冷，产生冰能；
蓄冷槽，用于存储制冷机产生的冰能；
所述碳排放预测模块，用于根据以往碳排放含量预测智慧能源系统的碳排放含量；
所述碳排放检测模块，用于捕集以及检测智慧能源系统的碳排放含量；
所述电负荷检测模块，用于检测电负荷模块内各模块的实时电负荷；
所述BMS模块，用于进行电源系统的BMS管理；
所述温度检测模块，用于检测热负荷模块和冷负荷模块内各模块的实时温度；
所述气负荷检测模块，用于检测气负荷模块内各模块的实时气负荷。
所述电负荷检测模块包括：
数据中心，所述数据中心包括：
数据提取模块，通过数据提取模块实现电源数据的获取；
数据处理模块，通过数据提取模块中获得数据后，对数据进行处理，所述数据处理模块对数据的处理包括数据预处理、数据特征提取以及数据融合，其中数据融合是应用于数据处理和电源分配阶段的特征信息融合，数据处理模块对数据进行数据预处理的方法为：
S1，初始化序列及序列的权重，所述权重为任意大于0的数；
S2，根据序列和序列的权重计算出生成规则；
S3，以欧式距离来评价两次生成规则的差异度，如果本次得出的规则和前一次得出的规则相比无变化，则流程结束；
S4，根据S3得出的规则和每条序列间的差异调整每条序列的权重，其中差异越大则权重越小，反之则越大；
数据状态监测模块，所述数据状态监测模块实时监测数据处理模块的数据状态；
数据异常诊断模块，针对在数据状态监测模块中的监测结果，当监测到出现异常时，随即诊断异常，同时对异常原因、严重程度的评估；
电源系统异常检测模块，所述电源系统异常检测模块用于实时检测电源系统的异常状态；
电源线路切换模块，所述电源线路切换模块用于接收电源系统异常检测模块的异常状态，并判断是否需要进行电源线路切换；
电源损耗预测模块，所述电源损耗预测模块用于预测当前线路传输的电源损耗，并选择电源损耗低的线路进行电源传输；
电源分配模块，所述电源分配模块用于将电源传输系统中的电源分配至电负荷；
电源检测模块，所述电源检测模块用于检测电负荷的电源信息。
所述电负荷检测的具体工作方法为：
C1，通过电源系统异常检测模块实时检测电源系统的异常状态，将电源系统的异常状态发送至监控模块；
C2，判断是否需要启动电源线路切换模块；
C3，若步骤C2的判断为是，则启动电源线路切换模块，若步骤C2的判断为否，则不启动电源线路切换模块；
C4，电路切换完成后通过电源损耗预测模块预测切换完成后电源在线路上的损耗；
C5，判断当前线路是否为损耗最小的线路；
C6，若步骤C5的判断结果为是，则通过电源分配模块将线路上的电源分配至用电端负载模块进行使用，并通过用电端检测模块进行电源信息实时检测，若步骤C5的判断结果为否，则返回步骤C3重新进行线路切换；
C7，数据中心通过数据提取模块提取用电端检测模块的电源信息；
C8，通过数据中心中的数据处理模块对数据提取模块提取的数据进行数据处理；
C9，对处理完成的数据通过数据状态监测模块进行实时监测；
C10，对于出现异常的数据通过数据异常诊断模块进行数据诊断。
多能源处理的具体工作方法为，天然气通过压缩机产生气负荷，所述天然气通过燃气轮机产生电负荷，所述天然气依次通过燃气锅炉和蓄热槽产生热负荷，所述天然气依次通过燃气轮、机余热锅炉产生吸收式制冷，生成冷负荷，所述电力能源产生电负荷，所述电力能源依次通过碳排放检测模块和压缩机产生天然气，所述电力能源依次通过电锅炉和蓄热槽产生热负荷，所述电力能源依次通过冰蓄冷空调和蓄冷槽产生冷负荷。
所述碳排放预测模块包括：
数据处理单元，用于接收和处理碳排放数据，用于接收碳排放数据选取单元选取的数据，并对碳排放数据进行处理，碳排放数据处理单元将处理完成的碳排放数据传输至碳排放结果预测单元中；
碳排放数据采集单元，用于采集能源系统碳排放的实时数据；
数据存储单元，用于存储碳排放数据采集单元采集的能源系统碳排放的实时数据；
数据选取单元，用于选取数据存储单元中存储的能源系统碳排放的实时数据；
学习单元，通过不断地学习，不断调整结果预测单元的准确性；
结果输出单元，对能源系统碳排放的实时数据和预测数据进行输出；
结果判断单元，用于判断结果预测单元中预测碳排放数据的准确性；
数据对比单元，用于对比能源系统实时碳排放数据与预测碳排放数据；
结果预测单元，通过能源系统碳排放前一过程数据对下一工作过程下的碳排放数据进行预。
所述碳排放预测模块工作方法为：通过碳排放数据采集单元采集能源系统碳排放的实时数据，通过数据存储单元接收存储碳排放数据采集单元采集的能源系统碳排放的实时数据并进行存储，通过数据选取单元对数据存储单元内的数据进行随机选取，通过结果预测能源系统下一工作过程下的碳排放数据进行预测，同时将预测结果传输至结果输出单元，数据对比单元将能源系统实时碳排放数据与预测碳排放数据进行对比，结果判断单元将接收到的预测数据和实时数据进行判断，从而判断结果预测单元的预测准确性，数据输出单元同时输出预测数据、实时数据以及判断结果，通过学习单元的不断学习调整可以实现对预测数据的不断调整。
所述碳排放检测模块的具体工作方法为：
捕集CO2产生固定电能功率消耗δcap，该值与捕获CO2量有关，于是：
Qcap＝Pcap·△t/δcap
其中Qcap表示CO2捕集量；δcap表示功耗关系，代表捕集单位CO2消耗的功率，通过电解水实现捕集的CO2的重复利用，电解水功率伴随制CH4生产过程变化，电解水的消耗功率为/>于是得到:
简化后，电解水生产的天然气量与电解水的功率之间的关系为：
式中：QP2G为电解水生产的天然气量；Hgas为天然气的燃烧热值，整理上式可得：
PP2G为电解水消耗电能总功率；ηP2G为电解水的产气效率；λP2G为电解水产CH4气体功率相对总功率的占比，在这里PP2G需满足下式：
其中，上式左右两端分别表示电解水安全运行的最小、最大功率，另外，根据质量守恒定律，生成CH4的量不应超过实际捕集CO2量，所以最终得到实际生成CH4量以及捕集CO2量如下：
实施例二：
一种基于智能算法的BMS管理方法，包括以下步骤：
B1，通过负荷模块进行能源消耗；
B2，通过多能源处理模块对多种能源进行能源转换，
B3，通过碳排放预测模块通过根据以往碳排放含量预测智慧能源系统的碳排放量，
B4，通过碳排放检测模块捕集以及检测智慧能源系统的碳排放量，
B5，实时检测智慧能源系统的碳排放量，
B6，通过电解水实现捕集的CO2的重复利用，
B7，通过电负荷检测模块、温度检测模块以及气负荷检测模块实时检测能源系统的异常状态
B8，将能源系统的异常状态发送至监控模块，
B9，通过BMS模块判断是否需要启动电源线路切换模块，
B10，若判断为是，则启动电源线路切换模块，若判断为否，则不启动电源线路切换模块，
B11，通过电源损耗预测模块预测切换完成后电源在线路上的损耗，
B12，判断当前线路是否为损耗最小的线路，
B13，若步骤B12判断结果为是，则通过电源分配模块将线路上的电源分配至用电端负载模块进行使用，并通过用电端检测模块进行电源信息实时检测，若步骤B12判断结果为否，则重新进行线路切换，
B14，通过数据提取模块提取电源检测模块的电源信息，
B15，通过数据中心中的数据处理模块对数据提取模块提取的数据进行数据处理，
B16，对处理完成的数据通过数据状态监测模块进行实时监测。
工作原理：使用时，通过负荷模块进行能源消耗，多能源处理模块，用于多种能源进行能源转换，碳排放预测模块通过根据以往碳排放含量预测智慧能源系统的碳排放含量，这样设置可以提前对碳排放含量进行把控避免碳排放含量超标，通过碳排放检测模块捕集以及检测智慧能源系统的碳排放含量，实时检测智慧能源系统的碳排放量，并通过电解水实现捕集的CO2的重复利用，不仅避免了碳排放含量超标的情况发生，还实现了CO2的重复利用减少了碳排放含量，同时通过电负荷检测模块、温度检测模块以及气负荷检测模块实时检测能源系统的异常状态，当检测出异常状态时通过BMS模块进行反馈条接，其最终通过电负荷检测模块将电源系统的异常状态发送至监控模块，并通过BMS模块判断是否需要启动电源线路切换模块，若判断为是，则启动电源线路切换模块，若判断为否，则不启动电源线路切换模块，电路切换完成后通过电源损耗预测模块预测切换完成后电源在线路上的损耗，判断当前线路是否为损耗最小的线路，若判断结果为是，则通过电源分配模块将线路上的电源分配至用电端负载模块进行使用，并通过用电端检测模块进行电源信息实时检测，若判断结果为否，则重新进行线路切换，数据中心通过数据提取模块提取用电端检测模块的电源信息，通过数据中心中的数据处理模块对数据提取模块提取的数据进行数据处理，对处理完成的数据通过数据状态监测模块进行实时监测。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
Claims (8)
1.一种基于智能算法的BMS管理系统，包括多能源输入模块、负荷模块、电负荷检测模块、BMS模块、温度检测模块、气负荷检测模块、碳排放检测模块、碳排放预测模块和能源切换模块，其特征在于：
所述多能源输入模块，用于智慧能源系统的多种能源输入，多种所述能源包括电力能源、光伏能源、风电能源、储能电池和天然气；
所述负荷模块，用于进行能源消耗的末端系统，所述负荷模块包括电负荷模块、冷负荷模块、热负荷模块和气负荷模块；
压缩机，用于压缩多能源输入模块中的天然气，便于天然气使用以及气负荷；
燃气轮机，用于将天然气转换为电能，且在产生电能的过程中会产生热能；
燃气锅炉，用于将天然气转换为热能；
电锅炉，用于加热锅炉中的水进行热能存储；
蓄热槽，用于在必要时吸收热能以及提供热能；
余热锅炉，用于将燃气轮机的多余热量可通过高温烟气进行储热
冰蓄冷空调，采用冰作为储能介质，在用能谷时段制冰蓄冷，在用能峰时段融冰制冷，所述冰蓄冷空调包括：
制冷机，用于进行制冷，产生冰能；
蓄冷槽，用于存储制冷机产生的冰能；
所述碳排放预测模块，用于根据以往碳排放含量预测智慧能源系统的碳排放含量；
所述碳排放检测模块，用于捕集以及检测智慧能源系统的碳排放含量；
所述电负荷检测模块，用于检测电负荷模块内各模块的实时电负荷；
所述BMS模块，用于进行电源系统的BMS管理；
所述温度检测模块，用于检测热负荷模块和冷负荷模块内各模块的实时温度；
所述气负荷检测模块，用于检测气负荷模块内各模块的实时气负荷。
2.根据权利要求1所述的一种基于智能算法的BMS管理系统及方法，其特征在于，其特征在于，所述电负荷检测模块包括：
数据中心，所述数据中心包括：
数据提取模块，通过数据提取模块实现电源数据的获取；
数据处理模块，通过数据提取模块中获得数据后，对数据进行处理，所述数据处理模块对数据的处理包括数据预处理、数据特征提取以及数据融合，其中数据融合是应用于数据处理和电源分配阶段的特征信息融合，数据处理模块对数据进行数据预处理的方法为：
S1，初始化序列及序列的权重，所述权重为任意大于0的数；
S2，根据序列和序列的权重计算出生成规则；
S3，以欧式距离来评价两次生成规则的差异度，如果本次得出的规则和前一次得出的规则相比无变化，则流程结束；
S4，根据S3得出的规则和每条序列间的差异调整每条序列的权重，其中差异越大则权重越小，反之则越大；
数据状态监测模块，所述数据状态监测模块实时监测数据处理模块的数据状态；
数据异常诊断模块，针对在数据状态监测模块中的监测结果，当监测到出现异常时，随即诊断异常，同时对异常原因、严重程度的评估；
电源系统异常检测模块，所述电源系统异常检测模块用于实时检测电源系统的异常状态；
电源线路切换模块，所述电源线路切换模块用于接收电源系统异常检测模块的异常状态，并判断是否需要进行电源线路切换；
电源损耗预测模块，所述电源损耗预测模块用于预测当前线路传输的电源损耗，并选择电源损耗低的线路进行电源传输；
电源分配模块，所述电源分配模块用于将电源传输系统中的电源分配至电负荷；
电源检测模块，所述电源检测模块用于检测电负荷的电源信息。
3.根据权利要求1所述的一种基于智能算法的BMS管理系统及方法，其特征在于，所述电负荷检测的具体工作方法为：
C1，通过电源系统异常检测模块实时检测电源系统的异常状态，将电源系统的异常状态发送至监控模块；
C2，判断是否需要启动电源线路切换模块；
C3，若步骤C2的判断为是，则启动电源线路切换模块，若步骤C2的判断为否，则不启动电源线路切换模块；
C4，电路切换完成后通过电源损耗预测模块预测切换完成后电源在线路上的损耗；
C5，判断当前线路是否为损耗最小的线路；
C6，若步骤C5的判断结果为是，则通过电源分配模块将线路上的电源分配至用电端负载模块进行使用，并通过用电端检测模块进行电源信息实时检测，若步骤C5的判断结果为否，则返回步骤C3重新进行线路切换；
C7，数据中心通过数据提取模块提取用电端检测模块的电源信息；
C8，通过数据中心中的数据处理模块对数据提取模块提取的数据进行数据处理；
C9，对处理完成的数据通过数据状态监测模块进行实时监测；
C10，对于出现异常的数据通过数据异常诊断模块进行数据诊断。
4.根据权利要求1所述的一种基于智能算法的BMS管理系统及方法，其特征在于，多能源处理的具体工作方法为，天然气通过压缩机产生气负荷，所述天然气通过燃气轮机产生电负荷，所述天然气依次通过燃气锅炉和蓄热槽产生热负荷，所述天然气依次通过燃气轮、机余热锅炉产生吸收式制冷，生成冷负荷，所述电力能源产生电负荷，所述电力能源依次通过碳排放检测模块和压缩机产生天然气，所述电力能源依次通过电锅炉和蓄热槽产生热负荷，所述电力能源依次通过冰蓄冷空调和蓄冷槽产生冷负荷。
5.根据权利要求1所述的一种基于智能算法的BMS管理系统及方法，其特征在于，所述碳排放预测模块包括：
数据处理单元，用于接收和处理碳排放数据，用于接收碳排放数据选取单元选取的数据，并对碳排放数据进行处理，碳排放数据处理单元将处理完成的碳排放数据传输至碳排放结果预测单元中；
碳排放数据采集单元，用于采集能源系统碳排放的实时数据；
数据存储单元，用于存储碳排放数据采集单元采集的能源系统碳排放的实时数据；
数据选取单元，用于选取数据存储单元中存储的能源系统碳排放的实时数据；
学习单元，通过不断地学习，不断调整结果预测单元的准确性；
结果输出单元，对能源系统碳排放的实时数据和预测数据进行输出；
结果判断单元，用于判断结果预测单元中预测碳排放数据的准确性；
数据对比单元，用于对比能源系统实时碳排放数据与预测碳排放数据；
结果预测单元，通过能源系统碳排放前一过程数据对下一工作过程下的碳排放数据进行预。
6.根据权利要求1所述的一种基于智能算法的BMS管理系统及方法，其特征在于，所述碳排放预测模块工作方法为：通过碳排放数据采集单元采集能源系统碳排放的实时数据，通过数据存储单元接收存储碳排放数据采集单元采集的能源系统碳排放的实时数据并进行存储，通过数据选取单元对数据存储单元内的数据进行随机选取，通过结果预测能源系统下一工作过程下的碳排放数据进行预测，同时将预测结果传输至结果输出单元，数据对比单元将能源系统实时碳排放数据与预测碳排放数据进行对比，结果判断单元将接收到的预测数据和实时数据进行判断，从而判断结果预测单元的预测准确性，数据输出单元同时输出预测数据、实时数据以及判断结果，通过学习单元的不断学习调整可以实现对预测数据的不断调整。
7.根据权利要求1所述的一种基于智能算法的BMS管理系统及方法，其特征在于，所述碳排放检测模块的具体工作方法为：
捕集CO2产生固定电能功率消耗δcap，该值与捕获CO2量有关，于是：
Qcap＝Pcap·△t/δcap
其中Qcap表示CO2捕集量；δcap表示功耗关系，代表捕集单位CO2消耗的功率，通过电解水实现捕集的CO2的重复利用，电解水功率伴随制CH4生产过程变化，电解水的消耗功率为于是得到：
简化后，电解水生产的天然气量与电解水的功率之间的关系为：
式中：QP2G为电解水生产的天然气量；Hgas为天然气的燃烧热值，整理上式可得：
PP2G为电解水消耗电能总功率；ηP2G为电解水的产气效率；λP2G为电解水产CH4气体功率相对总功率的占比，在这里PP2G需满足下式：
其中，上式左右两端分别表示电解水安全运行的最小、最大功率，另外，根据质量守恒定律，生成CH4的量不应超过实际捕集CO2量，所以最终得到实际生成CH4量以及捕集CO2量如下：
8.一种基于智能算法的BMS管理方法，其适用于权利要求1-7任一项所述的一种基于智能算法的BMS管理系统，其特征在于，包括以下步骤：
B1，通过负荷模块进行能源消耗；
B2，通过多能源处理模块对多种能源进行能源转换，
B3，通过碳排放预测模块通过根据以往碳排放含量预测智慧能源系统的碳排放量，
B4，通过碳排放检测模块捕集以及检测智慧能源系统的碳排放量，
B5，实时检测智慧能源系统的碳排放量，
B6，通过电解水实现捕集的CO2的重复利用，
B7，通过电负荷检测模块、温度检测模块以及气负荷检测模块实时检测能源系统的异常状态
B8，将能源系统的异常状态发送至监控模块，
B9，通过BMS模块判断是否需要启动电源线路切换模块，
B10，若判断为是，则启动电源线路切换模块，若判断为否，则不启动电源线路切换模块，
B11，通过电源损耗预测模块预测切换完成后电源在线路上的损耗，
B12，判断当前线路是否为损耗最小的线路，
B13，若步骤B12判断结果为是，则通过电源分配模块将线路上的电源分配至用电端负载模块进行使用，并通过用电端检测模块进行电源信息实时检测，若步骤B12判断结果为否，则重新进行线路切换，
B14，通过数据提取模块提取电源检测模块的电源信息，
B15，通过数据中心中的数据处理模块对数据提取模块提取的数据进行数据处理，
B16，对处理完成的数据通过数据状态监测模块进行实时监测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310968924.XA CN116911508A (zh) | 2023-08-03 | 2023-08-03 | 一种基于智能算法的bms管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310968924.XA CN116911508A (zh) | 2023-08-03 | 2023-08-03 | 一种基于智能算法的bms管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116911508A true CN116911508A (zh) | 2023-10-20 |
Family
ID=88360091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310968924.XA Withdrawn CN116911508A (zh) | 2023-08-03 | 2023-08-03 | 一种基于智能算法的bms管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116911508A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117518922A (zh) * | 2023-11-21 | 2024-02-06 | 潮州市科莱曼科技有限公司 | 一种智能马桶自动冲水控制系统 |
-
2023
- 2023-08-03 CN CN202310968924.XA patent/CN116911508A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117518922A (zh) * | 2023-11-21 | 2024-02-06 | 潮州市科莱曼科技有限公司 | 一种智能马桶自动冲水控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111969603B (zh) | 一种微能源网系统及其协同优化运行控制方法 | |
| CN107944733B (zh) | 一种含风电、需求响应和压缩空气储能的电网调度方法 | |
| CN109447441B (zh) | 一种考虑新能源机组不确定性的暂态稳定风险评估方法 | |
| CN112636373A (zh) | 一种电气热综合能源系统优化调度方法 | |
| CN116911508A (zh) | 一种基于智能算法的bms管理系统及方法 | |
| CN113193602A (zh) | 含低热值发电和分布式电源的配电网优化运行系统及方法 | |
| CN111428850A (zh) | 基于改进粒子群算法的综合能源系统运行优化方法及装置 | |
| CN104659307A (zh) | 一种可快速更换的恒温矩阵式储能箱 | |
| CN115164361A (zh) | 一种数据中心控制方法、装置、电子设备和存储介质 | |
| CN116436088A (zh) | 一种风光电-火电-储能-电解铜一体化系统多目标优化调度方法 | |
| CN117578706A (zh) | 一种基于电网的多层级负荷管理系统及其方法 | |
| CN111985805A (zh) | 综合能源系统动态需求响应的方法及系统 | |
| CN114050609B (zh) | 一种高比例新能源电力系统自适应鲁棒日前优化调度方法 | |
| CN114757500A (zh) | 一种基于mcmc算法的综合能源系统可靠性评估方法 | |
| CN113158547A (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
| CN117252425A (zh) | 一种考虑碳排放和电力平衡风险的电源规划和火电改造决策建模方法 | |
| CN110472364B (zh) | 一种考虑可再生能源的离网式热电气联产系统的优化方法 | |
| CN116914719A (zh) | 一种基于时空图网络的光伏发电站功率预测方法 | |
| CN116231694A (zh) | 一种风光互补制氢与冷热电多能互补的综合能源系统 | |
| CN115345370A (zh) | 一种基于Vine Copula模型的风电机组运行联动性分析方法 | |
| CN115034472A (zh) | 一种分布式光伏运行智能预测管理系统 | |
| CN204271759U (zh) | 一种基于在线分布式的电能储能装置 | |
| Liu et al. | Tired of continuous time-series analysis or calculations? | |
| CN117216963B (zh) | 一种含碳-氢利用的综合能源系统运行方法 | |
| CN116254575B (zh) | 一种基于模拟退火算法的制氢效率优化控制系统及方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231020 |