CN117013606A - 一种基于人工智能的光伏发电智能储能控制系统 - Google Patents
一种基于人工智能的光伏发电智能储能控制系统 Download PDFInfo
- Publication number
- CN117013606A CN117013606A CN202311019789.0A CN202311019789A CN117013606A CN 117013606 A CN117013606 A CN 117013606A CN 202311019789 A CN202311019789 A CN 202311019789A CN 117013606 A CN117013606 A CN 117013606A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- value
- storage battery
- discharge
- preset
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 263
- 238000010248 power generation Methods 0.000 title claims abstract description 29
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 110
- 238000011156 evaluation Methods 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012502 risk assessment Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims description 93
- 230000007613 environmental effect Effects 0.000 claims description 27
- 238000012423 maintenance Methods 0.000 claims description 15
- 230000001174 ascending effect Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 101100366710 Arabidopsis thaliana SSL12 gene Proteins 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 101100366707 Arabidopsis thaliana SSL11 gene Proteins 0.000 claims description 2
- 101100366562 Panax ginseng SS12 gene Proteins 0.000 claims description 2
- 101100366563 Panax ginseng SS13 gene Proteins 0.000 claims description 2
- 238000007599 discharging Methods 0.000 abstract description 25
- 230000003321 amplification Effects 0.000 abstract 1
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000003199 nucleic acid amplification method Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 6
- 230000006854 communication Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0068—Battery or charger load switching, e.g. concurrent charging and load supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
Abstract
本发明涉及光伏发电储能技术领域,尤其涉及一种基于人工智能的光伏发电智能储能控制系统,包括管控平台、储能分析单元、反馈分析单元、放电分析单元、管理显示单元、放电管理单元以及风险评估单元;本发明通过从放电前和放电中两个角度进行分析,即通过采集放电前储能电池的状态数据并进行安全评估反馈分析,使太阳能电池与故障储能电池断开连接,并与正常储能电池相连,保证了光伏发电储能系统的稳定性,而通过对放电中储能电池的放大数据分析,判断储能电池放电过程中是否正常,以提高对储能电池的放电控制精度,且深入式对异常放电的储能电池进行进一步安全评估分析,以便精准、有针对性地对储能电池进行合理化的管理和更换。
Description
技术领域
本发明涉及光伏发电储能技术领域,尤其涉及一种基于人工智能的光伏发电智能储能控制系统。
背景技术
随着世界能源短缺问题的日益严重,太阳能作为公认的可替代能源得到了越来越广泛的应用,其中太阳能光伏发电成为主流,而光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术,且作为环境友好型可再生能源,目前全世界的太阳能光伏发电装机规模越来越大;
能源是决定生活质量的重要因素,随着能源需求的日渐增长,光伏发电具有清洁、无污染、技术成熟等优点,电池储能技术是将光伏发电过剩电量储存起来,但是在现有技术中,户用光伏发电在放电前无法对储能电池的状态进行监管预警,进行对故障储能电池进行充电,导致资源浪费,以及无法及时供电的问题,且放电运行过程中不能够根据用电区域需求进行用电趋势评估分析,以至于储能电池的放电调控不及时,导致工作效率降低;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于人工智能的光伏发电智能储能控制系统,去解决上述提出的技术缺陷,本发明通过从放电前和放电中两个角度进行分析,即通过采集放电前储能电池的状态数据,并进行安全评估反馈分析,以判断储能电池是否正常,以便及时断开连接,使断开连接的太阳能电池与正常储能电池相连,保证了光伏发电储能系统的稳定性,同时对故障储能电池进行维修管理,而通过采集放电中储能电池的放大数据,并进行运行监管评估分析,判断储能电池放电过程中是否正常,以便及时的进行放电管理,以提高对储能电池的放电控制精度,且深入式对异常放电的储能电池进行进一步安全评估分析,以便精准、有针对性的对储能电池进行合理化的管理和更换,以提高储能电池的管理效果和使用安全性,进行更加反馈信息进行合理、有针对性的维护管理。
本发明的目的可以通过以下技术方案实现:一种基于人工智能的光伏发电智能储能控制系统,包括管控平台、储能分析单元、反馈分析单元、放电分析单元、管理显示单元、放电管理单元以及风险评估单元;
管控平台生成监管指令时,并将监管指令发送至储能分析单元和反馈分析单元,储能分析单元在接收到监管指令后,立即采集储能电池的状态数据,状态数据包括储能最大容量值、环境干扰值以及内温值,并对状态数据进行安全评估反馈分析和公式化比对分析,将得到的正常信号发送至反馈分析单元和放电分析单元,将得到的异常信号发送至管理显示单元;
反馈分析单元在接收到正常信号后,采集用电端的用电数据,用电数据包括用电总量和线损总值,并对用电数据进行用电趋势评估分析,将得到的管控信号发送至放电管理单元,将得到的充能信号发送至管理显示单元;
放电分析单元在接收到正常信号后,立即采集储能电池放电过程中的放大数据,放电数据包括放电速率和放电温度,并对放电数据进行运行监管评估分析,将得到的反馈信号发送至风险评估单元和管理显示单元;
风险评估单元在接收到反馈信号后,立即对反馈信号所对应的储能电池进行进一步安全评估分析,将得到的维护信号和更换信号经放电分析单元发送至管理显示单元。
优选地,所述储能分析单元的安全评估反馈分析过程如下:
第一步:获取到当前储能时一段时间的时长,并将其标记为时间阈值,同时获取到储能电池历史完成储能的储能次数,将储能次数标记为g,g为大于一的自然数,获取到每次储能电池的储能最大容量值,以次数为X轴,以储能最大容量值为Y中建立直角坐标系,通过描点的方式绘制储能最大容量值曲线,从储能最大容量值曲线中获取到储能电池的衰减特征值,以此获取到时间阈值内储能电池的预测储能最大容量值,将储能电池标记为i,i为大于零的自然数,进而获取到时间阈值内各个储能电池的预测储能最大容量值YNi;
第二步:将时间阈值划分为k个子时间节点,k为大于零的自然数,获取到各个子时间节点内各个储能电池的环境干扰值,环境干扰值表示各个储能电池所处环境的环境湿度超出预设环境湿度阈值的部分与环境温度经数据归一化处理后得到的积值,构建各个储能电池的环境干扰值的集合A,获取到各个储能电池的环境干扰值的集合A的均值,将各个储能电池的环境干扰值的集合A的均值标记为平均环境干扰值PHi;
第三步:获取到各个子时间节点内各个储能电池的内温值,以此获取到时间阈值内各个储能电池的平均内温值,将平均内温值与预设平均内温值阈值进行比对分析,若平均内温值大于预设平均内温值阈值,则将平均内温值大于预设平均内温值阈值的部分标记为过温风险值GWi。
优选地,所述储能分析单元的公式化比对分析过程如下:
根据公式得到储能安全评估系数,其中,a1、a2以及a3分别为预测储能最大容量值、平均环境干扰值以及过温风险值的预设权重因子系数,a1、a2以及a3均为大于零的正数,a4为预设容错因子系数,取值为1.282,Gi为储能安全评估系数,将储能安全评估系数Gi与其内部录入存储的预设储能安全评估系数阈值进行比对分析:
若储能安全评估系数Gi与预设储能安全评估系数阈值之间的比值小于一,则生成正常信号;
若储能安全评估系数Gi与预设储能安全评估系数阈值之间的比值大于等于一,则生成异常信号。
优选地,所述反馈分析单元的用电趋势评估分析过程如下:
采集历史一个月的时长,并将其标记为分析时长,将分析时长划分为o个子时间段,o为大于零的自然数,获取到各个子时间段内用电端的用电总量和线损总值,以此获取到各个子时间段内用电端的用电总量和线损总值的和值,将用电端的用电总量和线损总值的和值标记为电需求量,以时间为X轴,以电需求量为Y轴建立直角坐标系,通过描点的方式绘制电需求量曲线,从电需求量曲线中获取到上升段两个端点之间的差值,以此获取到所有上升段两个端点之间的差值的和值,并将其标记上升值,同时获取到下降段两个端点之间的差值,以此获取到所有下降段两个端点之间的差值的和值,并将其标记下降值,进而将上升值与下降值的和值标记为用电趋势值,根据分析得到的用电趋势值,获取到用电端的预测电需求量,同时获取到单个正常储能电池存储的电量值,并根据预测电需求量与单个正常储能电池存储的电量值,获取到正常储能电池预测放电数量;
获取到正常信号所对应的储能电池的总个数,将正常信号所对应的储能电池的总个数标记为可用数量值,将正常储能电池预测放电数量标记为所需数量值,并将可用数量值与所需数量值进行比对分析:
若可用数量值与所需数量值之间的差值大于一,则生成管控信号;
若可用数量值与所需数量值之间的差值小于等于一,则生成充能信号。
优选地,所述放电分析单元的运行监管评估分析过程如下:
SS1:获取到储能电池开始放电后一段时间的时长,并将其标记为放电时长,将放电时长划分为h个子时间节点,h为大于零的自然数,获取到各个子时间节点内储能电池的放电速率,以时间为X轴,以放电速率为Y轴建立直角坐标系,通过描点的方式绘制放电速率曲线,同时在该坐标系中绘制预设放电速率阈值曲线,获取到放电速率曲线位于预设放电速率阈值曲线上方线段与预设放电速率阈值所围成的面积,并将标记为风险面积,将风险面积与放电速率曲线与X轴所围成的面积之比标记为失控精度值;
SS12:获取到各个子时间节点内储能电池的放电温度,以此获取到子时间节点内放电温度的最大值和最小值,进而获取到子时间节点内放电温度的最大值和最小值之间的差值,将放电温度的最大值和最小值之间的差值标记为温变跨度值;
SS13:将失控精度值和温变跨度值与其内部录入存储的预设失控精度值阈值和预设温变跨度值阈值进行比对分析:
若失控精度值小于预设失控精度值阈值,且温变跨度值小于预设温变跨度值阈值,则不生成任何信号;
若失控精度值大于等于预设失控精度值阈值,或温变跨度值大于等于预设温变跨度值阈值,则生成反馈信号。
优选地,所述风险评估单元的进一步安全评估分析过程如下:
步骤一:获取到反馈信号所对应的储能电池的失控精度值和温变跨度值,并将反馈信号所对应的储能电池的失控精度值和温变跨度值分别标号为SKg和WBg,同时获取到生成反馈信号时刻到预警开始时刻之间的时长,并将其标记为反馈时长FKg,其中,g值的是反馈信号所对应的储能电池的个数,g为大于零的自然数;
步骤二:根据公式得到各个反馈信号所对应的储能电池的安全影响评估系数Jg,并将安全影响评估系数Jg与其内部录入存储的预设安全影响评估系数阈值进行比对分析:
若安全影响评估系数Jg小于预设安全影响评估系数阈值,则生成维护信号;
若安全影响评估系数Jg大于等于预设安全影响评估系数阈值,则生成更换信号。
本发明的有益效果如下:
(1)本发明通过从放电前和放电中两个角度进行分析,即通过采集放电前储能电池的状态数据,并进行安全评估反馈分析,以判断储能电池是否正常,以便及时断开连接,使断开连接的太阳能电池与正常储能电池相连,保证了光伏发电储能系统的稳定性,同时对故障储能电池进行维修管理,而通过采集放电中储能电池的放大数据,并进行运行监管评估分析,判断储能电池放电过程中是否正常,以便及时的进行放电管理,以提高对储能电池的放电控制精度,且深入式对异常放电的储能电池进行进一步安全评估分析,以便精准、有针对性的对储能电池进行合理化的管理和更换,以提高储能电池的管理效果和使用安全性,进行更加反馈信息进行合理、有针对性的维护管理;
(2)本发明对覆盖光伏发电区域进行用电需求趋势分析,判断区域内用电的浮动趋势,从而根据用电趋势能够将光伏储能进行调控,保证用电端用电的稳定性同时将光伏储能的投入成本进行控制,即采集用电端的用电数据,并进行用电趋势评估分析,得到用电端的所需数量值和可用数量值,并以此判断可用数量值是否满足使用,若满足,计算储能电池的实时放电数量,根据实时放电数量与储能电池可用数量值的差值控制对应储能电池的使用和关闭,以便实现储能电池使用合理管控,若未满足,则预警处理。
附图说明
下面结合附图对本发明作进一步的说明;
图1是本发明系统流程框图;
图2是本发明局部分析参考图。
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。
实施例1:
请参阅图1至图2所示,本发明为一种基于人工智能的光伏发电智能储能控制系统,包括管控平台、储能分析单元、反馈分析单元、放电分析单元、管理显示单元、放电管理单元以及风险评估单元,管控平台与储能分析单元和反馈分析单元均呈单向通讯连接,储能分析单元与反馈分析单元、放电分析单元以及管理显示单元均呈单向通讯连接,放电分析单元与管理显示单元呈单向通讯连接,放电分析单元与风险评估单元呈双向通讯连接,反馈分析单元与放电管理单元和理显示单元均呈单向通讯连接;
当管控平台生成监管指令时,并将监管指令发送至储能分析单元和反馈分析单元,储能分析单元在接收到监管指令后,立即采集储能电池的状态数据,状态数据包括储能最大容量值、环境干扰值以及内温值,并对状态数据进行安全评估反馈分析,以判断储能电池是否正常,以便及时断开连接,同时对储能电池进行维修管理,具体的安全评估反馈分析过程如下:
获取到当前储能时一段时间的时长,并将其标记为时间阈值,同时获取到储能电池历史完成储能的储能次数,将储能次数标记为g,g为大于一的自然数,获取到每次储能电池的储能最大容量值,以次数为X轴,以储能最大容量值为Y中建立直角坐标系,通过描点的方式绘制储能最大容量值曲线,从储能最大容量值曲线中获取到储能电池的衰减特征值,以此获取到时间阈值内储能电池的预测储能最大容量值,将储能电池标记为i,i为大于零的自然数,进而获取到时间阈值内各个储能电池的预测储能最大容量值,并将其标记为YNi,需要说明的是,预测储能最大容量值YNi是一个反映储能电池性能的影响参数;
将时间阈值划分为k个子时间节点,k为大于零的自然数,获取到各个子时间节点内各个储能电池的环境干扰值,环境干扰值表示各个储能电池所处环境的环境湿度超出预设环境湿度阈值的部分与环境温度经数据归一化处理后得到的积值,构建各个储能电池的环境干扰值的集合A,获取到各个储能电池的环境干扰值的集合A的均值,将各个储能电池的环境干扰值的集合A的均值标记为平均环境干扰值,标号为PHi,需要说明的是,平均环境干扰值PHi的数值越大,则储能电池故障风险越大;
获取到各个子时间节点内各个储能电池的内温值,以此获取到时间阈值内各个储能电池的平均内温值,将平均内温值与预设平均内温值阈值进行比对分析,若平均内温值大于预设平均内温值阈值,则将平均内温值大于预设平均内温值阈值的部分标记为过温风险值,标号为GWi,过温风险值GWi是一个反映储能电池状态的影响参数;
根据公式得到储能安全评估系数,其中,a1、a2以及a3分别为预测储能最大容量值、平均环境干扰值以及过温风险值的预设权重因子系数,a1、a2以及a3均为大于零的正数,a4为预设容错因子系数,取值为1.282,Gi为储能安全评估系数,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,将储能安全评估系数Gi与其内部录入存储的预设储能安全评估系数阈值进行比对分析:
若储能安全评估系数Gi与预设储能安全评估系数阈值之间的比值小于一,则生成正常信号,将正常信号发送至反馈分析单元和放电分析单元;
若储能安全评估系数Gi与预设储能安全评估系数阈值之间的比值大于等于一,则生成异常信号,将异常信号发送至管理显示单元,管理显示单元在接收到异常信号后,立即将异常信号所对应的储能电机标记为红色,继而控制故障储能电池与太阳能电池的连接断开,使断开连接的太阳能电池与正常储能电池相连,保证了光伏发电储能系统的稳定性;
反馈分析单元在接收到正常信号后,立即对覆盖光伏发电区域进行用电需求趋势分析,判断区域内用电的浮动趋势,从而根据用电趋势能够将光伏储能进行调控,保证用电端用电的稳定性同时将光伏储能的投入成本进行控制,采集用电端的用电数据,用电数据包括用电总量和线损总值,并对用电数据进行用电趋势评估分析,具体的用电趋势评估分析过程如下:
采集历史一个月的时长,并将其标记为分析时长,将分析时长划分为o个子时间段,o为大于零的自然数,获取到各个子时间段内用电端的用电总量和线损总值,以此获取到各个子时间段内用电端的用电总量和线损总值的和值,将用电端的用电总量和线损总值的和值标记为电需求量,以时间为X轴,以电需求量为Y轴建立直角坐标系,通过描点的方式绘制电需求量曲线,从电需求量曲线中获取到上升段两个端点之间的差值,以此获取到所有上升段两个端点之间的差值的和值,并将其标记上升值,同时获取到下降段两个端点之间的差值,以此获取到所有下降段两个端点之间的差值的和值,并将其标记下降值,进而将上升值与下降值的和值标记为用电趋势值,根据分析得到的用电趋势值,获取到用电端的预测电需求量,同时获取到单个正常储能电池存储的电量值,并根据预测电需求量与单个正常储能电池存储的电量值,获取到正常储能电池预测放电数量;
获取到正常信号所对应的储能电池的总个数,将正常信号所对应的储能电池的总个数标记为可用数量值,将正常储能电池预测放电数量标记为所需数量值,并将可用数量值与所需数量值进行比对分析:
若可用数量值与所需数量值之间的差值大于一,则生成管控信号,当生成管控信号后,并将管控信号发送至放电管理单元,放电管理单元在接收到管控信号后,获取用户端的实时总电需求量,根据实时总电需求量与正常储能电池存储的电量计算储能电池的放电数量,当实时总电需求量增大或减少时,计算储能电池的实时放电数量,根据实时放电数量与储能电池可用数量值的差值控制对应储能电池的使用和关闭;
若可用数量值与所需数量值之间的差值小于等于一,则生成充能信号,将充能信号发送至管理显示单元,管理显示单元在接收到充能信号后,立即显示充能信号所对应的预警文字,以便提醒运管人员及时的做出应对处理,提高系统的运管预警效果。
实施例2:
放电分析单元在接收到正常信号后,立即采集储能电池放电过程中的放大数据,放电数据包括放电速率和放电温度,并对放电数据进行运行监管评估分析,判断储能电池放电过程中是否正常,以便及时的进行放电管理,以提高对储能电池的放电管控精度,具体的运行监管评估分析过程如下:
获取到储能电池开始放电后一段时间的时长,并将其标记为放电时长,将放电时长划分为h个子时间节点,h为大于零的自然数,获取到各个子时间节点内储能电池的放电速率,以时间为X轴,以放电速率为Y轴建立直角坐标系,通过描点的方式绘制放电速率曲线,同时在该坐标系中绘制预设放电速率阈值曲线,获取到放电速率曲线位于预设放电速率阈值曲线上方线段与预设放电速率阈值所围成的面积,并将标记为风险面积,将风险面积与放电速率曲线与X轴所围成的面积之比标记为失控精度值,需要说明的是,失控精度值的数值越大,则对储能电池的控制精度越低;
获取到各个子时间节点内储能电池的放电温度,以此获取到子时间节点内放电温度的最大值和最小值,进而获取到子时间节点内放电温度的最大值和最小值之间的差值,将放电温度的最大值和最小值之间的差值标记为温变跨度值,需要说明的是,温变跨度值是一个反映储能电池放电过程放电状态的影响参数;
将失控精度值和温变跨度值与其内部录入存储的预设失控精度值阈值和预设温变跨度值阈值进行比对分析:
若失控精度值小于预设失控精度值阈值,且温变跨度值小于预设温变跨度值阈值,则不生成任何信号;
若失控精度值大于等于预设失控精度值阈值,或温变跨度值大于等于预设温变跨度值阈值,则生成反馈信号,将反馈信号发送至风险评估单元和管理显示单元,管理显示单元在接收到反馈信号后,立即执行反馈信号所对应的预警操作,进行及时的对反馈信号所对应的储能电池进行维护管理,以提高储能电池的放电安全性;
风险评估单元在接收到反馈信号后,立即对反馈信号所对应的储能电池进行进一步安全评估分析,以便精准、针对性地对储能电池进行合理化地管理和更换,以提高储能电池的管理效果和使用安全性,具体的进一步安全评估分析过程如下:
获取到反馈信号所对应的储能电池的失控精度值和温变跨度值,并将反馈信号所对应的储能电池的失控精度值和温变跨度值分别标号为SKg和WBg,同时获取到生成反馈信号时刻到预警开始时刻之间的时长,并将其标记为反馈时长FKg,其中,g值的是反馈信号所对应的储能电池的个数,g为大于零的自然数,需要说明的是,储能电池到显示面板之间的传输距离不同,所需反馈时长不同;
根据公式得到各个反馈信号所对应的储能电池的安全影响评估系数,其中,f1、f2以及f3分别为失控精度值、温变跨度值以及反馈时长的预设比例因子系数,f4为预设修正因子系数,f1、f2、f3以及f4均为大于零的正数,Jg为各个反馈信号所对应的储能电池的安全影响评估系数,并将安全影响评估系数Jg与其内部录入存储的预设安全影响评估系数阈值进行比对分析:
若安全影响评估系数Jg小于预设安全影响评估系数阈值,则生成维护信号;
若安全影响评估系数Jg大于等于预设安全影响评估系数阈值,则生成更换信号,将维护信号和更换信号经放电分析单元发送至管理显示单元,管理显示单元在接收到维护信号和更换信号后,分别显示维护信号和更换信号所对应的预警文字,以便运管人员根据反馈信息进行合理、有针对性的维护管理,以提高储能电池的放电安全性;
综上所述,本发明通过从放电前和放电中两个角度进行分析,即通过采集放电前储能电池的状态数据,并进行安全评估反馈分析,以判断储能电池是否正常,以便及时断开连接,使断开连接的太阳能电池与正常储能电池相连,保证了光伏发电储能系统的稳定性,同时对故障储能电池进行维修管理,而通过采集放电中储能电池的放大数据,并进行运行监管评估分析,判断储能电池放电过程中是否正常,以便及时的进行放电管理,以提高对储能电池的放电控制精度,且深入式对异常放电的储能电池进行进一步安全评估分析,以便精准、有针对性的对储能电池进行合理化的管理和更换,以提高储能电池的管理效果和使用安全性,进行更加反馈信息进行合理、有针对性的维护管理;对覆盖光伏发电区域进行用电需求趋势分析,判断区域内用电的浮动趋势,从而根据用电趋势能够将光伏储能进行调控,保证用电端用电的稳定性同时将光伏储能的投入成本进行控制,即采集用电端的用电数据,并进行用电趋势评估分析,得到用电端的所需数量值和可用数量值,并以此判断可用数量值是否满足使用,若满足,计算储能电池的实时放电数量,根据实时放电数量与储能电池可用数量值的差值控制对应储能电池的使用和关闭,以便实现储能电池使用合理管控,若未满足,则预警处理。
比例因子系数用于修正各项参数在公式计算过程中出现的偏差,从而使得计算结果更加准确;
阈值的大小的设定是为了便于比较,关于阈值的大小,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设定基数数量;只要不影响参数与量化后数值的比例关系即可。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置,以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于人工智能的光伏发电智能储能控制系统,其特征在于,包括管控平台、储能分析单元、反馈分析单元、放电分析单元、管理显示单元、放电管理单元以及风险评估单元;
管控平台生成监管指令时,并将监管指令发送至储能分析单元和反馈分析单元,储能分析单元在接收到监管指令后,立即采集储能电池的状态数据,状态数据包括储能最大容量值、环境干扰值以及内温值,并对状态数据进行安全评估反馈分析和公式化比对分析,将得到的正常信号发送至反馈分析单元和放电分析单元,将得到的异常信号发送至管理显示单元;
反馈分析单元在接收到正常信号后,采集用电端的用电数据,用电数据包括用电总量和线损总值,并对用电数据进行用电趋势评估分析,将得到的管控信号发送至放电管理单元,将得到的充能信号发送至管理显示单元;
放电分析单元在接收到正常信号后,立即采集储能电池放电过程中的放大数据,放电数据包括放电速率和放电温度,并对放电数据进行运行监管评估分析,将得到的反馈信号发送至风险评估单元和管理显示单元;
风险评估单元在接收到反馈信号后,立即对反馈信号所对应的储能电池进行进一步安全评估分析,将得到的维护信号和更换信号经放电分析单元发送至管理显示单元。
2.根据权利要求1所述的一种基于人工智能的光伏发电智能储能控制系统,其特征在于,所述储能分析单元的安全评估反馈分析过程如下:
第一步:获取到当前储能时一段时间的时长,并将其标记为时间阈值,同时获取到储能电池历史完成储能的储能次数,将储能次数标记为g,g为大于一的自然数,获取到每次储能电池的储能最大容量值,以次数为X轴,以储能最大容量值为Y中建立直角坐标系,通过描点的方式绘制储能最大容量值曲线,从储能最大容量值曲线中获取到储能电池的衰减特征值,以此获取到时间阈值内储能电池的预测储能最大容量值,将储能电池标记为i,i为大于零的自然数,进而获取到时间阈值内各个储能电池的预测储能最大容量值YNi;
第二步:将时间阈值划分为k个子时间节点,k为大于零的自然数,获取到各个子时间节点内各个储能电池的环境干扰值,环境干扰值表示各个储能电池所处环境的环境湿度超出预设环境湿度阈值的部分与环境温度经数据归一化处理后得到的积值,构建各个储能电池的环境干扰值的集合A,获取到各个储能电池的环境干扰值的集合A的均值,将各个储能电池的环境干扰值的集合A的均值标记为平均环境干扰值PHi;
第三步:获取到各个子时间节点内各个储能电池的内温值,以此获取到时间阈值内各个储能电池的平均内温值,将平均内温值与预设平均内温值阈值进行比对分析,若平均内温值大于预设平均内温值阈值,则将平均内温值大于预设平均内温值阈值的部分标记为过温风险值GWi。
3.根据权利要求2所述的一种基于人工智能的光伏发电智能储能控制系统,其特征在于,所述储能分析单元的公式化比对分析过程如下:
根据公式得到储能安全评估系数,其中,a1、a2以及a3分别为预测储能最大容量值、平均环境干扰值以及过温风险值的预设权重因子系数,a1、a2以及a3均为大于零的正数,a4为预设容错因子系数,取值为1.282,Gi为储能安全评估系数,将储能安全评估系数Gi与其内部录入存储的预设储能安全评估系数阈值进行比对分析:
若储能安全评估系数Gi与预设储能安全评估系数阈值之间的比值小于一,则生成正常信号;
若储能安全评估系数Gi与预设储能安全评估系数阈值之间的比值大于等于一,则生成异常信号。
4.根据权利要求1所述的一种基于人工智能的光伏发电智能储能控制系统,其特征在于,所述反馈分析单元的用电趋势评估分析过程如下:
采集历史一个月的时长,并将其标记为分析时长,将分析时长划分为o个子时间段,o为大于零的自然数,获取到各个子时间段内用电端的用电总量和线损总值,以此获取到各个子时间段内用电端的用电总量和线损总值的和值,将用电端的用电总量和线损总值的和值标记为电需求量,以时间为X轴,以电需求量为Y轴建立直角坐标系,通过描点的方式绘制电需求量曲线,从电需求量曲线中获取到上升段两个端点之间的差值,以此获取到所有上升段两个端点之间的差值的和值,并将其标记上升值,同时获取到下降段两个端点之间的差值,以此获取到所有下降段两个端点之间的差值的和值,并将其标记下降值,进而将上升值与下降值的和值标记为用电趋势值,根据分析得到的用电趋势值,获取到用电端的预测电需求量,同时获取到单个正常储能电池存储的电量值,并根据预测电需求量与单个正常储能电池存储的电量值,获取到正常储能电池预测放电数量;
获取到正常信号所对应的储能电池的总个数,将正常信号所对应的储能电池的总个数标记为可用数量值,将正常储能电池预测放电数量标记为所需数量值,并将可用数量值与所需数量值进行比对分析:
若可用数量值与所需数量值之间的差值大于一,则生成管控信号;
若可用数量值与所需数量值之间的差值小于等于一,则生成充能信号。
5.根据权利要求1所述的一种基于人工智能的光伏发电智能储能控制系统,其特征在于,所述放电分析单元的运行监管评估分析过程如下:
SS1:获取到储能电池开始放电后一段时间的时长,并将其标记为放电时长,将放电时长划分为h个子时间节点,h为大于零的自然数,获取到各个子时间节点内储能电池的放电速率,以时间为X轴,以放电速率为Y轴建立直角坐标系,通过描点的方式绘制放电速率曲线,同时在该坐标系中绘制预设放电速率阈值曲线,获取到放电速率曲线位于预设放电速率阈值曲线上方线段与预设放电速率阈值所围成的面积,并将标记为风险面积,将风险面积与放电速率曲线与X轴所围成的面积之比标记为失控精度值;
SS12:获取到各个子时间节点内储能电池的放电温度,以此获取到子时间节点内放电温度的最大值和最小值,进而获取到子时间节点内放电温度的最大值和最小值之间的差值,将放电温度的最大值和最小值之间的差值标记为温变跨度值;
SS13:将失控精度值和温变跨度值与其内部录入存储的预设失控精度值阈值和预设温变跨度值阈值进行比对分析:
若失控精度值小于预设失控精度值阈值,且温变跨度值小于预设温变跨度值阈值,则不生成任何信号;
若失控精度值大于等于预设失控精度值阈值,或温变跨度值大于等于预设温变跨度值阈值,则生成反馈信号。
6.根据权利要求5所述的一种基于人工智能的光伏发电智能储能控制系统,其特征在于,所述风险评估单元的进一步安全评估分析过程如下:
步骤一:获取到反馈信号所对应的储能电池的失控精度值和温变跨度值,并将反馈信号所对应的储能电池的失控精度值和温变跨度值分别标号为SKg和WBg,同时获取到生成反馈信号时刻到预警开始时刻之间的时长,并将其标记为反馈时长FKg,其中,g值的是反馈信号所对应的储能电池的个数,g为大于零的自然数;
步骤二:根据公式得到各个反馈信号所对应的储能电池的安全影响评估系数Jg,并将安全影响评估系数Jg与其内部录入存储的预设安全影响评估系数阈值进行比对分析:
若安全影响评估系数Jg小于预设安全影响评估系数阈值,则生成维护信号;
若安全影响评估系数Jg大于等于预设安全影响评估系数阈值,则生成更换信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311019789.0A CN117013606A (zh) | 2023-08-14 | 2023-08-14 | 一种基于人工智能的光伏发电智能储能控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311019789.0A CN117013606A (zh) | 2023-08-14 | 2023-08-14 | 一种基于人工智能的光伏发电智能储能控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117013606A true CN117013606A (zh) | 2023-11-07 |
Family
ID=88563432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311019789.0A Pending CN117013606A (zh) | 2023-08-14 | 2023-08-14 | 一种基于人工智能的光伏发电智能储能控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117013606A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117198488A (zh) * | 2023-11-08 | 2023-12-08 | 天津中医药大学第一附属医院 | 一种基于物联网的针灸器械使用效率评估系统 |
CN117193675A (zh) * | 2023-11-08 | 2023-12-08 | 上海飞斯信息科技有限公司 | 基于分布式计算容量的固态储存器管理系统 |
CN117424262A (zh) * | 2023-12-18 | 2024-01-19 | 江苏创迪电气有限公司 | 一种自调控式的电网储能容量配置方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114977414A (zh) * | 2022-06-14 | 2022-08-30 | 中储绿能(山东)新能源有限公司 | 一种基于多簇并联储能的电池存储智能管理系统 |
CN115936868A (zh) * | 2022-11-16 | 2023-04-07 | 国网山东省电力公司电力科学研究院 | 基于数据分析的分布式光伏发电交易风险评估方法及系统 |
US20230207905A1 (en) * | 2021-06-11 | 2023-06-29 | Shanghai Makesens Energy Storage Technology Co., Ltd. | Method and apparatus for dynamic management and control of lithium battery energy storage system, and electronic device therewith |
CN116401585A (zh) * | 2023-04-19 | 2023-07-07 | 江苏果下科技有限公司 | 一种基于大数据的储能电池失效风险评估方法 |
CN116452042A (zh) * | 2023-04-04 | 2023-07-18 | 上海时觉物联网科技有限公司 | 一种光伏电站智能物联安全监管的方法及系统 |
-
2023
- 2023-08-14 CN CN202311019789.0A patent/CN117013606A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230207905A1 (en) * | 2021-06-11 | 2023-06-29 | Shanghai Makesens Energy Storage Technology Co., Ltd. | Method and apparatus for dynamic management and control of lithium battery energy storage system, and electronic device therewith |
CN114977414A (zh) * | 2022-06-14 | 2022-08-30 | 中储绿能(山东)新能源有限公司 | 一种基于多簇并联储能的电池存储智能管理系统 |
CN115936868A (zh) * | 2022-11-16 | 2023-04-07 | 国网山东省电力公司电力科学研究院 | 基于数据分析的分布式光伏发电交易风险评估方法及系统 |
CN116452042A (zh) * | 2023-04-04 | 2023-07-18 | 上海时觉物联网科技有限公司 | 一种光伏电站智能物联安全监管的方法及系统 |
CN116401585A (zh) * | 2023-04-19 | 2023-07-07 | 江苏果下科技有限公司 | 一种基于大数据的储能电池失效风险评估方法 |
Non-Patent Citations (1)
Title |
---|
李军徽;冯爽;崔新振;严干贵;高凯;李鸿博;: "风储联合发电系统中锂电池寿命评估", 电工电能新技术, no. 10, 15 October 2015 (2015-10-15) * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117198488A (zh) * | 2023-11-08 | 2023-12-08 | 天津中医药大学第一附属医院 | 一种基于物联网的针灸器械使用效率评估系统 |
CN117193675A (zh) * | 2023-11-08 | 2023-12-08 | 上海飞斯信息科技有限公司 | 基于分布式计算容量的固态储存器管理系统 |
CN117198488B (zh) * | 2023-11-08 | 2024-01-26 | 天津中医药大学第一附属医院 | 一种基于物联网的针灸器械使用效率评估系统 |
CN117193675B (zh) * | 2023-11-08 | 2024-02-02 | 上海飞斯信息科技有限公司 | 基于分布式计算容量的固态储存器管理系统 |
CN117424262A (zh) * | 2023-12-18 | 2024-01-19 | 江苏创迪电气有限公司 | 一种自调控式的电网储能容量配置方法 |
CN117424262B (zh) * | 2023-12-18 | 2024-02-27 | 江苏创迪电气有限公司 | 一种自调控式的电网储能容量配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117013606A (zh) | 一种基于人工智能的光伏发电智能储能控制系统 | |
CN110837058A (zh) | 基于大数据的电池组健康状态评估装置及评估方法 | |
CN116566050A (zh) | 一种基于人工智能的综合配电管理系统 | |
CN111245096B (zh) | 一种分布式光伏数据采集终端、系统及数据处理方法 | |
CN114801751B (zh) | 一种基于数据分析的汽车电池故障预测系统 | |
CN107370169B (zh) | 基于anfis短期负荷预测的大规模储能电站调峰控制器及方法 | |
US11804621B2 (en) | Parameter tuning method of energy storage system and the energy storage system | |
CN113746138A (zh) | 应用于风储电站的储能智慧能量管理系统 | |
CN116128241A (zh) | 一种智能供电系统 | |
CN111884585B (zh) | 一种光伏发电智能储能系统 | |
CN115526401A (zh) | 一种基于数字孪生的新型电力系统电源最优规划方法 | |
CN116683500A (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
CN111786417A (zh) | 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法 | |
CN110912200A (zh) | 一种梯级水电站优化调度系统、方法及安全电网系统 | |
CN112561254B (zh) | 一种用于储能电站的性能评价系统 | |
CN106936145B (zh) | 一种储能电站的寿命优化控制方法 | |
CN114819362A (zh) | 一种面向风光电力系统的电网电力负载平衡方法 | |
CN112598272A (zh) | 一种基于区块链技术的智能电网管理系统 | |
CN101071956A (zh) | 太阳能光伏系统中二次电池阵列的调控方法及其调控装置 | |
CN117498555A (zh) | 一种基于云边融合的储能电站智能运维系统 | |
CN117236638B (zh) | 基于多模态网络的运河微电网分布式能量管理系统 | |
CN116845985B (zh) | 一种基于数据分析的源网荷储协同调度系统 | |
CN117233644B (zh) | 一种变电站蓄电池组状态评估方法及系统 | |
CN113595151A (zh) | 一种基于大数据规划的风力发电协调配置系统 | |
CN117748509A (zh) | 基于液冷储能系统的可再生能源系统并网调度控制方法 |
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 |