CN117458572B - 用于储能柜bms的供电管理系统 - Google Patents
用于储能柜bms的供电管理系统 Download PDFInfo
- Publication number
- CN117458572B CN117458572B CN202311773406.9A CN202311773406A CN117458572B CN 117458572 B CN117458572 B CN 117458572B CN 202311773406 A CN202311773406 A CN 202311773406A CN 117458572 B CN117458572 B CN 117458572B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- bms
- storage cabinet
- power supply
- data
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 312
- 238000004458 analytical method Methods 0.000 claims abstract description 136
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 70
- 238000007405 data analysis Methods 0.000 claims abstract description 43
- 230000006870 function Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 28
- 238000013139 quantization Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000012423 maintenance Methods 0.000 claims description 21
- 108091026890 Coding region Proteins 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 230000010485 coping Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 206010068065 Burning mouth syndrome Diseases 0.000 claims 62
- 230000009286 beneficial effect Effects 0.000 description 12
- 230000002349 favourable effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012544 monitoring process Methods 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
- H02J3/28—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
-
- 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
- H02J7/0063—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with circuits adapted for supplying loads from the battery
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供用于储能柜BMS的供电管理系统,包括:储能柜BMS工作状态数据获取模块,用于基于数据采集设备采集获取储能柜BMS的工作状态数据;储能柜BMS工作状态数据分析模块,用于对工作状态数据进行量化分析,获得量化分析数据;并根据预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果;储能柜BMS供电管理实施模块,用于根据工作状态数据分析结果,结合储能柜BMS基准供电数据,利用供电管理自监督学习模型对储能柜BMS实施供电管理。本发明利用供电管理自监督学习模型对储能柜BMS实施供电管理,提高了储能柜BMS的供电智能化管理水平,有利于储能柜BMS的稳定运行和储能柜功能的有效发挥和利用。
Description
技术领域
本发明涉及储能供电管理技术领域,尤其涉及用于储能柜BMS的供电管理系统。
背景技术
BMS是电池管理系统的简称,随着电池储能系统的逐步推广应用,储能柜作为多个电池集中存放的场所,具有使用便捷、应用广泛、充放电控制灵活的特点;BMS电池管理系统的主要目的是保证电池系统的设计性能,并提供从安全性到耐久性和电源性能的功能。在安全性方面,即BMS管理系统可以保护电池单元或电池组免受损坏,防止安全事故。在耐久性方面,即电池以可靠和安全的方式工作区域内以延长电池的使用寿命。在电源方面,即电池的工作状态应为在情况下中维护,以满足储能系统的要求;电池管理系统是一个专门管理电池组中各个单体电池状态的一个系统,通过这个系统可以确定整个电池组的状态以及根据状态进行对应的控制调整和策略实施;
现有储能柜在使用过程中,BMS的工作状态数据可反映出BMS耗电情况,BMS的耗电又会影响到储能柜中的电池的性能发挥;同时,随着储能柜中电池的充放电循环的次数增加,正常的对BMS的供电难以保证电池的电压均衡,影响到BMS的管理效率;
申请号为202020528009.0的实用新型公开了适用于户用和商用储能柜的BMS交直流供电系统,其包含:自锁按钮、隔离变压器、继电器、第一整流桥、第二整流桥、双路开关电源及电池管理系统;其中自锁按钮、隔离变压器和第一整流桥组成交流供电回路,自锁按钮、继电 器和第二整流桥组成直流供电回路;交流供电回路和直流供电回路的输出均连接到双路开关电源的输入端,并通过双路开关电源转化成低压直流电给所述BMS供电;当电池管理系统检测到电池系统电压大于或等于预设保护值时,继电器控制端控制继电器吸合,当电池管理系统检测到电池系统电压小于预设保护值,继电器控制端控制继电器断开;这一申请文件仅通过电路对电池管理系统进行管理控制,仅通过比较电池系统电压与预设保护值的关系作为管理依据,管理控制的可靠性得不到保证。
因此,需要用于储能柜BMS的供电管理系统。
发明内容
本发明提供了用于储能柜BMS的供电管理系统,通过对储能柜BMS的工作状态数据的获取和分析,并根据工作状态数据分析结果,利用供电管理自监督学习模型对储能柜BMS实施供电管理,提高了储能柜BMS的供电智能化管理水平,有利于储能柜BMS的稳定运行和储能柜功能的有效发挥和利用。
本发明提供了用于储能柜BMS的供电管理系统,包括:
储能柜BMS工作状态数据获取模块,用于基于数据采集设备采集获取储能柜BMS的工作状态数据;
储能柜BMS工作状态数据分析模块,用于对工作状态数据进行量化分析,获得量化分析数据;并根据预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果;
储能柜BMS供电管理实施模块,用于根据工作状态数据分析结果,结合储能柜BMS基准供电数据,利用供电管理自监督学习模型对储能柜BMS实施供电管理。
进一步地,储能柜BMS工作状态数据获取模块包括数据采集设备设置单元和工作状态数据采集实施单元;
数据采集设备设置单元,用于根据储能柜BMS工作状态数据采集需求,结合储能柜BMS的功能实现项内容,设置数据采集设备;
工作状态数据采集实施单元,用于基于数据采集设备,按照预设的采集周期采集储能柜BMS工作状态数据。
进一步地,储能柜BMS工作状态数据分析模块包括量化分析单元和预测分析单元;
量化分析单元,用于基于预设的量化分析模板,对工作状态数据进行量化分析,获取量化分析数据;
预测分析单元,用于利用预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果。
进一步地,量化分析单元包括工作状态数据处理子单元和量化分析结果生成子单元;
工作状态数据处理子单元,用于对工作状态数据进行异常值的剔除,获得第一工作状态数据;并对第一工作状态数据进行区间缩放处理,获得值域在[0,1]之间的第二工作状态数据;
量化分析结果生成子单元,用于基于预设的量化分析模板,对第二工作状态数据进行分析,获得量化分析数据。
进一步地,量化分析结果生成子单元包括量化分析实施分子单元和量化分析数据生成分子单元;
量化分析实施分子单元,用于基于电池管理量化分析模板,分析储能柜BMS的电池均衡控制数据和充电管理数据,生成第一量化分析结果数据;基于储能控制量化分析模板,分析储能柜BMS的储能管理控制数据,生成第二量化分析结果数据;
量化分析数据生成分子单元,用于汇总第一量化分析结果数据和第二量化分析结果数据,生成量化分析数据。
进一步地,预测分析单元包括数据集划分生成单元和预测分析结果生成单元;
数据集划分生成单元,用于对量化分析数据进行划分,生成训练数据集和测试数据集;
预测分析结果生成单元,用于基于训练数据集对神经网络模型进行训练,生成预测分析模型;基于预测分析模型对测试数据集进行预测分析,获得工作状态数据分析结果;预测分析包括储能柜BMS耗电趋势预测分析和储能柜BMS工作异常预测分析。
进一步地,储能柜BMS供电管理实施模块包括储能柜BMS预测供电数据获取单元、储能柜BMS预测供电数据分析单元和供电应对实施单元;
储能柜BMS预测供电数据获取单元,用于基于预设的工作状态数据分析结果与储能柜BMS预测供电数据的匹配关系库,获取储能柜BMS预测供电数据;
储能柜BMS预测供电数据分析单元,用于利用供电管理自监督学习模型对储能柜BMS预测供电数据和预设的储能柜BMS基准供电数据进行编码分析,获得储能柜BMS预测供电数据编码序列和储能柜BMS基准供电数据编码序列;计算储能柜BMS预测供电数据编码序列和储能柜BMS基准供电数据编码序列在同一序列位置上的两个数据元素的余弦相似度,若余弦相似度小于预设的余弦相似度阈值,则将储能柜BMS预测供电数据编码序列的序列位置标记为待控制管理位置;获取待控制管理位置对应的储能柜BMS预测供电数据,作为待监测管理数据;
供电应对实施单元,用于对储能柜BMS的预测供电过程进行评估,根据评估结果,选择待监测管理数据对应的应对供电数据或储能柜BMS基准供电数据,用于储能柜BMS的供电管理。
进一步地,供电应对实施单元包括评估结果生成子单元和供电管理实施子单元;
评估结果生成子单元,用于根据预设的评估模型对储能柜BMS的预测供电过程中的工作状态数据进行评估,根据评估结果,获得储能柜BMS的实际供电过程中出现待监测管理数据的概率值;若概率值大于预设的概率阈值,则基于待监测管理数据,根据预设的待监测管理数据与应对供电数据的匹配关系库,获取应对供电数据;
供电管理实施子单元,用于根据应对供电数据或储能柜BMS基准供电数据,在预设的供电管理策略库中,调取相对应的供电管理策略,进行储能柜BMS的供电管理。
进一步地,还包括储能柜BMS工作效率预警处理模块,用于根据储能柜BMS的耗电数据和供电数据,结合储能柜BMS工作状态数据,对储能柜BMS工作效率进行预警提示并作维护处理;储能柜BMS工作效率预警处理模块包括工作效率分析单元和预警维护实施单元;
工作效率分析单元,用于获取预设周期内的储能柜BMS的耗电数据和供电数据,并根据耗电数据和供电数据,计算获得储能柜BMS的用电效率值,并根据用电效率值在预设坐标图上绘制用电效率值变化曲线,用电效率值变化曲线对应的横坐标为周期值,对应的纵坐标为用电效率值;根据储能柜BMS的实际供电过程中出现待监测管理数据的概率值,在预设坐标图上再绘制概率值变化曲线;概率值变化曲线对应的横坐标为周期值,对应的纵坐标为概率值;
预警维护实施单元,用于获取用电效率值变化曲线的下降段与概率值变化曲线的上升段的交点,获取交点对应的第一周期值,将第一周期值作为转折周期值,在转折周期值之后对储能柜BMS工作效率进行下降预警提示;若用电效率值小于预设的用电效率阈值并且概率值大于预设的第一概率阈值;则对储能柜BMS按照预设的维护策略进行维护处理。
进一步地,还包括供电调度模块,用于对若干个储能柜BMS的供电进行调度;供电调度模块包括储能柜供电需求获取单元、供电调度分析单元和供电调度实施单元;
储能柜供电需求获取单元,用于根据储能柜BMS的历史供电数据和储能柜BMS工作状态数据,利用人工智能技术预测获得若干个储能柜的未来预设周期的用电需求量;
供电分析实施单元,用于根据用电需求量,结合储能柜的重要性等级和储能柜BMS的性能评估等级,对储能柜的供电需求的调度保障优先级进行聚类分析,获得若干个具有不同等级的调度保障优先级的集群;并结合储能柜BMS的实际供电过程中出现待监测管理数据的概率值,基于预设的概率值与需要调度保证的需求程度值的匹配对应关系库,获取集群中的储能柜需要进行调度保证的需求程度值;
供电调度实施单元,用于基于供电调度管理平台,根据集群的调度保障优先级,以及需求程度值,利用人工智能算法获取调度路径后,按照调度路径对集群,以及集群中的储能柜BMS进行供电调度。
本发明与现有技术相比,具有如下的优点和有益效果:通过对储能柜BMS的工作状态数据的获取和分析,并根据工作状态数据分析结果,利用供电管理自监督学习模型对储能柜BMS实施供电管理,提高了储能柜BMS的供电智能化管理水平,有利于储能柜BMS的稳定运行和储能柜功能的有效发挥和利用。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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为本发明的用于储能柜BMS的供电管理系统结构示意图;
图2为本发明的用于储能柜BMS的供电管理系统储能柜BMS工作状态数据获取模块结构示意图;
图3为本发明的用于储能柜BMS的供电管理系统储能柜BMS工作状态数据分析模块结构示意图。
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。
本发明提供了用于储能柜BMS的供电管理系统,如图1所示,包括:
储能柜BMS工作状态数据获取模块,用于基于数据采集设备采集获取储能柜BMS的工作状态数据;
储能柜BMS工作状态数据分析模块,用于对工作状态数据进行量化分析,获得量化分析数据;并根据预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果;
储能柜BMS供电管理实施模块,用于根据工作状态数据分析结果,结合储能柜BMS基准供电数据,利用供电管理自监督学习模型对储能柜BMS实施供电管理。
上述技术方案的工作原理为:储能柜BMS工作状态数据获取模块,用于基于数据采集设备采集获取储能柜BMS的工作状态数据;
储能柜BMS工作状态数据分析模块,用于对工作状态数据进行量化分析,获得量化分析数据;并根据预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果;
储能柜BMS供电管理实施模块,用于根据工作状态数据分析结果,结合储能柜BMS基准供电数据,利用供电管理自监督学习模型对储能柜BMS实施供电管理。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对储能柜BMS的工作状态数据的获取和分析,并根据工作状态数据分析结果,利用供电管理自监督学习模型对储能柜BMS实施供电管理,提高了储能柜BMS的供电智能化管理水平,有利于储能柜BMS的稳定运行和储能柜功能的有效发挥和利用。
在一个实施例中,如图2所示,储能柜BMS工作状态数据获取模块包括数据采集设备设置单元和工作状态数据采集实施单元;
数据采集设备设置单元,用于根据储能柜BMS工作状态数据采集需求,结合储能柜BMS的功能实现项内容,设置数据采集设备;
工作状态数据采集实施单元,用于基于数据采集设备,按照预设的采集周期采集储能柜BMS工作状态数据。
上述技术方案的工作原理为:储能柜BMS工作状态数据获取模块包括数据采集设备设置单元和工作状态数据采集实施单元;
数据采集设备设置单元,用于根据储能柜BMS工作状态数据采集需求,结合储能柜BMS的功能实现项内容,设置数据采集设备;
工作状态数据采集实施单元,用于基于数据采集设备,按照预设的采集周期采集储能柜BMS工作状态数据。
上述技术方案的有益效果为:采用本实施例提供的方案,通过采集获取储能柜BMS工作状态数据,为后续的分析提供基础。
在一个实施例中,如图3所示,储能柜BMS工作状态数据分析模块包括量化分析单元和预测分析单元;
量化分析单元,用于基于预设的量化分析模板,对工作状态数据进行量化分析,获取量化分析数据;
预测分析单元,用于利用预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果。
上述技术方案的工作原理为:储能柜BMS工作状态数据分析模块包括量化分析单元和预测分析单元;
量化分析单元,用于基于预设的量化分析模板,对工作状态数据进行量化分析,获取量化分析数据;
预测分析单元,用于利用预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对储能柜BMS工作状态数据进行量化分析和预测分析,可获得准确的工作状态数据分析结果。
在一个实施例中,量化分析单元包括工作状态数据处理子单元和量化分析结果生成子单元;
工作状态数据处理子单元,用于对工作状态数据进行异常值的剔除,获得第一工作状态数据;并对第一工作状态数据进行区间缩放处理,获得值域在[0,1]之间的第二工作状态数据;
量化分析结果生成子单元,用于基于预设的量化分析模板,对第二工作状态数据进行分析,获得量化分析数据。
上述技术方案的工作原理为:量化分析单元包括工作状态数据处理子单元和量化分析结果生成子单元;
工作状态数据处理子单元,用于对工作状态数据进行异常值的剔除,获得第一工作状态数据;并对第一工作状态数据进行区间缩放处理,获得值域在[0,1]之间的第二工作状态数据;
量化分析结果生成子单元,用于基于预设的量化分析模板,对第二工作状态数据进行分析,获得量化分析数据。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对工作状态数据的缩放处理以及量化分析,可保证获得准确的量化分析数据。
在一个实施例中,量化分析结果生成子单元包括量化分析实施分子单元和量化分析数据生成分子单元;
量化分析实施分子单元,用于基于电池管理量化分析模板,分析储能柜BMS的电池均衡控制数据和充电管理数据,生成第一量化分析结果数据;基于储能控制量化分析模板,分析储能柜BMS的储能管理控制数据,生成第二量化分析结果数据;
量化分析数据生成分子单元,用于汇总第一量化分析结果数据和第二量化分析结果数据,生成量化分析数据。
上述技术方案的工作原理为:量化分析结果生成子单元包括量化分析实施分子单元和量化分析数据生成分子单元;
量化分析实施分子单元,用于基于电池管理量化分析模板,分析储能柜BMS的电池均衡控制数据和充电管理数据,生成第一量化分析结果数据;基于储能控制量化分析模板,分析储能柜BMS的储能管理控制数据,生成第二量化分析结果数据;
量化分析数据生成分子单元,用于汇总第一量化分析结果数据和第二量化分析结果数据,生成量化分析数据。
上述技术方案的有益效果为:采用本实施例提供的方案,通过进行量化分析,可为后续的数据进一步处理提供基础。
在一个实施例中,预测分析单元包括数据集划分生成单元和预测分析结果生成单元;
数据集划分生成单元,用于对量化分析数据进行划分,生成训练数据集和测试数据集;
预测分析结果生成单元,用于基于训练数据集对神经网络模型进行训练,生成预测分析模型;基于预测分析模型对测试数据集进行预测分析,获得工作状态数据分析结果;预测分析包括储能柜BMS耗电趋势预测分析和储能柜BMS工作异常预测分析。
上述技术方案的工作原理为:预测分析单元包括数据集划分生成单元和预测分析结果生成单元;
数据集划分生成单元,用于对量化分析数据进行划分,生成训练数据集和测试数据集;
预测分析结果生成单元,用于基于训练数据集对神经网络模型进行训练,生成预测分析模型;基于预测分析模型对测试数据集进行预测分析,获得工作状态数据分析结果;预测分析包括储能柜BMS耗电趋势预测分析和储能柜BMS工作异常预测分析。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对量化分析数据进行预测分析,可提高工作状态数据分析结果的准确性。
在一个实施例中,储能柜BMS供电管理实施模块包括储能柜BMS预测供电数据获取单元、储能柜BMS预测供电数据分析单元和供电应对实施单元;
储能柜BMS预测供电数据获取单元,用于基于预设的工作状态数据分析结果与储能柜BMS预测供电数据的匹配关系库,获取储能柜BMS预测供电数据;
储能柜BMS预测供电数据分析单元,用于利用供电管理自监督学习模型对储能柜BMS预测供电数据和预设的储能柜BMS基准供电数据进行编码分析,获得储能柜BMS预测供电数据编码序列和储能柜BMS基准供电数据编码序列;计算储能柜BMS预测供电数据编码序列和储能柜BMS基准供电数据编码序列在同一序列位置上的两个数据元素的余弦相似度,若余弦相似度小于预设的余弦相似度阈值,则将储能柜BMS预测供电数据编码序列的序列位置标记为待控制管理位置;获取待控制管理位置对应的储能柜BMS预测供电数据,作为待监测管理数据;
供电应对实施单元,用于对储能柜BMS的预测供电过程进行评估,根据评估结果,选择待监测管理数据对应的应对供电数据或储能柜BMS基准供电数据,用于储能柜BMS的供电管理。
上述技术方案的工作原理为:储能柜BMS供电管理实施模块包括储能柜BMS预测供电数据获取单元、储能柜BMS预测供电数据分析单元和供电应对实施单元;
储能柜BMS预测供电数据获取单元,用于基于预设的工作状态数据分析结果与储能柜BMS预测供电数据的匹配关系库,获取储能柜BMS预测供电数据;
储能柜BMS预测供电数据分析单元,用于利用供电管理自监督学习模型对储能柜BMS预测供电数据和预设的储能柜BMS基准供电数据进行编码分析,获得储能柜BMS预测供电数据编码序列和储能柜BMS基准供电数据编码序列;计算储能柜BMS预测供电数据编码序列和储能柜BMS基准供电数据编码序列在同一序列位置上的两个数据元素的余弦相似度,若余弦相似度小于预设的余弦相似度阈值,则将储能柜BMS预测供电数据编码序列的序列位置标记为待控制管理位置;获取待控制管理位置对应的储能柜BMS预测供电数据,作为待监测管理数据;
供电应对实施单元,用于对储能柜BMS的预测供电过程进行评估,根据评估结果,选择待监测管理数据对应的应对供电数据或储能柜BMS基准供电数据,用于储能柜BMS的供电管理。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对储能柜BMS预测供电数据的获取单元,对供电数据进行分析,并进行供电应对实施,提高了供电实施的智能化水平,有利于提高供电管理的质量。
在一个实施例中,供电应对实施单元包括评估结果生成子单元和供电管理实施子单元;
评估结果生成子单元,用于根据预设的评估模型对储能柜BMS的预测供电过程中的工作状态数据进行评估,根据评估结果,获得储能柜BMS的实际供电过程中出现待监测管理数据的概率值;若概率值大于预设的概率阈值,则基于待监测管理数据,根据预设的待监测管理数据与应对供电数据的匹配关系库,获取应对供电数据;
供电管理实施子单元,用于根据应对供电数据或储能柜BMS基准供电数据,在预设的供电管理策略库中,调取相对应的供电管理策略,进行储能柜BMS的供电管理。
上述技术方案的工作原理为:供电应对实施单元包括评估结果生成子单元和供电管理实施子单元;
评估结果生成子单元,用于根据预设的评估模型对储能柜BMS的预测供电过程中的工作状态数据进行评估,根据评估结果,获得储能柜BMS的实际供电过程中出现待监测管理数据的概率值;若概率值大于预设的概率阈值,则基于待监测管理数据,根据预设的待监测管理数据与应对供电数据的匹配关系库,获取应对供电数据;
供电管理实施子单元,用于根据应对供电数据或储能柜BMS基准供电数据,在预设的供电管理策略库中,调取相对应的供电管理策略,进行储能柜BMS的供电管理。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对储能柜BMS的预测供电过程中的工作状态数据进行评估,并根据评估结果分析获得应对供电数据,并调用对应的供电管理策略,进行储能柜BMS的供电管理,可提高供电管理的针对性和有效性。
在一个实施例中,还包括储能柜BMS工作效率预警处理模块,用于根据储能柜BMS的耗电数据和供电数据,结合储能柜BMS工作状态数据,对储能柜BMS工作效率进行预警提示并作维护处理;储能柜BMS工作效率预警处理模块包括工作效率分析单元和预警维护实施单元;
工作效率分析单元,用于获取预设周期内的储能柜BMS的耗电数据和供电数据,并根据耗电数据和供电数据,计算获得储能柜BMS的用电效率值,并根据用电效率值在预设坐标图上绘制用电效率值变化曲线,用电效率值变化曲线对应的横坐标为周期值,对应的纵坐标为用电效率值;根据储能柜BMS的实际供电过程中出现待监测管理数据的概率值,在预设坐标图上再绘制概率值变化曲线;概率值变化曲线对应的横坐标为周期值,对应的纵坐标为概率值;
预警维护实施单元,用于获取用电效率值变化曲线的下降段与概率值变化曲线的上升段的交点,获取交点对应的第一周期值,将第一周期值作为转折周期值,在转折周期值之后对储能柜BMS工作效率进行下降预警提示;若用电效率值小于预设的用电效率阈值并且概率值大于预设的第一概率阈值;则对储能柜BMS按照预设的维护策略进行维护处理。
上述技术方案的工作原理为:还包括储能柜BMS工作效率预警处理模块,用于根据储能柜BMS的耗电数据和供电数据,结合储能柜BMS工作状态数据,对储能柜BMS工作效率进行预警提示并作维护处理;储能柜BMS工作效率预警处理模块包括工作效率分析单元和预警维护实施单元;
工作效率分析单元,用于获取预设周期内的储能柜BMS的耗电数据和供电数据,并根据耗电数据和供电数据,计算获得储能柜BMS的用电效率值,并根据用电效率值在预设坐标图上绘制用电效率值变化曲线,用电效率值变化曲线对应的横坐标为周期值,对应的纵坐标为用电效率值;根据储能柜BMS的实际供电过程中出现待监测管理数据的概率值,在预设坐标图上再绘制概率值变化曲线;概率值变化曲线对应的横坐标为周期值,对应的纵坐标为概率值;
预警维护实施单元,用于获取用电效率值变化曲线的下降段与概率值变化曲线的上升段的交点,获取交点对应的第一周期值,将第一周期值作为转折周期值,在转折周期值之后对储能柜BMS工作效率进行下降预警提示;若用电效率值小于预设的用电效率阈值并且概率值大于预设的第一概率阈值;则对储能柜BMS按照预设的维护策略进行维护处理。
上述技术方案的有益效果为:采用本实施例提供的方案,通过根据储能柜BMS的耗电数据和供电数据,结合储能柜BMS工作状态数据,对储能柜BMS工作效率进行预警提示并作维护处理,可对储能柜BMS工作效率进行智能监测,保证储能柜BMS的工作性能的发挥。
在一个实施例中,还包括供电调度模块,用于对若干个储能柜BMS的供电进行调度;供电调度模块包括储能柜供电需求获取单元、供电调度分析单元和供电调度实施单元;
储能柜供电需求获取单元,用于根据储能柜BMS的历史供电数据和储能柜BMS工作状态数据,利用人工智能技术预测获得若干个储能柜的未来预设周期的用电需求量;
供电分析实施单元,用于根据用电需求量,结合储能柜的重要性等级和储能柜BMS的性能评估等级,对储能柜的供电需求的调度保障优先级进行聚类分析,获得若干个具有不同等级的调度保障优先级的集群;并结合储能柜BMS的实际供电过程中出现待监测管理数据的概率值,基于预设的概率值与需要调度保证的需求程度值的匹配对应关系库,获取集群中的储能柜需要进行调度保证的需求程度值;
供电调度实施单元,用于基于供电调度管理平台,根据集群的调度保障优先级,以及需求程度值,利用人工智能算法获取调度路径后,按照调度路径对集群,以及集群中的储能柜BMS进行供电调度。
上述技术方案的工作原理为:还包括供电调度模块,用于对若干个储能柜BMS的供电进行调度;供电调度模块包括储能柜供电需求获取单元、供电调度分析单元和供电调度实施单元;
储能柜供电需求获取单元,用于根据储能柜BMS的历史供电数据和储能柜BMS工作状态数据,利用人工智能技术预测获得若干个储能柜的未来预设周期的用电需求量;
供电分析实施单元,用于根据用电需求量,结合储能柜的重要性等级和储能柜BMS的性能评估等级,对储能柜的供电需求的调度保障优先级进行聚类分析,获得若干个具有不同等级的调度保障优先级的集群;并结合储能柜BMS的实际供电过程中出现待监测管理数据的概率值,基于预设的概率值与需要调度保证的需求程度值的匹配对应关系库,获取集群中的储能柜需要进行调度保证的需求程度值;
供电调度实施单元,用于基于供电调度管理平台,根据集群的调度保障优先级,以及需求程度值,利用人工智能算法获取调度路径后,按照调度路径对集群,以及集群中的储能柜BMS进行供电调度。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对若干个储能柜BMS的供电进行调度,可保证储能柜BMS的供电质量,有利于实现储能柜的性能的高效发挥,以及储能柜BMS的运行稳定。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.用于储能柜BMS的供电管理系统,其特征在于,包括:
储能柜BMS工作状态数据获取模块,用于基于数据采集设备采集获取储能柜BMS的工作状态数据;
储能柜BMS工作状态数据分析模块,用于对工作状态数据进行量化分析,获得量化分析数据;并根据预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果;
储能柜BMS供电管理实施模块,用于根据工作状态数据分析结果,结合储能柜BMS基准供电数据,利用供电管理自监督学习模型对储能柜BMS实施供电管理;
储能柜BMS供电管理实施模块包括储能柜BMS预测供电数据获取单元、储能柜BMS预测供电数据分析单元和供电应对实施单元;
储能柜BMS预测供电数据获取单元,用于基于预设的工作状态数据分析结果与储能柜BMS预测供电数据的匹配关系库,获取储能柜BMS预测供电数据;
储能柜BMS预测供电数据分析单元,用于利用供电管理自监督学习模型对储能柜BMS预测供电数据和预设的储能柜BMS基准供电数据进行编码分析,获得储能柜BMS预测供电数据编码序列和储能柜BMS基准供电数据编码序列;计算储能柜BMS预测供电数据编码序列和储能柜BMS基准供电数据编码序列在同一序列位置上的两个数据元素的余弦相似度,若余弦相似度小于预设的余弦相似度阈值,则将储能柜BMS预测供电数据编码序列的序列位置标记为待控制管理位置;获取待控制管理位置对应的储能柜BMS预测供电数据,作为待监测管理数据;
供电应对实施单元,用于对储能柜BMS的预测供电过程进行评估,根据评估结果,选择待监测管理数据对应的应对供电数据或储能柜BMS基准供电数据,用于储能柜BMS的供电管理;
供电应对实施单元包括评估结果生成子单元和供电管理实施子单元;
评估结果生成子单元,用于根据预设的评估模型对储能柜BMS的预测供电过程中的工作状态数据进行评估,根据评估结果,获得储能柜BMS的实际供电过程中出现待监测管理数据的概率值;若概率值大于预设的概率阈值,则基于待监测管理数据,根据预设的待监测管理数据与应对供电数据的匹配关系库,获取应对供电数据;
供电管理实施子单元,用于根据应对供电数据或储能柜BMS基准供电数据,在预设的供电管理策略库中,调取相对应的供电管理策略,进行储能柜BMS的供电管理。
2.根据权利要求1所述的用于储能柜BMS的供电管理系统,其特征在于,储能柜BMS工作状态数据获取模块包括数据采集设备设置单元和工作状态数据采集实施单元;
数据采集设备设置单元,用于根据储能柜BMS工作状态数据采集需求,结合储能柜BMS的功能实现项内容,设置数据采集设备;
工作状态数据采集实施单元,用于基于数据采集设备,按照预设的采集周期采集储能柜BMS工作状态数据。
3.根据权利要求1所述的用于储能柜BMS的供电管理系统,其特征在于,储能柜BMS工作状态数据分析模块包括量化分析单元和预测分析单元;
量化分析单元,用于基于预设的量化分析模板,对工作状态数据进行量化分析,获取量化分析数据;
预测分析单元,用于利用预测分析模型对量化分析数据进行预测分析,获得工作状态数据分析结果。
4.根据权利要求3所述的用于储能柜BMS的供电管理系统,其特征在于,量化分析单元包括工作状态数据处理子单元和量化分析结果生成子单元;
工作状态数据处理子单元,用于对工作状态数据进行异常值的剔除,获得第一工作状态数据;并对第一工作状态数据进行区间缩放处理,获得值域在[0,1]之间的第二工作状态数据;
量化分析结果生成子单元,用于基于预设的量化分析模板,对第二工作状态数据进行分析,获得量化分析数据。
5.根据权利要求4所述的用于储能柜BMS的供电管理系统,其特征在于,量化分析结果生成子单元包括量化分析实施分子单元和量化分析数据生成分子单元;
量化分析实施分子单元,用于基于电池管理量化分析模板,分析储能柜BMS的电池均衡控制数据和充电管理数据,生成第一量化分析结果数据;基于储能控制量化分析模板,分析储能柜BMS的储能管理控制数据,生成第二量化分析结果数据;
量化分析数据生成分子单元,用于汇总第一量化分析结果数据和第二量化分析结果数据,生成量化分析数据。
6.根据权利要求3所述的用于储能柜BMS的供电管理系统,其特征在于,预测分析单元包括数据集划分生成单元和预测分析结果生成单元;
数据集划分生成单元,用于对量化分析数据进行划分,生成训练数据集和测试数据集;
预测分析结果生成单元,用于基于训练数据集对神经网络模型进行训练,生成预测分析模型;基于预测分析模型对测试数据集进行预测分析,获得工作状态数据分析结果;预测分析包括储能柜BMS耗电趋势预测分析和储能柜BMS工作异常预测分析。
7.根据权利要求1所述的用于储能柜BMS的供电管理系统,其特征在于,还包括储能柜BMS工作效率预警处理模块,用于根据储能柜BMS的耗电数据和供电数据,结合储能柜BMS工作状态数据,对储能柜BMS工作效率进行预警提示并作维护处理;储能柜BMS工作效率预警处理模块包括工作效率分析单元和预警维护实施单元;
工作效率分析单元,用于获取预设周期内的储能柜BMS的耗电数据和供电数据,并根据耗电数据和供电数据,计算获得储能柜BMS的用电效率值,并根据用电效率值在预设坐标图上绘制用电效率值变化曲线,用电效率值变化曲线对应的横坐标为周期值,对应的纵坐标为用电效率值;根据储能柜BMS的实际供电过程中出现待监测管理数据的概率值,在预设坐标图上再绘制概率值变化曲线;概率值变化曲线对应的横坐标为周期值,对应的纵坐标为概率值;
预警维护实施单元,用于获取用电效率值变化曲线的下降段与概率值变化曲线的上升段的交点,获取交点对应的第一周期值,将第一周期值作为转折周期值,在转折周期值之后对储能柜BMS工作效率进行下降预警提示;若用电效率值小于预设的用电效率阈值并且概率值大于预设的第一概率阈值;则对储能柜BMS按照预设的维护策略进行维护处理。
8.根据权利要求1所述的用于储能柜BMS的供电管理系统,其特征在于,还包括供电调度模块,用于对若干个储能柜BMS的供电进行调度;供电调度模块包括储能柜供电需求获取单元、供电调度分析单元和供电调度实施单元;
储能柜供电需求获取单元,用于根据储能柜BMS的历史供电数据和储能柜BMS工作状态数据,利用人工智能技术预测获得若干个储能柜的未来预设周期的用电需求量;
供电调度分析单元,用于根据用电需求量,结合储能柜的重要性等级和储能柜BMS的性能评估等级,对储能柜的供电需求的调度保障优先级进行聚类分析,获得若干个具有不同等级的调度保障优先级的集群;并结合储能柜BMS的实际供电过程中出现待监测管理数据的概率值,基于预设的概率值与需要调度保证的需求程度值的匹配对应关系库,获取集群中的储能柜需要进行调度保证的需求程度值;
供电调度实施单元,用于基于供电调度管理平台,根据集群的调度保障优先级,以及需求程度值,利用人工智能算法获取调度路径后,按照调度路径对集群,以及集群中的储能柜BMS进行供电调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311773406.9A CN117458572B (zh) | 2023-12-22 | 2023-12-22 | 用于储能柜bms的供电管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311773406.9A CN117458572B (zh) | 2023-12-22 | 2023-12-22 | 用于储能柜bms的供电管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117458572A CN117458572A (zh) | 2024-01-26 |
CN117458572B true CN117458572B (zh) | 2024-03-15 |
Family
ID=89583988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311773406.9A Active CN117458572B (zh) | 2023-12-22 | 2023-12-22 | 用于储能柜bms的供电管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117458572B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200068056A (ko) * | 2018-11-26 | 2020-06-15 | 한국과학기술원 | 패턴 태깅 기술 기반 전력 데이터 예측 방법 및 시스템 |
CN112732443A (zh) * | 2021-01-12 | 2021-04-30 | 徐州普罗顿氢能储能产业研究院有限公司 | 一种基于边缘计算的储能电站状态评估与运行优化系统 |
CN116933999A (zh) * | 2023-06-01 | 2023-10-24 | 上海思格源智能科技有限公司 | 储能系统的控制方法和电池管理系统 |
CN117169751A (zh) * | 2023-08-29 | 2023-12-05 | 上海勘测设计研究院有限公司 | 基于机器学习的储能电站故障监测管理系统与方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9569804B2 (en) * | 2012-08-27 | 2017-02-14 | Gridium, Inc. | Systems and methods for energy consumption and energy demand management |
US11165270B2 (en) * | 2019-03-21 | 2021-11-02 | Microsoft Technology Licensing, Llc | Predictive management of battery operation |
CN114285058B (zh) * | 2021-12-28 | 2022-10-14 | 深圳库博能源科技有限公司 | 储能系统的参数整定方法和储能系统 |
-
2023
- 2023-12-22 CN CN202311773406.9A patent/CN117458572B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200068056A (ko) * | 2018-11-26 | 2020-06-15 | 한국과학기술원 | 패턴 태깅 기술 기반 전력 데이터 예측 방법 및 시스템 |
CN112732443A (zh) * | 2021-01-12 | 2021-04-30 | 徐州普罗顿氢能储能产业研究院有限公司 | 一种基于边缘计算的储能电站状态评估与运行优化系统 |
CN116933999A (zh) * | 2023-06-01 | 2023-10-24 | 上海思格源智能科技有限公司 | 储能系统的控制方法和电池管理系统 |
CN117169751A (zh) * | 2023-08-29 | 2023-12-05 | 上海勘测设计研究院有限公司 | 基于机器学习的储能电站故障监测管理系统与方法 |
Non-Patent Citations (1)
Title |
---|
基于云端数据的电池组温度及电压一致性关联分析;王丽梅 等;重庆理工大学学报(自然科学);20230930;第37卷(第9期);第13-22页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117458572A (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109713712A (zh) | 光储荷智能化管理一体机及光储荷智能化管理方法 | |
CN107942255B (zh) | 一种基于数据融合技术的变电站蓄电池组状态评估方法 | |
CN100459368C (zh) | 动力型电池组均衡放电控制方法及装置 | |
CN101624017A (zh) | 电动车电池续行状态管理系统 | |
CN108923470A (zh) | 多能源船舶能量管理方法和系统 | |
CN104167800B (zh) | 可扩展通信后备电源锂电池管理系统及方法 | |
CN116799844B (zh) | 一种移动式分布式储能系统 | |
CN114865668A (zh) | 一种储能调度支撑评估方法 | |
CN207677499U (zh) | 通讯基站后备能源系统 | |
Kusakaka et al. | Optimal energy management of a hybrid diesel generator and battery supplying a RTG crane with energy recovery capability | |
CN117498555A (zh) | 一种基于云边融合的储能电站智能运维系统 | |
CN117458572B (zh) | 用于储能柜bms的供电管理系统 | |
CN104467198A (zh) | 一种基于在线分布式的电能储能系统 | |
CN115940204B (zh) | 一种小区电力能源管理系统 | |
CN201359640Y (zh) | 智能供电地面测报机 | |
CN116885763A (zh) | 一种适用于分布式储能系统的能量管理装置及方法 | |
Moreno et al. | A fuzzy logic controller for stand alone PV systems | |
CN115000992B (zh) | 一种数据中心用绿色备用电源的调控系统 | |
CN116513899A (zh) | 电梯电源控制方法、系统、计算机设备和存储介质 | |
CN207677504U (zh) | 通讯基站移动能源调度系统 | |
CN201898362U (zh) | 锂电池充放电监控装置 | |
CN100358213C (zh) | 实时在线式不间断直流电源 | |
CN210927210U (zh) | 基于梯次动力蓄电池的应急电源系统 | |
CN204271759U (zh) | 一种基于在线分布式的电能储能装置 | |
CN202837508U (zh) | 一种蓄电池组充放电容量测试设备 |
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 |