CN117790985A - 一种全浸没式液冷储能系统及其控制方法 - Google Patents
一种全浸没式液冷储能系统及其控制方法 Download PDFInfo
- Publication number
- CN117790985A CN117790985A CN202410119674.7A CN202410119674A CN117790985A CN 117790985 A CN117790985 A CN 117790985A CN 202410119674 A CN202410119674 A CN 202410119674A CN 117790985 A CN117790985 A CN 117790985A
- Authority
- CN
- China
- Prior art keywords
- cooling liquid
- battery module
- temperature
- liquid
- current moment
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 67
- 238000004146 energy storage Methods 0.000 title claims abstract description 57
- 238000001816 cooling Methods 0.000 title claims abstract description 41
- 238000007654 immersion Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000000110 cooling liquid Substances 0.000 claims abstract description 126
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 230000001105 regulatory effect Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 16
- 230000001965 increasing effect Effects 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 10
- 230000017525 heat dissipation Effects 0.000 abstract description 4
- 239000002826 coolant Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000013021 overheating Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 239000012809 cooling fluid Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种全浸没式液冷储能系统及其控制方法,涉及液冷储能领域,该储能系统中,液体浸没槽为密闭槽,液体浸没槽内盛放冷却液体,电池模组完全浸没在冷却液体中;数据监测系统实时监测电池模组和冷却液体在当前时刻的参量值;参量值包括温度或压力;控制单元根据电池模组和冷却液体当前时刻的参量值以及冷却液体当前时刻的流速,采用参量预测模型预测电池模组和冷却液体在未来时刻的参量值;参量预测模型基于Transformer模型构建;若电池模组未来时刻的参量值超出设定范围,则调节冷却液体当前时刻的温度或冷却液体当前时刻的流速。本发明能提高电池模组的散热效果和能量密度,同时还能避免液体泄漏和电池热失控的风险。
Description
技术领域
本发明涉及液冷储能领域,特别是涉及一种全浸没式液冷储能系统及其控制方法。
背景技术
传统的液冷储能系统采用冷板式制冷,即采用冷却板对电池模组进行冷却,这种方式只有与冷却板接触的部分电池模组有冷却液制冷,属于部分液冷的方式,由于液体只接触电池模组的一部分,从而限制了储能系统的散热效果和能量密度的提高。同时,还存在液体泄漏和电池热失控的风险。
发明内容
基于此,本发明实施例提供一种全浸没式液冷储能系统及其控制方法,以提高储能系统的散热效果和能量密度,同时还避免了液体泄漏和电池热失控的风险。
为实现上述目的,本发明实施例提供了如下方案:
一种全浸没式液冷储能系统,包括:电池模组、液体浸没槽、冷却液体、数据监测系统和控制单元;
所述液体浸没槽为密闭槽;所述液体浸没槽用于盛放冷却液体并容纳所述电池模组,使所述电池模组完全浸没在所述冷却液体中;
所述数据监测系统用于实时监测电池模组当前时刻的参量值和冷却液体当前时刻的参量值;所述参量值包括:温度或压力;
所述控制单元用于:
根据电池模组当前时刻的参量值、冷却液体当前时刻的参量值和冷却液体当前时刻的流速,采用参量预测模型预测电池模组未来时刻的参量值和冷却液体未来时刻的参量值;所述参量预测模型是基于Transformer模型构建的;
若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,否则保持冷却液体当前时刻的温度和冷却液体当前时刻的流速。
可选地,在若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节方面,所述控制单元,具体用于:
若电池模组未来时刻的参量值大于设定范围的最大值且小于设定危险水平值,则增加冷却液体当前时刻的流速;所述设定危险水平值大于设定范围的最大值;
若电池模组未来时刻的参量值大于或等于设定危险水平值,则降低冷却液体当前时刻的温度;
若电池模组未来时刻的参量值小于设定范围的最小值,则增加冷却液体当前时刻的温度或减小冷却液体当前时刻的流速。
可选地,所述数据监测系统包括:温度传感器和压力传感器;所述温度传感器和所述压力传感器分布在所述液体浸没槽中。
可选地,所述参量预测模型是采用训练数据以均方误差或均方根误差最小为目标,对Transformer模型进行训练得到的。
可选地,所述Transformer模型包括:多个堆叠的Transformer块;所述Transformer块包括:依次连接的多头自注意力机制层和前馈神经网络。
本发明还提供了一种全浸没式液冷储能系统的控制方法,所述控制方法用于控制上述的全浸没式液冷储能系统;
所述控制方法包括:
获取电池模组当前时刻的参量值和冷却液体当前时刻的参量值;所述参量值包括:温度或压力;
根据电池模组当前时刻的参量值、冷却液体当前时刻的参量值和冷却液体当前时刻的流速,采用参量预测模型预测电池模组未来时刻的参量值和冷却液体未来时刻的参量值;所述参量预测模型是基于Transformer模型构建的;
若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,否则保持冷却液体当前时刻的温度和冷却液体当前时刻的流速。
可选地,若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,具体包括:
若电池模组未来时刻的参量值大于设定范围的最大值且小于设定危险水平值,则增加冷却液体当前时刻的流速;所述设定危险水平值大于设定范围的最大值;
若电池模组未来时刻的参量值大于或等于设定危险水平值,则降低冷却液体当前时刻的温度;
若电池模组未来时刻的参量值小于设定范围的最小值,则增加冷却液体当前时刻的温度或减小冷却液体当前时刻的流速。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明实施例中液体浸没槽为密闭槽,液体浸没槽内盛放冷却液体,电池模组完全浸没在冷却液体中,这种全浸没式设计能使得全部的电池模组接触冷却液体,并且在相同的体积下允许更多的电池模组装入,从而提高储能系统的散热效果和能量密度;同时密闭的液体浸没槽减少了液体泄漏和热失控的风险。
附图说明
为了更清楚地说明本发明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的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,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全浸没式液冷储能系统的结构图;
图2为本发明实施例提供的全浸没式液冷储能系统的温度控制原理图;
图3为本发明实施例提供的温控模型算法的示例实施过程图;
图4为本发明实施例提供的温度预测模型的训练过程图。
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描述。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参见图1,本实施例的全浸没式液冷储能系统,包括:电池模组、液体浸没槽、冷却液体、数据监测系统和控制单元。
所述液体浸没槽为密闭槽;所述液体浸没槽用于盛放冷却液体并容纳所述电池模组,使所述电池模组完全浸没在所述冷却液体中。该槽的形状和尺寸可以根据应用需求进行调整,以确保电池模组完全浸没在液体中。
所述数据监测系统用于实时监测电池模组当前时刻的参量值和冷却液体当前时刻的参量值;所述参量值包括:温度或压力。因此,数据监测系统也可称之为温度和压力监测系统,以实时监测液冷储能系统内部的温度和压力,以确保安全性。
所述控制单元用于:
根据电池模组当前时刻的参量值、冷却液体当前时刻的参量值和冷却液体当前时刻的流速,采用参量预测模型预测电池模组未来时刻的参量值和冷却液体未来时刻的参量值;所述参量预测模型是基于Transformer模型构建的;所述参量预测模型为温度预测模型或压力预测模型。
若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,否则保持冷却液体当前时刻的温度和冷却液体当前时刻的流速。
上述控制单元根据监测数据来控制液冷系统的运行,以维持适宜的工作温度和电池性能,控制单元基于温度和压力监测数据来调整冷却液体的流动速度和温度。
上述全浸没式液冷储能系统,用于储存和释放电能,特别是用于提高能量密度、降低热损耗以及增强储能设备的性能和安全性。
在一个示例中,在若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节方面,所述控制单元,具体用于:
若电池模组未来时刻的参量值大于设定范围的最大值且小于设定危险水平值,则增加冷却液体当前时刻的流速;所述设定危险水平值大于设定范围的最大值。
若电池模组未来时刻的参量值大于或等于设定危险水平值,则降低冷却液体当前时刻的温度。
若电池模组未来时刻的参量值小于设定范围的最小值,则增加冷却液体当前时刻的温度或减小冷却液体当前时刻的流速。
在一个示例中,所述数据监测系统包括:温度传感器和压力传感器;所述温度传感器和所述压力传感器分布在所述液体浸没槽内以及液体管道中,以便实时监控。
在一个示例中,所述电池模组为储存电能的单元,由多个电池单体组成。例如,电池模组可以由锂离子电池、钴酸锂电池等各种类型的电池单体构成。
所述冷却液体为高热传导性和绝缘性的液体,冷却液体填充液体浸没槽,以有效冷却电池模组。冷却液体可以是特殊的电子级冷却液,以确保电池的安全运行和高效冷却。
在一个示例中,所述参量预测模型是采用训练数据以均方误差或均方根误差最小为目标,对Transformer模型进行训练得到的。
所述Transformer模型包括:多个堆叠的Transformer块;所述Transformer块包括:依次连接的多头自注意力机制(Multi-Head Self-Attention)层和前馈神经网络(Feed-ForwardNeural Network)。
上述全浸没式液冷储能系统,在正常操作中,电池模组完全浸没在冷却液体中;数据监测系统实时监测液冷系统的状态;当电池模组温度升高或压力升高时,控制单元会自动调整冷却液体的流动速度和温度,以确保电池模组保持在安全范围内的温度。全浸没式液冷储能系统的冷却效率可以通过控制液体流动速度和温度来调整,以最大程度地提高能量密度并降低热损耗。
上述全浸没式液冷储能系统,具有如下优点:
(1)提高能量密度:全浸没式设计允许相同的体积装入更多的电池模组,从而提高储能系统的散热效果和能量密度。
(2)降低热损耗:通过有效的液冷系统,电池模组的温度得以控制,减少热量损失。
(3)提高安全性:密闭液冷槽减少了液体泄漏和热失控的风险。
(4)增强性能:稳定的工作温度有助于电池的长寿命和更稳定的性能。
上述全浸没式液冷储能系统可以应用于各种领域,包括但不限于:电动车辆、可再生能源储能系统、移动通信站等领域,以提供高效、高性能和安全的储能解决方案。具体的,可为电动车辆提供高效的电池冷却,延长电池寿命,提高续航里程;用于可再生能源储能系统,以储存和释放太阳能或风能等可再生能源;用于移动通信站,为移动通信基站提供高效的备用电源。
下面从以温度控制为例,从温控原理出发,对上述全浸没式液冷储能系统进行进一步详细说明。
全浸没式液冷储能系统的温控原理是确保储能系统内的温度保持在安全范围内,以提高电池性能、延长寿命并确保系统的安全性。以下是一个基本的温控原理,如图2所示:
1、传感器监测温度:在全浸没式液冷储能系统内部,布置有温度传感器。这些传感器定期测量电池模组和液冷冷却液体的温度。
2、数据传输:温度传感器将测得的温度数据传输给系统的控制单元。
3、控制单元:控制单元是储能系统的大脑,它接收来自温度传感器的数据并根据这些数据采取相应的措施来维持温度在安全范围内。控制单元可以使用反馈控制系统来调整液冷冷却液的流动速度和温度。
4、调整冷却液体流速和温度:根据温度传感器的数据,控制单元可以自动调整冷却液体的流速和温度。以下是一些可能的操作:
提高冷却液体流速:如果温度升高,控制单元可以增加冷却液体的流速,可以控制阀门的开口大小进而增加减少流速,以更快地带走热量。
降低冷却液体温度:如果温度升高到危险水平,控制单元可以降低冷却液体的温度,通常通过控制冷却装置,如散热器或制冷机。
维持稳定温度:一旦温度稳定在安全范围内,控制单元将维持冷却液体的流速和温度,以确保电池模组在适宜的温度下运行。
5、实时监测和反馈:控制单元持续监测温度,并根据需要进行调整。这是一个实时的反馈循环,以确保电池模组始终在安全的温度范围内工作。
通过这种方式,全浸没式液冷储能系统的温控原理可以维持电池模组的温度,避免过热或过冷,从而提高性能、寿命和安全性。这种温控系统对于电动车辆、可再生能源储能系统和其他高能量密度应用非常重要。
温控原理涉及到温控模型算法,温控模型算法通常需要考虑多个因素,包括电池模组的特性、液体冷却系统的工作原理以及环境条件等。以下是一个简单的温控模型算法的示例,如图3所示,该算法可以用于全浸没式液冷储能系统:
1、初始化:
①获取电池模组的初始温度(T_initial)和液冷冷却液的初始温度(Coolant_initial)。
②设置温度阈值范围[T_min,T_max],以确定何时采取冷却或加热措施,T_max为设定的温度阈值范围的最大值,T_min为定的温度阈值范围的最小值。
③配置温度传感器和控制单元。
2、循环控制:
进入主循环,在每个时间步骤(Δt)中执行以下操作。
3、读取温度:
从温度传感器获取当前电池模组温度(T_current)。
4、温度检测:
检查T_current是否超出了设定的温度阈值范围[T_min,T_max]。
5、控制策略:
如果T_max<T_current<T_max2,增加冷却液体的流速,如果T_current>T_max2,降低冷却液体的温度。T_max2为设定的温度危险水平值。具体可以通过控制冷却设备(如风扇或制冷机)来冷却冷却液。
如果T_current<T_min,则执行以下操作:增加冷却液的温度或减少流速,以提高电池模组的温度。如果必要,可以通过控制加热装置来加热冷却液或电池模组。
如果T_min<=T_current<=T_max,则维持当前冷却液体的流速和温度。
6、更新液冷系统状态:
记录新的冷却液温度(Coolant_current)和电池模组温度(T_current)。
7、循环继续:
回到主循环,继续监测和调整温度。
基于温度预测模型实现全浸没式储能系统的温度控制,温度预测模型是基于transformer模型构建的。温度预测模型用来预测未来电池模组和冷却液体的温度,从未基于上述温控原理实现对未来温度的控制。下面对transformer模型进行详细介绍。
全浸没式储能系统的温控可以使用Transformer模型进行预测和控制。Transformer是一种强大的序列建模架构,最初用于自然语言处理,但也可以应用于时间序列数据,如温度监控。
使用Transformer模型来进行全浸没式储能系统的温控步骤如图4所示:
1、数据收集和准备:
收集实际的温度和控制信号数据,包括电池温度、冷却液体的温度、冷却液体的流速以及相应的控制信号。
将数据分为训练集、验证集和测试集,并进行必要的数据预处理(例如,归一化或标准化)。
2、创建Transformer模型:
使用深度学习框架(如TensorFlow或PyTorch)创建一个Transformer模型,用于处理序列数据。您可以使用先前提供的Transformer模型示例作为起点。
根据数据的特性和问题要求来设计模型的架构和超参数。
3.模型训练:
使用训练集来训练Transformer模型,目标是根据输入的电池温度、冷却液温度和冷却液流速来预测控制信号。
在训练过程中,监测模型的损失函数和验证性能,以确保模型在验证集上的泛化效果。
4.模型评估和调优:
使用测试集来评估模型的性能。可以使用各种性能指标,如均方误差(MSE)或均方根误差(RMSE)。
5.集成到系统中:
将Transformer模型集成到全浸没式储能系统的控制逻辑中。
在实际系统中,模型将接收实时的电池温度、冷却液体的温度和冷却液体的流速,并生成相应的控制信号,以实现温控。
6.实时操作:
在实际运行中,系统将连续地监测温度数据,并使用Transformer模型生成控制信号来调整冷却系统的操作,以维持电池在所需的温度范围内。
全浸没式储能系统的温控Transformer模型最初用于处理序列数据,其核心组件是多头自注意力机制层和前馈神经网络。以下是数学描述,用于说明Transformer模型在温控问题中的应用:
1、输入数据:
令输入序列为$X={x_1,x_2,\ldots,x_n}$,其中$n$表示序列的长度。在全浸没式储能系统中,每个$x_i$可能代表电池模组的温度、冷却液体的温度、冷却液体的流速等。
2、Transformer模型架构:
Transformer模型由多个堆叠的Transformer块组成,每个块包含以下部分:
①多头自注意力机制层:用于捕捉序列中不同元素之间的依赖关系。对于输入序列$X$,自注意力机制计算注意力分布$A$,其中$A_{ij}$表示$x_i$对$x_j$的注意力权重。
②前馈神经网络:在自注意力机制之后,通过前馈神经网络对每个位置的特征进行进一步的处理和映射。
③残差连接和层归一化:为了稳定训练,每个子层的输出与其输入之间添加残差连接并进行层归一化。
3、模型参数:
Transformer模型的参数包括多头注意力的头数、隐藏层维度、前馈神经网络的隐藏层维度、层数等。这些参数需要根据具体问题和数据进行设置。
4、输出:
Transformer模型的输出可以是预测的控制信号$Y={y_1,y_2,\ldots,y_n}$,其中每个$y_i$可以对应于相应位置的输入$x_i$,表示对应的控制信号。
5.训练目标:
在训练过程中,模型的目标是最小化预测输出与实际控制信号之间的差距,通常使用均方误差(Mean SquaredError,MSE)或其他回归损失函数。
6.模型推断:
在推断过程中,给定新的输入序列$X_{\text{new}}$,模型可以生成相应的控制信号$Y_{\text{pred}}$,从而用于温控系统的实时操作。
全浸没式储能系统的温控效果取决于多个因素,包括温控系统的设计、控制算法、电池类型、环境条件等。全浸没式液冷储能系统的潜在温控效果:
1、稳定工作温度:全浸没式液冷储能系统的主要优势之一是可以有效地维持电池模组在所需的工作温度范围内,这有助于确保电池在最佳温度下工作,以提高性能和寿命。
2、降低过热风险:通过及时调整冷却液体的流速和温度,温控系统可以有效地防止电池过热。降低电池过热引发的安全风险,并有助于维持电池的性能。
3、提高热管理:液冷系统能够更均匀地分散热量,从而提高热管理效果。有助于减少电池单体之间的温差,从而提高系统的均衡性和寿命。
4、减少热损耗:通过有效的温控,储能系统可以降低热损耗,从而提高能量效率。这对于提高系统的总体性能和降低运行成本非常重要。
5、适应环境变化:全浸没式液冷系统通常能够适应不同环境条件,包括高温和低温环境。这使得储能系统更加灵活,适用于各种应用场景。
6、延长电池寿命:通过维持适宜的工作温度,温控系统有助于延长电池的寿命。这对于电动车辆、可再生能源储能系统等长寿命应用非常重要。
实施例二
为了实现对上述实施例一中全浸没式液冷储能系统的控制,以得到相应的功能和技术效果,下面提供一种全浸没式液冷储能系统的控制方法。
所述控制方法包括:
(1)获取电池模组当前时刻的参量值和冷却液体当前时刻的参量值;所述参量值包括:温度或压力。
(2)根据电池模组当前时刻的参量值、冷却液体当前时刻的参量值和冷却液体当前时刻的流速,采用参量预测模型预测电池模组未来时刻的参量值和冷却液体未来时刻的参量值;所述参量预测模型是基于Transformer模型构建的。
(3)若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,否则保持冷却液体当前时刻的温度和冷却液体当前时刻的流速。
其中,若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,具体包括:
若电池模组未来时刻的参量值大于设定范围的最大值且小于设定危险水平值,则增加冷却液体当前时刻的流速;所述设定危险水平值大于设定范围的最大值。
若电池模组未来时刻的参量值大于或等于设定危险水平值,则降低冷却液体当前时刻的温度。
若电池模组未来时刻的参量值小于设定范围的最小值,则增加冷却液体当前时刻的温度或减小冷却液体当前时刻的流速。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种全浸没式液冷储能系统,其特征在于,包括:电池模组、液体浸没槽、冷却液体、数据监测系统和控制单元;
所述液体浸没槽为密闭槽;所述液体浸没槽用于盛放冷却液体并容纳所述电池模组,使所述电池模组完全浸没在所述冷却液体中;
所述数据监测系统用于实时监测电池模组当前时刻的参量值和冷却液体当前时刻的参量值;所述参量值包括:温度或压力;
所述控制单元用于:
根据电池模组当前时刻的参量值、冷却液体当前时刻的参量值和冷却液体当前时刻的流速,采用参量预测模型预测电池模组未来时刻的参量值和冷却液体未来时刻的参量值;所述参量预测模型是基于Transformer模型构建的;
若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,否则保持冷却液体当前时刻的温度和冷却液体当前时刻的流速。
2.根据权利要求1所述的全浸没式液冷储能系统,其特征在于,在若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节方面,所述控制单元,具体用于:
若电池模组未来时刻的参量值大于设定范围的最大值且小于设定危险水平值,则增加冷却液体当前时刻的流速;所述设定危险水平值大于设定范围的最大值;
若电池模组未来时刻的参量值大于或等于设定危险水平值,则降低冷却液体当前时刻的温度;
若电池模组未来时刻的参量值小于设定范围的最小值,则增加冷却液体当前时刻的温度或减小冷却液体当前时刻的流速。
3.根据权利要求1所述的全浸没式液冷储能系统,其特征在于,所述数据监测系统包括:温度传感器和压力传感器;所述温度传感器和所述压力传感器分布在所述液体浸没槽中。
4.根据权利要求1所述的全浸没式液冷储能系统,其特征在于,所述参量预测模型是采用训练数据以均方误差或均方根误差最小为目标,对Transformer模型进行训练得到的。
5.根据权利要求1所述的全浸没式液冷储能系统,其特征在于,所述Transformer模型包括:多个堆叠的Transformer块;所述Transformer块包括:依次连接的多头自注意力机制层和前馈神经网络。
6.一种全浸没式液冷储能系统的控制方法,其特征在于,所述控制方法用于控制权利要求1-5中任意一项所述的全浸没式液冷储能系统;
所述控制方法包括:
获取电池模组当前时刻的参量值和冷却液体当前时刻的参量值;所述参量值包括:温度或压力;
根据电池模组当前时刻的参量值、冷却液体当前时刻的参量值和冷却液体当前时刻的流速,采用参量预测模型预测电池模组未来时刻的参量值和冷却液体未来时刻的参量值;所述参量预测模型是基于Transformer模型构建的;
若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,否则保持冷却液体当前时刻的温度和冷却液体当前时刻的流速。
7.根据权利要求6所述的控制方法,其特征在于,若电池模组未来时刻的参量值超出设定范围,则对冷却液体当前时刻的温度或冷却液体当前时刻的流速进行调节,具体包括:
若电池模组未来时刻的参量值大于设定范围的最大值且小于设定危险水平值,则增加冷却液体当前时刻的流速;所述设定危险水平值大于设定范围的最大值;
若电池模组未来时刻的参量值大于或等于设定危险水平值,则降低冷却液体当前时刻的温度;
若电池模组未来时刻的参量值小于设定范围的最小值,则增加冷却液体当前时刻的温度或减小冷却液体当前时刻的流速。
8.根据权利要求6所述的控制方法,其特征在于,所述参量预测模型是采用训练数据以均方误差或均方根误差最小为目标,对Transformer模型进行训练得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410119674.7A CN117790985A (zh) | 2024-01-29 | 2024-01-29 | 一种全浸没式液冷储能系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410119674.7A CN117790985A (zh) | 2024-01-29 | 2024-01-29 | 一种全浸没式液冷储能系统及其控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117790985A true CN117790985A (zh) | 2024-03-29 |
Family
ID=90383748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410119674.7A Pending CN117790985A (zh) | 2024-01-29 | 2024-01-29 | 一种全浸没式液冷储能系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117790985A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118094347A (zh) * | 2024-04-28 | 2024-05-28 | 深圳市远信储能技术有限公司 | 液冷储能模组自适应调节优化方法、装置及存储介质 |
-
2024
- 2024-01-29 CN CN202410119674.7A patent/CN117790985A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118094347A (zh) * | 2024-04-28 | 2024-05-28 | 深圳市远信储能技术有限公司 | 液冷储能模组自适应调节优化方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112531232B (zh) | 一种储能系统及其热管理方法 | |
CN117790985A (zh) | 一种全浸没式液冷储能系统及其控制方法 | |
CN115832532B (zh) | 液冷储能系统的控制方法、装置及系统 | |
US11670812B1 (en) | Thermal management device for energy storage system, method for controlling the thermal management device for energy storage system, and energy storage system | |
CN109271700B (zh) | 基于深度学习多层网络建模的电池热管理方法及系统 | |
CN111864300B (zh) | 一种基于回路状态监测的复合式冷却结构及其控制方法 | |
WO2010028692A1 (en) | Fluid cooling system, battery storage and method | |
CN116613430A (zh) | 浸没式液冷储能用电池模组主动式热管理方法及系统 | |
CN116776746B (zh) | 一种基于流体动力学的储能液冷温控优化系统 | |
EP3644432A1 (en) | Immersion cooling device for power battery | |
CN116799355A (zh) | 一种浸没式储能电站热管理系统及其控制方法 | |
Ma et al. | Multi-layer NMPC for battery thermal management optimization strategy of connected electric vehicle integrated with waste heat recovery | |
CN111211375A (zh) | 一种调频用锂离子电池液冷式热管控方法及储能系统 | |
CN115732808A (zh) | 电芯温度调节方法、装置、设备 | |
CN114784402A (zh) | 应用于液冷储能系统的环境控制系统 | |
CN117410625B (zh) | 基于主动均衡bms的高能量密度液冷式储能系统 | |
CN117879115B (zh) | 一种高能量转换效率的智能电源缓冲模块及实现方法 | |
CN111933969B (zh) | 一种均衡散热的燃料电池热管理系统及控制方法 | |
CN117352904A (zh) | 控制电池包液冷的方法、电池管理系统及存储介质 | |
CN116014295B (zh) | 钠离子电池储能模组 | |
CN116306263A (zh) | 一种液体冷却散热器散热特性的数字孪生系统构建及使用方法 | |
CN217485548U (zh) | 一种温度控制系统及储能充电系统 | |
US20220416266A1 (en) | Integrated electrical and thermal energy storage | |
CN207765590U (zh) | 一种智能温控电池组 | |
CN117936977A (zh) | 一种人工智能控制储能液冷系统的方法 |
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 |