CN117828408A - 一种储能容量数据处理方法及系统 - Google Patents
一种储能容量数据处理方法及系统 Download PDFInfo
- Publication number
- CN117828408A CN117828408A CN202410239813.XA CN202410239813A CN117828408A CN 117828408 A CN117828408 A CN 117828408A CN 202410239813 A CN202410239813 A CN 202410239813A CN 117828408 A CN117828408 A CN 117828408A
- Authority
- CN
- China
- Prior art keywords
- curve
- segment
- charge
- segments
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 63
- 238000003672 processing method Methods 0.000 title abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 62
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Complex Calculations (AREA)
Abstract
本发明涉及数据分析技术领域,具体涉及一种储能容量数据处理方法及系统,包括:采集容量数据获取原始曲线以及采集数据点;根据原始曲线获取疑似充放电的时间区间;根据原始曲线获取疑似充放电的时间区间以及采集数据点,获取原始曲线获取疑似充放电的时间区间中的子线段;根据原始曲线获取疑似充放电的时间区间中的子线段,获取曲线段的稳定程度;根据曲线段的稳定程度,获取特征曲线段;计算特征曲线段的周期性;根据特征曲线段的周期性获取目标曲线段;根据目标曲线段获取储能设备容量数据的拟合结果。本发明分别通过对充放电容量数据段和非充放电容量数据段拟合,使拟合结果更加准确。
Description
技术领域
本发明涉及数据分析技术领域,具体涉及一种储能容量数据处理方法及系统。
背景技术
储能容量数据通常反映了一个储能系统的能量存储上限。它是衡量这个系统最大能输出多少电力、以及能开启多长时间的关键指标;其一般用于电池、蓄电池、超级电容或某些机械设备的液压储能系统中。
由于用户设备的使用习惯和用电高峰的电网峰值负载均会使得当前场景下的采集得到的时序数据构成的时序曲线复杂,即存在充放电容量数据段和非充放电容量数据段;若将充放电容量数据段和非充放电容量数据段统一进行拟合则会放大拟合误差,导致拟合结果不准确,不利于对容量数据实现智能化管理。
发明内容
本发明提供一种储能容量数据处理方法及系统,以解决现有的问题:简单的对容量数据进行拟合会使得拟合结果不准确。
本发明的一种储能容量数据处理方法及系统采用如下技术方案:
本发明一个实施例提供了一种储能容量数据处理方法,该方法包括以下步骤:
采集容量数据得到原始曲线以及采集数据点;
根据原始曲线获取疑似充放电的时间区间;
根据疑似充放电的时间区间以及采集数据点,获取疑似充放电的时间区间中的子线段;根据疑似充放电的时间区间中的子线段,获取曲线段的稳定程度;根据曲线段的稳定程度,获取特征曲线段;计算特征曲线段的周期性;根据特征曲线段的周期性获取目标曲线段;
根据目标曲线段获取储能设备容量数据的拟合结果。
优选的,所述采集容量数据得到原始曲线以及采集数据点,包括的具体方法为:
首先,在储能设备上安装电量检测传感器,按照预设的采集间隔,得到各时刻下的容量数据,记为采集数据;
然后,以时间为横坐标,以容量数据为纵坐标构建直角坐标系,并将各时刻下的采集数据填入直角坐标系中;再将直角坐标系中每个数据点与下一个数据点连接,得到容量数据时序曲线,记为原始曲线,并将原始曲线中每个采集数据记为采集数据点。
优选的,所述根据原始曲线获取疑似充放电的时间区间,包括的具体方法为:
对原始曲线进行一阶差分运算,得到原始曲线的一阶差分运算结果,将原始曲线的一阶差分运算结果记为波动曲线;
然后预设一个波动阈值;对于波动曲线中的第/>个数据点,若波动曲线中的第/>个数据点的绝对值大于等于/>,则将波动曲线中的第/>个数据点记为波动数据点;若波动曲线中的第/>个数据点的绝对值小于/>,则将波动曲线中的第/>个数据点记为稳定数据点;得到若干波动数据点;
将所有波动数据点对应的时刻记为波动时刻,将连续的波动时刻合并为一个波动时间段,得到若干波动时间段,将所有波动时间段记为疑似充放电的时间区间。
优选的,所述疑似充放电的时间区间以及采集数据点,获取疑似充放电的时间区间中的子线段,包括的具体方法为:
对于第个疑似充放电的时间区间,将原始曲线中第/>个疑似充放电的时间区间内所有采集数据点记为第/>个区间的采集数据点;将原始曲线中第/>个疑似充放电的时间区间内的曲线记为第/>个曲线段;以第/>个区间的采集数据点为分界点,对第/>个曲线段进行分割,得到第/>个曲线段的若干子线段。
优选的,所述根据疑似充放电的时间区间中的子线段,获取曲线段的稳定程度,包括的具体方法为:
对于第个疑似充放电的时间区间,统计单调递增的子线段数量与单调递减的子线段数量,根据单调递增的子线段数量与单调递减的子线段数量,获取第/>个曲线段的第一稳定性因子,其具体的计算公式为:
式中,表示第/>个曲线段内单调递增的子线段数量;/>表示第/>个曲线段内单调递减的子线段数量;/>表示绝对值运算;/>表示第/>个曲线段的第一稳定性因子;
对于第个疑似充放电的时间区间,得到第/>个曲线段的若干子线段,获取每个子线段的斜率,得到第/>个曲线段的所有子线段斜率的集合,根据第/>个曲线段的所有子线段斜率的集合的信息熵获取第/>个曲线段的第二稳定性因子,其具体的计算公式为:
式中,表示第/>个曲线段的所有子线段斜率的集合中的第/>个斜率;/>表示第/>个曲线段的所有子线段斜率的集合中的第/>个斜率,在第/>个曲线段的所有子线段斜率的集合中出现的概率;/>表示绝对值运算;/>表示以自然常数为底数的指数函数;/>表示第/>个曲线段的第二稳定性因子;/>表示在第/>个曲线段的所有子线段斜率的集合中斜率的数量;
接着,分别预设两个曲线段的第一稳定性因子与曲线段的第二稳定性因子的权值与/>,结合曲线段的第一稳定性因子与曲线段的第二稳定性因子,获取曲线段的稳定程度;其具体的计算公式为:
式中,表示第/>个曲线段的稳定程度。
优选的,所述根据曲线段的稳定程度,获取特征曲线段,包括的具体方法为:
预设一个稳定程度阈值,对于第/>个曲线段,当第/>个曲线段的稳定程度/>大于等于/>时,则将第/>个曲线段记为特征曲线段;当第/>个曲线段的稳定程度/>小于/>时,则不将第/>个曲线段记为特征曲线段。
优选的,所述计算特征曲线段的周期性,包括的具体方法为:
将所有的特征曲线段标记到原始曲线中,获取原始曲线中每个曲线段与相邻的曲线段之间的距离;对于原始曲线中的第个特征曲线段,原始曲线中的第/>个特征曲线段到第/>个特征曲线段的距离以及原始曲线中的第/>个特征曲线段到第/>个特征曲线段的距离,分别记为/>、/>;将/>作为第/>个特征曲线段的特征距离;获取原始曲线中的所有特征曲线段的特征距离;
接着,根据原始曲线中的所有特征曲线段的特征距离,计算每个特征曲线段周期性,其具体的计算公式为:
式中,表示第/>个特征曲线段的特征距离;/>表示所有特征曲线段的特征距离均值;/>表示以自然常数为底数的指数函数;/>表示绝对值运算;/>表示第/>个特征曲线段的周期性。
优选的,所述根据特征曲线段的周期性获取目标曲线段,包括的具体方法为:
预设一个周期性阈值;对于第/>个特征曲线段,若第/>个特征曲线段的周期性大于等于/>时,则将第/>个特征曲线段标记为目标曲线段;若第/>个特征曲线段的周期性小于/>时,则不将第/>个特征曲线段标记为目标曲线段。
优选的,所述根据目标曲线段获取储能设备容量数据的拟合结果,包括的具体方法为:
将原始曲线中目标曲线段对应的时间段记为目标时间段,将原始曲线中不是目标曲线段对应的时间段记为非目标时间段,使用最小二乘法分别对原始曲线中目标时间段内的采集数据点与非目标时间段内的采集数据点进行拟合,得到储能设备容量数据的拟合结果。
本发明的实施例提供了一种储能容量数据处理系统,该系统包括数据采集模块、数据分析模块、数据分类模块以及数据拟合模块,其中:
数据采集模块,用于采集容量数据得到原始曲线以及采集数据点;
数据分析模块,用于根据原始曲线获取疑似充放电的时间区间;
数据分类模块,用于根据疑似充放电的时间区间以及采集数据点,获取疑似充放电的时间区间中的子线段;根据疑似充放电的时间区间中的子线段,获取曲线段的稳定程度;根据曲线段的稳定程度,获取特征曲线段;计算特征曲线段的周期性;根据特征曲线段的周期性获取目标曲线段;
数据拟合模块,用于根据目标曲线段获取储能设备容量数据的拟合结果。
本发明的技术方案的有益效果是:由于用户设备的使用习惯和用电高峰的电网峰值负载均会使得当前场景下的采集得到的时序数据构成的时序曲线复杂,即存在充放电容量数据段和非充放电容量数据段;若将充放电容量数据段和非充放电容量数据段统一进行拟合则会放大拟合误差,导致拟合结果不准确;因此本发明通过分析储能数据,得到其中的充放电容量数据段和非充放电容量数据段;分别对充放电容量数据段和非充放电容量数据段拟合,避免了同时对充放电容量数据段和非充放电容量数据段进行拟合时产生的误差,使拟合结果更加准确。
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,下面将对实施例或现有技术描述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为本发明的一种储能容量数据处理方法的步骤流程图;
图2为本发明的一种储能容量数据处理系统的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种储能容量数据处理方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种储能容量数据处理方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种储能容量数据处理方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集容量数据得到原始曲线以及采集数据点。
需要说明的是,由于用户设备的使用习惯和用电高峰的电网峰值负载均会使得当前场景下的采集得到的时序数据构成的时序曲线复杂,即存在充放电容量数据段和非充放电容量数据段;若将充放电容量数据段和非充放电容量数据段统一进行拟合则会放大拟合误差,导致拟合结果不准确。因此本实施例提出了一种储能容量数据处理方法;通过分析储能数据,得到其中的充放电容量数据段和非充放电容量数据段;分别对充放电容量数据段和非充放电容量数据段拟合,使拟合结果更加准确。因此首先需要采集获取容量数据,并根据容量数据获取原始曲线。
具体的,首先在储能设备上安装电量检测传感器,按照预设的采集间隔,/>的具体大小可根据实际情况设置,本实施例不做硬性要求,在本实施例中以/>秒进行叙述,得到各时刻下的容量数据,记为采集数据;
然后,以时间为横坐标,以容量数据为纵坐标构建直角坐标系,并将各时刻下的采集数据填入直角坐标系中;再将直角坐标系中每个数据点与下一个数据点连接,得到容量数据时序曲线,记为原始曲线,并将原始曲线中每个采集数据记为采集数据点。
至此,得到原始曲线。
步骤S002:根据原始曲线获取疑似充放电的时间区间。
需要说明的是,由于储能设备在充放电时,储能设备内部的容量数据会出现明显的增加或减少,此时原始曲线则会出现明显的波动;而储能设备不在进行充放电时,储能设备内部的容量数据不会出现明显的增加或减少,此时原始曲线则不会出现明显的波动;故可以通过原始曲线中各位置的波动程度,获取疑似充放电的时间区间。
具体的,对原始曲线进行一阶差分运算,得到原始曲线的一阶差分运算结果,将原始曲线的一阶差分运算结果记为波动曲线,由于一阶差分运算作为一种公知的技术故在本实施例中不再进行赘述;
需要进行说明的是,波动曲线的横坐标为时间,纵坐标为容量数据差。
然后预设一个波动阈值,/>的具体大小可根据实际情况设置,本实施例不做硬性要求,在本实施例中以/>秒进行叙述;对于波动曲线中的第/>个数据点,若波动曲线中的第/>个数据点的绝对值大于等于/>,则将波动曲线中的第/>个数据点记为波动数据点;若波动曲线中的第/>个数据点的绝对值小于/>,则将波动曲线中的第/>个数据点记为稳定数据点;得到若干波动数据点;
将所有波动数据点对应的时刻记为波动时刻,将连续的波动时刻合并为一个波动时间段,得到若干波动时间段,将所有波动时间段记为疑似充放电的时间区间。
至此,得到疑似充放电的时间区间。
步骤S003:根据疑似充放电的时间区间以及采集数据点,获取疑似充放电的时间区间中的子线段;根据疑似充放电的时间区间中的子线段,获取曲线段的稳定程度;根据曲线段的稳定程度,获取特征曲线段;计算特征曲线段的周期性;根据特征曲线段的周期性获取目标曲线段。
需要说明的是,虽然充放电会导致储能设备中的容量数据发生波动,但诸如外界温度的变化、震动等诸多原因均可以导致储能设备中的容量数据产生波动,为了能够准确地识别出原始曲线中的充放电的时间区间,还需要进一步的对疑似充放电的时间区间进行筛选,得到充放电的时间区间。
1.根据疑似充放电的时间区间内原始曲线的稳定程度,得到特征曲线段。
需要进一步说明的是,由充放电导致的储能设备中的容量数据的波动通常具有稳定的变化规律,即由充放电导致的储能设备中的容量数据的波动通常具有逐步递增或者逐步递减的特征,同时在该疑似充放电的时间区间内通常仅含有一个波峰或波谷,而不是由充放电导致的储能设备中的容量数据的波动不具有稳定的变化规律,即不是由充放电导致的储能设备中的容量数据的波动具有频繁的起伏的特征;因此可以通过疑似充放电的时间区间内原始曲线的稳定程度,对疑似充放电的时间区间进行初步筛选。
具体的,对于第个疑似充放电的时间区间,将原始曲线中第/>个疑似充放电的时间区间内所有采集数据点记为第/>个区间的采集数据点;将原始曲线中第/>个疑似充放电的时间区间内的曲线记为第/>个曲线段;以第/>个区间的采集数据点为分界点,对第/>个曲线段进行分割,得到第/>个曲线段的若干子线段,统计单调递增的子线段数量与单调递减的子线段数量,根据单调递增的子线段数量与单调递减的子线段数量,获取第/>个曲线段的第一稳定性因子,其具体的计算公式为:
式中,表示第/>个曲线段内单调递增的子线段数量;/>表示第/>个曲线段内单调递减的子线段数量;/>表示绝对值运算;/>表示第/>个曲线段的第一稳定性因子。
需要说明的是,表示的是第/>个曲线段内单调递增的子线段数量与单调递增的子线段数量之间的差异,/>的值越小,在说明第/>个曲线段的稳定性越低;因此/>的值越小,则说明第/>个曲线越不稳定,/>的值越大,则说明第/>个曲线越稳定。
进一步的,对于第个疑似充放电的时间区间,得到第/>个曲线段的若干子线段,获取每个子线段的斜率,由于线段斜率的计算作为一种公知的技术,故在本实施例中不再进行赘述;得到第/>个曲线段的所有子线段斜率的集合,根据第/>个曲线段的所有子线段斜率的集合的信息熵获取第/>个曲线段的第二稳定性因子,其具体的计算公式为:
式中,表示第/>个曲线段的所有子线段斜率的集合中的第/>个斜率;/>表示第/>个曲线段的所有子线段斜率的集合中的第/>个斜率,在第/>个曲线段的所有子线段斜率的集合中出现的概率;/>表示绝对值运算;/>表示以自然常数为底数的指数函数;/>表示第/>个曲线段的第二稳定性因子;/>表示在第/>个曲线段的所有子线段斜率的集合中斜率的数量。
需要说明的是,当第个曲线段的所有子线段斜率的集合的信息熵越大,则说明第/>个曲线段内的子线段的斜率越混乱,即第/>个曲线段的稳定性低;再通过以自然常数为底数的指数函数对其进行反比例归一化,得到第/>个曲线段的第二稳定性因子/>;因此/>的值越大,则说明第/>个曲线越稳定。
接着,分别预设两个曲线段的第一稳定性因子与曲线段的第二稳定性因子的权值与/>,/>与/>的具体大小可根据实际情况设置,本实施例不做硬性要求,在本实施例中分别以/>、/>进行叙述;结合曲线段的第一稳定性因子与曲线段的第二稳定性因子,获取曲线段的稳定程度;其具体的计算公式为:
式中,表示第/>个曲线段的稳定程度;/>表示第/>个曲线段的第一稳定性因子;/>表示第/>个曲线段的第二稳定性因子;/>为曲线段的第一稳定性因子的权值;/>为曲线段的第二稳定性因子的权值。
需要说明的是,的值越大,则说明第/>个曲线越稳定。
最后,预设一个稳定程度阈值,/>的具体大小可根据实际情况设置,本实施例不做硬性要求,在本实施例中以/>进行叙述,对于第/>个曲线段,当第/>个曲线段的稳定程度大于等于/>时,则将第/>个曲线段记为特征曲线段,当第/>个曲线段的稳定程度/>小于/>时,则不将第/>个曲线段记为特征曲线段。
2.根据特征曲线段,获取目标曲线段。
需要说明的是,由于储能设备的充放电行为具有一定的周期性,即可根据计算特征曲线段的周期性,进行第二次筛选,得到目标曲线段。
具体,将所有的特征曲线段标记到原始曲线中,获取原始曲线中每个曲线段与相邻的曲线段之间的距离;对于原始曲线中的第个特征曲线段,原始曲线中的第/>个特征曲线段到第/>个特征曲线段的距离以及原始曲线中的第/>个特征曲线段到第/>个特征曲线段的距离,分别记为/>、/>;将/>作为第/>个特征曲线段的特征距离;同理,获取原始曲线中的所有特征曲线段的特征距离。
需要注意的是,若原始曲线中的第个特征曲线段为原始曲线中的第一个特征曲线段或最后一个特征曲线段时,仅需要将与原始曲线中的第/>个特征曲线段最近的特征曲线段之间的距离,作为第/>个特征曲线段的特征距离即可。
接着,根据原始曲线中的所有特征曲线段的特征距离,计算每个特征曲线段周期性,其具体的计算公式为:
式中,表示第/>个特征曲线段的特征距离;/>表示所有特征曲线段的特征距离均值;/>表示以自然常数为底数的指数函数;/>表示绝对值运算;/>表示第/>个特征曲线段的周期性。
需要说明的是,的值越大,则说明第/>个特征曲线段的周期程度越高。
最后,预设一个周期性阈值,/>的具体大小可根据实际情况设置,本实施例不做硬性要求,在本实施例中以/>进行叙述;对于第/>个特征曲线段,若第/>个特征曲线段的周期性大于等于/>时,则将第/>个特征曲线段标记为目标曲线段;若第/>个特征曲线段的周期性小于/>时,则不将第/>个特征曲线段标记为目标曲线段。
至此,得到目标曲线段。
步骤S004:根据目标曲线段获取储能设备容量数据的拟合结果。
需要说明的是,通过步骤S003得到的目标曲线段即为原始曲线中的储能设备充放电期间的容量数据段;此时即得到了原始曲线中的充放电容量数据段,再通过原始曲线中的充放电容量数据段得到原始曲线中的非充放电容量数据段,最后分别对原始曲线中的充放电容量数据段与非充放电容量数据段进行拟合,使得最终的拟合结果更加准确。
具体的,将原始曲线中目标曲线段对应的时间段记为目标时间段,将原始曲线中不是目标曲线段对应的时间段记为非目标时间段,使用最小二乘法分别对原始曲线中目标时间段内的采集数据点与非目标时间段内的采集数据点进行拟合,得到储能设备容量数据的拟合结果。
需要说明的是,通过本实施例得到的储能设备容量数据的拟合结果更加准确,更能反应出实际的储能设备容量数据;因此根据本实施例得到的储能设备容量数据的拟合结果,建立的储能设备容量数据模型,能够能好的模拟实际情况,从而制定更明智的决策策略,利于对容量数据实现智能化管理。
至此,本实施例完成。
请参阅图2,其示出了本发明一个实施例提供的一种储能容量数据处理系统的结构框图,该系统包括以下模块:
数据采集模块,用于采集容量数据得到原始曲线以及采集数据点;
数据分析模块,用于根据原始曲线获取疑似充放电的时间区间;
数据分类模块,用于根据疑似充放电的时间区间以及采集数据点,获取疑似充放电的时间区间中的子线段;根据疑似充放电的时间区间中的子线段,获取曲线段的稳定程度;根据曲线段的稳定程度,获取特征曲线段;计算特征曲线段的周期性;根据特征曲线段的周期性获取目标曲线段;
数据拟合模块,用于根据目标曲线段获取储能设备容量数据的拟合结果。
本发明的技术方案的有益效果是:由于用户设备的使用习惯和用电高峰的电网峰值负载均会使得当前场景下的采集得到的时序数据构成的时序曲线复杂,即存在充放电容量数据段和非充放电容量数据段;若将充放电容量数据段和非充放电容量数据段统一进行拟合则会放大拟合误差,导致拟合结果不准确;因此本发明通过分析储能数据,得到其中的充放电容量数据段和非充放电容量数据段;分别对充放电容量数据段和非充放电容量数据段拟合,避免了同时对充放电容量数据段和非充放电容量数据段进行拟合时产生的误差,使拟合结果更加准确。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种储能容量数据处理方法,其特征在于,该方法包括以下步骤:
采集容量数据得到原始曲线以及采集数据点;
根据原始曲线获取疑似充放电的时间区间;
根据疑似充放电的时间区间以及采集数据点,获取疑似充放电的时间区间中的子线段;根据疑似充放电的时间区间中的子线段,获取曲线段的稳定程度;根据曲线段的稳定程度,获取特征曲线段;计算特征曲线段的周期性;根据特征曲线段的周期性获取目标曲线段;
根据目标曲线段获取储能设备容量数据的拟合结果。
2.根据权利要求1所述一种储能容量数据处理方法,其特征在于,所述采集容量数据得到原始曲线以及采集数据点,包括的具体方法为:
首先,在储能设备上安装电量检测传感器,按照预设的采集间隔,得到各时刻下的容量数据,记为采集数据;
然后,以时间为横坐标,以容量数据为纵坐标构建直角坐标系,并将各时刻下的采集数据填入直角坐标系中;再将直角坐标系中每个数据点与下一个数据点连接,得到容量数据时序曲线,记为原始曲线,并将原始曲线中每个采集数据记为采集数据点。
3.根据权利要求1所述一种储能容量数据处理方法,其特征在于,所述根据原始曲线获取疑似充放电的时间区间,包括的具体方法为:
对原始曲线进行一阶差分运算,得到原始曲线的一阶差分运算结果,将原始曲线的一阶差分运算结果记为波动曲线;
然后预设一个波动阈值;对于波动曲线中的第/>个数据点,若波动曲线中的第/>个数据点的绝对值大于等于/>,则将波动曲线中的第/>个数据点记为波动数据点;若波动曲线中的第/>个数据点的绝对值小于/>,则将波动曲线中的第/>个数据点记为稳定数据点;得到若干波动数据点;
将所有波动数据点对应的时刻记为波动时刻,将连续的波动时刻合并为一个波动时间段,得到若干波动时间段,将所有波动时间段记为疑似充放电的时间区间。
4.根据权利要求1所述一种储能容量数据处理方法,其特征在于,所述疑似充放电的时间区间以及采集数据点,获取疑似充放电的时间区间中的子线段,包括的具体方法为:
对于第个疑似充放电的时间区间,将原始曲线中第/>个疑似充放电的时间区间内所有采集数据点记为第/>个区间的采集数据点;将原始曲线中第/>个疑似充放电的时间区间内的曲线记为第/>个曲线段;以第/>个区间的采集数据点为分界点,对第/>个曲线段进行分割,得到第/>个曲线段的若干子线段。
5.根据权利要求1所述一种储能容量数据处理方法,其特征在于,所述根据疑似充放电的时间区间中的子线段,获取曲线段的稳定程度,包括的具体方法为:
对于第个疑似充放电的时间区间,统计单调递增的子线段数量与单调递减的子线段数量,根据单调递增的子线段数量与单调递减的子线段数量,获取第/>个曲线段的第一稳定性因子,其具体的计算公式为:
式中,表示第/>个曲线段内单调递增的子线段数量;/>表示第/>个曲线段内单调递减的子线段数量;/>表示绝对值运算;/>表示第/>个曲线段的第一稳定性因子;
对于第个疑似充放电的时间区间,得到第/>个曲线段的若干子线段,获取每个子线段的斜率,得到第/>个曲线段的所有子线段斜率的集合,根据第/>个曲线段的所有子线段斜率的集合的信息熵获取第/>个曲线段的第二稳定性因子,其具体的计算公式为:
式中,表示第/>个曲线段的所有子线段斜率的集合中的第/>个斜率;/>表示第/>个曲线段的所有子线段斜率的集合中的第/>个斜率,在第/>个曲线段的所有子线段斜率的集合中出现的概率;/>表示绝对值运算;/>表示以自然常数为底数的指数函数;/>表示第/>个曲线段的第二稳定性因子;/>表示在第/>个曲线段的所有子线段斜率的集合中斜率的数量;
接着,分别预设两个曲线段的第一稳定性因子与曲线段的第二稳定性因子的权值与,结合曲线段的第一稳定性因子与曲线段的第二稳定性因子,获取曲线段的稳定程度;其具体的计算公式为:
式中,表示第/>个曲线段的稳定程度。
6.根据权利要求1所述一种储能容量数据处理方法,其特征在于,所述根据曲线段的稳定程度,获取特征曲线段,包括的具体方法为:
预设一个稳定程度阈值,对于第/>个曲线段,当第/>个曲线段的稳定程度/>大于等于/>时,则将第/>个曲线段记为特征曲线段;当第/>个曲线段的稳定程度/>小于/>时,则不将第/>个曲线段记为特征曲线段。
7.根据权利要求1所述一种储能容量数据处理方法,其特征在于,所述计算特征曲线段的周期性,包括的具体方法为:
将所有的特征曲线段标记到原始曲线中,获取原始曲线中每个曲线段与相邻的曲线段之间的距离;对于原始曲线中的第个特征曲线段,原始曲线中的第/>个特征曲线段到第个特征曲线段的距离以及原始曲线中的第/>个特征曲线段到第/>个特征曲线段的距离,分别记为/>、/>;将/>作为第/>个特征曲线段的特征距离;获取原始曲线中的所有特征曲线段的特征距离;
接着,根据原始曲线中的所有特征曲线段的特征距离,计算每个特征曲线段周期性,其具体的计算公式为:
式中,表示第/>个特征曲线段的特征距离;/>表示所有特征曲线段的特征距离均值;表示以自然常数为底数的指数函数;/>表示绝对值运算;/>表示第/>个特征曲线段的周期性。
8.根据权利要求1所述一种储能容量数据处理方法,其特征在于,所述根据特征曲线段的周期性获取目标曲线段,包括的具体方法为:
预设一个周期性阈值;对于第/>个特征曲线段,若第/>个特征曲线段的周期性大于等于/>时,则将第/>个特征曲线段标记为目标曲线段;若第/>个特征曲线段的周期性小于/>时,则不将第/>个特征曲线段标记为目标曲线段。
9.根据权利要求1所述一种储能容量数据处理方法,其特征在于,所述根据目标曲线段获取储能设备容量数据的拟合结果,包括的具体方法为:
将原始曲线中目标曲线段对应的时间段记为目标时间段,将原始曲线中不是目标曲线段对应的时间段记为非目标时间段,使用最小二乘法分别对原始曲线中目标时间段内的采集数据点与非目标时间段内的采集数据点进行拟合,得到储能设备容量数据的拟合结果。
10.一种储能容量数据处理系统,其特征在于,该系统包括以下模块:
数据采集模块,用于采集容量数据得到原始曲线以及采集数据点;
数据分析模块,用于根据原始曲线获取疑似充放电的时间区间;
数据分类模块,用于根据疑似充放电的时间区间以及采集数据点,获取疑似充放电的时间区间中的子线段;根据疑似充放电的时间区间中的子线段,获取曲线段的稳定程度;根据曲线段的稳定程度,获取特征曲线段;计算特征曲线段的周期性;根据特征曲线段的周期性获取目标曲线段;
数据拟合模块,用于根据目标曲线段获取储能设备容量数据的拟合结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410239813.XA CN117828408B (zh) | 2024-03-04 | 一种储能容量数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410239813.XA CN117828408B (zh) | 2024-03-04 | 一种储能容量数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117828408A true CN117828408A (zh) | 2024-04-05 |
CN117828408B CN117828408B (zh) | 2024-05-14 |
Family
ID=
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017185963A1 (zh) * | 2016-04-26 | 2017-11-02 | 深圳前海云汉金融科技有限公司 | 一种基于大数据的趋势曲线局部特征的匹配方法及终端 |
KR102203412B1 (ko) * | 2019-07-18 | 2021-01-18 | 주식회사 코암테크 | 곡선 구간 선로 안정성 모니터링 방법 및 시스템 |
US20210147924A1 (en) * | 2017-07-21 | 2021-05-20 | Biofire Diagnostics, Llc | Detection using concurrent melting curves |
US20220120815A1 (en) * | 2020-03-30 | 2022-04-21 | Contemporary Amperex Technology Co., Limited | Method, apparatus, device and medium for estimating performance parameters of a battery |
CN115282573A (zh) * | 2022-09-29 | 2022-11-04 | 山东布莱特威健身器材有限公司 | 结合物联网和数据分析的跑步机智能控制方法及系统 |
CN116305702A (zh) * | 2021-11-30 | 2023-06-23 | 中国石油化工股份有限公司 | 分析数据波动页岩气井产量经验递减曲线的方法及系统 |
CN116520164A (zh) * | 2023-02-09 | 2023-08-01 | 深圳市汉沣微电子有限公司 | 锂电池电量计量管理系统及电量计量管理方法 |
US20230331098A1 (en) * | 2022-04-19 | 2023-10-19 | North China Electric Power University | Electric vehicle aggregation method based on continuous tracking of wind power curve |
CN117235447A (zh) * | 2023-11-10 | 2023-12-15 | 天津六百光年智能科技有限公司 | 一种建筑能源数据管理方法及系统 |
CN117391481A (zh) * | 2023-12-11 | 2024-01-12 | 阿尔卑斯系统集成(大连)有限公司 | 一种基于大数据的电力数据监视方法及系统 |
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017185963A1 (zh) * | 2016-04-26 | 2017-11-02 | 深圳前海云汉金融科技有限公司 | 一种基于大数据的趋势曲线局部特征的匹配方法及终端 |
US20210147924A1 (en) * | 2017-07-21 | 2021-05-20 | Biofire Diagnostics, Llc | Detection using concurrent melting curves |
KR102203412B1 (ko) * | 2019-07-18 | 2021-01-18 | 주식회사 코암테크 | 곡선 구간 선로 안정성 모니터링 방법 및 시스템 |
US20220120815A1 (en) * | 2020-03-30 | 2022-04-21 | Contemporary Amperex Technology Co., Limited | Method, apparatus, device and medium for estimating performance parameters of a battery |
CN116305702A (zh) * | 2021-11-30 | 2023-06-23 | 中国石油化工股份有限公司 | 分析数据波动页岩气井产量经验递减曲线的方法及系统 |
US20230331098A1 (en) * | 2022-04-19 | 2023-10-19 | North China Electric Power University | Electric vehicle aggregation method based on continuous tracking of wind power curve |
CN115282573A (zh) * | 2022-09-29 | 2022-11-04 | 山东布莱特威健身器材有限公司 | 结合物联网和数据分析的跑步机智能控制方法及系统 |
CN116520164A (zh) * | 2023-02-09 | 2023-08-01 | 深圳市汉沣微电子有限公司 | 锂电池电量计量管理系统及电量计量管理方法 |
CN117235447A (zh) * | 2023-11-10 | 2023-12-15 | 天津六百光年智能科技有限公司 | 一种建筑能源数据管理方法及系统 |
CN117391481A (zh) * | 2023-12-11 | 2024-01-12 | 阿尔卑斯系统集成(大连)有限公司 | 一种基于大数据的电力数据监视方法及系统 |
Non-Patent Citations (7)
Title |
---|
EHSAN REIHANI等: "Frquency Regulation of Microgrid with Battery Droop Control", 《2018 IEEE/PES TRANSMISSION AND DISTRIBUTION CONFERENCE AND EXPOSITION (T&D)》, 23 August 2018 (2018-08-23) * |
徐锐: "高含氧聚醚全固态电解质及固态电池性能研究", 《硕士电子期刊出版信息》, 15 February 2023 (2023-02-15) * |
李海民, 吴成柯: "基于遗传算法的曲线段连接与拟合", 西安电子科技大学学报, no. 01, 20 February 2000 (2000-02-20) * |
杨水丽;侯朝勇;许守平;赵录兴;孙冰莹;陈继忠;: "基于时间序列关联聚类的储能电池典型工况曲线提炼", 电力系统自动化, no. 09, 23 December 2017 (2017-12-23) * |
王玲璐;余艳梅;罗代升;: "一种基于BP网络的测井曲线自动提取方法", 四川大学学报(自然科学版), no. 01, 28 February 2008 (2008-02-28) * |
胡斌;梁锡坤;: "代数曲线的分段有理二次B样条插值", 计算机工程与应用, no. 24, 21 August 2007 (2007-08-21) * |
陈应祖;刘玉娟;彭军;: "非单调变化区间插值曲线的实现方法", 计算机科学, no. 05, 25 May 2006 (2006-05-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113219343A (zh) | 基于弹性网的锂电池健康状态预测方法、系统、设备及介质 | |
CN109613440B (zh) | 电池的分级方法、装置、设备和存储介质 | |
CN114636932A (zh) | 一种电池剩余使用寿命预测方法及系统 | |
CN110658459A (zh) | 基于双向循环神经网络的锂离子电池荷电状态估计方法 | |
CN116593896B (zh) | 一种电池储能系统的状态检测方法、系统及电子设备 | |
CN111711209B (zh) | 基于储能寿命和调频性能的光储充联合运行方法及系统 | |
CN114280494A (zh) | 一种基于云端协同的锂电池健康状态监测方法及装置 | |
CN116743180B (zh) | 一种储能电源数据智能存储方法 | |
CN111525197B (zh) | 一种蓄电池soh实时估算系统及方法 | |
CN116466168B (zh) | 一种基于云计算的新能源管理平台异常监测系统及方法 | |
CN117828408B (zh) | 一种储能容量数据处理方法及系统 | |
CN117828408A (zh) | 一种储能容量数据处理方法及系统 | |
CN116842464A (zh) | 一种电池系统soc估计方法 | |
CN115421046B (zh) | 动力电池梯度利用筛选方法、装置、设备及存储介质 | |
CN109738808B (zh) | 基于模拟退火算法优化后的bp神经网络来估算soc的方法 | |
CN114400746B (zh) | 一种电动自行车bms的充电唤醒控制方法 | |
CN115481796A (zh) | 基于贝叶斯混合神经网络的电池剩余使用寿命预测方法 | |
CN115219913A (zh) | 一种基于容量增量法的动力电池全生命周期管理系统 | |
CN114280485A (zh) | Soc估算及一致性评估方法、装置、计算机设备 | |
CN114580251A (zh) | 一种配电台区电动汽车充电负荷分析方法及装置 | |
CN116908694B (zh) | 一种家用储能系统的soh估算方法 | |
CN115841191B (zh) | 一种储能装置的优化方法及系统 | |
CN211086535U (zh) | 一种锂离子动力电池荷电态预测电路 | |
CN114021462A (zh) | 储能锂电池soc估算方法、装置、设备及存储介质 | |
CN116953547A (zh) | 一种储能电池健康度评估方法、系统、设备及存储介质 |
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 |