CN117936977A - 一种人工智能控制储能液冷系统的方法 - Google Patents
一种人工智能控制储能液冷系统的方法 Download PDFInfo
- Publication number
- CN117936977A CN117936977A CN202410033151.0A CN202410033151A CN117936977A CN 117936977 A CN117936977 A CN 117936977A CN 202410033151 A CN202410033151 A CN 202410033151A CN 117936977 A CN117936977 A CN 117936977A
- Authority
- CN
- China
- Prior art keywords
- liquid
- cooling
- liquid cooling
- energy storage
- heat
- 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
- 238000001816 cooling Methods 0.000 title claims abstract description 284
- 239000007788 liquid Substances 0.000 title claims abstract description 253
- 238000004146 energy storage Methods 0.000 title claims abstract description 121
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000017525 heat dissipation Effects 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000011161 development Methods 0.000 claims abstract description 26
- 230000000694 effects Effects 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 17
- 238000011217 control strategy Methods 0.000 claims abstract description 11
- 239000000110 cooling liquid Substances 0.000 claims description 77
- 230000001276 controlling effect Effects 0.000 claims description 28
- 239000004020 conductor Substances 0.000 claims description 19
- PNEYBMLMFCGWSK-UHFFFAOYSA-N Alumina Chemical compound [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 claims description 11
- 238000005086 pumping Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000012546 transfer Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 229910052574 oxide ceramic Inorganic materials 0.000 description 5
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 239000011224 oxide ceramic Substances 0.000 description 3
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 description 2
- 239000006243 Fine Thermal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 229910010293 ceramic material Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- WGCNASOHLSPBMP-UHFFFAOYSA-N hydroxyacetaldehyde Natural products OCC=O WGCNASOHLSPBMP-UHFFFAOYSA-N 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开一种人工智能控制储能液冷系统的方法,涉及储能系统冷却技术领域;包括:步骤1:改进液冷储能系统,步骤2:通过传感器采集液冷储能系统的热能数据,步骤3:分析处理后热能数据,获得分析结果,根据分析结果获得液冷储能系统的运行状态、热量分布以及散热效果的数据,步骤4:基于液冷储能系统的运行状态、热量分布以及散热效果的数据,构建和训练人工智能预测模型,利用人工智能预测模型通过学习历史数据和实时数据预测未来的热态发展趋势,并根据当前的热态状态做出相应的决策,步骤5:根据人工智能预测模型预测的热态发展趋势和提供的决策,制定并执行相应的热能控制策略:根据预测的热态发展趋势,调整液冷储能系统的运行参数,控制液冷储能系统的各个组件对液冷储能系统实时调控。
Description
技术领域
本发明公开一种方法,涉及储能系统冷却技术领域,具体地说是一种人工智能控制储能液冷系统的方法。
背景技术
温度是影响锂电池的容量、功率和安全性等性能的最主要的因素之一。与动力电池系统相比,储能系统中电池数量更多,工况也更为复杂,因而容易导致温度分布不均和电芯间温差过大在内的各种问题,从而导致系统充放电在内的众多性能受到影响,引发热失控。
目前常见的储能散热技术主要分为风冷、液冷、热管和相变散热四种。液冷技术通过导管或冷板把冷却剂引入储能设备,利用液体的导热性质来进行散热。相对于风冷技术,液冷技术在散热效率上有一定优势,并且可以实现精细化的热管理。热管技术适用于需要高热传导效率和较小尺寸的储能设备,但在大功率应用中存在限制,比如电池数量更多的储能系统,电芯最主要的发热部位在正负极极柱位置,但由于极柱的接线以及设计复杂度和成本问题,目前液冷储能系统中液冷板通常位于电池底部,导致散热效果相对较差,且当前热管理控制策略不够精准,仍需进一步改进和优化。
发明内容
本发明针对现有技术的问题,提供一种人工智能控制储能液冷系统的方法,针对液冷储能系统的热管理,保持稳定的温度和提高散热效率,并满足不同的应用需求,精确地监测和控制电池的温度。
本发明提出的具体方案是:
本发明提供一种人工智能控制储能液冷系统的方法,包括:
步骤1:改进液冷储能系统:采用氧化铝陶瓷液冷板,采用上置方式将储能液冷系统的液冷板直接贴合电池芯片的顶部,并且在液冷板内部部署毛细管网络和导热材料,利用毛细管网络分布冷却液并增加液冷板的表面积提高散热效率,利用导热材料将热量从电池芯片传递到毛细管网络以及液冷板的其他部分,
步骤2:通过传感器采集液冷储能系统的热能数据,所述热能数据包括电池温度、液冷板温度和液冷流量数据,处理热能数据,
步骤3:分析处理后热能数据,获得分析结果,根据分析结果获得液冷储能系统的运行状态、热量分布以及散热效果的数据,
步骤4:基于液冷储能系统的运行状态、热量分布以及散热效果的数据,构建和训练人工智能预测模型,利用人工智能预测模型通过学习历史数据和实时数据预测未来的热态发展趋势,并根据当前的热态状态做出相应的决策,
步骤5:根据人工智能预测模型预测的热态发展趋势和提供的决策,制定并执行相应的热能控制策略:根据预测的热态发展趋势,调整液冷储能系统的运行参数,控制液冷储能系统的各个组件对液冷储能系统实时调控。
进一步,所述的一种人工智能控制储能液冷系统的方法中所述步骤1,还包括:配置液冷储能系统的液冷机组、液冷管路、高低压线束和冷却液,其中为液冷机组配置加热器,在液冷机组中冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节根据液冷管路部署温度传感器和阀门,选配冷却液类型。
进一步,所述的一种人工智能控制储能液冷系统的方法中步骤5中,控制液冷储能系统的各个组件对液冷储能系统实时调控,包括:
控制液冷储能系统的工作流程,包括:
将冷却液通过液冷管路泵送或循环至液冷板,使液冷板上的毛细管网络均匀分配冷却液至液冷板表面,
利用液冷板上的导热材料将电池芯片的热量传递给液冷板,同时利用液冷板表面的冷却液与电池芯片的顶部进行热交换,吸收热量,
被加热的冷却液通过冷却液管路被泵送至液冷机组,在液冷机组中,冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节
通过液冷机组中的散热器将冷却液中的热量散发到周围环境中;
将经过散热后冷却液再次泵送回到液冷板,循环往复进行热交换。
进一步,所述的一种人工智能控制储能液冷系统的方法中还包括步骤6:利用云端远程监控液冷储能系统,并通过人工智能预测模型管理液冷储能系统。
本发明提供一种人工智能控制储能液冷系统的装置,包括配置模块、数据处理模块、分析模块、人工智能模型模块和控制模块,
配置模块改进液冷储能系统:采用氧化铝陶瓷液冷板,采用上置方式将储能液冷系统的液冷板直接贴合电池芯片的顶部,并且在液冷板内部部署毛细管网络和导热材料,利用毛细管网络分布冷却液并增加液冷板的表面积提高散热效率,利用导热材料将热量从电池芯片传递到毛细管网络以及液冷板的其他部分,
数据处理模块通过传感器采集液冷储能系统的热能数据,所述热能数据包括电池温度、液冷板温度和液冷流量数据,处理热能数据,
分析模块分析处理后热能数据,获得分析结果,根据分析结果获得液冷储能系统的运行状态、热量分布以及散热效果的数据,
人工智能模型模块基于液冷储能系统的运行状态、热量分布以及散热效果的数据,构建和训练人工智能预测模型,利用人工智能预测模型通过学习历史数据和实时数据预测未来的热态发展趋势,并根据当前的热态状态做出相应的决策,
控制模块根据人工智能预测模型预测的热态发展趋势和提供的决策,制定并执行相应的热能控制策略:根据预测的热态发展趋势,调整液冷储能系统的运行参数,控制液冷储能系统的各个组件对液冷储能系统实时调控。
进一步,所述的一种人工智能控制储能液冷系统的装置中所述配置模块还配置液冷储能系统的液冷机组、液冷管路、高低压线束和冷却液,其中为液冷机组配置加热器,在液冷机组中冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节根据液冷管路部署温度传感器和阀门,选配冷却液类型。
进一步,所述的一种人工智能控制储能液冷系统的装置中控制模块控制液冷储能系统的各个组件对液冷储能系统实时调控,包括:控制液冷储能系统的工作流程,包括:
将冷却液通过液冷管路泵送或循环至液冷板,使液冷板上的毛细管网络均匀分配冷却液至液冷板表面,
利用液冷板上的导热材料将电池芯片的热量传递给液冷板,同时利用液冷板表面的冷却液与电池芯片的顶部进行热交换,吸收热量,
被加热的冷却液通过冷却液管路被泵送至液冷机组,在液冷机组中,冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节
通过液冷机组中的散热器将冷却液中的热量散发到周围环境中;
将经过散热后冷却液再次泵送回到液冷板,循环往复进行热交换。
进一步,所述的一种人工智能控制储能液冷系统的装置中还包括云模块,云模块利用云端远程监控液冷储能系统,并通过人工智能预测模型管理液冷储能系统。
本发明的有益之处是:
本发明提供一种人工智能控制储能液冷系统的方法,采用氧化铝陶瓷液冷板,采用上置直接接触电芯主要发热部位正负极的方式,相对于置于电芯底部的水冷板方式,具有更高的冷却效果,主要体现在以下几个方面:
1、接触面积增大:上置方式可以使水冷板直接贴合电芯正负极主要发热部位,与传统的底部放置方式相比,接触面积更大。这样可以更有效地将电芯产生的热量传导到水冷板上,增加了热量的传递和散热效率。
2、传热路径缩短:上置方式可以缩短热量传递的路径。热量只需通过电芯内部的极片和液冷板之间的导热材料即可传递,无需再穿过电芯的包装结构。这样可以减少热阻,提高热量传递的效率。
3、导热性能优越:氧化铝陶瓷材料具有较高的导热性能,比传统的金属水冷板材料更能有效地传导和分散热量。采用氧化铝陶瓷水冷板可以提高散热效果,更有效地降低电芯温度,提高系统的热管理能力。
利用人工智能模型根据电芯的采集数据,预测热态发展趋势,可以实现精细化热管理。相对于仅根据电芯温度进行调整的方式,智能热管理在以下几个方面能够实现更加精细和智能的热管理策略:
1、动态调整液冷主机运行状态:智能热管理可以根据预测的电芯状况实时调整液冷主机的运行状态。通过分析和预测,系统可以预知电芯的温升趋势、热量产生和散热的动态变化。根据这些信息,系统可以动态调整液冷主机的运行参数,例如冷却液的流速、温度等,以实现更精细的热管理和调控。
2、节能减少功耗:智能热管理可以根据模型和预测结果,合理优化液冷主机的运行策略,以减少功耗。通过精细调控液冷主机的运行状态,保持电芯温度在合适的范围内,避免过度冷却或过热。这样可以避免不必要的能量消耗,降低系统的功耗,提高能源利用效率。
3、故障预警和安全保护:智能热管理可以通过模型和预测,及时识别电芯的异常状况,并进行故障预警和安全保护。系统可以监测电芯的温度、压力和其他关键指标,对比实时数据与预测结果,如果发现异常情况,可以立即采取相应的措施,如警报、停机或调整控制策略,以确保系统的安全性和可靠性。
4、统计分析和优化策略:智能热管理可以通过大量的电芯数据和历史记录进行统计分析和优化策略的制定。系统可以学习和识别不同工况下的热特性、能量消耗等,进而优化热管理策略,提高系统的性能和效益。
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是液冷电池包结构示意图。
图2是本发明装置中模块交互示意图。
附图标记:01上盖;02氧化铝陶瓷液冷板;03负极出线口;04电池模组;05正极进线口;06下箱体板。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
本发明提供一种人工智能控制储能液冷系统的方法,包括:
步骤1:改进液冷储能系统:采用氧化铝陶瓷液冷板,采用上置方式将储能液冷系统的液冷板直接贴合电池芯片的顶部,并且在液冷板内部部署毛细管网络和导热材料,利用毛细管网络分布冷却液并增加液冷板的表面积提高散热效率,利用导热材料将热量从电池芯片传递到毛细管网络以及液冷板的其他部分,
步骤2:通过传感器采集液冷储能系统的热能数据,所述热能数据包括电池温度、液冷板温度和液冷流量数据,处理热能数据,
步骤3:分析处理后热能数据,获得分析结果,根据分析结果获得液冷储能系统的运行状态、热量分布以及散热效果的数据,
步骤4:基于液冷储能系统的运行状态、热量分布以及散热效果的数据,构建和训练人工智能预测模型,利用人工智能预测模型通过学习历史数据和实时数据预测未来的热态发展趋势,并根据当前的热态状态做出相应的决策,
步骤5:根据人工智能预测模型预测的热态发展趋势和提供的决策,制定并执行相应的热能控制策略:根据预测的热态发展趋势,调整液冷储能系统的运行参数,控制液冷储能系统的各个组件对液冷储能系统实时调控。
本发明方法改进储能液冷系统,采用氧化铝陶瓷水冷板且采用上置直接接触电芯的方式,相对于传统的底部放置方式,具有更高的冷却效果。这种设计可以提高热量的传导效率,更有效地控制电芯的温度,从而提高储能系统的性能、寿命和安全性。还利用智能热管理在分析数据、建模、预测等多个方面实现精细化热管理。通过动态调整液冷主机的运行状态、节能减少功耗、故障预警和安全保护,以及统计分析和优化策略的制定,智能热管理系统可以提高储能系统的效率、性能和可靠性。
具体应用中,在本发明方法的一些实施例中,进行人工智能控制储能液冷系统的过程可参考如下:
步骤1:改进液冷储能系统:采用氧化铝陶瓷液冷板,采用上置方式将储能液冷系统的液冷板直接贴合电池芯片的顶部,并且在液冷板内部部署毛细管网络和导热材料,利用毛细管网络分布冷却液并增加液冷板的表面积提高散热效率,利用导热材料将热量从电池芯片传递到毛细管网络以及液冷板的其他部分。
进一步,所述步骤1,还可包括:配置液冷储能系统的液冷机组、液冷管路、高低压线束和冷却液,其中为液冷机组配置加热器,在液冷机组中冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节根据液冷管路部署温度传感器和阀门,选配冷却液类型。其中冷却液可选择乙二醇水溶液等。
采用氧化铝陶瓷材料和上置方式的设计,储能液冷板可以更好地满足热管理需求,提高散热效果,并在一定程度上减少热传导路径和热阻。这有助于保持电池的稳定工作温度,提高储能系统的性能和寿命。
步骤2:通过传感器采集液冷储能系统的热能数据,所述热能数据包括电池温度、液冷板温度和液冷流量数据,处理热能数据,
步骤3:分析处理后热能数据,获得分析结果,根据分析结果获得液冷储能系统的运行状态、热量分布以及散热效果的数据,
步骤4:基于液冷储能系统的运行状态、热量分布以及散热效果的数据,构建和训练人工智能预测模型,利用人工智能预测模型通过学习历史数据和实时数据预测未来的热态发展趋势,并根据当前的热态状态做出相应的决策,
步骤5:根据人工智能预测模型预测的热态发展趋势和提供的决策,制定并执行相应的热能控制策略:根据预测的热态发展趋势,调整液冷储能系统的运行参数,控制液冷储能系统的各个组件对液冷储能系统实时调控。
进一步,步骤5中,控制液冷储能系统的各个组件对液冷储能系统实时调控,包括:
控制液冷储能系统的工作流程,包括:
将冷却液通过液冷管路泵送或循环至液冷板,使液冷板上的毛细管网络均匀分配冷却液至液冷板表面,
利用液冷板上的导热材料将电池芯片的热量传递给液冷板,同时利用液冷板表面的冷却液与电池芯片的顶部进行热交换,吸收热量,
被加热的冷却液通过冷却液管路被泵送至液冷机组,在液冷机组中,冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节
通过液冷机组中的散热器将冷却液中的热量散发到周围环境中;
将经过散热后冷却液再次泵送回到液冷板,循环往复进行热交换。
利用人工智能预测模型整个液冷系统的工作流程进行智能调控,循环地将冷却液传送到液冷板上,通过热传导和热辐射/对流来吸收和释放热量,以维持电池芯片的适宜工作温度。通过这种方式,液冷系统可以有效地的对电池芯片进行散热,提高储能系统的性能和稳定性。
进一步,在远程控制中,还可包括步骤6:利用云端远程监控液冷储能系统,并通过人工智能预测模型管理液冷储能系统。其中将液冷储能系统的数据、分析结果、模型参数等可以上传到云端进行存储和处理。通过云端可以实现多个系统的集中管理和分析,同时也提供了远程监控、维护和升级的功能。
本发明提供一种人工智能控制储能液冷系统的装置,包括配置模块、数据处理模块、分析模块、人工智能模型模块和控制模块,
配置模块改进液冷储能系统:采用氧化铝陶瓷液冷板,采用上置方式将储能液冷系统的液冷板直接贴合电池芯片的顶部,并且在液冷板内部部署毛细管网络和导热材料,利用毛细管网络分布冷却液并增加液冷板的表面积提高散热效率,利用导热材料将热量从电池芯片传递到毛细管网络以及液冷板的其他部分,
数据处理模块通过传感器采集液冷储能系统的热能数据,所述热能数据包括电池温度、液冷板温度和液冷流量数据,处理热能数据,
分析模块分析处理后热能数据,获得分析结果,根据分析结果获得液冷储能系统的运行状态、热量分布以及散热效果的数据,
人工智能模型模块基于液冷储能系统的运行状态、热量分布以及散热效果的数据,构建和训练人工智能预测模型,利用人工智能预测模型通过学习历史数据和实时数据预测未来的热态发展趋势,并根据当前的热态状态做出相应的决策,
控制模块根据人工智能预测模型预测的热态发展趋势和提供的决策,制定并执行相应的热能控制策略:根据预测的热态发展趋势,调整液冷储能系统的运行参数,控制液冷储能系统的各个组件对液冷储能系统实时调控。
上述装置内的各模块间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
同样地本发明装置可以配置储能液冷系统,采用氧化铝陶瓷液冷板,采用上置直接接触电芯主要发热部位正负极的方式,相对于置于电芯底部的水冷板方式,具有更高的冷却效果,主要体现在以下几个方面:
1、接触面积增大:上置方式可以使水冷板直接贴合电芯正负极主要发热部位,与传统的底部放置方式相比,接触面积更大。这样可以更有效地将电芯产生的热量传导到水冷板上,增加了热量的传递和散热效率。
2、传热路径缩短:上置方式可以缩短热量传递的路径。热量只需通过电芯内部的极片和液冷板之间的导热材料即可传递,无需再穿过电芯的包装结构。这样可以减少热阻,提高热量传递的效率。
3、导热性能优越:氧化铝陶瓷材料具有较高的导热性能,比传统的金属水冷板材料更能有效地传导和分散热量。采用氧化铝陶瓷水冷板可以提高散热效果,更有效地降低电芯温度,提高系统的热管理能力。
利用人工智能模型根据电芯的采集数据,预测热态发展趋势,可以实现精细化热管理。相对于仅根据电芯温度进行调整的方式,智能热管理在以下几个方面能够实现更加精细和智能的热管理策略:
1、动态调整液冷主机运行状态:智能热管理可以根据预测的电芯状况实时调整液冷主机的运行状态。通过分析和预测,系统可以预知电芯的温升趋势、热量产生和散热的动态变化。根据这些信息,系统可以动态调整液冷主机的运行参数,例如冷却液的流速、温度等,以实现更精细的热管理和调控。
2、节能减少功耗:智能热管理可以根据模型和预测结果,合理优化液冷主机的运行策略,以减少功耗。通过精细调控液冷主机的运行状态,保持电芯温度在合适的范围内,避免过度冷却或过热。这样可以避免不必要的能量消耗,降低系统的功耗,提高能源利用效率。
3、故障预警和安全保护:智能热管理可以通过模型和预测,及时识别电芯的异常状况,并进行故障预警和安全保护。系统可以监测电芯的温度、压力和其他关键指标,对比实时数据与预测结果,如果发现异常情况,可以立即采取相应的措施,如警报、停机或调整控制策略,以确保系统的安全性和可靠性。
4、统计分析和优化策略:智能热管理可以通过大量的电芯数据和历史记录进行统计分析和优化策略的制定。系统可以学习和识别不同工况下的热特性、能量消耗等,进而优化热管理策略,提高系统的性能和效益。
需要说明的是,上述各流程和各装置结构中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (8)
1.一种人工智能控制储能液冷系统的方法,其特征是包括:
步骤1:改进液冷储能系统:采用氧化铝陶瓷液冷板,采用上置方式将储能液冷系统的液冷板直接贴合电池芯片的顶部,并且在液冷板内部部署毛细管网络和导热材料,利用毛细管网络分布冷却液并增加液冷板的表面积提高散热效率,利用导热材料将热量从电池芯片传递到毛细管网络以及液冷板的其他部分,
步骤2:通过传感器采集液冷储能系统的热能数据,所述热能数据包括电池温度、液冷板温度和液冷流量数据,处理热能数据,
步骤3:分析处理后热能数据,获得分析结果,根据分析结果获得液冷储能系统的运行状态、热量分布以及散热效果的数据,
步骤4:基于液冷储能系统的运行状态、热量分布以及散热效果的数据,构建和训练人工智能预测模型,利用人工智能预测模型通过学习历史数据和实时数据预测未来的热态发展趋势,并根据当前的热态状态做出相应的决策,
步骤5:根据人工智能预测模型预测的热态发展趋势和提供的决策,制定并执行相应的热能控制策略:根据预测的热态发展趋势,调整液冷储能系统的运行参数,控制液冷储能系统的各个组件对液冷储能系统实时调控。
2.根据权利要求1所述的一种人工智能控制储能液冷系统的方法,其特征是所述步骤1,还包括:配置液冷储能系统的液冷机组、液冷管路、高低压线束和冷却液,其中为液冷机组配置加热器,在液冷机组中冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节根据液冷管路部署温度传感器和阀门,选配冷却液类型。
3.根据权利要求2所述的一种人工智能控制储能液冷系统的方法,其特征是步骤5中,控制液冷储能系统的各个组件对液冷储能系统实时调控,包括:
控制液冷储能系统的工作流程,包括:
将冷却液通过液冷管路泵送或循环至液冷板,使液冷板上的毛细管网络均匀分配冷却液至液冷板表面,
利用液冷板上的导热材料将电池芯片的热量传递给液冷板,同时利用液冷板表面的冷却液与电池芯片的顶部进行热交换,吸收热量,
被加热的冷却液通过冷却液管路被泵送至液冷机组,在液冷机组中,冷却液经过压缩机冷却,冷却过的冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节
通过液冷机组中的散热器将冷却液中的热量散发到周围环境中;
将经过散热后冷却液再次泵送回到液冷板,循环往复进行热交换。
4.根据权利要求1所述的一种人工智能控制储能液冷系统的方法,其特征是还包括步骤6:利用云端远程监控液冷储能系统,并通过人工智能预测模型管理液冷储能系统。
5.一种人工智能控制储能液冷系统的装置,其特征是包括配置模块、数据处理模块、分析模块、人工智能模型模块和控制模块,
配置模块改进液冷储能系统:采用氧化铝陶瓷液冷板,采用上置方式将储能液冷系统的液冷板直接贴合电池芯片的顶部,并且在液冷板内部部署毛细管网络和导热材料,利用毛细管网络分布冷却液并增加液冷板的表面积提高散热效率,利用导热材料将热量从电池芯片传递到毛细管网络以及液冷板的其他部分,
数据处理模块通过传感器采集液冷储能系统的热能数据,所述热能数据包括电池温度、液冷板温度和液冷流量数据,处理热能数据,
分析模块分析处理后热能数据,获得分析结果,根据分析结果获得液冷储能系统的运行状态、热量分布以及散热效果的数据,
人工智能模型模块基于液冷储能系统的运行状态、热量分布以及散热效果的数据,构建和训练人工智能预测模型,利用人工智能预测模型通过学习历史数据和实时数据预测未来的热态发展趋势,并根据当前的热态状态做出相应的决策,
控制模块根据人工智能预测模型预测的热态发展趋势和提供的决策,制定并执行相应的热能控制策略:根据预测的热态发展趋势,调整液冷储能系统的运行参数,控制液冷储能系统的各个组件对液冷储能系统实时调控。
6.根据权利要求5所述的一种人工智能控制储能液冷系统的装置,其特征是所述配置模块还配置液冷储能系统的液冷机组、液冷管路、高低压线束和冷却液,其中为液冷机组配置加热器,在液冷机组中冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节根据液冷管路部署温度传感器和阀门,选配冷却液类型。
7.根据权利要求6所述的一种人工智能控制储能液冷系统的装置,其特征是控制模块控制液冷储能系统的各个组件对液冷储能系统实时调控,包括:控制液冷储能系统的工作流程,包括:
将冷却液通过液冷管路泵送或循环至液冷板,使液冷板上的毛细管网络均匀分配冷却液至液冷板表面,
利用液冷板上的导热材料将电池芯片的热量传递给液冷板,同时利用液冷板表面的冷却液与电池芯片的顶部进行热交换,吸收热量,
被加热的冷却液通过冷却液管路被泵送至液冷机组,在液冷机组中,冷却液经过压缩机冷却,冷却过的冷却液经过加热器进行加热或温度调节
通过液冷机组中的散热器将冷却液中的热量散发到周围环境中;
将经过散热后冷却液再次泵送回到液冷板,循环往复进行热交换。
8.根据权利要求5所述的一种人工智能控制储能液冷系统的装置,其特征是还包括云模块,云模块利用云端远程监控液冷储能系统,并通过人工智能预测模型管理液冷储能系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410033151.0A CN117936977A (zh) | 2024-01-08 | 2024-01-08 | 一种人工智能控制储能液冷系统的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410033151.0A CN117936977A (zh) | 2024-01-08 | 2024-01-08 | 一种人工智能控制储能液冷系统的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117936977A true CN117936977A (zh) | 2024-04-26 |
Family
ID=90756772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410033151.0A Pending CN117936977A (zh) | 2024-01-08 | 2024-01-08 | 一种人工智能控制储能液冷系统的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117936977A (zh) |
-
2024
- 2024-01-08 CN CN202410033151.0A patent/CN117936977A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN114156560A (zh) | 一种浸没式液冷散热模组及散热方法 | |
EP3644432A1 (en) | Immersion cooling device for power battery | |
CN116470187A (zh) | 适用于浸没式液冷储能系统的电芯均温系统及方法 | |
CN117790985A (zh) | 一种全浸没式液冷储能系统及其控制方法 | |
CN111211375B (zh) | 一种调频用锂离子电池液冷式热管控方法及储能系统 | |
CN105716342A (zh) | 半导体制冷设备风冷式散热控制方法 | |
CN117936977A (zh) | 一种人工智能控制储能液冷系统的方法 | |
CN115732808A (zh) | 电芯温度调节方法、装置、设备 | |
JP2022084840A (ja) | 電子ラックを冷却するための熱管理システム、情報技術部品冷却方法、非一時的な機械読み取り可能な媒体およびコンピュータプログラム | |
CN208400998U (zh) | 锂电池组的恒温调节装置 | |
CN221102219U (zh) | 一种电池温度调节系统 | |
CN113540616A (zh) | 一种基于重力热管冷却的电池热管理系统及控制方法 | |
CN207765590U (zh) | 一种智能温控电池组 | |
CN111384839A (zh) | 一种用于平滑风电变流器中igbt模块低频结温波动的方法 | |
CN112097828A (zh) | 一种冷却塔内环境监测系统 | |
CN218351528U (zh) | 电池管理系统及电池箱储能系统 | |
CN218299915U (zh) | 液冷式bms结构、电池包及用电装置 | |
CN215419654U (zh) | 一种智能调温的一体化电源 | |
CN214152999U (zh) | 一种集散热加热一体化动力电池包热管理系统装置 | |
CN115543050B (zh) | 服务器的散热方法及装置、系统和计算机可读存储介质 | |
CN218887288U (zh) | 电池热保护在线循环续容系统 | |
CN219458677U (zh) | 一种功率因数补偿柜 | |
CN117059958A (zh) | 适用于锂离子电池散热的风冷液冷混合散热装置及方法 | |
CN116315253A (zh) | 一种电化学储能站电池液体散热装置 |
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 |