CN117375147B - 一种储能电站的安全监测预警与运行管理方法及*** - Google Patents
一种储能电站的安全监测预警与运行管理方法及*** Download PDFInfo
- Publication number
- CN117375147B CN117375147B CN202311241459.6A CN202311241459A CN117375147B CN 117375147 B CN117375147 B CN 117375147B CN 202311241459 A CN202311241459 A CN 202311241459A CN 117375147 B CN117375147 B CN 117375147B
- Authority
- CN
- China
- Prior art keywords
- battery
- monitoring
- data
- value
- increment value
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 240
- 238000004146 energy storage Methods 0.000 title claims abstract description 34
- 238000007726 management method Methods 0.000 title claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 81
- 238000012549 training Methods 0.000 claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0007—Details of emergency protective circuit arrangements concerning the detecting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/18—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for batteries; for accumulators
-
- 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
- H02J15/00—Systems for storing electric energy
-
- 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
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
-
- 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
- H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
-
- 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
- H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
- H02J7/0031—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits using battery or load disconnect circuits
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/10—Batteries in stationary systems, e.g. emergency power source in plant
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种储能电站的安全监测预警与运行管理方法及***,包括:获取储能电站的历史数据、电池编号和位置,计算电池与其相邻电池的平均监测数据;根据平均监测数据,得到监测增加值;确定增加大于一阈值的量为监测增加值向量及编号向量;使用监测增加值向量及编号向量训练LSTM网络,使用LSTM预测监测增加值,如果预测的监测增加值大于第二阈值则表示相应的电池有异常,则进行告警并暂停异常电池的运行;通过上述方案可以增加预测的稳定性,并提高预测速度。
Description
技术领域
本发明涉及储能电站的安全领域,具体而言涉及一种储能电站的安全监测预警与运行管理方法及***。
背景技术
储能电站是一种电力***中的关键设施,用于存储电能以备将来使用。现有技术中最常用的储能电站是将电能存储于电池阵列中,在需要时将其重新转换为电能来平衡电力供应和需求,从而提高电力***的可靠性、稳定性和效率。储能电站在可再生能源集成、电力负载平衡、电力质量改善以及应对突发事件等方面都具有重要作用。
电池储能电站中对电池进行安全监测是至关重要的,以确保***的安全性、性能和可靠性。电池储能电站的安全监测需要全面而严格的管理,以确保电池组的性能和寿命,并最大程度地减少潜在的安全风险。
现有技术中通常通过传感器检测电池阵列中的温度、电压、电流的变化以确定电池阵列是否出现问题。
由于电池本身的特性,一旦电池出现问题,造成电池短路等,电池的温度会迅速升高,并且在短时间内燃烧,产生火灾,因此,极早发现电池隐患具有重要的意义。
现有技术中,有通过统计、机器学习等方法对电池的监测数据进行处理分析,在电池出明火之前提早预测电池组状态的公开文献。但在大型储能电站中,一方面电池之间的温度、电压等参数相互影响,传感器有一定的误差,直接使用监测数据进行分析会有较多的误报;另一方面,电池阵列中电池的数量数以万计,如果直接将监测数据应用于预测分析,数据维度会非常大,如果直接作为机器学习模型的输入,会导致处理速度过慢,从而延迟提醒时间。
发明内容
为了解决现有技术中的问题,本发明提供一种储能电站的安全监测预警与运行管理方法及***。
在本发明的一个方面,提供1.一种储能电站的安全监测预警与运行管理方法,其特征在于所述方法包括如下步骤:步骤1,根据历史数据确定全部电池的监测增加值,所述监测增加值指监测周期的值与前一监测周期值的差值;步骤2,确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,根据监测增加值向量确定样本数据,并采用所述样本数据训练LSTM模型;步骤3,实时获取电池监测数据,使用监测到的数据及训练好的LSTM模型预测电池状态,并根据预测的电池状态对电池进行运行管理。
进一步地,所述步骤1具体包括:步骤1.1,获取储能电站的历史电池监测数据以及电池位置数据、电池的连接数据;其中,每一个电池均有一电池编号,周期性地监测电池获取电池监测数据;步骤1.2,根据每一电池的电池位置数据确定与其相邻的电池编号;步骤1.3,对于同一个监测周期的数据,获取与第一电池及与其相邻的电池的第一监测数据,计算所述第一监测数据的平均值,将所述平均值确定为所述第一电池的平均监测数据;步骤1.4,将所述第一电池的平均监测数据减去所述第一电池的前一周期的平均监测数据,得到监测增加值;步骤1.5,重复步骤1.3-1.4,得到全部电池的监测增加值。
进一步地,所述步骤2具体包括:步骤2.1,确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,其中监测增加值向量中监测增加值以电池编号排序,在监测增加值向量中的电池编号为电池编号向量;步骤2.2,重复步骤1.3-1.5及2.1的步骤,处理全部历史电池监测数据,得到每周期的监测增加值向量及电池编号向量为样本数据;步骤2.3,以样本数据训练LSTM模型,得到训练好的LSTM模型,所述LSTM模型可预测后续几个周期的监测增加值。
进一步地,步骤3具体包括:步骤3.1,实时获取电池监测数据,重复步骤1.3-1.5及2.1的步骤,获得当前监测增加值向量及电池编号向量,将当前监测增加值向量及电池编号向量输入训练好的LSTM模型,预测未来几个周期的监测增加值以及相应的电池编号;步骤3.2,如果预测的监测增加值大于第二阈值则表示相应的电池有异常,则进行告警并暂停异常电池的运行。
进一步地,所述相邻为物理上的相邻,所述第一电池的相邻电池为所述第一电池周围的几个电池;或,所述相邻为电学意义上的相邻,所述第一电池的相邻电池为与所述第一电池串联或并联的电池。
另一方面,本发明还提供一种储能电站的安全监测预警与运行管理***,其特征在于所述***包括如下模块:获取模块,用于根据历史数据确定全部电池的监测增加值,所述监测增加值指监测周期的值与前一监测周期值的差值;训练模块,用于确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,根据监测增加值向量确定样本数据,并采用所述样本数据训练LSTM模型;运行管理模块,用于实时获取电池监测数据,使用监测到的数据及训练好的LSTM模型预测电池状态,并根据预测的电池状态对电池进行运行管理。
进一步地,所述获取模块具体包括:
历史数据获取模块,用于获取储能电站的历史电池监测数据以及电池位置数据、电池的连接数据;其中,每一个电池均有一电池编号,周期性地监测电池获取电池监测数据;编号确定模块,用于根据每一电池的电池位置数据确定与其相邻的电池编号;监测数据计算模块,用于对于同一个监测周期的数据,获取与第一电池及与其相邻的电池的第一监测数据,计算所述第一监测数据的平均值,将所述平均值确定为所述第一电池的平均监测数据;监测增加计算模块,用于将所述第一电池的平均监测数据减去所述第一电池的前一周期的平均监测数据,得到监测增加值;第一重复运行模块,用于重复步骤监测数据计算模块及监测增加计算模块,得到全部电池的监测增加值。
进一步地,所述训练模块具体包括:样本模块,用于确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,其中监测增加值向量中监测增加值以电池编号排序,在监测增加值向量中的电池编号为电池编号向量;样本确定模块,用于重复运行监测数据计算模块、监测增加计算模块、样本模块,处理全部历史电池监测数据,得到每周期的监测增加值向量及电池编号向量为样本数据;LSTM模型训练模块,用于以样本数据训练LSTM模型,得到训练好的LSTM模型,所述LSTM模型可预测后续几个周期的监测增加值。
进一步地,所述运行管理模块具体包括:实时数据获取模块,用于实时获取电池监测数据,重复运行监测数据计算模块、监测增加计算模块、样本模块,获得当前监测增加值向量及电池编号向量,将当前监测增加值向量及电池编号向量输入训练好的LSTM模型,预测未来几个周期的监测增加值以及相应的电池编号;异常检测模块,用于如果预测的监测增加值大于第二阈值则表示相应的电池有异常,则进行告警并暂停异常电池的运行。
进一步地,所述相邻为物理上的相邻,所述第一电池的相邻电池为所述第一电池周围的几个电池;或,所述相邻为电学意义上的相邻,所述第一电池的相邻电池为与所述第一电池串联或并联的电池。
本发明通过上述技术方案,可以产生如下有益效果:
为了综合考虑相互影响的电池参数,同时平抑误差,本发明提出相邻电池的概念,以相邻电池的平均值为测量值进行预测,减少了误报的可能。另一方面,为了减少训练维度,本发明基于绝大多数电池的测量增加值在一个小范围的特征,只选择增加值大于一定阈值的数据进行训练,从而提高了训练以及预测的数据。同时,由于使用了平均值,在进行选择增加值大于一定阈值的数据时可以极大的避免将误差数据选择进数据向量,两者配合,进一步提高了训练的预测精度。
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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明方法的流程图;
图2是本发明物理相邻的示意图;
图3是本本发明电学意义相邻的示意图。
具体实施方式
下面,结合附图以及具体实施方式,对发明做出优选的描述。
本实施例通过如下步骤解决上术问题:
在一个实施例中,参考图1,本发明提供一种储能电站的安全监测预警与运行管理方法具体包括:
步骤1,根据历史数据确定全部电池的监测增加值,所述监测增加值指监测周期的值与前一监测周期值的差值。
由于不同电池的物理性质有差异,为了屏蔽不同电池之间的基础值差异,本实施例利用监测增加值也就是监测周期的值与前一监测周期值的差值进行电池状态的预测。
步骤1具体可包括:
步骤1.1,获取储能电站的历史电池监测数据以及电池位置数据、电池的连接数据;其中,每一个电池均有一电池编号,周期性地监测电池获取电池监测数据。
为了能够采集电池的监测数据,可以建立一个数据采集***,以周期性地监测每个电池的关键参数,如电压、电流、温度等。这需要安装传感器和数据采集设备来实时收集数据。每个电池都应该有一个唯一的电池编号,以便追踪和标识。
将采集到的电池监测数据和位置数据存储在一个可靠的数据库中。这可以是关系型数据库、时间序列数据库或分布式存储***,具体选择取决于数据量和性能要求,本实施例不做具体限定。可设置数据传输***,将实时数据从监测设备传输到数据库。这可以通过有线连接、Wi-Fi、蓝牙或其他通信协议来完成。
获取电池的位置数据,可以使用储能电站的设计文档等,也可通过如近场通信等定位技术确定每一个电池的位置;确保每个电池都有一个准确的位置标识,以便在需要时进行查询和分析。通常,储能电站中的电池以阵列的形式排放,形成如矩形的形状,通过可以通过简单的计算确定出绝大多数电池的位置数据。
电池的连接数据是指电池之间的连接关系,如电池之间的串并联等,连接关系通常可以从***的设计文稿中的电路原理图中获取。
本实施中,电压、电流、温度都可作为后续的机器学习使用,可以监测三种数据中的任一个或多个。由于温度更能反应出电池异常,本实施例可使用温度为电池监测数据。监测的周期可根据具体的实施要求确定,周期越小,监测数据越多,监测越灵敏,但对处理数据的计算机要求也更高,本领域技术人员可根据需求确定,本实施例不做具体的限定。
步骤1.2,根据每一电池的电池位置数据确定与其相邻的电池编号。
相邻可以是物理上的相邻,如使用温度为监测数据时,一个电池的温度会影响其物理分布周围的电池,因此此处的相邻可以为物理相邻,即当前电池周围的几个电池均为相邻的电池。
如图2所示,1号电池的相邻为2、5,7号电池的相邻电池为3、6、8、11。
相邻也可以是电学意义上的相邻,如使用电流、电压为监测数据时,由于同时串联、或并联的电池会相互影响,此时相邻可以是串联或并联在同一支路上的电池。
如图3所示,当采用电压、电流为监测指标时,1、2、3并联,可将1、2、3确定为相邻的电池,而4、5、6串联,可将4、5、6确定为相邻的电池。
步骤1.3,对于同一个监测周期的数据,获取与第一电池及与其相邻的电池的第一监测数据,计算所述第一监测数据的平均值,将所述平均值确定为所述第一电池的平均监测数据。
由于历史数据较多,需要一个周期一个周期地进行分析,每次分析一个周期的数据。对于物理相邻的电池,相互之间的温度相互影响,而电学意义上相邻的电池电池、电压相互影响。由于传感器有一定的误差,如果只考虑一个传感器的数据,则可能误差较大,在后续的处理中要将变化量大的数据提取出来,如果存在误差数据,则会极大地影响提取出的变化量大的数据,导致后续的处理不准确。为了考虑相邻电池之间的影响以及平抑误差,本实施例进一步地对于一个周期中的第一电池,获取与第一电池及与其相邻的电池的第一监测数据,计算所述第一监测数据的平均值将所述平均值确定为所述第一电池的平均监测数据。
以图2为例,1号电池的相邻为2、5,当1、2、5号电池的温度分别为37.5、36.8、38.2时,1号电池及其相邻电池的平均温度为(37.8+36.8+38.2)/3=37.6,则将37.6确定为1号电池的平均监测数据。
步骤1.4,将所述第一电池的平均监测数据减去所述第一电池的前一周期的平均监测数据,得到监测增加值。
由于数据是以周期性采集的,因此,在***中有一系列的数据,并且在进行处理时,可以将之前周期的数据进行存储,确定当前周期的平均监测数据后,将所述第一电池的平均监测数据减去所述第一电池的前一周期的平均监测数据,得到监测增加值。
继续以步骤3的数据为例,当前的电池温度的平均监测数据为37.6,而前一周期的为37.2度,则监测增加值为37.6-37.2=0.4。
步骤1.5,重复步骤3-4,得到全部电池的监测增加值。
由于***中有多个电池,在一个周期中,需要该周期中的每一个数据都计算出监测增加值,对***中的每一个电池重复步骤3-4,直到所有的数据均处理完,则可得到全部电池的监测值增加值。
步骤2,步骤2,确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,根据监测增加值向量确定样本数据,并采用所述样本数据训练LSTM模型。
本实施例的原理在于,在储能电站中,绝大多数电池是没有问题的,因此,在运行过程中,绝大多数的电池的监测数据变化在一个可控的范围内,因此为了减少数据的维度,本实施例只考虑少数监测数据变化量大的数据。
步骤2具体可包括:
步骤2.1,确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,其中监测增加值向量中监测增加值以电池编号排序,在监测增加值向量中的电池编号为电池编号向量。
为了确定出少数监测数据变化量大的数据,确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值。
以温度监测增加值大于0.5,排名前5为例,在某一周期中的温度增加值序列为0.2、0、-0.3、0.6、0.52、0.2、……-0.3、0.68、0.55……0、-0.1、0.6……。则取出增加值大于0.5的值为(0.6、0.52、0.68、0.55、0.6),并且相应的电池编号为(4、5、91、92、251),其中(0.6、0.52、0.68、0.55、0.6)即组成监测增加值向量,编号序列(4、5、91、92、251)则组成电池编号向量。
进一步地,由于电池总体运行稳定,则有可能存在监测增加值大于第一阈值的电池数量少于第一预设值,则将监测增加值向量以0补全,将电池编号向量以0补全。
以温度监测增加值大于0.5,排名前5为例,在某一周期中温度增加值大于0.5的序列为(0.6,0.52,0.53),对应的电池编号为(52,112,321),由于温度增加值大于0.5的数量少于第一预设值5,则将(0.6,0.52,0.53)和(52,112,321)以0补全得到(0.6,0.52,0.53,0,0)和(52,112,321,0,0)为监测增加值向量和电池编号向量。
步骤2.2,重复步骤1.3-1.5及2.1的步骤,处理全部历史电池监测数据,得到每周期的监测增加值向量及电池编号向量为样本数据。
数据是周期性地采集的,因此,历史数据有多个周期的数据,步骤3-6为处理一个周期的数据的过程,因此,重复步骤3-6可以得到每周期的监测增加值向量及电池编号向量为样本数据,也就是历史样本数据,通过历史相关数据可以对后续的数据进行预测。
步骤2.3,以样本数据训练LSTM模型,得到训练好的LSTM模型,所述LSTM模型可预测后续几个周期的监测增加值。
LSTM模型是现有技术中使用广泛的深度学习模型,可使用深度学习框架(如TensorFlow或PyTorch)构建LSTM模型。具体的LSTM架构取决于计算机性能以及第一预测值(向量长度)的选择,本领域技术人员可通过有限的实验确定LSTM的结构,本实施不做具体的限定。
将历史数据作为模型的输入特征,目标是预测后续几个周期的监测增加值,使用训练集来训练LSTM模型,将历史数据输入到模型中,并使用监测增加值作为目标。由于使用了两种不同的向量为输入,并且两个向量有关联关系(一个表示值,另一个表示位置编号),在训练时可以将不同类型的输入数据融合到单个输入层中,并将其传递给LSTM模型。针对训练数据迭代多次,使用适当的损失函数和优化器进行模型训练。使用测试集来评估模型的性能,包括计算模型的预测与实际监测增加值之间的误差(如均方根误差RMSE或平均绝对误差MAE)。一旦模型被训练并且在测试集上表现良好,可以将其用于预测后续几个周期的监测增加值。将前几个周期的历史数据输入到模型中,以获得预测的监测增加值。
步骤3,实时获取电池监测数据,使用监测到的数据及训练好的LSTM模型预测电池状态,并根据预测的电池状态对电池进行运行管理。
步骤3,具体可包括:
步骤3.1,实时获取电池监测数据,重复步骤3-6,获得当前监测增加值向量及电池编号向量,将当前监测增加值向量及电池编号向量输入训练好的LSTM模型,预测未来几个周期的监测增加值以及相应的电池编号。
在实际运行的过程中,实时获取电池监测数据,重复步骤3-6即可获得当前监测增加值向量及电池编号向量。当前监测增加值向量及电池编号向量为输入数据,通过LSTM模型进行预测,模型将生成未来几个周期的监测增加值的预测。将这些预测结果与电池编号向量一起记录,以获取相应的电池编号。
进一步地,还可以重复预测,可以通过迭代的方式,将前一个周期的预测结果作为当前时间步的输入,以连续地预测未来多个周期的监测增加值和电池编号。
步骤3.2,如果预测出的监测增加值大于第二阈值则表示相应的电池有异常,则进行告警并暂停异常电池的运行。
在每个时间周期内检查预测的监测增加值是否大于第二阈值。如果预测值大于阈值,则表示相应的电池可能存在异常。如果检测到异常电池,可以执行以下操作:向相关人员发送告警通知,以通知他们存在异常情况。暂停异常电池的运行,这可以通过控制***或设备来实现,具体取决于***架构和控制能力,例如进行物理隔离或断电等。
进一步地,还可记录异常情况,以便进一步的分析和问题解决,可以将相关信息记录到日志文件或数据库中。
在暂停电池运行后,进行定期的监测和检查,以确定问题的根本原因,并采取适当的维护或修复措施。
另一方面,本发明还提供一种储能电站的安全监测预警与运行管理***,其特征在于所述***包括如下模块:
历史数据获取模块,用于获取储能电站的历史电池监测数据以及电池位置数据、电池的连接数据;其中,每一个电池均有一电池编号,周期性地监测电池获取电池监测数据;
编号确定模块,用于根据每一电池的电池位置数据确定与其相邻的电池编号;
监测数据计算模块,用于对于同一个监测周期的数据,获取与第一电池及与其相邻的电池的第一监测数据,计算所述第一监测数据的平均值,将所述平均值确定为所述第一电池的平均监测数据;
监测增加计算模块,用于将所述第一电池的平均监测数据减去所述第一电池的前一周期的平均监测数据,得到监测增加值;
第一重复运行模块,用于重复步骤监测数据计算模块及监测增加计算模块,得到全部电池的监测增加值。
进一步地,上述所述的一种储能电站的安全监测预警与运行管理***具体的实现方法均与一种储能电站的安全监测预警与运行管理方法相同,一种储能电站的安全监测预警与运行管理方法中的全部进一步的技术方案均完全引入一种储能电站的安全监测预警与运行管理***中。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
本发明未特别明确的部分模块结构,以现有技术记载的内容为准。本发明在前述背景技术部分以及具体实施例部分提及的现有技术可作为本发明的一部分,用于理解部分技术特征或者参数的含义。本发明的保护范围以权利要求实际记载的内容为准。
Claims (4)
1.一种储能电站的安全监测预警与运行管理方法,其特征在于所述方法包括如下步骤:
步骤1,根据历史数据确定全部电池的监测增加值,所述监测增加值指监测周期的值与前一监测周期值的差值;
步骤2,确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,根据监测增加值向量确定样本数据,并采用所述样本数据训练LSTM模型;
步骤3,实时获取电池监测数据,使用监测到的数据及训练好的LSTM模型预测电池状态,并根据预测的电池状态对电池进行运行管理;
所述步骤1具体包括:
步骤1.1,获取储能电站的历史电池监测数据以及电池位置数据、电池的连接数据;其中,每一个电池均有一电池编号,周期性地监测电池获取电池监测数据;
步骤1.2,根据每一电池的电池位置数据确定与其相邻的电池编号;
步骤1.3,对于同一个监测周期的数据,获取与第一电池及与其相邻的电池的第一监测数据,计算所述第一监测数据的平均值,将所述平均值确定为所述第一电池的平均监测数据;
步骤1.4,将所述第一电池的平均监测数据减去所述第一电池的前一周期的平均监测数据,得到监测增加值;
步骤1.5,重复步骤1.3-1.4,得到全部电池的监测增加值;
所述步骤2具体包括:
步骤2.1,确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,其中监测增加值向量中监测增加值以电池编号排序,在监测增加值向量中的电池编号为电池编号向量;
步骤2.2,重复步骤1.3-1.5及2.1的步骤,处理全部历史电池监测数据,得到每周期的监测增加值向量及电池编号向量为样本数据;
步骤2.3,以样本数据训练LSTM模型,得到训练好的LSTM模型,所述LSTM模型可预测后续几个周期的监测增加值;
所述步骤3具体包括:
步骤3.1,实时获取电池监测数据,重复步骤1.3-1.5及2.1的步骤,获得当前监测增加值向量及电池编号向量,将当前监测增加值向量及电池编号向量输入训练好的LSTM模型,预测未来几个周期的监测增加值以及相应的电池编号;
步骤3.2,如果预测的监测增加值大于第二阈值则表示相应的电池有异常,则进行告警并暂停异常电池的运行。
2.根据权利要求1所述的一种储能电站的安全监测预警与运行管理方法,其特征在于:所述相邻为物理上的相邻,所述第一电池的相邻电池为所述第一电池周围的几个电池;或,所述相邻为电学意义上的相邻,所述第一电池的相邻电池为与所述第一电池串联或并联的电池。
3.一种储能电站的安全监测预警与运行管理***,其特征在于所述***包括如下模块:
获取模块,用于根据历史数据确定全部电池的监测增加值,所述监测增加值指监测周期的值与前一监测周期值的差值;
训练模块,用于确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,根据监测增加值向量确定样本数据,并采用所述样本数据训练LSTM模型;
运行管理模块,用于实时获取电池监测数据,使用监测到的数据及训练好的LSTM模型预测电池状态,并根据预测的电池状态对电池进行运行管理;
所述获取模块具体包括:
历史数据获取模块,用于获取储能电站的历史电池监测数据以及电池位置数据、电池的连接数据;其中,每一个电池均有一电池编号,周期性地监测电池获取电池监测数据;
编号确定模块,用于根据每一电池的电池位置数据确定与其相邻的电池编号;
监测数据计算模块,用于对于同一个监测周期的数据,获取与第一电池及与其相邻的电池的第一监测数据,计算所述第一监测数据的平均值,将所述平均值确定为所述第一电池的平均监测数据;监测增加计算模块,用于将所述第一电池的平均监测数据减去所述第一电池的前一周期的平均监测数据,得到监测增加值;
第一重复运行模块,用于重复步骤监测数据计算模块及监测增加计算模块,得到全部电池的监测增加值;
所述训练模块具体包括:
样本模块,用于确定监测增加值大于第一阈值,并且排名前第一预设值的监测增加值,为监测增加值向量,其中监测增加值向量中监测增加值以电池编号排序,在监测增加值向量中的电池编号为电池编号向量;
样本确定模块,用于重复运行监测数据计算模块、监测增加计算模块、样本模块,处理全部历史电池监测数据,得到每周期的监测增加值向量及电池编号向量为样本数据;
LSTM模型训练模块,用于以样本数据训练LSTM模型,得到训练好的LSTM模型,所述LSTM模型可预测后续几个周期的监测增加值;所述运行管理模块具体包括:
实时数据获取模块,用于实时获取电池监测数据,重复运行监测数据计算模块、监测增加计算模块、样本模块,获得当前监测增加值向量及电池编号向量,将当前监测增加值向量及电池编号向量输入训练好的LSTM模型,预测未来几个周期的监测增加值以及相应的电池编号;
异常检测模块,用于如果预测的监测增加值大于第二阈值则表示相应的电池有异常,则进行告警并暂停异常电池的运行。
4.根据权利要求3所述的一种储能电站的安全监测预警与运行管理***,其特征在于:所述相邻为物理上的相邻,所述第一电池的相邻电池为所述第一电池周围的几个电池;或,所述相邻为电学意义上的相邻,所述第一电池的相邻电池为与所述第一电池串联或并联的电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311241459.6A CN117375147B (zh) | 2023-09-25 | 2023-09-25 | 一种储能电站的安全监测预警与运行管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311241459.6A CN117375147B (zh) | 2023-09-25 | 2023-09-25 | 一种储能电站的安全监测预警与运行管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117375147A CN117375147A (zh) | 2024-01-09 |
CN117375147B true CN117375147B (zh) | 2024-03-15 |
Family
ID=89401332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311241459.6A Active CN117375147B (zh) | 2023-09-25 | 2023-09-25 | 一种储能电站的安全监测预警与运行管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117375147B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109659933A (zh) * | 2018-12-20 | 2019-04-19 | 浙江工业大学 | 一种基于深度学习模型的含分布式电源配电网电能质量预测方法 |
CN112148722A (zh) * | 2020-10-14 | 2020-12-29 | 四川长虹电器股份有限公司 | 一种监测数据异常的识别及处理方法和*** |
WO2021184554A1 (zh) * | 2020-03-18 | 2021-09-23 | 平安科技(深圳)有限公司 | 数据库异常监测方法、装置、计算机装置及存储介质 |
CN116736134A (zh) * | 2023-06-20 | 2023-09-12 | 深圳市赛格瑞电子有限公司 | 一种实时性储能电池数据监测方法及装置 |
-
2023
- 2023-09-25 CN CN202311241459.6A patent/CN117375147B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109659933A (zh) * | 2018-12-20 | 2019-04-19 | 浙江工业大学 | 一种基于深度学习模型的含分布式电源配电网电能质量预测方法 |
WO2021184554A1 (zh) * | 2020-03-18 | 2021-09-23 | 平安科技(深圳)有限公司 | 数据库异常监测方法、装置、计算机装置及存储介质 |
CN112148722A (zh) * | 2020-10-14 | 2020-12-29 | 四川长虹电器股份有限公司 | 一种监测数据异常的识别及处理方法和*** |
CN116736134A (zh) * | 2023-06-20 | 2023-09-12 | 深圳市赛格瑞电子有限公司 | 一种实时性储能电池数据监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117375147A (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
EP3009801A1 (en) | Failure sign diagnosis system of electrical power grid and method thereof | |
CN116455085B (zh) | 一种电池储能电站智能监控*** | |
RU2626780C1 (ru) | Способ и система удаленного мониторинга энергетических установок | |
BRPI1100290A2 (pt) | mÉtodo para detectar comportamento em equipamento de subestaÇço elÉtrica | |
RU2649542C1 (ru) | Способ и система удаленного мониторинга объектов | |
CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN110109428B (zh) | 一种用于实验室设备的险情监测*** | |
CN212895016U (zh) | 一种基于LoRa无线测控技术的铝电解槽况诊断*** | |
CN116663747B (zh) | 一种基于数据中心基础设施的智能预警方法及*** | |
WO2021133248A1 (en) | Method and apparatus for monitoring production safety for a lithium battery, and device and storage medium thereof | |
CN114812833A (zh) | 一种配网开关温度在线监测与预测***及方法 | |
CN116777088B (zh) | 用于保障生命安全的供电应急抢修环境监测方法及*** | |
KR102296568B1 (ko) | 머신러닝 기반 배전반 관제시스템 | |
CN114444689A (zh) | 一种变压器温度检测分析方法 | |
CN117031182B (zh) | 配电站所终端遥测值异常检测方法及*** | |
CN117375147B (zh) | 一种储能电站的安全监测预警与运行管理方法及*** | |
CN117419829A (zh) | 过热故障的预警方法、装置和电子设备 | |
CN112697306A (zh) | 一种电池包内部温度异常的检测方法、装置及相关产品 | |
CN115932593A (zh) | 电站温度热失控预警方法、***及终端 | |
WO2023148843A1 (ja) | 時系列データ処理方法 | |
CN103389448B (zh) | Gis设备运行状态在线检测方法与*** | |
CN102035253A (zh) | 电网视频及环境监控***中可记忆学习的测试方法及装置 | |
Traxler | Fault detection of large amounts of photovoltaic systems | |
CN117791868B (zh) | 用于智能配电柜的温度在线监测方法及*** |
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 |