CN117393921B - 分布式储能设备 - Google Patents
分布式储能设备 Download PDFInfo
- Publication number
- CN117393921B CN117393921B CN202311346651.1A CN202311346651A CN117393921B CN 117393921 B CN117393921 B CN 117393921B CN 202311346651 A CN202311346651 A CN 202311346651A CN 117393921 B CN117393921 B CN 117393921B
- Authority
- CN
- China
- Prior art keywords
- time sequence
- battery
- battery temperature
- energy storage
- temperature time
- 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 118
- 239000013598 vector Substances 0.000 claims abstract description 64
- 238000010586 diagram Methods 0.000 claims abstract description 48
- 238000011217 control strategy Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000012300 Sequence Analysis Methods 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 9
- 230000018109 developmental process Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 abstract description 16
- 238000000034 method Methods 0.000 description 20
- 230000008859 change Effects 0.000 description 16
- 230000014509 gene expression Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000004378 air conditioning Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000017525 heat dissipation Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- 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
- H01M10/60—Heating or cooling; Temperature control
- H01M10/63—Control systems
- H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
-
- 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
- H01M10/60—Heating or cooling; Temperature control
- H01M10/61—Types of temperature control
- H01M10/613—Cooling or keeping cold
-
- 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
- H01M10/60—Heating or cooling; Temperature control
- H01M10/62—Heating or cooling; Temperature control specially adapted for specific applications
- H01M10/627—Stationary installations, e.g. power plant buffering or backup power supplies
-
- 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
- H01M10/60—Heating or cooling; Temperature control
- H01M10/65—Means for temperature control structurally associated with the cells
- H01M10/655—Solid structures for heat exchange or heat conduction
- H01M10/6556—Solid parts with flow channel passages or pipes for heat exchange
-
- 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
- H01M10/60—Heating or cooling; Temperature control
- H01M10/65—Means for temperature control structurally associated with the cells
- H01M10/656—Means for temperature control structurally associated with the cells characterised by the type of heat-exchange fluid
- H01M10/6561—Gases
- H01M10/6563—Gases with forced flow, e.g. by blowers
-
- 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
- H01M10/60—Heating or cooling; Temperature control
- H01M10/66—Heat-exchange relationships between the cells and other systems, e.g. central heating systems or fuel cells
- H01M10/663—Heat-exchange relationships between the cells and other systems, e.g. central heating systems or fuel cells the system being an air-conditioner or an engine
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20009—Modifications to facilitate cooling, ventilating, or heating using a gaseous coolant in electronic enclosures
- H05K7/20136—Forced ventilation, e.g. by fans
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K7/00—Constructional details common to different types of electric apparatus
- H05K7/20—Modifications to facilitate cooling, ventilating, or heating
- H05K7/20009—Modifications to facilitate cooling, ventilating, or heating using a gaseous coolant in electronic enclosures
- H05K7/20136—Forced ventilation, e.g. by fans
- H05K7/20145—Means for directing air flow, e.g. ducts, deflectors, plenum or guides
-
- 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
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Automation & Control Theory (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种分布式储能设备,其获取由温度传感器采集的预定时间段内多个预定时间点的电池温度值;对所述多个预定时间点的电池温度值进行数据结构化处理以得到电池温度时序输入向量;对所述电池温度时序输入向量进行时序分析以得到空间显化电池温度时序特征图;以及,基于所述空间显化电池温度时序特征图,确定空调功率的控制策略。这样,可以智能地实现对分布式储能设备的智能温度控制。
Description
技术领域
本发明涉及智能化储能技术领域,尤其涉及一种分布式储能设备。
背景技术
分布式储能设备是一种利用电池等储能介质,将电能转化为其他形式的能量并储存起来,以便在需要时再将其转化为电能的设备。分布式储能设备具有灵活性高、响应速度快、可靠性强等优点。
然而,分布式储能设备也面临着一些挑战,其中之一就是电池的温度管理。电池在充放电过程中会产生热量,如果不及时散发出去,会导致电池温度升高,影响电池的性能和寿命,甚至引发安全事故。因此,如何有效地对分布式储能设备进行温度控制,是一个亟待解决的问题。
发明内容
本发明实施例提供一种分布式储能设备,其获取由温度传感器采集的预定时间段内多个预定时间点的电池温度值;对所述多个预定时间点的电池温度值进行数据结构化处理以得到电池温度时序输入向量;对所述电池温度时序输入向量进行时序分析以得到空间显化电池温度时序特征图;以及,基于所述空间显化电池温度时序特征图,确定空调功率的控制策略。这样,可以智能地实现对分布式储能设备的智能温度控制。
本发明实施例还提供了一种分布式储能设备,包括机柜、设置于所述机柜内的储能电池和空调,其中,所述储能电池具有设置于其内的风道,所述风道用于将所述电池内部产生的热传输至外部,所述空调的回风口将冷风输入至所述储能电池的电池进风口区域,其特征在于,所述空调还包括空调功率控制器,用于控制所述空调的功率。
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。在附图中:
图1为本发明实施例中提供的一种分布式储能设备的框图。
图2和图3为本发明实施例中提供的一种分布式储能设备的结构示意图。
图4为本发明实施例中提供的一种分布式储能设备中所述空调功率控制器的框图。
图5为本发明实施例中提供的一种分布式储能方法的流程图。
图6为本发明实施例中提供的一种分布式储能方法的***架构的示意图。
图7为本发明实施例中提供的一种分布式储能设备的应用场景图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
除非另有说明,本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本申请的范围。
在本申请实施例记载中,需要说明的是,除非另有说明和限定,术语“连接”应做广义理解,例如,可以是电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
需要说明的是,本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
目前市场同类产品的痛点及缺陷包括:
1、商用储能柜,其内部的储能电池箱在冲、放电的过程中风道设计不合理,充放电温度差过大。需要采用散热元件来对机柜内部实施散热工作,以保障储能电池箱的正常运行。
2、空调排布位置不合理。
3、现有的应用于储能柜的散热元件,通常采用电力风扇转动,加速柜体内、外环境的空气循环,然而,在高温环境下,进入柜体内部的空气温度过升高,柜体内部的储能电池箱也处于高温环境中,因此,在柜体内、外空气流动循环过程中,风道通过空调散热很重要,不合理的方式使效率降低,因此,无法对储能电池箱实有效的降温工作。
4、模块化功能不强。
本申请的储能设备,是由磷酸铁锂电池组、储能双向变流器(PCS)、电池管理***(BMS)、能量管理***(EMS)、消防***、人机界面和通讯***等多个子***组成,并采用一体化、标准化结构设计方案,IP54防护等级可满足室内外安装需要。电池组、变流器均采用模块化设计方案,自由组合可适用于各种场景,多台多级并联方便扩容。
该设备成模块化,方便组合,将交流、直流***整合成一套***,满足不同用户以及应用场景使用。
本申请提供的储能设备的优点包括:解决交直流***安全、可靠性并网;利用云平台以及边缘计算方式,解决应用模式算例和远程维护方式;变流器控制策略,储能变流器又叫功率变换***(PCS),是储能单元中功率调节的执行设备,在监控与调度***的调配下,实施有效和安全的储电和放电管理;电池管理***(BMS)安装于储能电池组内,负责对储能电池组进行电压、温度、电流、容量等信息的采集,实时状态监测和故障分析,同时通过CAN总线与PCS、监控与调度***联机通信,实现对电池进行优化的充放电管理控制。***每簇电池组各自配一套电池管理***,能达到有效和高效地使用每簇储能电池及整体合理调配的目的;监控与调度管理***是储能单元的能量调度、管理中心,包含中央控制***(MGCC)和能量管理***(EMS),负责收集全部电池管理***数据、储能变流器数据及配电柜数据,向各个部分发出控制指令,控制整个储能***的运行,合理安排储能变流器工作;***既可以按照预设的充放电时间、功率和运行模式自动运行,也可以接受操作员的即时指令运行。
目前,分布式储能设备的成本仍然相对较高,包括储能介质(如电池)的成本、设备的制造和安装成本等,这限制了其广泛应用和普及。分布式储能设备需要具备高效的能量转化和储存技术。然而,当前的储能技术(如电池技术)仍存在能量密度不高、寿命有限、充放电效率不够高等问题。因此,需要进一步研发和改进储能技术,以提高设备的性能和可靠性。分布式储能设备中的电池在充放电过程中会产生热量,如果不及时散发出去,会导致电池温度升高,影响电池的性能和寿命,甚至引发安全事故。因此,如何有效地对分布式储能设备进行温度控制,是一个亟待解决的问题。分布式储能设备需要与能源网络进行集成和协调。这包括与电网的连接、能量调度和管理等方面的技术挑战。确保分布式储能设备与电网的协同运行,需要解决能量流动、通信、安全等方面的问题。分布式储能设备的发展还受到法规和政策的限制。在一些地区,缺乏相关的政策支持和监管框架,可能限制了分布式储能设备的部署和应用。
克服这些挑战需要技术创新、成本降低、政策支持和行业合作等多方面的努力。随着技术的进步和经验的积累,分布式储能设备有望成为能源***中重要的组成部分,推动可再生能源的大规模应用和能源转型。
在本发明的一个实施例中,图1为本发明实施例中提供的一种分布式储能设备的框图。如图1所示,根据本发明实施例的分布式储能设备100,包括:机柜1、设置于所述机柜1内的储能电池2和空调3,其中,所述储能电池2具有设置于其内的风道,所述风道用于将所述电池内部产生的热传输至外部,所述空调3的回风口将冷风输入至所述储能电池2的电池进风口区域,其特征在于,所述空调还包括空调功率控制器4,用于控制所述空调的功率。
机柜1是用来容纳储能电池和空调等设备的物理结构,提供保护和支撑,并确保设备的安全和有序布置。储能电池2是分布式储能设备的核心组件,用于将电能转化为化学能并储存起来。储能电池具有风道,用于传输电池内部产生的热量至外部,储能电池的主要功能是存储能量并在需要时释放能量,以满足能源需求。空调3是用于控制机柜内部温度的设备,通过调节室内空气的温度、湿度和循环来保持适宜的工作环境,空调具有回风口,用于将冷风输入至储能电池的电池进风口区域,以降低电池的温度。空调功率控制器4是控制空调功率的设备,监测和调整空调的功率输出,以满足储能电池的温度控制需求。通过控制功率的输出,空调功率控制器可以调整空调的制冷或制热能力,以适应不同的工作负荷和温度要求。
机柜用于容纳储能电池和空调,储能电池负责存储能量,空调通过控制温度来维持储能电池的适宜工作温度,而空调功率控制器则用于控制空调的功率输出以满足温度控制需求。这些部件共同协作,实现对分布式储能设备的智能温度控制。
具体地,本发明公开了分布式商业储能***设备,如图2和图3所示,涉及储能设备领域,包括机柜,所述机柜的拆卸式门,四周为圆角,美观大气。机柜为并分为直接仓和交流仓。
所述直侧流仓里设置有储能电池。所述的储能电池内部设专门的风道。所述的风道采用以下设计应用。
所述储能电池风道将电池内部产生的热转给储能***设备门上点对点的专用风道,通过内部安装的排风扇将储能电池产生的热风排入空调的回风口。
所述空调的回风口将热风通过空调降温到冷风口排到电池进风口区域。
所述机柜直流仓的冷风处与热处处完全隔断。形式冷风与热风区。不能形混风,负压。本发明机柜风道设计对空气具有导流作用,通过空调配合降温调节,加速机柜储能电池内、外环境的点对点精确对空气流通,以对储能电池箱实施散热工作。在高温天气中,可对进入机柜与储能电池箱接触的高温气流实施降温工作,驱使降温后对储能电池箱实施降温工作。提高了高温环境的中的散热效率,减少高温环境对储能电池箱的损伤,提高储能设备内电池循环使用寿命。
所述机柜交流仓内置储能双向变流器(PCS)、电池管理***(BMS)、能量管理***(EMS)、人机界面和通讯***等多个子***组成
所述的PCS:将储能设备内的储能电池直接变为交流,同时可以对电池进行充电。
所述的电池管理***(BMS):对储能设备内储能电池进行电压采集,温度采集及能进***管理。
所述的能量管理***(EMS):对储能设备内电池***、消防及温湿度进行管理。
所述的人机界面和通讯***:储能设备内人机办面交互。
图4为本发明实施例中提供的一种分布式储能设备中所述空调功率控制器的框图。如图4所示,所述空调功率控制器4,包括:数据获取模块110,用于获取由温度传感器采集的预定时间段内多个预定时间点的电池温度值;数据结构化处理模块120,用于对所述多个预定时间点的电池温度值进行数据结构化处理以得到电池温度时序输入向量;时序分析模块130,用于对所述电池温度时序输入向量进行时序分析以得到空间显化电池温度时序特征图;以及,控制策略确定模块140,用于基于所述空间显化电池温度时序特征图,确定空调功率的控制策略。
在所述数据获取模块110中,获取预定时间段内多个预定时间点的电池温度值,通过与温度传感器的连接和通信来实现数据采集。确保数据的准确性和可靠性,以及确保与温度传感器的正确连接和通信。这样,提供了实时的电池温度数据,为后续的数据处理和分析提供了基础。
在所述数据结构化处理模块120中,对多个预定时间点的电池温度值进行数据结构化处理,将其转化为电池温度时序输入向量。其包括数据清洗、校正和格式转换等,以确保数据的一致性和可用性。这样,将原始数据转化为易于处理和分析的形式,为后续的时序分析提供了输入。
在所述时序分析模块130中,对电池温度时序输入向量进行时序分析,以得到空间显化的电池温度时序特征图。选择合适的时序分析方法和算法,例如时间序列分析、波形分析等,以提取出电池温度的时序特征。这样,将电池温度数据转化为可视化的时序特征图,帮助用户直观地了解电池温度的变化规律和趋势。
在所述控制策略确定模块140中,块基于空间显化的电池温度时序特征图,确定空调功率的控制策略。分析时序特征图,识别温度变化的模式和规律,以制定相应的控制策略,例如调整空调功率、设定温度阈值等。通过智能控制策略,优化空调的运行,提高能源利用效率,同时保证电池的工作温度在安全范围内。
数据获取模块用于获取电池温度数据,数据结构化处理模块将数据转化为时序输入向量,时序分析模块提取时序特征图,控制策略确定模块基于特征图确定空调功率的控制策略。这些模块的协同工作有助于实现对电池温度的智能监控和控制,提高分布式储能***的效率和安全性。
针对上述技术问题,本申请提供了一种分布式储能设备,其包括进线孔、电气仓进风口、导向风扇、仓顶、仓体、仓底、空调、冷风口、储能电池、储能电池风道和风机。特别地,所述空调,包括:空调主体;以及,空调功率控制器。其中,空调功率控制器利用温度传感器采集电池温度值,并结合深度学习算法来自适应地调整和控制空调的功率,进而实现对分布式储能设备的智能温度控制。
基于此,在本申请的技术方案中,所述空调功率控制器的编码过程,包括:首先,获取由温度传感器采集的预定时间段内多个预定时间点的电池温度值。通过获取实时的电池温度值,可以对电池的温度进行实时监测,有助于及时了解电池的温度状态,以便采取相应的控制措施。通过多个时间点的电池温度值,可以进行温度趋势分析。通过观察温度的变化趋势,可以判断电池的温度是上升、下降还是趋于稳定,为制定合适的空调功率控制策略提供了依据。通过对电池温度值的获取和分析,可以检测温度的异常情况。如果温度超过了设定的安全范围或出现异常波动,可以及时发出警报并采取相应的控制措施,以保护电池的安全和稳定运行。基于获取的电池温度值,可以制定优化的空调功率控制策略。通过分析温度数据,可以确定合适的空调功率输出,以维持电池温度在安全范围内,并提高能源利用效率。这有助于提高储能***的性能和可靠性。
获取由温度传感器采集的预定时间段内多个预定时间点的电池温度值对最后确定空调功率的控制策略起到了关键作用。提供了实时温度监测、温度趋势分析、温度异常检测和控制策略优化的基础数据,以实现对电池温度的有效控制和管理。
在本申请的一个实施例中,所述数据结构化处理模块120,用于:将所述多个预定时间点的电池温度值按照时间维度排列为所述电池温度时序输入向量。
并将所述多个预定时间点的电池温度值按照时间维度排列为电池温度时序输入向量。也就是,将电池温度值的时序离散分布转化为结构化的向量表示。通过按时间维度排列电池温度值,可以捕捉到电池温度的时序关联性。这可以分析温度随时间的变化趋势,探索温度的周期性、趋势和异常情况,有助于了解电池温度的动态变化,从而制定相应的控制策略。将电池温度值排列为时序输入向量后,可以保持数据的连续性。这意味着可以在时间维度上进行连续分析,而不会丢失时间间隔之间的信息,通过保留数据的连续性,可以更准确地分析温度的变化趋势和模式。将电池温度值排列为时序输入向量后,可以方便地应用各种时序分析方法和技术。例如,可以使用时间序列分析方法、滤波器、傅里叶变换等来提取温度的频域特征和时域特征,有助于深入挖掘温度数据中的隐藏模式和规律。时序输入向量可以用于生成空间显化的电池温度时序特征图,以直观地展示温度随时间的变化。通过可视化,用户可以更直观地理解电池温度的变化趋势和周期性,从而更好地判断温度的状态和控制策略。
将多个预定时间点的电池温度值按照时间维度排列为电池温度时序输入向量有助于捕捉温度的时序关联性、保持数据的连续性、方便数据处理和分析,以及可视化展示温度的变化趋势,从而为后续的时序分析和控制策略确定提供有益效果。
在本申请的一个实施例中,所述时序分析模块130,包括:图像转化单元,用于对所述电池温度时序输入向量进行图像转化以得到电池温度时序图像;时序特征提取单元,用于所述电池温度时序图像进行基于图像的时序特征提取以得到所述空间显化电池温度时序特征图。
其中,所述图像转化单元,用于:将所述电池温度时序输入向量通过向量-图像转化模块以得到所述电池温度时序图像;其中,将所述电池温度时序输入向量通过向量-图像转化模块以得到所述电池温度时序图像,包括:将所述电池温度时序输入向量进行向量切分以得到电池温度时序输入子向量的序列;将所述电池温度时序输入子向量的序列排列为电池温度时序输入矩阵;对所述电池温度时序输入矩阵进行归一化处理以得到所述电池温度时序图像;其中,所述电池温度时序图像中各个位置的值的范围为0-255。
然后,对所述电池温度时序输入向量进行图像转化以得到电池温度时序图像。应可以理解,所述多个预定时间点的电池温度值在时间维度上可能呈现多样的动态变化特征,例如,电池温度值之间可能存在跨越不同时间跨度的关联。而对于一维数据而言,特征提取主要关注连续时间跨度内的时序特征。在一维时序数据中,利用滑动窗口等方式来关注局部时间窗口内的数据模式和变化趋势。对于远距离特征提取,一维时序数据可能无法直接捕捉到全局的时间关联或跨时间段内的变化模式。而将向量转化为图像数据,可以在更大的时间范围和更广的时间跨度内观察温度的长期趋势,同时也能够捕捉到较小时间尺度下的快速变化。
在本申请的一个具体示例中,对所述电池温度时序输入向量进行图像转化以得到电池温度时序图像的实现方式是将所述电池温度时序输入向量通过向量-图像转化模块以得到电池温度时序图像。
更具体地,在本申请的实施例中,将所述电池温度时序输入向量通过向量-图像转化模块以得到电池温度时序图像的编码过程,包括:先将所述电池温度时序输入向量进行向量切分以得到电池温度时序输入子向量的序列;随后,将所述电池温度时序输入子向量的序列排列为电池温度时序输入矩阵;再对所述电池温度时序输入矩阵进行归一化处理以得到所述电池温度时序图像。
应可以理解,向量-图像转化模块是一种将向量数据转化为图像表示的技术,可以将具有时序特征的向量数据转化为可视化的时序图像,以便更直观地观察和分析数据的时序变化。
实现向量-图像转化的方式可以有多种,数据归一化:首先,对电池温度时序输入向量进行归一化处理,将温度值映射到特定的范围内,例如[0,1]或[-1,1],这是为了确保不同数值范围的温度数据能够在后续的图像表示中得到合适的表达。
图像尺寸确定:根据需要确定图像的尺寸,例如指定图像的宽度和高度,取决于所需的图像分辨率和表示能力。较高的分辨率可以提供更丰富的细节,但也可能增加计算和存储成本。
图像通道设置:根据具体情况,可以选择将图像设置为灰度图像或彩色图像,如果只需要表示单一的温度信息,可以选择灰度图像,其中灰度值表示温度大小。如果需要表示更多的信息,例如温度变化的速率或其他特征,可以选择彩色图像,其中不同颜色通道表示不同的信息。
图像生成:根据归一化后的电池温度时序向量和图像尺寸,通过像素操作生成对应的图像。可以根据时间维度将温度值映射到图像的横轴,将归一化后的温度值映射到图像的纵轴。具体的生成方式可以使用图像处理库或算法来实现,例如使用Python中的PIL(Python Imaging Library)或OpenCV等。
通过以上步骤,向量-图像转化模块可以将电池温度时序输入向量转化为对应的电池温度时序图像,这样的图像表示可以更直观地展示电池温度随时间的变化趋势,帮助用户更好地理解和分析温度数据。
考虑到CNN在处理图像数据方面具有很强的表达能力和特征提取能力。在本申请的应用场景中,可以利用CNN模型中的卷积层来捕捉温度时序中的局部特征。也就是,在本申请的技术方案中,对所述电池温度时序图像进行基于图像的时序特征提取以得到所述空间显化电池温度时序特征图。
在本申请的一个具体示例中,对所述电池温度时序图像进行基于图像的时序特征提取以得到所述空间显化电池温度时序特征图的编码过程,包括:先将所述电池温度时序图像通过基于卷积神经网络模型的温度时序特征提取器以得到电池温度时序特征图;再将所述电池温度时序特征图通过空间注意力模块以得到空间显化电池温度时序特征图。这样,利用卷积神经网络模型来构建温度时序特征提取器,以捕捉不同时间尺度下的电池温度时序局部特征分布;并引入空间注意力机制,来凸显特征分布中每个位置的重要性,并给予相应的权重。
空间注意力模块是一种用于增强图像中特定空间区域的重要性的技术。在电池温度时序特征图的上下文中,空间注意力模块可以帮助突出显示图像中与温度变化最相关的区域,以便更好地分析和理解电池温度的空间分布。空间注意力模块的输入是电池温度时序特征图,即通过向量-图像转化模块生成的图像,该特征图包含了电池温度随时间的时序变化信息。
首先,通过卷积操作对输入特征图进行处理。卷积操作可以提取图像中的局部特征,并捕捉不同尺度的信息,卷积操作包括使用不同大小的卷积核进行多尺度卷积,或者使用具有不同参数的多个卷积层。在卷积后的特征图上,通过计算注意力权重来确定图像中不同区域的重要性,注意力权重可以根据特征图中的像素值来计算,例如使用一维卷积、全连接层或注意力机制等方法。较高的权重表示该区域在温度变化中具有更重要的贡献。将注意力权重应用于卷积后的特征图,以对特征图中的不同区域进行加权。这样,重要的区域将得到更高的权重,而不重要的区域将得到较低的权重,这种加权操作可以通过逐元素乘法或其他加权操作来实现。最后,通过将加权后的特征图进行汇总或进一步处理,得到空间显化的电池温度时序特征图,突出显示了与温度变化最相关的区域,有助于更好地理解电池温度的空间分布。
通过空间注意力模块的应用,可以突出显示电池温度时序特征图中与温度变化最相关的区域,提供更直观和有针对性的空间信息。这有助于进一步分析和理解电池温度的空间分布特征,为电池温度管理和控制策略的优化提供更准确的指导。
在本申请的一个实施例中,所述控制策略确定模块140,包括:特征图展开单元,用于对所述空间显化电池温度时序特征图进行特征图展开以得到空间显化电池温度时序特征向量;优化单元,用于对所述空间显化电池温度时序特征向量进行特征分布优化以得到优化空间显化电池温度时序特征向量;分类单元,用于将所述优化空间显化电池温度时序特征图通过分类器以得到分类结果,所述分类结果用于表示当前时间点的空调功率值应增大或应减小;以及控制策略生成单元,用于将所述分类结果作为所述空调功率的控制策略。
在本申请的技术方案中,将所述电池温度时序图像通过基于卷积神经网络模型的温度时序特征提取器后,所述电池温度时序特征图可以表达所述电池温度时序图像的图像语义特征,即,电池温度值在时序方向上的细分局部时域下的局部时域内-局部时域间交叉维度关联特征,这样,再将所述电池温度时序特征图通过空间注意力模块后,通过所述电池温度时序特征图的各个特征矩阵的空间分布维度上的局部空间分布强化,可以强化在某些时序位置上的局部时域内-局部时域间交叉时序关联特征,由此,所述空间显化电池温度时序特征图也会具有基于特征矩阵的空间表达尺度的时序关联特征表示,从而在将所述空间显化电池温度时序特征图通过分类器进行分类回归时,会基于特征矩阵的空间表达尺度下的特征表示来进行尺度启发式的回归概率映射,但是考虑到在局部空间表达尺度上,所述空间显化电池温度时序特征图实质上也包含了局部时域内-局部时域间的混合时域空间内的交叉维度关联特征表示,这会导致所述分类器的训练效率降低。
基于此,本申请的申请人在将所述空间显化电池温度时序特征图通过分类器进行分类时,对所述空间显化电池温度时序特征图展开后得到的空间显化电池温度时序特征向量,例如记为V进行特征秩表达的语义信息均一化激活,具体表示为:以如下优化公式对所述空间显化电池温度时序特征向量进行特征分布优化以得到优化空间显化电池温度时序特征向量;其中,所述优化公式为:
vi'=logV21+vi2+α×(vivi∈Vvi)
其中,V是所述空间显化电池温度时序特征向量,vi是所述空间显化电池温度时序特征向量V的第i个特征值,V2表示所述空间显化电池温度时序特征向量V的二范数,log是以2为底的对数函数,且α是权重超参数,vi'是所述优化空间显化电池温度时序特征向量的第i个特征值。
这里,考虑到所述空间显化电池温度时序特征向量V的特征分布在高维特征空间到分类回归空间时的特征分布映射,在基于混合时域空间内的交叉维度关联特征的不同的特征分布级别上会呈现不同的映射模式,导致基于尺度启发式的映射策略无法获得最优效率,因而基于特征向量范数的秩表达语义信息均一化而不是尺度进行特征匹配,可以将相似特征秩表达以类似方式激活,并降低差异较大的特征秩表达之间的相关性,从而解决所述空间显化电池温度时序特征向量V的特征分布在不同空间秩表达下的概率表达映射效率低下的问题,提升所述空间显化电池温度时序特征图通过分类器进行分类回归时的训练效率。
继而,将所述优化空间显化电池温度时序特征图通过分类器以得到分类结果,所述分类结果用于表示当前时间点的空调功率值应增大或应减小。将优化后的空间显化电池温度时序特征图通过分类器进行分类可以帮助确定当前时间点的空调功率应该增大还是减小。这种分类结果可以用作控制策略的一部分,以实现对电池温度的有效管理和调控。
分类器是一个机器学习模型,可以将输入的特征图映射到不同的类别或标签,在这种情况下,分类器的目标是根据空间显化电池温度时序特征图来判断当前时间点的空调功率应该是增大还是减小。通过将优化后的空间显化电池温度时序特征图与分类器结合使用,可以实现对电池温度的实时监测和调控,从而提高电池***的性能和可靠性。
综上,基于本发明实施例的分布式储能设备100被阐明,空调功率控制器利用温度传感器采集电池温度值,并结合深度学习算法来自适应地调整和控制空调的功率,进而实现对分布式储能设备的智能温度控制。
图5为本发明实施例中提供的一种分布式储能方法的流程图。图6为本发明实施例中提供的一种分布式储能方法的***架构的示意图。如图5和图6所示,一种分布式储能方法,包括:210,获取由温度传感器采集的预定时间段内多个预定时间点的电池温度值;220,对所述多个预定时间点的电池温度值进行数据结构化处理以得到电池温度时序输入向量;230,对所述电池温度时序输入向量进行时序分析以得到空间显化电池温度时序特征图;以及,240,基于所述空间显化电池温度时序特征图,确定空调功率的控制策略。
本领域技术人员可以理解,上述分布式储能方法中的各个步骤的具体操作已经在上面参考图1到图4的分布式储能设备的描述中得到了详细介绍,并因此,将省略其重复描述。
图7为本发明实施例中提供的一种分布式储能设备的应用场景图。如图7所示,在该应用场景中,首先,获取由温度传感器采集的预定时间段内多个预定时间点的电池温度值(例如,如图7中所示意的C);然后,将获取的电池温度值输入至部署有分布式储能算法的服务器(例如,如图7中所示意的S)中,其中所述服务器能够基于分布式储能算法对所述电池温度值进行处理,以确定空调功率的控制策略。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种分布式储能设备,包括机柜、设置于所述机柜内的储能电池和空调,其中,所述储能电池具有设置于其内的风道,所述风道用于将所述电池内部产生的热传输至外部,所述空调的回风口将冷风输入至所述储能电池的电池进风口区域,其特征在于,所述空调还包括空调功率控制器,用于控制所述空调的功率;
其中,所述空调功率控制器,包括:
数据获取模块,用于获取由温度传感器采集的预定时间段内多个预定时间点的电池温度值;
数据结构化处理模块,用于对所述多个预定时间点的电池温度值进行数据结构化处理以得到电池温度时序输入向量;
时序分析模块,用于对所述电池温度时序输入向量进行时序分析以得到空间显化电池温度时序特征图;以及
控制策略确定模块,用于基于所述空间显化电池温度时序特征图,确定空调功率的控制策略;
其中,所述时序分析模块,包括:
图像转化单元,用于对所述电池温度时序输入向量进行图像转化以得到电池温度时序图像;
时序特征提取单元,用于所述电池温度时序图像进行基于图像的时序特征提取以得到所述空间显化电池温度时序特征图;
其中,所述图像转化单元,用于:
将所述电池温度时序输入向量通过向量-图像转化模块以得到所述电池温度时序图像;
其中,将所述电池温度时序输入向量通过向量-图像转化模块以得到所述电池温度时序图像,包括:
将所述电池温度时序输入向量进行向量切分以得到电池温度时序输入子向量的序列;
将所述电池温度时序输入子向量的序列排列为电池温度时序输入矩阵;
对所述电池温度时序输入矩阵进行归一化处理以得到所述电池温度时序图像;
其中,所述电池温度时序图像中各个位置的值的范围为0-255。
2.根据权利要求1所述的分布式储能设备,其特征在于,所述数据结构化处理模块,用于:
将所述多个预定时间点的电池温度值按照时间维度排列为所述电池温度时序输入向量。
3. 根据权利要求2所述的分布式储能设备,其特征在于,所述时序特征提取单元,用于:
将所述电池温度时序图像通过基于卷积神经网络模型的温度时序特征提取器以得到电池温度时序特征图;以及
将所述电池温度时序特征图通过空间注意力模块以得到所述空间显化电池温度时序特征图。
4.根据权利要求3所述的分布式储能设备,其特征在于,所述控制策略确定模块,包括:
特征图展开单元,用于对所述空间显化电池温度时序特征图进行特征图展开以得到空间显化电池温度时序特征向量;
优化单元,用于对所述空间显化电池温度时序特征向量进行特征分布优化以得到优化空间显化电池温度时序特征向量;
分类单元,用于将所述优化空间显化电池温度时序特征图通过分类器以得到分类结果,所述分类结果用于表示当前时间点的空调功率值应增大或应减小;以及
控制策略生成单元,用于将所述分类结果作为所述空调功率的控制策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311346651.1A CN117393921B (zh) | 2023-10-17 | 2023-10-17 | 分布式储能设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311346651.1A CN117393921B (zh) | 2023-10-17 | 2023-10-17 | 分布式储能设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117393921A CN117393921A (zh) | 2024-01-12 |
CN117393921B true CN117393921B (zh) | 2024-06-18 |
Family
ID=89471534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311346651.1A Active CN117393921B (zh) | 2023-10-17 | 2023-10-17 | 分布式储能设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117393921B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117563184B (zh) * | 2024-01-15 | 2024-03-22 | 东营昆宇电源科技有限公司 | 一种基于物联网的储能消防控制*** |
CN118175065A (zh) * | 2024-05-15 | 2024-06-11 | 云南库昊科技有限公司 | 一种设备端口安全报警*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115395139A (zh) * | 2022-09-25 | 2022-11-25 | 青岛理工大学 | 一种电化学储能热管理***及其控制方法 |
CN115764051A (zh) * | 2022-10-27 | 2023-03-07 | 南方电网调峰调频发电有限公司 | 结构小型化与运维便利性高密度中压储能***及其设计方法 |
CN116819957A (zh) * | 2023-03-29 | 2023-09-29 | 福建省龙德新能源有限公司 | 电子级六氟磷酸锂的尾气处理***及其方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003211104B2 (en) * | 2002-02-13 | 2009-01-29 | Reify Corporation | Method and apparatus for acquisition, compression, and characterization of spatiotemporal signals |
US7907769B2 (en) * | 2004-05-13 | 2011-03-15 | The Charles Stark Draper Laboratory, Inc. | Image-based methods for measuring global nuclear patterns as epigenetic markers of cell differentiation |
CN101587478B (zh) * | 2008-05-20 | 2013-07-24 | 株式会社理光 | 图像训练、自动标注、检索方法及装置 |
US9609347B2 (en) * | 2013-04-04 | 2017-03-28 | Qualcomm Incorporated | Advanced merge mode for three-dimensional (3D) video coding |
US9965705B2 (en) * | 2015-11-03 | 2018-05-08 | Baidu Usa Llc | Systems and methods for attention-based configurable convolutional neural networks (ABC-CNN) for visual question answering |
CN108482055A (zh) * | 2017-12-28 | 2018-09-04 | 重庆广播电视大学 | 一种电动汽车空调*** |
CN112399013B (zh) * | 2019-08-15 | 2021-12-03 | 中国电信股份有限公司 | 异常话务识别方法和装置 |
JP7232228B2 (ja) * | 2019-10-16 | 2023-03-02 | タタ コンサルタンシー サービシズ リミテッド | ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための方法及びシステム |
US20220051081A1 (en) * | 2020-08-14 | 2022-02-17 | Stmicroelectronics S.R.L. | Data processing method, corresponding processing system, sensor device and computer program product |
CN114267889B (zh) * | 2021-12-28 | 2022-11-08 | 深圳库博能源科技有限公司 | 储能***热管理装置及其控制方法和储能*** |
CN115065078B (zh) * | 2022-05-06 | 2023-07-04 | 合肥工业大学 | 微网环境下储能容量配置方法及*** |
CN116279619A (zh) * | 2022-12-14 | 2023-06-23 | 成都秦川物联网科技股份有限公司 | 一种智慧城市地铁空调温度调节方法及物联网*** |
CN115951584B (zh) * | 2023-02-09 | 2024-03-15 | 浙江上洋机械股份有限公司 | 用于滚筒杀青机的温度控制***及方法 |
CN116451145A (zh) * | 2023-03-06 | 2023-07-18 | 河南茵特赛尔生物技术有限公司 | 用于干细胞运输的降温装置及方法 |
CN116467628A (zh) * | 2023-04-13 | 2023-07-21 | 沈阳兴溢节能环保科技有限公司 | 一种智能式共享浴房及其控制方法 |
CN116683050A (zh) * | 2023-05-26 | 2023-09-01 | 浙江博时新能源技术有限公司 | 一种电池投退方法、***、电子装置和存储介质 |
CN116680987A (zh) * | 2023-06-15 | 2023-09-01 | 宁波同耀新材料科技有限公司 | 石墨坩埚的成型方法及其*** |
CN116865400B (zh) * | 2023-07-17 | 2024-05-24 | 湖州顺为能源科技有限公司 | 一种智能锂电池充电机及其控制*** |
CN116865631B (zh) * | 2023-07-20 | 2024-01-26 | 浙江联大科技有限公司 | 自动窗帘的静音管状电机及其控制方法 |
-
2023
- 2023-10-17 CN CN202311346651.1A patent/CN117393921B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115395139A (zh) * | 2022-09-25 | 2022-11-25 | 青岛理工大学 | 一种电化学储能热管理***及其控制方法 |
CN115764051A (zh) * | 2022-10-27 | 2023-03-07 | 南方电网调峰调频发电有限公司 | 结构小型化与运维便利性高密度中压储能***及其设计方法 |
CN116819957A (zh) * | 2023-03-29 | 2023-09-29 | 福建省龙德新能源有限公司 | 电子级六氟磷酸锂的尾气处理***及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117393921A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117393921B (zh) | 分布式储能设备 | |
CN109800066B (zh) | 一种数据中心节能调度方法及*** | |
US20200349484A1 (en) | System and methods for power system forecasting using deep neural networks | |
CN111751650B (zh) | 非侵入式家庭用电设备在线监测***与故障辨识方法 | |
TWI526852B (zh) | 基於電器使用狀態的人數計算方法及其監控系統 | |
CN114239972A (zh) | 基于人工智能技术的校园能效与电气安全管理方法和*** | |
CN102789220A (zh) | ***能耗过程管理装置及其管理控制方法 | |
CN112996090B (zh) | 一种节能管理***及方法 | |
CN103944263B (zh) | 具有多样性负载设备的电网的管控方法及*** | |
CN115796390A (zh) | 一种数据驱动的建筑能耗异常诊断方法及*** | |
Gurbuz et al. | Comprehensive non-intrusive load monitoring process: Device event detection, device feature extraction and device identification using KNN, random forest and decision tree | |
CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
CN113765099A (zh) | 一种基于物联网的智能调度***及其负荷调度方法 | |
CN117372954A (zh) | 充电站安全监测方法、装置、***和计算机设备 | |
CN111061152B (zh) | 基于深度神经网络的攻击识别方法及智慧能源功率控制装置 | |
Semwal et al. | Identification residential appliance using NIALM | |
CN113258677A (zh) | 一种含低碳调控与预警抢修功能的智能配电柜(箱)装置及*** | |
CN115632487B (zh) | 一种智慧园区电力协调控制方法及*** | |
CN117394535A (zh) | 交直流混合配电网数字孪生*** | |
CN117477609A (zh) | 园区用氢电耦合***的能量管理***及方法 | |
CN209948789U (zh) | 一种配电监控*** | |
CN112953000B (zh) | 一种智慧社区微电网和新能源相结合的节能供电方法 | |
KR102228512B1 (ko) | 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 | |
TWI536282B (zh) | 校園節能類神經網路決策支援系統及其方法 | |
CN105552957A (zh) | 一种家庭式智能微电网优化配置方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |