CN117936953B - 一种废旧电池的批次放电智能控制方法及相关装置 - Google Patents
一种废旧电池的批次放电智能控制方法及相关装置 Download PDFInfo
- Publication number
- CN117936953B CN117936953B CN202410339138.8A CN202410339138A CN117936953B CN 117936953 B CN117936953 B CN 117936953B CN 202410339138 A CN202410339138 A CN 202410339138A CN 117936953 B CN117936953 B CN 117936953B
- Authority
- CN
- China
- Prior art keywords
- batch
- waste batteries
- real
- waste
- discharging
- 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
- 239000010926 waste battery Substances 0.000 title claims abstract description 296
- 238000000034 method Methods 0.000 title claims abstract description 174
- 238000007599 discharging Methods 0.000 claims abstract description 162
- 230000002159 abnormal effect Effects 0.000 claims abstract description 110
- 238000011282 treatment Methods 0.000 claims abstract description 61
- 230000017525 heat dissipation Effects 0.000 claims abstract description 56
- 230000003044 adaptive effect Effects 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 208000028659 discharge Diseases 0.000 claims description 86
- 230000006870 function Effects 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000005855 radiation Effects 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 14
- 230000010354 integration Effects 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000011269 treatment regimen Methods 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 abstract description 15
- 230000000694 effects Effects 0.000 description 9
- 238000010200 validation analysis Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000001364 causal effect Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004064 recycling 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
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
- H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
- H01M10/44—Methods for charging or discharging
- H01M10/448—End of discharge regulating measures
-
- 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
- H01M10/54—Reclaiming serviceable parts of waste accumulators
-
- 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
- H01M10/63—Control systems
- H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
-
- 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
- H02J7/0063—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with circuits adapted for supplying loads from the battery
-
- 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
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
- H02J7/00714—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery charging or discharging current
-
- 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
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/007188—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters
- H02J7/007192—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature
- H02J7/007194—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature of the battery
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/84—Recycling of batteries or fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Power Engineering (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种废旧电池的批次放电智能控制方法及相关装置,涉及电池放电技术领域,所述方法包括:基于所获取的参数信息进行废旧电池的批次检测,若检测出其为同一批次,则直接进行放电;若检测出不为同一批次,则利用批次划分方案生成不同批次的若干个废旧电池,对其分别进行放电;在放电处理过程中,持续采集实时输出电流和实时温度,并判断其是否达到预设预警区间,若是,则计算电流异常偏移值和温度异常偏移值;确定异常处理策略和构建自适应控制***以进行散热处理;持续监测残余电量,当其达到预设阈值时,结束放电,生成放电过程曲线和报表。本发明不仅提高了废旧电池的放电效率和放电质量,并且达成了放电过程中的自适应调节控制。
Description
技术领域
本发明主要涉及电池放电技术领域,尤其涉及一种废旧电池的批次放电智能控制方法及相关装置。
背景技术
随着新能源技术的快速发展,废旧电池的数量也在快速上升,因此需要合理且有效地回收拆解废旧电池。为了保障回收拆解废旧电池的安全性,需要先对废旧电池进行放电处理,为了加快废旧电池的放电效率,通常是按批次进行废旧电池的放电。但目前对于废旧电池的批次放电,大部分是采用人工标记废旧电池进行批次检测的处理方法,但人工批次检测的方法劳动强度大且误判率较高,即使将不同批次的电池筛分出来,也仅仅只是将筛分出来的电池简单地归为一类,并没有采用合理的批次划分方案,导致废旧电池形成混批放电,从而使电池的批次放电变得难以管控。在废旧电池放电过程中,对于放电过程所出现的异常情况,通常仅计算所采集的温度与预设阈值的差值,根据差值便确定异常处理方法,但根据差值无法准确得知废旧电池放电过程的异常量级,因而所采取的异常处理方法可能会导致散热效果较差或散热处理成本过高。同时在废旧电池的散热过程中,由于存在外部扰动等因素的影响,导致对于散热设备的参数具有不确定性的误差,难以准确控制散热效果,使废旧电池的散热处理未能达到理想效果,从而导致废旧电池的批次放电的效率和质量得不到有效提升。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种废旧电池的批次放电智能控制方法及相关装置,不仅提高了废旧电池的放电效率和放电质量,并且达成了放电过程中的自适应调节控制。
为了解决上述技术问题,本发明提供了一种废旧电池的批次放电智能控制方法,所述方法包括:
获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若检测出集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理;
若检测出集装平台设备内的若干个废旧电池不为同一个批次,则利用批次划分方案进行废旧电池的批次划分处理,获得不同批次的若干个废旧电池,对不同批次的若干个废旧电池进行标记,将标记后的不同批次的若干个废旧电池分别传输至电池放电设备的对应位置中进行放电处理,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的;
在电池放电设备进行放电处理过程中,基于数据传感器持续采集废旧电池的实时输出电流和实时温度,并判断所述实时输出电流和实时温度是否达到预设预警区间,若所述实时输出电流和实时温度达到所述预设预警区间,则基于所述实时输出电流计算电流异常偏移值,并基于所述实时温度计算温度异常偏移值;
基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,并构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,所述自适应控制***用于调节废旧电池的散热处理过程;
持续监测电池放电设备进行放电处理过程中废旧电池的残余电量,当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表。
可选的,所述获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理,包括:
获取集装平台设备内每个废旧电池的条形码,基于所述条形码在参数数据库中获取每个废旧电池的参数信息;
获取集装平台设备的编码信息,基于定义函数和调用函数利用所述编码信息在批次数据库中提取对应的电池批次参数信息;
基于所述电池批次参数信息和所述参数信息进行废旧电池的批次检测处理,若所有废旧电池的参数信息皆与所述电池批次参数信息相匹配,则判断集装平台设备内的若干个废旧电池为同一个批次;
控制机械臂将所有废旧电池传输至电池放电设备的对应位置中,基于所述电池放电设备进行放电处理。
可选的,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的,包括:
基于数据库获取常用批次划分规则,将所述常用批次划分规则作为初始批次划分规则集;
基于所述初始批次划分规则集利用遗传算法生成启发式规则,并基于所述启发式规则对所述初始批次划分规则集进行寻优处理,获得优化批次划分规则集;
基于所述优化批次划分规则集利用前瞻时间窗策略进行规则空间搜索处理,获得批次划分方案。
可选的,所述基于所述实时输出电流计算电流异常偏移值,包括:
基于放电处理过程中废旧电池在预设单位时间内的实时输出电流计算电流平均值;
基于所述电流平均值计算电流幅值偏移特征量,并基于所述电流幅值偏移特征量进行多项式拟合处理,获得电流隶属度函数;
基于所述隶属度函数计算电流偏移范围,并基于所述电流偏移范围计算电流异常偏移值。
可选的,所述基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,包括:
获取历史异常处理数据和异常处理规则,基于所述历史异常处理数据利用关系矩阵构建拓扑关系图;
基于所述拓扑关系图和异常处理规则利用二元决策图构建异常处理树,并基于所述异常处理树利用所述电流异常偏移值和温度异常偏移值确定异常处理策略。
可选的,所述构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,包括:
建立废旧电池的对象模型,基于所述对象模型利用分数阶导数构建分数阶复杂网络***;
构建目标状态方程,基于所述目标状态方程构建所述对象模型和所述分数阶复杂网络***之间的状态误差***;
基于所述状态误差***利用扩张状态观测器生成自适应调节参数和自适应律,并基于所述自适应调节参数和自适应律利用所述分数阶复杂网络***和状态误差***构建自适应控制***;
散热设备基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,其中,在散热处理过程中,所述自适应控制***实时计算散热处理过程中的误差参数,并基于所述误差参数实时调节所述散热设备的运行参数。
可选的,所述当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表,包括:
当所述残余电量达到预设阈值时,所述电池放电设备结束对应的若干个废旧电池的放电处理,并将对应的若干个废旧电池输送至放电完成区域;
基于所述实时输出电流和实时温度生成放电过程曲线,并对所述放电过程曲线进行积分运算和数据整合,获得放电过程报表。
另外,本发明还提供了一种废旧电池的批次放电智能控制装置,所述装置包括:
批次检测模块:用于获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若检测出集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理;
批次划分模块:用于若检测出集装平台设备内的若干个废旧电池不为同一个批次,则利用批次划分方案进行废旧电池的批次划分处理,获得不同批次的若干个废旧电池,对不同批次的若干个废旧电池进行标记,将标记后的不同批次的若干个废旧电池分别传输至电池放电设备的对应位置中进行放电处理,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的;
预警判断模块:用于在电池放电设备进行放电处理过程中,基于数据传感器持续采集废旧电池的实时输出电流和实时温度,并判断所述实时输出电流和实时温度是否达到预设预警区间,若所述实时输出电流和实时温度达到所述预设预警区间,则基于所述实时输出电流计算电流异常偏移值,并基于所述实时温度计算温度异常偏移值;
散热处理模块:用于基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,并构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,所述自适应控制***用于调节废旧电池的散热处理过程;
结束放电模块:用于持续监测电池放电设备进行放电处理过程中废旧电池的残余电量,当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表。
另外,本发明还提供了一种电子设备,所述电子设备包括处理器及存储器,所述存储器用于存储指令,所述处理器用于调用所述存储器中的指令,使得所述电子设备执行上述的废旧电池的批次放电智能控制方法。
另外,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行上述的废旧电池的批次放电智能控制方法。
在本发明实施例中,通过参数信息的匹配对若干个废旧电池进行批次检测,提高了废旧电池批次检测的准确率,极大地降低了人力成本的投入,当检测出存在不同批次的废旧电池时,通过前瞻时间窗策略利用启发式规则构建批次划分策略,根据批次划分策略对其中的若干个废旧电池进行批次划分,通过前瞻时间窗策略减小搜索空间,加快了批次划分的速度,通过启发式规则保障了批次划分的准确度。同时当判断出电池放电过程存在异常时,通过计算电流异常偏移值和温度异常偏移值来确定异常处理策略,通过电流异常偏移值和温度异常偏移值能够更准确地确定异常量级,并且通过构建异常处理树更进一步地提高异常处理策略的匹配准确度,同时,通过构建自适应控制***以调节废旧电池的散热过程,通过自适应控制***自适应调节散热设备的运行参数,克服了外部扰动所带来的不确定性误差的影响,使废旧电池的散热处理达到更为理想的效果。不仅提高了废旧电池的放电效率和放电质量,并且达成了放电过程中的自适应智能调节控制。
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,显而易见的,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它的附图。
图1是本发明实施例中的废旧电池的批次放电智能控制方法的流程示意图;
图2是本发明实施例中的废旧电池的批次放电智能控制装置的结构组成示意图;
图3是本发明实施例中的电子设备的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1,图1是本发明实施例中的废旧电池的批次放电智能控制方法的流程示意图。
如图1所示,一种废旧电池的批次放电智能控制方法,所述方法包括:
S11:获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若检测出集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理;
在本发明具体实施过程中,所述获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理,包括:获取集装平台设备内每个废旧电池的条形码,基于所述条形码在参数数据库中获取每个废旧电池的参数信息;获取集装平台设备的编码信息,基于定义函数和调用函数利用所述编码信息在批次数据库中提取对应的电池批次参数信息;基于所述电池批次参数信息和所述参数信息进行废旧电池的批次检测处理,若所有废旧电池的参数信息皆与所述电池批次参数信息相匹配,则判断集装平台设备内的若干个废旧电池为同一个批次;控制机械臂将所有废旧电池传输至电池放电设备的对应位置中,基于所述电池放电设备进行放电处理。
具体的,通过摄像设备获取集装平台设备内每个废旧电池的条形码,通过条形码在参数数据库中获取每个废旧电池的参数信息,每个废旧电池都有且仅有唯一的条形码。通过摄像设备获取集装平台设备的编码信息,所述编码信息可以为数字编码或图形编码等,通过编码信息获取批次数据库中的对应数据接口,通过定义函数利用编码信息获取在批次数据库中所指定的参数类型,根据参数类型获取对应的参数信息,将对应的参数信息转化为指定格式的数据块,将所述数据块进行转化,将其转化为可以识别的类型,通过调用函数获取对应的电池批次参数信息。通过电池批次参数信息与废旧电池的参数信息进行匹配,利用计数指针、指示主串和模式串比较电池批次参数信息和废旧电池参数信息的字符串,通过计数指针遍历两个字符串至预设次数,在遍历过程中,指示主串向后移动匹配,模式串进行回溯,达到预设次数后,便比较完成。若所有废旧电池的参数信息皆与所述电池批次参数信息相匹配,则判断集装平台设备内的若干个废旧电池为同一个批次;控制机械臂将所有废旧电池传输至电池放电设备的对应位置中,基于所述电池放电设备进行放电处理,通过参数信息的匹配对若干个废旧电池进行批次检测,提高了废旧电池批次检测的准确率,极大地降低了人力成本的投入。
S12:若检测出集装平台设备内的若干个废旧电池不为同一个批次,则利用批次划分方案进行废旧电池的批次划分处理,获得不同批次的若干个废旧电池,对不同批次的若干个废旧电池进行标记,将标记后的不同批次的若干个废旧电池分别传输至电池放电设备的对应位置中进行放电处理,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的;
在本发明具体实施过程中,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的,包括:基于数据库获取常用批次划分规则,将所述常用批次划分规则作为初始批次划分规则集;基于所述初始批次划分规则集利用遗传算法生成启发式规则,并基于所述启发式规则对所述初始批次划分规则集进行寻优处理,获得优化批次划分规则集;基于所述优化批次划分规则集利用前瞻时间窗策略进行规则空间搜索处理,获得批次划分方案。
具体的,若检测出集装平台设备内的若干个废旧电池不为同一个批次,则构建批次划分方案,基于数据库获取常用批次划分规则,将所述常用批次划分规则作为初始批次划分规则集,在数据库中存储有大量的常用批次划分规则,通过指定接口便可获取常用批次划分规则。基于所述初始批次划分规则集利用遗传算法生成启发式规则,将初始批次划分规则集作为初始规则种群,通过适应度函数计算初始规则种群中每条规则的适应度值,选取预设数量的适应度值排名靠前的若干条规则,对若干条规则进行交叉或变异处理,生成新规则种群,以新规则种群作为初始规则种群重新进行以上处理至预设迭代次数,获得启发式规则。通过启发式规则分析初始批次划分规则集中多规则间的依赖关系,基于所述依赖关系构建因果矩阵,因果矩阵用于处理不同变量之间的相关关系,通过因果矩阵选择若干条优化批次划分规则,基于若干条优化批次划分规则生成优化批次划分规则集。基于所述优化批次划分规则集利用前瞻时间窗策略进行规则空间搜索处理,所述前瞻时间窗策略为一项不断进行策略改进和指定的策略,将前瞻策略引入时间窗算法中,前瞻的目的是为了在考虑当前方案时,预先考虑其对后续批次划分的影响和可能发生的冲突,以提高效率,能够满足不同的方案需要,具有良好的通用性和灵活性。根据优化批次划分规则集动态定义启发式搜索的目标点,基于目标点循环进行扩展搜索至预设循环次数,其中,在每一次拓展搜索后,实时动态更新目标点,再基于更新后的目标点进行拓展搜索,得到所需的目标批次划分规则。根据目标批次划分规则进行初步批次划分,生成初始批次划分方案,设置前瞻步长,根据前瞻步长设置前瞻时间窗,根据前瞻时间窗设置前瞻批次划分组,根据前瞻批次划分组判断初始批次划分方案中是否存在废旧电池的批次划分冲突,即通过前瞻批次划分组对初始批次划分方案进行比较,将存在批次划分冲突的废旧电池重新进行批次划分,直至将所有的废旧电池批次划分完成,获得批次划分方案。利用批次划分方案进行废旧电池的批次划分处理,获得不同批次的若干个废旧电池,获取废旧电池的不同批次与各标签的对应关系,并基于所述对应关系确定废旧电池的不同批次所对应的各目标标签,基于所述各目标标签对不同批次的若干个废旧电池进行标记;将标记后的不同批次的若干个废旧电池输送到与各目标标签对应的集装平台设备内,控制机械臂根据预设顺序将对应的集装平台设备内的标记后的不同批次的废旧电池分别传输至电池放电设备的对应位置中进行放电作业。根据批次划分策略对其中的若干个废旧电池进行批次划分,通过前瞻时间窗策略减小搜索空间,加快了批次划分的速度,通过启发式规则保障了批次划分的准确度。
S13:在电池放电设备进行放电处理过程中,基于数据传感器持续采集废旧电池的实时输出电流和实时温度,并判断所述实时输出电流和实时温度是否达到预设预警区间,若所述实时输出电流和实时温度达到所述预设预警区间,则基于所述实时输出电流计算电流异常偏移值,并基于所述实时温度计算温度异常偏移值;
在本发明具体实施过程中,所述基于所述实时输出电流计算电流异常偏移值,包括:基于放电处理过程中废旧电池在预设单位时间内的实时输出电流计算电流平均值;基于所述电流平均值计算电流幅值偏移特征量,并基于所述电流幅值偏移特征量进行多项式拟合处理,获得电流隶属度函数;基于所述隶属度函数计算电流偏移范围,并基于所述电流偏移范围计算电流异常偏移值。
具体的,在电池放电设备进行放电处理过程中,通过设置在电池放电设备中预设位置的数据传感器组合持续采集当前批次中每个废旧电池的实时输出电流和实时温度,所采集的实时输出电流和实时温度都标记有当时的采集时间。判断所述实时输出电流和实时温度是否达到预设预警区间,实时输出电流和实时温度的预设预警区间是不同的,由于电池放电的温度监测存在延时性,电池放电过程中电流输出与温度密切相关,当实时温度升高异常时,电流输出提升也会呈现异常,而加入电流输出的监测能极大避免温度监测所存在的延时性,可更准确地判断电池放电是否存在异常。若所述实时输出电流和实时温度达到所述预设预警区间,则基于放电处理过程中废旧电池在预设单位时间内的实时输出电流计算电流平均值,即计算对应的废旧电池的实时输出电流在达到预设预警区间时的单位时间内所有实时输出电流的平均值。基于所述电流平均值计算电流幅值偏移特征量,通过电流平均值计算电流方差,通过电流平均值和电流方差构成电流幅值偏移特征量,基于所述电流幅值偏移特征量进行多项式拟合处理,通过电流幅值偏移特征值确定节点电流的偏移模糊指标,并根据偏移模糊指标确定对应的上界值和下界值,获得电流隶属度函数,所述电流隶属度函数表达式为:
,
其中,为电流隶属度函数,/>为节点电流的偏移模糊指标,/>为偏移模糊指标对应的下界值,/>为偏移模糊指标对应的上界值,/>为正态分布参数。基于所述隶属度函数计算电流偏移范围,通过隶属度函数确定电流偏移的上确界和下确界,根据所述上确界和下确界生成电流偏移范围,并基于所述电流偏移范围计算电流异常偏移值,通过电流偏移范围利用实时输出电流便可直接计算电流异常偏移值。基于所述实时温度计算温度异常偏移值的计算步骤如计算电流异常偏移值的步骤,在此不再赘述。通过电流异常偏移值和温度异常偏移值可更准确地确定异常量级,有着更为明确的异常偏移值的量级划分。
S14:基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,并构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,所述自适应控制***用于调节废旧电池的散热处理过程;
在本发明具体实施过程中,所述基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,包括:获取历史异常处理数据和异常处理规则,基于所述历史异常处理数据利用关系矩阵构建拓扑关系图;基于所述拓扑关系图和异常处理规则利用二元决策图构建异常处理树,并基于所述异常处理树利用所述电流异常偏移值和温度异常偏移值确定异常处理策略。
进一步的,所述构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,包括:建立废旧电池的对象模型,基于所述对象模型利用分数阶导数构建分数阶复杂网络***;构建目标状态方程,基于所述目标状态方程构建所述对象模型和所述分数阶复杂网络***之间的状态误差***;基于所述状态误差***利用扩张状态观测器生成自适应调节参数和自适应律,并基于所述自适应调节参数和自适应律利用所述分数阶复杂网络***和状态误差***构建自适应控制***;散热设备基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,其中,在散热处理过程中,所述自适应控制***实时计算散热处理过程中的误差参数,并基于所述误差参数实时调节所述散热设备的运行参数。
具体的,获取历史异常处理数据和异常处理规则,获取历史异常处理数据与历史异常处理策略的关联关系,根据关联关系构建有向无环图,所述有向无环图设置有若干个节点,在所述有向无环图中提取目标特征,通过目标特征构建若干个异常目标特征矩阵,计算每个异常目标特征矩阵的余弦相似性,通过每个异常目标特征矩阵之间的余弦相似性生成相似性网络,根据所述相似性网络和异常目标特征矩阵生成关系矩阵,通过关系矩阵计算特征系数,基于特征系数构建特征系数矩阵,通过特征系数矩阵利用三相邻接矩阵生成拓扑关系图。基于所述拓扑关系图和异常处理规则构建根节点和子节点,将根节点和子节点根据预设连接强度进行连接,生成初始异常处理树,通过二元决策图对初始异常处理树进行优化,获得异常处理树。将电流异常偏移值和温度异常偏移值确定异常量级,输入至所述异常处理树中,遍历异常处理树,其中,异常处理树中的每个根节点对应一种异常处理策略,如调整压力的数值大小和调整传入散热介质的范围和速率等,并且异常处理树包括至少一个子节点,所述每个子节点对应一种异常原因,异常原因如设备过载等级过高,电池放电产生热量过多,需要降温等,通过电流异常偏移值和温度异常偏移值定位子节点,从而可快速定位异常处理策略。通过电流异常偏移值和温度异常偏移值能够更准确地确定异常量级,并且通过构建异常处理树更进一步地提高异常处理策略的匹配准确度,可快速得知压力的数值如何调整和散热介质的范围和速率如何确定。建立废旧电池的对象模型,对象模型是对废旧电池实体的抽象,将废旧电池作为被控对象,通过被控对象做出预设层次的抽象,进而形成对应的对象模型。基于所述对象模型利用分数阶导数构建分数阶复杂网络***,建立与所述对象模型对应的微分方程,通过分数阶导数取分数阶阶次,所述分数阶导数为在卡普托意义上的分数阶导数,通过分数阶阶次利用对应的微分方程构建分数阶复杂网络***。构建目标状态方程,考虑到存在不确定性和不可预测的非线性状态,引入与非线性状态对应的对于参量的非周期轨道和等效扰动,构建目标状态方程,基于所述目标状态方程构建所述对象模型和所述分数阶复杂网络***之间的状态误差***。基于所述状态误差***利用扩张状态观测器生成自适应调节参数和自适应律,扩张状态观测器为将***中的不确定项或者干扰视为***中的状态之一,建立新的状态空间,对该新的状态空间进行观测。通过扩张状态观测器对状态误差***进行观测***等效扰动,获得扩张状态向量,通过扩张状态向量利用预设带宽参数获得扩张状态反馈补偿,利用扩张状态反馈补偿获取自适应律,所述自适应律的表达式为:
,
其中,K为输入自适应调节,Fz为反馈自适应调节,为扩张状态反馈补偿,/>为被控对象的输入增益,u为自适应律。通过自适应律构建自适应调节律,基于所述自适应调节律利用对称正定矩阵进行运算,得到自适应调节参数,并基于所述自适应调节参数和自适应律利用所述分数阶复杂网络***和状态误差***构建自适应控制***,基于自适应调节参数和自适应律对分数阶复杂网络***和状态误差***进行自适应的参数整定,将自适应的参数整定后的分数阶复杂网络***和状态误差***进行融合,获得自适应控制***。散热设备基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,其中,在散热处理过程中,由于外部扰动会影响散热设备,进而产生误差影响散热设备的散热控制,所述自适应控制***实时计算散热处理过程中的误差参数,并基于所述误差参数实时调节所述散热设备的运行参数。通过自适应控制***自适应调节散热设备的运行参数,克服了外部扰动所带来的不确定性误差的影响,使废旧电池的散热处理达到更为理想的效果。
S15:持续监测电池放电设备进行放电处理过程中废旧电池的残余电量,当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表。
在本发明具体实施过程中,所述当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表,包括:当所述残余电量达到预设阈值时,所述电池放电设备结束对应的若干个废旧电池的放电处理,并将对应的若干个废旧电池输送至放电完成区域;基于所述实时输出电流和实时温度生成放电过程曲线,并对所述放电过程曲线进行积分运算和数据整合,获得放电过程报表。
具体的,通过容量统计模型持续监测电池放电设备进行放电处理过程中废旧电池的残余电量,当所述残余电量达到预设阈值时,所述电池放电设备结束对应的若干个废旧电池的放电处理,解除对废旧电池的固定,并将对应的若干个废旧电池输送至放电完成区域。以采集的所有实时输出电流和实时温度作为数据基础构建放电过程曲线,并对所述放电过程曲线进行积分运算和数据整合,积分运算可得到对应的总和,数据整合即为将所得到的所有数据进行统计和整合在一起,形成便于统一管理的大数据集,即为获得放电过程报表。将放电过程报表和放电过程曲线存入对应的数据块,以供后续的数据参考。
在本发明实施例中,通过参数信息的匹配对若干个废旧电池进行批次检测,提高了废旧电池批次检测的准确率,极大地降低了人力成本的投入,当检测出存在不同批次的废旧电池时,通过前瞻时间窗策略利用启发式规则构建批次划分策略,根据批次划分策略对其中的若干个废旧电池进行批次划分,通过前瞻时间窗策略减小搜索空间,加快了批次划分的速度,通过启发式规则保障了批次划分的准确度。同时当判断出电池放电过程存在异常时,通过计算电流异常偏移值和温度异常偏移值来确定异常处理策略,通过电流异常偏移值和温度异常偏移值能够更准确地确定异常量级,并且通过构建异常处理树更进一步地提高异常处理策略的匹配准确度,同时,通过构建自适应控制***以调节废旧电池的散热过程,通过自适应控制***自适应调节散热设备的运行参数,克服了外部扰动所带来的不确定性误差的影响,使废旧电池的散热处理达到更为理想的效果。不仅提高了废旧电池的放电效率和放电质量,并且达成了放电过程中的自适应智能调节控制。
实施例二
请参阅图2,图2是本发明实施例中的废旧电池的批次放电智能控制装置的结构组成示意图。
如图2所示,一种废旧电池的批次放电智能控制装置,所述装置包括:
批次检测模块21:用于获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若检测出集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理;
在本发明具体实施过程中,所述获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理,包括:获取集装平台设备内每个废旧电池的条形码,基于所述条形码在参数数据库中获取每个废旧电池的参数信息;获取集装平台设备的编码信息,基于定义函数和调用函数利用所述编码信息在批次数据库中提取对应的电池批次参数信息;基于所述电池批次参数信息和所述参数信息进行废旧电池的批次检测处理,若所有废旧电池的参数信息皆与所述电池批次参数信息相匹配,则判断集装平台设备内的若干个废旧电池为同一个批次;控制机械臂将所有废旧电池传输至电池放电设备的对应位置中,基于所述电池放电设备进行放电处理。
具体的,通过摄像设备获取集装平台设备内每个废旧电池的条形码,通过条形码在参数数据库中获取每个废旧电池的参数信息,每个废旧电池都有且仅有唯一的条形码。通过摄像设备获取集装平台设备的编码信息,所述编码信息可以为数字编码或图形编码等,通过编码信息获取批次数据库中的对应数据接口,通过定义函数利用编码信息获取在批次数据库中所指定的参数类型,根据参数类型获取对应的参数信息,将对应的参数信息转化为指定格式的数据块,将所述数据块进行转化,将其转化为可以识别的类型,通过调用函数获取对应的电池批次参数信息。通过电池批次参数信息与废旧电池的参数信息进行匹配,利用计数指针、指示主串和模式串比较电池批次参数信息和废旧电池参数信息的字符串,通过计数指针遍历两个字符串至预设次数,在遍历过程中,指示主串向后移动匹配,模式串进行回溯,达到预设次数后,便比较完成。若所有废旧电池的参数信息皆与所述电池批次参数信息相匹配,则判断集装平台设备内的若干个废旧电池为同一个批次;控制机械臂将所有废旧电池传输至电池放电设备的对应位置中,基于所述电池放电设备进行放电处理,通过参数信息的匹配对若干个废旧电池进行批次检测,提高了废旧电池批次检测的准确率,极大地降低了人力成本的投入。
批次划分模块22:用于若检测出集装平台设备内的若干个废旧电池不为同一个批次,则利用批次划分方案进行废旧电池的批次划分处理,获得不同批次的若干个废旧电池,对不同批次的若干个废旧电池进行标记,将标记后的不同批次的若干个废旧电池分别传输至电池放电设备的对应位置中进行放电处理,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的;
在本发明具体实施过程中,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的,包括:基于数据库获取常用批次划分规则,将所述常用批次划分规则作为初始批次划分规则集;基于所述初始批次划分规则集利用遗传算法生成启发式规则,并基于所述启发式规则对所述初始批次划分规则集进行寻优处理,获得优化批次划分规则集;基于所述优化批次划分规则集利用前瞻时间窗策略进行规则空间搜索处理,获得批次划分方案。
具体的,若检测出集装平台设备内的若干个废旧电池不为同一个批次,则构建批次划分方案,基于数据库获取常用批次划分规则,将所述常用批次划分规则作为初始批次划分规则集,在数据库中存储有大量的常用批次划分规则,通过指定接口便可获取常用批次划分规则。基于所述初始批次划分规则集利用遗传算法生成启发式规则,将初始批次划分规则集作为初始规则种群,通过适应度函数计算初始规则种群中每条规则的适应度值,选取预设数量的适应度值排名靠前的若干条规则,对若干条规则进行交叉或变异处理,生成新规则种群,以新规则种群作为初始规则种群重新进行以上处理至预设迭代次数,获得启发式规则。通过启发式规则分析初始批次划分规则集中多规则间的依赖关系,基于所述依赖关系构建因果矩阵,因果矩阵用于处理不同变量之间的相关关系,通过因果矩阵选择若干条优化批次划分规则,基于若干条优化批次划分规则生成优化批次划分规则集。基于所述优化批次划分规则集利用前瞻时间窗策略进行规则空间搜索处理,所述前瞻时间窗策略为一项不断进行策略改进和指定的策略,将前瞻策略引入时间窗算法中,前瞻的目的是为了在考虑当前方案时,预先考虑其对后续批次划分的影响和可能发生的冲突,以提高效率,能够满足不同的方案需要,具有良好的通用性和灵活性。根据优化批次划分规则集动态定义启发式搜索的目标点,基于目标点循环进行扩展搜索至预设循环次数,其中,在每一次拓展搜索后,实时动态更新目标点,再基于更新后的目标点进行拓展搜索,得到所需的目标批次划分规则。根据目标批次划分规则进行初步批次划分,生成初始批次划分方案,设置前瞻步长,根据前瞻步长设置前瞻时间窗,根据前瞻时间窗设置前瞻批次划分组,根据前瞻批次划分组判断初始批次划分方案中是否存在废旧电池的批次划分冲突,即通过前瞻批次划分组对初始批次划分方案进行比较,将存在批次划分冲突的废旧电池重新进行批次划分,直至将所有的废旧电池批次划分完成,获得批次划分方案。利用批次划分方案进行废旧电池的批次划分处理,获得不同批次的若干个废旧电池,获取废旧电池的不同批次与各标签的对应关系,并基于所述对应关系确定废旧电池的不同批次所对应的各目标标签,基于所述各目标标签对不同批次的若干个废旧电池进行标记;将标记后的不同批次的若干个废旧电池输送到与各目标标签对应的集装平台设备内,控制机械臂根据预设顺序将对应的集装平台设备内的标记后的不同批次的废旧电池分别传输至电池放电设备的对应位置中进行放电作业。根据批次划分策略对其中的若干个废旧电池进行批次划分,通过前瞻时间窗策略减小搜索空间,加快了批次划分的速度,通过启发式规则保障了批次划分的准确度。
预警判断模块23:用于在电池放电设备进行放电处理过程中,基于数据传感器持续采集废旧电池的实时输出电流和实时温度,并判断所述实时输出电流和实时温度是否达到预设预警区间,若所述实时输出电流和实时温度达到所述预设预警区间,则基于所述实时输出电流计算电流异常偏移值,并基于所述实时温度计算温度异常偏移值;
在本发明具体实施过程中,所述基于所述实时输出电流计算电流异常偏移值,包括:基于放电处理过程中废旧电池在预设单位时间内的实时输出电流计算电流平均值;基于所述电流平均值计算电流幅值偏移特征量,并基于所述电流幅值偏移特征量进行多项式拟合处理,获得电流隶属度函数;基于所述隶属度函数计算电流偏移范围,并基于所述电流偏移范围计算电流异常偏移值。
具体的,在电池放电设备进行放电处理过程中,通过设置在电池放电设备中预设位置的数据传感器组合持续采集当前批次中每个废旧电池的实时输出电流和实时温度,所采集的实时输出电流和实时温度都标记有当时的采集时间。判断所述实时输出电流和实时温度是否达到预设预警区间,实时输出电流和实时温度的预设预警区间是不同的,由于电池放电的温度监测存在延时性,电池放电过程中电流输出与温度密切相关,当实时温度升高异常时,电流输出提升也会呈现异常,而加入电流输出的监测能极大避免温度监测所存在的延时性,可更准确地判断电池放电是否存在异常。若所述实时输出电流和实时温度达到所述预设预警区间,则基于放电处理过程中废旧电池在预设单位时间内的实时输出电流计算电流平均值,即计算对应的废旧电池的实时输出电流在达到预设预警区间时的单位时间内所有实时输出电流的平均值。基于所述电流平均值计算电流幅值偏移特征量,通过电流平均值计算电流方差,通过电流平均值和电流方差构成电流幅值偏移特征量,基于所述电流幅值偏移特征量进行多项式拟合处理,通过电流幅值偏移特征值确定节点电流的偏移模糊指标,并根据偏移模糊指标确定对应的上界值和下界值,获得电流隶属度函数,所述电流隶属度函数表达式为:
,
其中,为电流隶属度函数,/>为节点电流的偏移模糊指标,/>为偏移模糊指标对应的下界值,/>为偏移模糊指标对应的上界值,/>为正态分布参数。基于所述隶属度函数计算电流偏移范围,通过隶属度函数确定电流偏移的上确界和下确界,根据所述上确界和下确界生成电流偏移范围,并基于所述电流偏移范围计算电流异常偏移值,通过电流偏移范围利用实时输出电流便可直接计算电流异常偏移值。基于所述实时温度计算温度异常偏移值的计算步骤如计算电流异常偏移值的步骤,在此不再赘述。通过电流异常偏移值和温度异常偏移值可更准确地确定异常量级,有着更为明确的异常偏移值的量级划分。
散热处理模块24:用于基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,并构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,所述自适应控制***用于调节废旧电池的散热处理过程;
在本发明具体实施过程中,所述基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,包括:获取历史异常处理数据和异常处理规则,基于所述历史异常处理数据利用关系矩阵构建拓扑关系图;基于所述拓扑关系图和异常处理规则利用二元决策图构建异常处理树,并基于所述异常处理树利用所述电流异常偏移值和温度异常偏移值确定异常处理策略。
进一步的,所述构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,包括:建立废旧电池的对象模型,基于所述对象模型利用分数阶导数构建分数阶复杂网络***;构建目标状态方程,基于所述目标状态方程构建所述对象模型和所述分数阶复杂网络***之间的状态误差***;基于所述状态误差***利用扩张状态观测器生成自适应调节参数和自适应律,并基于所述自适应调节参数和自适应律利用所述分数阶复杂网络***和状态误差***构建自适应控制***;散热设备基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,其中,在散热处理过程中,所述自适应控制***实时计算散热处理过程中的误差参数,并基于所述误差参数实时调节所述散热设备的运行参数。
具体的,获取历史异常处理数据和异常处理规则,获取历史异常处理数据与历史异常处理策略的关联关系,根据关联关系构建有向无环图,所述有向无环图设置有若干个节点,在所述有向无环图中提取目标特征,通过目标特征构建若干个异常目标特征矩阵,计算每个异常目标特征矩阵的余弦相似性,通过每个异常目标特征矩阵之间的余弦相似性生成相似性网络,根据所述相似性网络和异常目标特征矩阵生成关系矩阵,通过关系矩阵计算特征系数,基于特征系数构建特征系数矩阵,通过特征系数矩阵利用三相邻接矩阵生成拓扑关系图。基于所述拓扑关系图和异常处理规则构建根节点和子节点,将根节点和子节点根据预设连接强度进行连接,生成初始异常处理树,通过二元决策图对初始异常处理树进行优化,获得异常处理树。将电流异常偏移值和温度异常偏移值确定异常量级,输入至所述异常处理树中,遍历异常处理树,其中,异常处理树中的每个根节点对应一种异常处理策略,如调整压力的数值大小和调整传入散热介质的范围和速率等,并且异常处理树包括至少一个子节点,所述每个子节点对应一种异常原因,异常原因如设备过载等级过高,电池放电产生热量过多,需要降温等,通过电流异常偏移值和温度异常偏移值定位子节点,从而可快速定位异常处理策略。通过电流异常偏移值和温度异常偏移值能够更准确地确定异常量级,并且通过构建异常处理树更进一步地提高异常处理策略的匹配准确度,可快速得知压力的数值如何调整和散热介质的范围和速率如何确定。建立废旧电池的对象模型,对象模型是对废旧电池实体的抽象,将废旧电池作为被控对象,通过被控对象做出预设层次的抽象,进而形成对应的对象模型。基于所述对象模型利用分数阶导数构建分数阶复杂网络***,建立与所述对象模型对应的微分方程,通过分数阶导数取分数阶阶次,所述分数阶导数为在卡普托意义上的分数阶导数,通过分数阶阶次利用对应的微分方程构建分数阶复杂网络***。构建目标状态方程,考虑到存在不确定性和不可预测的非线性状态,引入与非线性状态对应的对于参量的非周期轨道和等效扰动,构建目标状态方程,基于所述目标状态方程构建所述对象模型和所述分数阶复杂网络***之间的状态误差***。基于所述状态误差***利用扩张状态观测器生成自适应调节参数和自适应律,扩张状态观测器为将***中的不确定项或者干扰视为***中的状态之一,建立新的状态空间,对该新的状态空间进行观测。通过扩张状态观测器对状态误差***进行观测***等效扰动,获得扩张状态向量,通过扩张状态向量利用预设带宽参数获得扩张状态反馈补偿,利用扩张状态反馈补偿获取自适应律,所述自适应律的表达式为:
,
其中,K为输入自适应调节,Fz为反馈自适应调节,为扩张状态反馈补偿,/>为被控对象的输入增益,u为自适应律。通过自适应律构建自适应调节律,基于所述自适应调节律利用对称正定矩阵进行运算,得到自适应调节参数,并基于所述自适应调节参数和自适应律利用所述分数阶复杂网络***和状态误差***构建自适应控制***,基于自适应调节参数和自适应律对分数阶复杂网络***和状态误差***进行自适应的参数整定,将自适应的参数整定后的分数阶复杂网络***和状态误差***进行融合,获得自适应控制***。散热设备基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,其中,在散热处理过程中,由于外部扰动会影响散热设备,进而产生误差影响散热设备的散热控制,所述自适应控制***实时计算散热处理过程中的误差参数,并基于所述误差参数实时调节所述散热设备的运行参数。通过自适应控制***自适应调节散热设备的运行参数,克服了外部扰动所带来的不确定性误差的影响,使废旧电池的散热处理达到更为理想的效果。
结束放电模块25:用于持续监测电池放电设备进行放电处理过程中废旧电池的残余电量,当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表。
在本发明具体实施过程中,所述当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表,包括:当所述残余电量达到预设阈值时,所述电池放电设备结束对应的若干个废旧电池的放电处理,并将对应的若干个废旧电池输送至放电完成区域;基于所述实时输出电流和实时温度生成放电过程曲线,并对所述放电过程曲线进行积分运算和数据整合,获得放电过程报表。
具体的,通过容量统计模型持续监测电池放电设备进行放电处理过程中废旧电池的残余电量,当所述残余电量达到预设阈值时,所述电池放电设备结束对应的若干个废旧电池的放电处理,解除对废旧电池的固定,并将对应的若干个废旧电池输送至放电完成区域。以采集的所有实时输出电流和实时温度作为数据基础构建放电过程曲线,并对所述放电过程曲线进行积分运算和数据整合,积分运算可得到对应的总和,数据整合即为将所得到的所有数据进行统计和整合在一起,形成便于统一管理的大数据集,即为获得放电过程报表。将放电过程报表和放电过程曲线存入对应的数据块,以供后续的数据参考。
在本发明实施例中,通过参数信息的匹配对若干个废旧电池进行批次检测,提高了废旧电池批次检测的准确率,极大地降低了人力成本的投入,当检测出存在不同批次的废旧电池时,通过前瞻时间窗策略利用启发式规则构建批次划分策略,根据批次划分策略对其中的若干个废旧电池进行批次划分,通过前瞻时间窗策略减小搜索空间,加快了批次划分的速度,通过启发式规则保障了批次划分的准确度。同时当判断出电池放电过程存在异常时,通过计算电流异常偏移值和温度异常偏移值来确定异常处理策略,通过电流异常偏移值和温度异常偏移值能够更准确地确定异常量级,并且通过构建异常处理树更进一步地提高异常处理策略的匹配准确度,同时,通过构建自适应控制***以调节废旧电池的散热过程,通过自适应控制***自适应调节散热设备的运行参数,克服了外部扰动所带来的不确定性误差的影响,使废旧电池的散热处理达到更为理想的效果。不仅提高了废旧电池的放电效率和放电质量,并且达成了放电过程中的自适应智能调节控制。
本发明实施例提供的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述实施例中任意一个实施例的废旧电池的批次放电智能控制方法。其中,所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(RandomAcceSS Memory,随即存储器)、EPROM(EraSable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically EraSable ProgrammableRead-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,存储设备包括由设备(例如,计算机、手机)以能够读的形式存储或传输信息的任何介质,可以是只读存储器,磁盘或光盘等。
实施例三
请参阅图3,图3是本发明实施例中的电子设备的结构组成示意图。
本发明实施例还提供了一种电子设备,如图3所示,所述电子设备包括存储器31、处理器33以及存储在存储器31中并可在处理器33上运行的计算机程序32。本领域技术人员可以理解,图3示出的电子设备并不构成对所有设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件。存储器31可用于存储计算机程序32以及各功能模块,处理器33运行存储在存储器31的计算机程序32,从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器,或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程 ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。处理器33可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application SpecificIntegrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器、单片机或者处理器33也可以是任何常规的处理器等。本发明所公开的处理器和存储器包括但不限于这些类型的处理器和存储器。本发明所公开的处理器和存储器只作为例子而非作为限定。
作为一个实施例,所述电子设备包括:一个或多个处理器33,存储器31,一个或多个计算机程序32,其中所述一个或多个计算机程序32被存储在存储器31中并被配置为由所述一个或多个处理器33执行,所述一个或多个计算机程序32配置用于执行上述任意一实施例中的废旧电池的批次放电智能控制方法,具体实施过程请参阅上述实施例,在此不在赘述。
在本发明实施例中,通过参数信息的匹配对若干个废旧电池进行批次检测,提高了废旧电池批次检测的准确率,极大地降低了人力成本的投入,当检测出存在不同批次的废旧电池时,通过前瞻时间窗策略利用启发式规则构建批次划分策略,根据批次划分策略对其中的若干个废旧电池进行批次划分,通过前瞻时间窗策略减小搜索空间,加快了批次划分的速度,通过启发式规则保障了批次划分的准确度。同时当判断出电池放电过程存在异常时,通过计算电流异常偏移值和温度异常偏移值来确定异常处理策略,通过电流异常偏移值和温度异常偏移值能够更准确地确定异常量级,并且通过构建异常处理树更进一步地提高异常处理策略的匹配准确度,同时,通过构建自适应控制***以调节废旧电池的散热过程,通过自适应控制***自适应调节散热设备的运行参数,克服了外部扰动所带来的不确定性误差的影响,使废旧电池的散热处理达到更为理想的效果。不仅提高了废旧电池的放电效率和放电质量,并且达成了放电过程中的自适应调节智能控制。
另外,以上对本发明实施例所提供的一种废旧电池的批次放电智能控制方法及相关装置进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种废旧电池的批次放电智能控制方法,其特征在于,所述方法包括:
获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若检测出集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理;
若检测出集装平台设备内的若干个废旧电池不为同一个批次,则利用批次划分方案进行废旧电池的批次划分处理,获得不同批次的若干个废旧电池,对不同批次的若干个废旧电池进行标记,将标记后的不同批次的若干个废旧电池分别传输至电池放电设备的对应位置中进行放电处理,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的;
在电池放电设备进行放电处理过程中,基于数据传感器持续采集废旧电池的实时输出电流和实时温度,并判断所述实时输出电流和实时温度是否达到预设预警区间,若所述实时输出电流和实时温度达到所述预设预警区间,则基于所述实时输出电流计算电流异常偏移值,并基于所述实时温度计算温度异常偏移值;
基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,并构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,所述自适应控制***用于调节废旧电池的散热处理过程;
持续监测电池放电设备进行放电处理过程中废旧电池的残余电量,当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表;
其中,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的,包括:基于数据库获取常用批次划分规则,将所述常用批次划分规则作为初始批次划分规则集;基于所述初始批次划分规则集利用遗传算法生成启发式规则,并基于所述启发式规则对所述初始批次划分规则集进行寻优处理,获得优化批次划分规则集;基于所述优化批次划分规则集利用前瞻时间窗策略进行规则空间搜索处理,获得批次划分方案。
2.根据权利要求1所述的废旧电池的批次放电智能控制方法,其特征在于,所述获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理,包括:
获取集装平台设备内每个废旧电池的条形码,基于所述条形码在参数数据库中获取每个废旧电池的参数信息;
获取集装平台设备的编码信息,基于定义函数和调用函数利用所述编码信息在批次数据库中提取对应的电池批次参数信息;
基于所述电池批次参数信息和所述参数信息进行废旧电池的批次检测处理,若所有废旧电池的参数信息皆与所述电池批次参数信息相匹配,则判断集装平台设备内的若干个废旧电池为同一个批次;
控制机械臂将所有废旧电池传输至电池放电设备的对应位置中,基于所述电池放电设备进行放电处理。
3.根据权利要求1所述的废旧电池的批次放电智能控制方法,其特征在于,所述基于所述实时输出电流计算电流异常偏移值,包括:
基于放电处理过程中废旧电池在预设单位时间内的实时输出电流计算电流平均值;
基于所述电流平均值计算电流幅值偏移特征量,并基于所述电流幅值偏移特征量进行多项式拟合处理,获得电流隶属度函数;
基于所述隶属度函数计算电流偏移范围,并基于所述电流偏移范围计算电流异常偏移值。
4.根据权利要求1所述的废旧电池的批次放电智能控制方法,其特征在于,所述基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,包括:
获取历史异常处理数据和异常处理规则,基于所述历史异常处理数据利用关系矩阵构建拓扑关系图;
基于所述拓扑关系图和异常处理规则利用二元决策图构建异常处理树,并基于所述异常处理树利用所述电流异常偏移值和温度异常偏移值确定异常处理策略。
5.根据权利要求1所述的废旧电池的批次放电智能控制方法,其特征在于,所述构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,包括:
建立废旧电池的对象模型,基于所述对象模型利用分数阶导数构建分数阶复杂网络***;
构建目标状态方程,基于所述目标状态方程构建所述对象模型和所述分数阶复杂网络***之间的状态误差***;
基于所述状态误差***利用扩张状态观测器生成自适应调节参数和自适应律,并基于所述自适应调节参数和自适应律利用所述分数阶复杂网络***和状态误差***构建自适应控制***;
散热设备基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,其中,在散热处理过程中,所述自适应控制***实时计算散热处理过程中的误差参数,并基于所述误差参数实时调节所述散热设备的运行参数。
6.根据权利要求1所述的废旧电池的批次放电智能控制方法,其特征在于,所述当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表,包括:
当所述残余电量达到预设阈值时,所述电池放电设备结束对应的若干个废旧电池的放电处理,并将对应的若干个废旧电池输送至放电完成区域;
基于所述实时输出电流和实时温度生成放电过程曲线,并对所述放电过程曲线进行积分运算和数据整合,获得放电过程报表。
7.一种废旧电池的批次放电智能控制装置,其特征在于,所述装置包括:
批次检测模块:用于获取集装平台设备内若干个废旧电池的参数信息,基于所述参数信息进行废旧电池的批次检测,若检测出集装平台设备内的若干个废旧电池为同一个批次,则将所有废旧电池传输至电池放电设备中进行放电处理;
批次划分模块:用于若检测出集装平台设备内的若干个废旧电池不为同一个批次,则利用批次划分方案进行废旧电池的批次划分处理,获得不同批次的若干个废旧电池,对不同批次的若干个废旧电池进行标记,将标记后的不同批次的若干个废旧电池分别传输至电池放电设备的对应位置中进行放电处理,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的;
预警判断模块:用于在电池放电设备进行放电处理过程中,基于数据传感器持续采集废旧电池的实时输出电流和实时温度,并判断所述实时输出电流和实时温度是否达到预设预警区间,若所述实时输出电流和实时温度达到所述预设预警区间,则基于所述实时输出电流计算电流异常偏移值,并基于所述实时温度计算温度异常偏移值;
散热处理模块:用于基于所述电流异常偏移值和温度异常偏移值确定异常处理策略,并构建自适应控制***,基于所述异常处理策略利用自适应控制***进行废旧电池的散热处理,所述自适应控制***用于调节废旧电池的散热处理过程;
结束放电模块:用于持续监测电池放电设备进行放电处理过程中废旧电池的残余电量,当所述残余电量达到预设阈值时,所述电池放电设备结束废旧电池的放电处理,并基于放电处理过程中所采集的实时输出电流和实时温度生成放电过程曲线和放电过程报表;
其中,所述批次划分方案为基于前瞻时间窗策略利用启发式规则所生成的,包括:基于数据库获取常用批次划分规则,将所述常用批次划分规则作为初始批次划分规则集;基于所述初始批次划分规则集利用遗传算法生成启发式规则,并基于所述启发式规则对所述初始批次划分规则集进行寻优处理,获得优化批次划分规则集;基于所述优化批次划分规则集利用前瞻时间窗策略进行规则空间搜索处理,获得批次划分方案。
8.一种电子设备,所述电子设备包括处理器及存储器,其特征在于,所述存储器用于存储指令,所述处理器用于调用所述存储器中的指令,使得所述电子设备执行如权利要求1至权利要求6中任一项所述的废旧电池的批次放电智能控制方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1至权利要求6中任一项所述的废旧电池的批次放电智能控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410339138.8A CN117936953B (zh) | 2024-03-25 | 2024-03-25 | 一种废旧电池的批次放电智能控制方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410339138.8A CN117936953B (zh) | 2024-03-25 | 2024-03-25 | 一种废旧电池的批次放电智能控制方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117936953A CN117936953A (zh) | 2024-04-26 |
CN117936953B true CN117936953B (zh) | 2024-05-24 |
Family
ID=90765043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410339138.8A Active CN117936953B (zh) | 2024-03-25 | 2024-03-25 | 一种废旧电池的批次放电智能控制方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117936953B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105977553A (zh) * | 2016-02-29 | 2016-09-28 | 上海煦达新能源科技有限公司 | 电动汽车退役电池梯次复用网络级双向储能监管平台 |
CN216671692U (zh) * | 2021-12-09 | 2022-06-03 | 深圳市杰成镍钴新能源科技有限公司 | 一种废旧电池梯次利用回收装置 |
CN115510682A (zh) * | 2022-10-21 | 2022-12-23 | 江苏大学 | 一种新能源汽车废旧电池回收箱选址规划方法、***及终端设备 |
CN115602949A (zh) * | 2022-09-23 | 2023-01-13 | 广东邦普循环科技有限公司(Cn) | 一种废旧电池梯次使用的筛选方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110250846A1 (en) * | 2010-04-12 | 2011-10-13 | Nokia Corporation | Apparatus and associated methods |
US10060296B2 (en) * | 2012-11-15 | 2018-08-28 | Kevin Lee Friesth | Quintuple-effect generation multi-cycle hybrid renewable energy system with integrated energy provisioning, storage facilities and amalgamated control system cross-reference to related applications |
-
2024
- 2024-03-25 CN CN202410339138.8A patent/CN117936953B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105977553A (zh) * | 2016-02-29 | 2016-09-28 | 上海煦达新能源科技有限公司 | 电动汽车退役电池梯次复用网络级双向储能监管平台 |
CN216671692U (zh) * | 2021-12-09 | 2022-06-03 | 深圳市杰成镍钴新能源科技有限公司 | 一种废旧电池梯次利用回收装置 |
CN115602949A (zh) * | 2022-09-23 | 2023-01-13 | 广东邦普循环科技有限公司(Cn) | 一种废旧电池梯次使用的筛选方法 |
CN115510682A (zh) * | 2022-10-21 | 2022-12-23 | 江苏大学 | 一种新能源汽车废旧电池回收箱选址规划方法、***及终端设备 |
Non-Patent Citations (1)
Title |
---|
基于数据拟合方法的电池剩余放电时间模型研究;高继文;;通化师范学院学报;20200820(08);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117936953A (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112734128B (zh) | 一种基于优化rbf的7日电力负荷峰值预测方法 | |
CN111176953B (zh) | 一种异常检测及其模型训练方法、计算机设备和存储介质 | |
CN112069726A (zh) | 一种基于贝叶斯网络的风险分析评估方法及装置 | |
CN116031888B (zh) | 基于动态负荷预测的潮流优化方法、***及存储介质 | |
CN114978956B (zh) | 智慧城市网络设备性能异常突变点检测方法及装置 | |
CN111738520A (zh) | 一种融合孤立森林与长短期记忆网络的***负载预测方法 | |
CN113935440A (zh) | 一种电压互感器误差状态迭代评估方法及*** | |
CN113723716A (zh) | 一种客流分级预警异常告警方法、设备及存储介质 | |
CN117394529A (zh) | 基于scada的主配网合环倒供电控制条件辅助决策方法及*** | |
CN117936953B (zh) | 一种废旧电池的批次放电智能控制方法及相关装置 | |
CN117170980B (zh) | 一种服务器硬件异常预警方法、装置、设备及存储介质 | |
CN116365519B (zh) | 一种电力负荷预测方法、***、存储介质及设备 | |
CN113268929A (zh) | 短期负荷区间预测方法及装置 | |
CN117094535A (zh) | 基于人工智能的能源补给管理方法及*** | |
CN117272145A (zh) | 转辙机的健康状态评估方法、装置和电子设备 | |
CN117034149A (zh) | 故障处理策略确定方法、装置、电子设备和存储介质 | |
CN114819391B (zh) | 基于历史数据集时间跨度优化的光伏发电功率预测方法及*** | |
CN115422263A (zh) | 一种电力现场多功能通用型故障分析方法及*** | |
CN115313522A (zh) | 一种考虑新能源出力预测偏差的备用容量配置方法及*** | |
CN113377630B (zh) | 一种通用的kpi异常检测框架实现方法 | |
CN115409100A (zh) | 电力事故应急方案生成方法、装置、介质及设备 | |
CN114548769A (zh) | 一种智能电网it资产大数据监测***及方法 | |
Meyer et al. | A fuzzy stop criterion for genetic algorithms using performance estimation | |
CN117878455B (zh) | 一种退役电池的放电状态优化方法及相关装置 | |
CN112686416A (zh) | 一种风电功率概率预测方法和*** |
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 |