一种储能设备预警及装置制造方法及图纸

本申请提供一种储能设备预警方法、装置及系统，包括：获取储能设备的电芯实时运行数据和时间戳；基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据，其中，所述神经网络模型包括bert算法模型；基于所述电芯目标参数变化数据进行所述储能设备的电芯的热失控分析；当所述储能电池的电芯存在热失控风险时，向所述储能设备下发热失控调度指令，所述热失控调度指令用于触发所述储能设备的电芯保护机制。利用本申请，本申请的储能设备预警方法、装置及系统，可提前预测出未来一段时间内电芯可能发生热失控的风险，并提前采取应对措施，从而避免或者减少电芯热失控的发生。生。生。

【技术实现步骤摘要】
一种储能设备预警及装置


[0001]本专利技术涉及储能
，特别是涉及一种储能设备预警及装置。

技术介绍

[0002]随着户式储能行业的快速发展，使用户式储能电站的家庭也越来越多，每个家庭至少安装一个户式储能一体机设备。户式储能一体机采用动力电池作为储能单元，动力电池在使用过程中，容易发生热失控，会造成了人员伤亡和财产损失。
[0003]目前，针对户式储能电池内短路造成的热失控预警，主流方法是基于硬件(传感器)对动力电池的当前状态进行一些判断，没法做到前瞻性，无法预先判断动力电池是否存在热失控风险。

技术实现思路

[0004]鉴于以上所述现有技术中的问题，本申请的目的在于提供一种储能设备预警及装置，以解决上述现有技术中存在的问题。
[0005]为实现上述目的及其它相关目的，本专利技术提供一种储能设备预警方法，包括：
[0006]储能设备预警方法，其特征在于，包括：
[0007]获取储能设备的电芯实时运行数据和时间戳；
[0008]基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据，其中，所述神经网络模型包括bert算法模型；
[0009]基于所述电芯目标参数变化数据进行所述储能设备的电芯的热失控分析；
[0010]当所述储能电池的电芯存在热失控风险时，向所述储能设备下发热失控调度指令，所述热失控调度指令用于触发所述储能设备的电芯保护机制。
[0011]在本申请的一可选实施例中，基于所述电芯实时运行数据，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据之后，还包括：
[0012]将预测的未来一段时间内所述储能设备的电芯目标参数变化数据存储数据库，以用于实时可视化展示。
[0013]在本申请的一可选实施例中，基于所述电芯目标参数变化数据进行所述储能设备的电芯的热失控分析，包括：
[0014]判断所述电芯目标参数变化数据是否处于异常状态；
[0015]当所述电芯目标参数变化数据处于异常状态，则表示所述储能电池的电芯存在热失控风险；
[0016]反之，则表示所述储能电池的电芯不存在热失控风险。
[0017]在本申请的一可选实施例中，所述电芯实时运行数据包括总充电电量、总放电电量、循环次数、最高电压、最低电压、电压差、平均电压、荷电状态、健康状态、可用能量状态、充放电功率、母线电压、母线电流、电芯电压、电芯电流、正极母线温度、负极母线温度、直流内阻、交流内阻以及电芯温度中的一种或多种的组合。
[0018]在本申请的一可选实施例中，基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据，包括：
[0019]对所述电芯实时运行数据进行预处理，所述预处理包括标准化处理和归一化处理；
[0020]基于预处理后的所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据。
[0021]在本申请的一可选实施例中，基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据，包括：
[0022]基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯温度变化数据，作为所述电芯目标参数变化数据；或
[0023]基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯温度变化数据和电芯电压变化数据，作为所述电芯目标参数变化数据。
[0024]在本申请的一可选实施例中，所述方法还包括：
[0025]当所述储能电池的电芯存在热失控风险时，向所述储能设备的拥有者推送热失控消息。
[0026]电池热失控诱因较多且机理复杂，但最直观的表现是温度的升高。
[0027]在本申请的一可选实施例中，获取储能设备的电芯实时运行数据和时间戳，包括：
[0028]利用流处理工具通过抽样方式获取储能设备的电芯实时运行数据和时间戳。
[0029]在本申请的一可选实施例中，所述方法还包括：
[0030]获取预训练bert算法模型；
[0031]获取所述储能设备的电芯历史运行数据及时间戳；
[0032]基于所述储能设备的电芯历史运行数据及时间戳对所述预训练bert算法模型进行训练，以获取所述神经网络模型。
[0033]为实现上述目的及其它相关目的，本专利技术提供一种储能设备预警装置，包括：
[0034]数据获取模块，用于获取储能设备的电芯实时运行数据和时间戳；
[0035]参数预测模块，用于基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据，其中，所述神经网络模型包括bert算法模型；热失控分析模块，用于基于所述电芯目标参数变化数据进行所述储能设备的电芯的热失控分析；
[0036]热失控预警模块，用于当所述储能电池的电芯存在热失控风险时，向所述储能设备下发热失控调度指令，所述热失控调度指令用于触发所述储能设备的电芯保护机制。
[0037]本申请的储能设备预警方法、装置及系统，通过bert神经网络模型，可基于储能设备上报的电芯实时运行数据来提前预测出未来比较长一段时间内电芯可能发生热失控的风险，并提前采取应对措施，从而避免或者减少电芯热失控的发生。
附图说明
[0038]图1为应用本申请中一个或多个实施例技术方案的系统架构示意图。
[0039]图2为本申请的一示例性实施例示出的储能设备预警方法的流程示意图。
[0040]图3为本申请的一示例性实施例示出的神经网络模型训练方法的流程示意图。
[0041]图4为本申请的一示例性实施例示出的储能设备预警装置的功能模块图。
具体实施方式
[0042]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0043]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图示中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0044]图1示出了一种可以用于本申请中一个或多个实施例中的技术方案的示例性系统架构的示意图。如图1所示，系统架构包括用户终端20、储能设备10及云端服务器30。
[0045]所述储能设备10例如为户式储能一体机设备，例如户式光伏储能一体机设备，所述储能设备10中采用动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种储能设备预警方法，其特征在于，包括：获取储能设备的电芯实时运行数据和时间戳；基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据，其中，所述神经网络模型包括bert算法模型；基于所述电芯目标参数变化数据进行所述储能设备的电芯的热失控分析；当所述储能电池的电芯存在热失控风险时，向所述储能设备下发热失控调度指令，所述热失控调度指令用于触发所述储能设备的电芯保护机制。2.根据权利要求1所述的储能设备预警方法，其特征在于，基于所述电芯实时运行数据，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据之后，还包括：将预测的未来一段时间内所述储能设备的电芯目标参数变化数据存储数据库，以用于实时可视化展示。3.根据权利要求1所述的储能设备预警方法，其特征在于，基于所述电芯目标参数变化数据进行所述储能设备的电芯的热失控分析，包括：判断所述电芯目标参数变化数据是否处于异常状态；当所述电芯目标参数变化数据处于异常状态，则表示所述储能电池的电芯存在热失控风险；反之，则表示所述储能电池的电芯不存在热失控风险。4.根据权利要求1所述的储能设备预警方法，其特征在于，所述电芯实时运行数据包括总充电电量、总放电电量、循环次数、最高电压、最低电压、电压差、平均电压、荷电状态、健康状态、可用能量状态、充放电功率、母线电压、母线电流、电芯电压、电芯电流、正极母线温度、负极母线温度、直流内阻、交流内阻以及电芯温度中的一种或多种的组合。5.根据权利要求1所述的储能设备预警方法，其特征在于，基于所述电芯实时运行数据和时间戳，利用神经网络模型来预测未来一段时间内所述储能设备的电芯目标参数变化数据，包括：对所述电芯实时运行数据进行预处理，所述预处理包括标准化处理和归一化处理；基于预处理后的所述电芯实时运行数据和时间戳，利用神经网络模型来...

【专利技术属性】
技术研发人员：李志方，
申请(专利权)人：上海思格源智能科技有限公司，
类型：发明
国别省市：