一种关于储能制造技术

本发明专利技术公开了一种关于储能

【技术实现步骤摘要】
一种关于储能PCS系统过温和液冷系统故障预测方法


[0001]本专利技术涉及涉及储能电池健康状态
(SOH)
检测评估
，特别涉及关于储能
PCS
系统过温和液冷系统故障预测方法
。

技术介绍

[0002]为实现“双碳”目标，新能源大规模接入电网，其出力缺陷给电网带来了新的挑战
。
而储能作为解决新能源出力缺陷的有效手段，近年来得到迅速发展
。
电化学储能是目前大规模应用较为广泛的储能系统
。
根据
《
新能源与电化学
》
报告显示，电化学储能已经应用于电力系统各环节
。
电网侧在装机规模
26.18
万千瓦，在运容量
42.28
万千瓦；电源侧在装机规模
20.2
万千瓦，在运容量
33.2
万千瓦；用户侧在运装机规模
9.81
万千瓦，在运容量
649
万千瓦
。
并且仍处于不断增长的趋势
。
此外，储能的相关政策也在不断地推进落实
。
[0003]PCS
系统
(power conversion system
储能变流器
)
是连接电池系统与电网或者负载的电能变换装置，现有的储能系统中通常会将电池液冷系统
、
管理系统与模块化
PCS
集成于单个标准化产品，达到了降本增效的目的
。
而目前大部分储能系统所使用的都是体积小能量高的锂电池，其液冷系统故障会导致储能电池过温的热失控风险急剧增加，但
PCS
系统过温状态和液冷系统故障状态并不是简单对应关系，
PCS
系统过温除了液冷系统故障导致还可能是由于
PCS
内部故障和外在因素影响，同样液冷系统故障的外在表现不仅只是
PCS
过温，还会导致整个电池簇或某些单体过温，因此必须对
PCS
系统过温故障及液冷系统故障都进行及时的预测，对预测有故障的系统提前进行排查以保障储能站的安全高效运行
。
本专利技术的目的就是设计一种基于储能电池数据的数据挖掘方法对储能
PCS
系统或液冷系统进行故障预测方法
。

技术实现思路

[0004]为克服上述现有技术中的不足，本专利技术的目的在于提供一种能够对储能
PCS
系统或液冷系统进行故障预测方法
。
[0005]一种关于储能
PCS
系统过温和液冷系统故障预测方法，其包括如下步骤：
[0006]1)
数据采集：采集储能系统运行过程中的电气检测数据和温度数据，对采集的数据进行数据划分
、
分析
、
特征描述；
[0007]2)
数据预处理：对采集的储能运行过程中的电气检测数据和温度数据进行数据去重
、
空值处理以及异常数值处理；
[0008]3)
构建
PCS
系统过温预测模型：以温度数据以及充放电状态
、
液冷系统状态为特征，采用空间聚类算法构建
PCS
系统过温预测模型，并模型进行训练和评估；
[0009]4)
构建液冷系统故障预测模型：将采集的全部特征纳入
CatBoost
模型中对特征进行重要性评估，选择重要性占比前
70
％
、80
％
、90
％
、100
％的特征采用注意力机制构建液冷系统故障预测模型，并对模型进行训练和评估；
[0010]5)
对储能系统运行过程中的数据进行实时监测，将相应数据分别输入到
PCS
系统
过温预测模型及液冷系统故障预测模型中，对故障进行预测
。
[0011]优选的，步骤
2)
中电芯的温度特征及电压特征进行特征构建
。
[0012]优选的，温度特征构建方法为：按照每条数据提取电池簇内的单体最高温度和单体最低温度以及电池簇内每个电池包的温度包括单体最高温度
、
单体最低温度
、
单体平均温度
、
单体温度极差
、
单体温度标准差
。
[0013]优选的，电压特征构建方法为：按照每条数据提取电池簇内每个电池包的电压特征单体平均电压
、
单体电压极差
、
单体电压标准差，预处理后的数据作为模型的输入，用于进行训练模型
。
[0014]优选的，步骤
3)
中模型训练：选择所有温度数据以及充放电状态
、
液冷系统状态特征，首先通过少数次迭代，利用
K
‑
means
算法进行数据分区，在每个数据分区上分别应用
DBSCAN
算法进行数据聚类，最后对不同分区的聚类进行合并，使用查准率
(Precision)
和查全率
(Recall)
进行模型评估，分别用于衡量实际和预测均为故障的样本占预测故障的样本的比例和预测和实际均为故障占故障样本总数的比例
。
[0015]优选的，采用注意力机制构建液冷系统故障预测模型的方法为：
1)
对特征图进行全局池化处理；
2)
将特征提取结果输入后续的全连接层，经压缩处理生成不同的通道注意力权重；
3)
结合注意力权重和输入逐通道相乘，赋予每个通道不同的注意力权重，以提升有效特征并减少无关特征
。
[0016]上述技术方案具有如下有益效果：该故障预测方法通过构建
PCS
系统过温故障预测模型及液冷系统故障预测模型，分别对储能系统运行过程中
PCS
系统可能出现的过温故障或液冷系统故障进行预测，进而能更加准确的判断储能系统的故障原因，对预测有故障的系统提前进行排查以保障储能站的安全高效运行
。
附图说明
[0017]图1为本专利技术实施例的流程图
。
具体实施方式
[0018]以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士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及功效
。
[0019]如图1所示，本专利技术公开了一种关于储能
PCS
系统过温和液冷系统故障预测方法，其包括如下步骤，其具体包括如下步骤：
[0020]步骤一：数据采集，采集储能系统运行过程中的电气检测数据和温度数据，对采集的数据进行数据划分
、
分析
、
特征描述；得到原始数据字段如表1，其中
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种关于储能
PCS
系统过温和液冷系统故障预测方法，其特征在于，其包括如下步骤：数据采集：采集储能系统运行过程中的电气检测数据和温度数据，对采集的数据进行数据划分
、
分析
、
特征描述；数据预处理：对采集的储能运行过程中的电气检测数据和温度数据进行数据去重
、
空值处理以及异常数值处理；构建
PCS
系统过温故障预测模型：以温度数据以及充放电状态
、
液冷系统状态为特征，采用空间聚类算法构建
PCS
系统过温预测模型，并模型进行训练和评估；构建液冷系统故障预测模型：将采集的全部特征纳入
CatBoost
模型中对特征进行重要性评估，选择重要性占比前
70%、80%、90%、100%
的特征采用注意力机制构建液冷系统故障预测模型，并对模型进行训练和评估；对储能系统运行过程中的数据进行实时监测，将相应数据分别输入到
PCS
系统过温预测模型及液冷系统故障预测模型中，对故障进行预测
。2.
根据权利要求1所述的关于储能
PCS
系统过温和液冷系统故障预测方法，其特征在于，步骤2）中电芯的温度特征及电压特征进行特征构建
。3.
根据权利要求2所述的关于储能
PCS
系统过温和液冷系统故障预测方法，其特征在于，温度特征构建方法为：按照每条数据提取电池簇内的单体最高温度和单体最低温度以及电池簇内每个电池包的温度包括单体最高温度
、
单体最低温度
、

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：苏州生利新能能源科技有限公司，
类型：发明
国别省市：