【技术实现步骤摘要】
本专利技术涉及电力储能控制，具体为一种用于电力储能系统的散热功率智能控制方法。
技术介绍
1、中国专利申请号：cn202410398590.1，新能源储能系统的控制系统及方法，系统包括能量调度模块、动态节流模块、能源需求预测控制模块、影响分析模块、能耗预测模块、散热优化模块、系统监测模块。本专利技术中，通过采用非支配排序遗传算法ii进行多目标优化，新能源储能系统的能量调度模块能够在能量效率、成本最小化与系统稳定性之间捕捉到一个更优的平衡点。特别适应于电力市场和可再生能源供应的不确定性，从而显著提高系统的适应性和经济效益。动态节流模块采用自回归移动平均模型预测即时能源需求变化，并设计动态节流控制策略，使得系统能够更灵敏高效地响应能源需求波动和优化能源流动。提高了系统对突发事件的响应能力。
2、由此可知，虽然能够在储能系统的能量调度模块能够在能量效率、成本最小化与系统稳定性之间捕捉到一个更优的平衡点，但是在处理储能系统设备对能源进行转化和使用时实时温度和使用率数据方面存在不足之处，对于散热的实时调整，缺乏专门的机制来确保温度数据的精准采集和实时响应，进而导致在快速响应能源需求波动的过程中，散热管理可能无法精准适应系统温度的变化，导致散热不充分或过度的问题，严重可能导致设备故障和发生火灾相关突发情况的出现。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种用于电力储能系统的散热功率智能控制方法，解决了
技术介绍
中提到的问题。
2、为实现以上目的，本专利技术
3、步骤一：通过温度传感器实时采集电力储能系统中多个设备运行区域的温度数据和设备使用率ui（t），同步采集外部环境温度数据，组成温度特征向量tfv；
4、步骤二：将温度历史数据thist与温度特征向量tfv进行结合，使用机器学习模型进行预测未来固定周期内的工作负载状态，获取预测负荷功率p（t）；
5、步骤三：通过预测负荷功率p（t）进行建立动态热模型，进行预测未来固定周期内的设备温度分布，获取电力储能系统设备的趋势温度指数tzs；
6、步骤四：通过趋势温度指数tzs与预设的设备散热调整阈值s进行匹配，获取设备散热调控评估策略方案，根据设备散热调控评估策略方案内容进行具体执行设备散热的调控；
7、步骤五：对设备散热调控评估策略方案执行结果进行采集，通过统计和分析温度变化趋势，进行散热二次评估，获取设备散热调控二次评估策略方案，并根据设备散热调控二次评估策略方案内容对设备散热的调控进行二次调节。
8、优选的，所述步骤一中通过在电力储能系统的不同设备区域布置温度传感器，实时采集各个部件的温度数据和设备使用率ui（t），同时安装环境温度传感器采集外部环境的温度，采集的数据包括电池组、逆变器和散热器部件的温度数据，再进行数据标记与时间同步，组成温度特征向量tfv，同步根据采集的数据携带的唯一性设备标记信息进行分类存储为温度历史数据，并实时更新储能设备的温度历史数据；
9、其中，设备使用率ui（t）通过以下计算公式获取：
10、；
11、式中，ui（t）表示设备使用率，具体表示第i个设备在时间t的使用率，表示第i个设备在时间t的实际功率消耗，具体反映了设备i在时间t的工作负荷状态，表示第i个设备的额定功率，i表示设备编号索引，具体用于表示储能系统设备中的不同设备；
12、数据标记与时间同步具体为每个采集到的温度数据加上设备标签和时间戳，使得不同设备的温度数据区分并与时间轴同步，标记后的温度数据表示为：和，表示第i个储能系统设备在时间t的温度值，表示外部环境在时间t的温度值；
13、其中，温度特征向量tfv具体为tfv={tfv1，tfv2，...，tfvt}若干个采集时间的温度特征向量tfvt，tfvt具体为={，，ui，t}采集时间t的若干个储能设备的温度数据、外部环境温度数据和设备使用率。
14、优选的，所述步骤二中，将温度历史数据thist与温度特征向量tfv进行结合，组成特征矩阵x（t），具体为x={thist，tfv}，温度历史数据thist通过截取固定周期内的温度历史数据，使用机器学习模型进行预测未来固定周期内的工作负载状态，获取预测负荷功率p（t）。
15、优选的，其中，预测负荷功率p（t）通过以下计算公式获取：
16、；
17、式中，表示常数项，n表示固定周期内温度采集时间点次数，k表示固定周期内第k次温度采集时间点，表示历史温度的和，具体表示n个采集时间内累积的温度影响，表示历史温度和的平方项，具体表示历史温度的非线性累积效应，表示外部环境温度值与历史温度和的乘积项，具体用于表示外部环境温度值与历史温度之间的影响，表示设备使用率与历史温度累积和的乘积，具体用于反映设备使用率和历史温度之间的影响，表示外部环境温度的平方项，具体用于表示外部环境温度的非线性效应，表示设备使用率的平方项，具体用于反映设备使用率的非线性效应，c1、c2、c3、c4和c5表示预设权重值。
18、优选的，根据预测负荷功率p（t）进行建立动态热模型，将设备的热容量信息输入和预设的时间步长输入动态热模型，训练分析后获取设备预测温度tpred（t），进行预测未来固定周期内的设备温度分布，以及反映设备在不同负荷条件下的温度变化；
19、其中设备的热容量信息具体表示设备的物理特性参数以及用来描述设备吸收热量的能力，通过设备规格提取和实验测定；
20、同步通过设备预测温度tpred（t）与计算n个时间步长的平均温度tavg进行拟合，获取电力储能系统设备的趋势温度指数tzs。
21、优选的，其中，设备预测温度tpred（t）通过以下计算公式获取：
22、；
23、式中，tpred（t）表示预测温度，具体表示时间t的设备预测温度值，表示时间t-1的设备时间温度值，c表示设备热容量，具体表示设备吸收热量的能力，表示时间步长，具体表示温度变化计算的时间间隔。
24、优选的，其中，趋势温度指数tzs通过以下计算公式获取：
25、；
26、式中，tzs表示趋势温度指数，具体表示预测的固定周期内设备温度的变化趋势，n表示预测固定周期内的时间步长数量，tpred（t）表示预测温度，具体表示时间t的设备预测温度值，表示预测固定周期内的时间步长数量n的平均温度值。
27、优选的，其中，设备散热调控评估策略方案通过以下匹配方式获取：
28、趋势温度指数tzs＜设备散热调整阈值s，获取设备散热状态合格评估结果，保持当前散热功率和散热策略；
29、趋势温度指数tzs≥设备散热调整阈值s，获取设备散热状态不合格评估结果，调整当前散热功率和散热策略，包括启动额外的冷却设备的运行和调整散热设备的运行功率。
本文档来自技高网...【技术保护点】
1.一种用于电力储能系统的散热功率智能控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：所述步骤一中通过在电力储能系统的不同设备区域布置温度传感器，实时采集各个部件的温度数据和设备使用率Ui（t），同时安装环境温度传感器采集外部环境的温度，采集的数据包括电池组、逆变器和散热器部件的温度数据，再进行数据标记与时间同步，组成温度特征向量TFV，同步根据采集的数据携带的唯一性设备标记信息进行分类存储为温度历史数据，并实时更新储能设备的温度历史数据；
3.根据权利要求2所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：所述步骤二中，将温度历史数据Thist与温度特征向量TFV进行结合，组成特征矩阵X（t），具体为X={Thist，TFV}，温度历史数据Thist通过截取固定周期内的温度历史数据，使用机器学习模型进行预测未来固定周期内的工作负载状态，获取预测负荷功率P（t）。
4.根据权利要求3所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：其中，预测负荷功率P
5.根据权利要求1所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：根据预测负荷功率P（t）进行建立动态热模型，将设备的热容量信息输入和预设的时间步长输入动态热模型，训练分析后获取设备预测温度Tpred（t），进行预测未来固定周期内的设备温度分布，以及反映设备在不同负荷条件下的温度变化；
6.根据权利要求5所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：其中，设备预测温度Tpred（t）通过以下计算公式获取：
7.根据权利要求5所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：其中，趋势温度指数Tzs通过以下计算公式获取：
8.根据权利要求1所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：其中，设备散热调控评估策略方案通过以下匹配方式获取：
9.根据权利要求8所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：其中，通过统计和分析温度变化趋势获取温度变化率，再通过统计温度变化率获取温度变化趋势指数Ttrend，再与预设的散热调控后评估阈值HP进行散热二次评估匹配，获取设备散热调控二次评估策略方案；
10.根据权利要求9所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：所述设备散热调控二次评估策略方案通过以下匹配方式获取：
...【技术特征摘要】
1.一种用于电力储能系统的散热功率智能控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：所述步骤一中通过在电力储能系统的不同设备区域布置温度传感器，实时采集各个部件的温度数据和设备使用率ui（t），同时安装环境温度传感器采集外部环境的温度，采集的数据包括电池组、逆变器和散热器部件的温度数据，再进行数据标记与时间同步，组成温度特征向量tfv，同步根据采集的数据携带的唯一性设备标记信息进行分类存储为温度历史数据，并实时更新储能设备的温度历史数据；
3.根据权利要求2所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：所述步骤二中，将温度历史数据thist与温度特征向量tfv进行结合，组成特征矩阵x（t），具体为x={thist，tfv}，温度历史数据thist通过截取固定周期内的温度历史数据，使用机器学习模型进行预测未来固定周期内的工作负载状态，获取预测负荷功率p（t）。
4.根据权利要求3所述的一种用于电力储能系统的散热功率智能控制方法，其特征在于：其中，预测负荷功率p（t）通过以下计算公式获取：
5.根据权利要求1所述的一种用于电力储能系统的散热功率智能控制方法，...
【专利技术属性】
技术研发人员：邓栋，刘丽平，曹锋，
申请(专利权)人：深圳三晖能源科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。