【技术实现步骤摘要】
风冷型锂离子电池储能集装箱热管理系统异常预警方法
[0001]本专利技术涉及储能集装箱内电池簇和空调预警领域,特别涉及一种风冷型锂离子电池储能集装箱热管理系统异常预警方法。
技术介绍
[0002]1.1
技术介绍
[0003]温度对锂离子电池的容量、充放电功率和安全性等都有很大的影响。储能系统集成的电池数目更多,电池容量也更大。储能系统电池排列也较为紧密,间隙较小,且电池模块的能量密度高、运行工况复杂多变,时常有高充放电倍率与低充放电倍率频繁切换的情况出现。这就容易造成电池组之间会出现热累积,系统内部产热不均匀、温度分布不均匀、电池间温度差异较大等问题。因此,热管理系统的安全稳定运行对于确保储能系统在全生命周期的温湿度保持在合理范围具有重要的作用。
[0004]目前国内外对于锂离子电池储能集装箱的热管理系统结构设计、热管理策略及控制方法与装置等方面开展了大量研究,但在基于储能集装箱在线监测数据分析的空调系统异常预警方面仍缺乏探索。本专利技术通过分析储能集装箱内各空调进出风温度的分布变化趋势及各电池簇内电芯的温度分布规律,提出一种风冷型锂离子电池储能集装箱热管理系统异常预警方法,该方法能够在集装箱内准确识别空调系统、电池簇风扇早期异常并发出分级预警信息,有效避免因热管理系统功能长期异常导致的电芯过热或温度分布不均等问题,提升储能集装箱的运行可靠性。
[0005]1.2与本专利技术相关的现有技术一
[0006]1.2.1现有技术一的技术方案
[0007]一种空调制冷预警方法(CN10 ...
【技术保护点】
【技术特征摘要】
1.一种风冷型锂离子电池储能集装箱热管理系统异常预警方法,所述储能集装箱热管理系统包括空调系统和电池簇风扇系统,该方法包括:步骤1)提取空调系统的数据,进行预处理;根据预处理后的数据,基于核密度估计KDE模型分别建立各空调制冷状态下和制热状态下的进风、回风温差的概率密度分布模型;根据概率密度分布模型,分别计算各空调制冷、制热健康度指标,进而对空调系统进行异常风险判断并预警;步骤2)提取电池簇风扇系统的数据,进行预处理;根据预处理后的数据,采用DBSCAN密度聚类算法进行离群分析,得到离群识别结果,进而对电池簇风扇系统进行异常风险判断并预警。2.根据权利要求1所述的风冷型锂离子电池储能集装箱热管理系统异常预警方法,其特征在于,所述步骤1)具体包括:步骤1
‑
1)按照设定的采样率提取单日内各空调系统的关键数据,包括:时间、各空调进风温度、各空调回风温度、各空调制冷状态和各空调电加热状态,并对数据进行预处理,包括:剔除进风/回风温度不在设定温度区间内的数据点和剔除原始数据中的空值;步骤1
‑
2)判断经预处理后的数据量是否满足设定的预警要求数据量,若不满足,则不需要进行预警;若满足,则进入步骤1
‑
3);步骤1
‑
3)根据预处理后的数据,分别计算单日制冷状态下和制热状态下各空调的进风、回风温差,并基于核密度估计KDE模型分别建立各空调制冷状态下和制热状态下的进风、回风温差的概率密度分布模型,其中KDE模型采用自适应KDE算法实现带宽自动选择;步骤1
‑
4)根据建立的各空调制冷状态下和制热状态下的进风、回风温差的概率密度分布模型,分别计算各空调制冷、制热健康度指标;步骤1
‑
5)判断各空调制冷、制热健康度指标是否超出异常判定阈值;若超出,则对空调系统进行异常风险判断;若未超出,则基于各空调历史几天的制冷、制热健康度指标分别进行线性拟合,分别得出制冷、制热健康度指标的斜率coef
制冷
、coef
制热
,并根据斜率对空调系统进行异常风险判断,进而给出相应的预警。3.根据权利要求2所述的风冷型锂离子电池储能集装箱热管理系统异常预警方法,其特征在于,所述步骤1
‑
3)中,核密度估计KDE模型f(y)的表达式为:其中h为带宽;K(
·
)为高斯核函数;n为实际采集的单日内制冷或制热状态下空调进风回风温差的样本点个数;y
a
为第a个样本点,即某时刻制冷或制热状态下某台空调的进风回风温差值;y为核密度估计KDE模型自变量;高斯核函数K(
·
)的表达式为:4.根据权利要求2所述的风冷型锂离子电池储能集装箱热管理系统异常预警方法,其特征在于,所述步骤1
‑
4)中,各空调制冷、制热健康度指标的计算式为:
其中,HLI
制冷ACi
、HLI
制热ACi
分别为空调制冷、制热健康度指标;max_ΔT
制冷ACi
为制冷状态下第i号空调的进风、回风温差的概率密度分布模型中最大概率密度对应的进风、回风温差值;max_ΔT
制热ACi
为制热状态下第i号空调的进风、回风温差的概率密度分布模型中最大概率密度对应的进风、回风温差值;max(
·
)表示求最大函数;N表示总空调数。5.根据权利要求4所述的风冷型锂离子电池储能集装箱热管理系统异常预警方法,其特征在于,所述步骤1
‑
5)中,基于各空调历史几天的制冷、制热健康度指标分别进行线性拟合的表达式分别为:HLI
制冷ACi
=coef
制冷
*x+b
制冷
HLI
制热ACi
=coef
制热
*x+b
制热
其中,x为历史几天的数据点数;coef
制冷
为基于各空调历史几天的制冷健康度指标进行线性拟合时的斜率;coef
制热
为基于各空调历史几天的制热健康度指标进行线性拟合时的斜率;b
制冷
为制冷健康度线性拟合模型的偏置项;b
制热
为制热健康度线性拟合模型的偏置项。6.根据权利要求5所述的风冷型锂离子电池储能集装箱热管理系统异常预警方法,其特征在于,所述步骤1
‑
5)中,对空调系统进行异常风险判断,包括:若HLI
制冷ACi
超出异常判定阈值,或HLI
制冷ACi
未超出异常判定阈值时coef
制冷
<0,则判定对应的第i号空调存在高风险制冷异常;若HLI
制冷ACi
未超出异常判定阈值时coef
制冷
≥0,则判定对应的第i号空调存在低风险制冷异常;若HLI
制热ACi
超出异常判定阈值,或HLI
制热ACi
超出异常判定阈值时coe...
【专利技术属性】
技术研发人员:孙鹏,王逸超,王艳,苑海川,克潇,吕宏伟,王圣蛟,柳笛,范瑞娟,
申请(专利权)人:新源智储能源发展北京有限公司,
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。