一种应用于储能领域的后台监控数据处理方法与系统技术方案

本发明专利技术提供一种应用于储能领域的后台监控数据处理方法与系统，属于储能技术领域，具体包括：底层采集设备获取储能装置的实时运行数据，并基于设定阈值确定实时运行数据是否存在异常；将实时运行数据通过串口与后台采集模块进行通信，后台采集模块对实时运行数据进行汇总得到汇总数据，并将汇总数据转发给监控前端显示模块；监控前端显示模块对汇总数据进行特征提取并得到波形特征和幅值确定储能装置的故障类型；基于汇总数据的幅值，通过构建储能装置的健康度评估模型，实现对储能装置的健康度评估得到健康度评估结果，并对储能装置的健康度评估结果和汇总数据进行显示，从而进一步提升了储能装置运行的稳定性和可靠性。步提升了储能装置运行的稳定性和可靠性。步提升了储能装置运行的稳定性和可靠性。

【技术实现步骤摘要】
一种应用于储能领域的后台监控数据处理方法与系统


[0001]本专利技术属于储能
，尤其涉及一种应用于储能领域的后台监控数据处理方法与系统。

技术介绍

[0002]为了实现对储能系统的监测数据的处理和显示，在授权专利技术专利授权公告号CN103475042B《一种微网系统中储能装置管理系统》中通过设置数据采集器收集锂电池储能管理子系统的运行的数据；数据处理器对采集到的数据进行数据处理；数据存储器将数据分类后分别储存到不同数据库中；数据显示器对储能装置的装置参数及运行状态进行显示，实现了对储能装置的处理，但是却存在以下技术问题：
[0003]1、未考虑对收集到的储能装置的异常数据进行筛选处理和上报，当存在异常时，若分析问题时需要仔细分析多种数据，同时采用手动计算数据的方式,对人员的技能和经验提出了较高的要求,费时费力,而且及时性准确性均不太理想。
[0004]2、未考虑根据收集到的储能装置的数据进行储能装置的健康度评估，原有的设备异常或者故障信息均以预设条件的方式设置入现场设备中,按照预定标准进行异常处理和上报,这就导致了很多未知的故障问题不能及时的被发现,等到现场发生问题再去排查会耽误很多宝贵的时间，若能根据健康度的设置提前进行故障的筛选以及处理，则会节约大量的时间，并且避免不要的损失。
[0005]针对上述技术问题，本专利技术提供了一种应用于储能领域的后台监控数据处理方法与系统。

技术实现思路

[0006]为实现本专利技术目的，本专利技术采用如下技术方案：
[0007]根据本专利技术的一个方面，提供了一种应用于储能领域的后台监控数据处理方法。
[0008]一种应用于储能领域的后台监控数据处理方法，其特征在于，具体包括：
[0009]S11底层采集设备获取储能装置的实时运行数据，并基于设定阈值确定所述实时运行数据存在异常时，则将所述实时运行数据和异常状态通过通信模块传输至监控服务器；
[0010]S12将所述实时运行数据通过串口与后台采集模块进行通信，所述后台采集模块对所述实时运行数据进行汇总得到汇总数据，并根据通过以太网的TCP协议中的websocket协议将所述汇总数据转发给监控前端显示模块；
[0011]S13监控前端显示模块对所述汇总数据进行特征提取并得到波形特征和幅值，采用基于所述汇总数据的波形特征和幅值，采用基于WOA
‑
SVM算法的预测模型，确定所述储能装置的故障类型，并基于所述储能装置的故障类型确定所述储能装置存在异常时，将所述储能装置的故障类型和实时运行数据传输至监控服务器；
[0012]S14基于所述汇总数据的幅值，通过构建储能装置的健康度评估模型，实现对所述
储能装置的健康度评估得到健康度评估结果，并基于所述监控前端显示模块对所述储能装置的健康度评估结果和汇总数据进行显示。
[0013]通过首先基于设定阈值确定所述实时运行数据存在异常时，则将所述实时运行数据和异常状态通过通信模块传输至监控服务器，从而首先从底层采集设备实现了对故障的预警，进一步提升了故障判断的准确性和效率，促进了储能装置运行的稳定性。
[0014]通过进一步结合汇总数据的波形特征和幅值，采用基于WOA
‑
SVM算法的预测模型，确定所述储能装置的故障类型，从而进一步实现了从多种数据的角度实现对故障的判断，保证了故障诊断的全面性和准确性，同时也保证了储能装置运行的稳定性。
[0015]通过健康度评估结果的显示，从而实现了对储能装置的运行状态的准确评估，避免了由于无法准确掌握储能装置的运行状态导致的故障等问题的出现，保证了最终的运行的稳定性和可靠性。
[0016]进一步的技术方案在于，所述实时运行数据包括所述储能装置的电池的电压、电流、温度，异常状态包括电压异常、电流异常、温度异常。
[0017]进一步的技术方案在于，所述底层采集设备与所述后台采集模块以及所述后台采集模块与所述监控前端显示模块的通信报文格式统一采用Modbus格式，其中所述Modbus格式包括：起始码,功能码,长度,数据区,校验区,结束码,所述校验区的校验统一使用CRC16校验。
[0018]进一步的技术方案在于，所述后台采集模块通过根据预设点表,发送数据请求报文,根据点表的数据组织格式对所述实时运行数据进行解析得到所述汇总数据，并将所述汇总数据存放在内存中汇总。
[0019]进一步的技术方案在于，所述储能装置的故障类型确定的具体步骤为：
[0020]S21获取所述汇总数据的波形特征和幅值，其中所述汇总数据的波形特征包括所述汇总数据的曲率、斜率，并基于所述汇总数据的波形特征确定所述储能装置是否存在异常，若是，则基于所述汇总数据的波形特征确定所述储能装置的故障类型，若否，则进入步骤S22；
[0021]S22基于所述储能装置的波形特征、幅值构建输入集，并将所述输入集送入至基于WOA
‑
SVM算法的预测模型中，得到预测结果；
[0022]S23基于所述预测结果确定所述储能装置的故障类型。
[0023]进一步的技术方案在于，所述故障类型包括：无故障、充电环境温度过高、电池短路、电池容量过低、电池断路。
[0024]进一步的技术方案在于，所述健康度评估结果构建的具体步骤为：
[0025]S31判断所述储能装置的电池的电压幅值是否位于所述储能装置的电池的电压阈值范围以内，若是，则所述储能装置的电池的电压健康度为1，若否，则基于所述储能装置的电池的电压幅值确定所述储能装置的电压健康度；
[0026]S32判断所述储能装置的电池的电流幅值是否位于所述储能装置的电池的电流阈值范围以内，若是，则所述储能装置的电池的电流健康度为1，若否，则基于所述储能装置的电池的电流幅值确定所述储能装置的电流健康度；
[0027]S33判断所述储能装置的电池的温度幅值是否位于所述储能装置的电池的温度阈值范围以内，若是，则所述储能装置的电池的温度健康度为1，若否，则基于所述储能装置的
电池的电流幅值确定所述储能装置的温度健康度；
[0028]S34基于所述储能装置的电压健康度、电流健康度、温度健康度，确定所述储能装置的健康度评估结果。
[0029]进一步的技术方案在于，根据所述储能装置的电池的电压幅值与所述电压幅值最接近的电压阈值的差值的绝对值作为电压偏差值，并以所述电压偏差值与所述电压幅值最接近的电压阈值的比值构建所述储能装置的电压不良度，若所述储能装置的电压不良度大于1，则所述储能装置的电压健康度为0，若所述储能装置的电压不良度小于等于1时，则并将1与所述电压不良度的差值作为所述储能装置的电压健康度。
[0030]进一步的技术方案在于，所述健康度评估结果的计算公式为：
[0031][0032]其中J
V
、J
I
、J
T
分别为储能装置的电压健康度、电流健康度、温度健康度，K1、K2、K3为常数，且本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于储能领域的后台监控数据处理方法，其特征在于，具体包括：S11底层采集设备获取储能装置的实时运行数据，并基于设定阈值确定所述实时运行数据存在异常时，则将所述实时运行数据和异常状态通过通信模块传输至监控服务器；S12将所述实时运行数据通过串口与后台采集模块进行通信，所述后台采集模块对所述实时运行数据进行汇总得到汇总数据，并根据通过以太网的TCP协议中的websocket协议将所述汇总数据转发给监控前端显示模块；S13监控前端显示模块对所述汇总数据进行特征提取并得到波形特征和幅值，基于所述汇总数据的波形特征和幅值，采用基于WOA
‑
SVM算法的预测模型，确定所述储能装置的故障类型，并基于所述储能装置的故障类型确定所述储能装置存在异常时，将所述储能装置的故障类型和实时运行数据传输至监控服务器；S14基于所述汇总数据的幅值，通过构建储能装置的健康度评估模型，实现对所述储能装置的健康度评估得到健康度评估结果，并基于所述监控前端显示模块对所述储能装置的健康度评估结果和汇总数据进行显示。2.如权利要求1所述的后台监控数据处理方法，其特征在于，所述实时运行数据包括所述储能装置的电池的电压、电流、温度，异常状态包括电压异常、电流异常、温度异常。3.如权利要求1所述的后台监控数据处理方法，其特征在于，所述底层采集设备与所述后台采集模块以及所述后台采集模块与所述监控前端显示模块的通信报文格式统一采用Modbus格式，其中所述Modbus格式包括：起始码,功能码,长度,数据区,校验区,结束码,所述校验区的校验统一使用CRC16校验。4.如权利要求1所述的后台监控数据处理方法，其特征在于，所述后台采集模块通过根据预设点表,发送数据请求报文,根据点表的数据组织格式对所述实时运行数据进行解析得到所述汇总数据，并将所述汇总数据存放在内存中汇总。5.如权利要求1所述的后台监控数据处理方法，其特征在于，所述储能装置的故障类型确定的具体步骤为：S21获取所述汇总数据的波形特征和幅值，其中所述汇总数据的波形特征包括所述汇总数据的曲率、斜率，并基于所述汇总数据的波形特征确定所述储能装置是否存在异常，若是，则基于所述汇总数据的波形特征确定所述储能装置的故障类型，若否，则进入步骤S22；S22基于所述储能装置的波形特征、幅值构建输入集，并将所述输入集送入至基于WOA
‑
SVM算法的预测模型中，得到预测结果；S23基于所述预测结果确定所述储能装置的故障类型。6.如权利要求5所述的后台监控数据处理方法，其特征在于，所述故障类型包括：无故障、充电环境温度过高、电池短路、电池容量过低、电池断路。7.如权利要求1所述的后台监控数据处理方法，其特征在于，所述健康度评估结果构建的具体步骤为：S31判断所述储能装置的电池的电压幅值是否位于所述储能装置的电池的电压阈值范围以内，若是，则...

【专利技术属性】
技术研发人员：姚茂法，吴鑫宇，陈熠，王江城，
申请(专利权)人：法罗电力浙江有限公司，
类型：发明
国别省市：