一种智能快充储能系统技术方案

本发明专利技术涉及一种智能快充储能系统，包括充电部分、能量转换部分和多重安全保护部分。充电部分获取目标电子设备的电池参数和充电状态参数，使用预设的充电速度计算模型，计算出对应的充电速度，并对目标设备的电池进行充电。能量转换部分配置用于将输入电压和输入电流转换为与目标设备电池储存的最佳输出电压和最佳输出电流相匹配的输出电压和输出电流。多重安全保护部分将每种安全保护措施作为矩阵中的一个元素，实时获取目标设备的电池在充电过程中的状态参数，预测出电池在后续充电过程中的最佳安全保护措施，提前开启最佳安全保护措施。该专利方案可以提高充电效率，确保电池安全，实用性强。实用性强。实用性强。

【技术实现步骤摘要】
一种智能快充储能系统


[0001]本公开涉及但不限于充电储能领域，尤其涉及一种智能快充储能系统。

技术介绍

[0002]随着科技的不断发展和人们生活水平的提高，电子设备的数量和种类越来越多。而这些电子设备需要不断地充电，同时为了更好地保护环境和节约能源，电池储能系统的需求也越来越迫切。传统的储能系统中常常存在一些问题，如充电速度慢、储能效率低、安全性差等。因此，需要一种更加智能化、高效、安全的快充储能系统，以满足人们不断增长的需求。
[0003]目前已有一些关于储能系统的专利文献，其中一些涉及到快充技术。例如美国专利US20170149608A1中，一种可在极短时间内快速充电的锂离子电池组的充电方法和系统被提出。该系统采用了一种特殊的充电器，能够在较短时间内将电池组充满。然而，该专利文献中并未提及该系统的储能效率和安全性，因此存在一定的局限性。
[0004]另一方面，中国专利CN109022947A中，一种智能充电器及其充电方法被提出。该专利文献中，该充电器采用了一种特殊的控制方式，能够智能识别不同类型的电子设备，并根据设备的需要进行调节充电。虽然该充电器的充电速度相对较快，但该专利文献同样未提及储能效率和安全性等问题。
[0005]虽然已经有了一些快充技术，但现有的技术依然存在许多问题。首先，充电速度快的充电器通常会产生过多的热量，这会影响充电效率和电池寿命。其次，现有技术中的储能效率相对较低，即使是快充充电器也会造成电池的能量损失。此外，现有技术在保障充电安全方面也存在一定的风险。例如，快充充电器可能会引起电池过热、电池电量异常等问题，可能会对人身安全造成威胁。

技术实现思路

[0006]本公开在于提供一种智能快充储能系统。该系统采用了一种特殊的充电器和智能控制器，能够智能识别电子设备的类型和电池状态，实现自适应充电和精确控制充电速度，有效解决了充电速度快导致的热量过多和电池寿命问题。此外，该系统还采用了高效的能量转换技术，提高了储能效率，减少了能量损失。而且，在充电安全方面，该系统还采用了多重安全保护措施，能够及时发现和处理各种异常情况，确保充电安全。
[0007]本专利技术公开了一种智能快充储能系统，包括：充电部分，所述充电部分能够获取目标电子设备的电池参数和在充电过程中的状态参数，基于获取到的电池参数和在充电过程中的状态参数，使用预设的充电速度计算模型，计算出对应的充电速度，并使用该充电速度对目标电子设备的电池进行充电；能量转换部分，所述能量转换部分设置于充电部分和目标电子设备之间，配置用于在目标电子设备的充电过程中，基于预设的马尔科夫链的多级变换模型，将输入电压和输入电流转换为与目标电子设备的电池储存的最佳输出电压和最佳输出电流相匹配的输出电压和输出电流；多重安全保护部分，配置用于将每一种安全保
护措施作为矩阵中的一个元素，组成一个匹配矩阵，实时获取目标设备的电池在充电过程中的状态参数，将状态参数按照实现先后顺序组成一个序列，并基于序列生成电池的状态矩阵，并将状态矩阵代入预设的状态转移模型，生成转移概率矩阵，将转移概率矩阵与匹配矩阵进行概率估计分析，从而预测出目标设备的电池在后续充电过程中的最佳安全保护措施，提前开启最佳安全保护措施。
[0008]进一步的，所述目标电子设备的电池参数包括：最佳输出电压、最佳输出电压、电池类型、电池容量、充电电压、充电电流、充电截止电压、放电截止电压和充电倍率；所述状态参数包括：电量、电流和电压；所述状态参数定义为在充电过程中目标设备的电池的实时的运行参数。
[0009]进一步的，所述充电部分获取目标电子设备的电池参数和状态参数，基于获取到的电池参数和状态参数，使用预设的充电速度计算模型，计算出对应的充电速度，使用该充电速度对目标电子设备的电池进行充电的方法包括：获取历史的电池参数和历史的状态参数，根据历史的电池参数和历史的状态参数，设计马尔科夫模型；所述马尔科夫模型包括多个状态，每个状态对应电池的不同电量、电流和电压，并使用转移概率矩阵描述状态之间的转移关系；基于获取到的电池参数和状态参数，找到在马尔科夫模型中对应的状态；基于深度优先算法，在马尔科夫模型中寻找一条路径，使得路径上每个状态的条件概率乘积最大；该路径对应的充电速度为最优充电速度，使用该最优充电速度对目标电子设备的电池进行充电。
[0010]进一步的，所述最优充电速度的计算公式使用如下公式进行表示：
[0011]充电速度＝argmaxP(S1，S2，...，Sn)
×
P(I1，I2，...，In)
×
P(V1，V2，...，Vn)
×
P(C1，C2，...，Cn)；
[0012]其中，S1，S2，...，Sn表示状态序列，I1，I2，...，In，表示电流序列，V1，V2，...，Vn表示电压序列C1，C2，...，Cn表示电量序列；argmax表示求使概率乘积最大的充电速度；P(S1，S2，...，Sn)表示状态序列的条件概率，P(I1，I2，...，In)表示电流序列的条件概率，P(V1，V2，...，Vn)表示电压序列的条件概率，P(C1，C2，...，Cn)表示电量序列的条件概率。
[0013]进一步的，所述能量转换部分中的马尔科夫链的多级变换模型的执行过程包括以下步骤：将电池的充电状态划分为若干个离散的状态，至少包括：充满、充电中、放电中和空闲；假设将电池的状态分为N个不同的状态，得到状态集合S＝s1，s2，...，s
N
，使用一个N
×
N的矩阵P来表示状态之间的转移概率，设P
i，j
表示从状态s
i
转移到状态s
j
的概率；设高阶马尔科夫链的阶数为k，设时间参数为t，则有：
[0014]P(s
t
|s
t
‑
k
，s
t
‑
k+1
，...，s
t
‑1)＝P(s
t
|s
t
‑1)；
[0015]设电池的状态转移仅与前一状态有关，即状态转移遵循一阶马尔科夫过程；如果我们将电池的状态编号为1，2，...，N，则转移概率矩阵P的元素表示为：P
i，j
＝Pr(s
t
＝j|s
t
‑1＝i)；Pr为概率函数；定义电池在状态s
i
下的充电功率定义为P
in，i
，则根据电池的状态概率分布来计算电池的平均充电功率：在计算电池的状态概率分布时，使用马尔科夫链的多级变换模型来预测电池的状态；通过计算电池在每个时间步的状态概率分布，根据电池的状态来调整充电功率，将输入电压和输入电流转换为与目标电子设备的电池储存的最佳输出电压和最佳输出电流相匹配的输出电压和输出电流。
[0016]进一步的，所述在计算电池的状态概率分布时，使用马尔科夫链的多级变换模型
来预测电池本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能快充储能系统，其特征在于，包括：充电部分，所述充电部分能够获取目标电子设备的电池参数和在充电过程中的状态参数，基于获取到的电池参数和在充电过程中的状态参数，使用预设的充电速度计算模型，计算出对应的充电速度，并使用该充电速度对目标电子设备的电池进行充电；能量转换部分，所述能量转换部分设置于充电部分和目标电子设备之间，配置用于在目标电子设备的充电过程中，基于预设的马尔科夫链的多级变换模型，将输入电压和输入电流转换为与目标电子设备的电池储存的最佳输出电压和最佳输出电流相匹配的输出电压和输出电流；多重安全保护部分，配置用于将每一种安全保护措施作为矩阵中的一个元素，组成一个匹配矩阵，实时获取目标设备的电池在充电过程中的状态参数，将状态参数按照实现先后顺序组成一个序列，并基于序列生成电池的状态矩阵，并将状态矩阵代入预设的状态转移模型，生成转移概率矩阵，将转移概率矩阵与匹配矩阵进行概率估计分析，从而预测出目标设备的电池在后续充电过程中的最佳安全保护措施，提前开启最佳安全保护措施。2.如权利要求1所述的系统，其特征在于，所述目标电子设备的电池参数包括：最佳输出电压、最佳输出电压、电池类型、电池容量、充电电压、充电电流、充电截止电压、放电截止电压和充电倍率；所述状态参数包括：电量、电流和电压；所述状态参数定义为在充电过程中目标设备的电池的实时的运行参数。3.如权利要求2所述的系统，其特征在于，所述充电部分获取目标电子设备的电池参数和状态参数，基于获取到的电池参数和状态参数，使用预设的充电速度计算模型，计算出对应的充电速度，使用该充电速度对目标电子设备的电池进行充电的方法包括：获取历史的电池参数和历史的状态参数，根据历史的电池参数和历史的状态参数，设计马尔科夫模型；所述马尔科夫模型包括多个状态，每个状态对应电池的不同电量、电流和电压，并使用转移概率矩阵描述状态之间的转移关系；基于获取到的电池参数和状态参数，找到在马尔科夫模型中对应的状态；基于深度优先算法，在马尔科夫模型中寻找一条路径，使得路径上每个状态的条件概率乘积最大；该路径对应的充电速度为最优充电速度，使用该最优充电速度对目标电子设备的电池进行充电。4.如权利要求3所述的系统，其特征在于，所述最优充电速度的计算公式使用如下公式进行表示：充电速度＝argmaxP(S1，S2，
…
，Sn)
×
P(I1，I2，
…
，In)
×
P(V1，V2，
…
，Vn)
×
P(C1，C2，
…
，Cn)；其中，S1，S2，...，Sn表示状态序列，I1，I2，...，In，表示电流序列，V1，V2，...，Vn表示电压序列C1，C2，...，Cn表示电量序列；argmax表示求使概率乘积最大的充电速度；P(S1，S2，...，Sn)表示状态序列的条件概率，P(I1，I2，...，In)表示电流序列的条件概率，P(V1，V2，...，Vn)表示电压序列的条件概率，P(C1，C2，...，Cn)表示电量序列的条件概率。5.如权利要求2所述的系统，其特征在于，所述能量转换部分中的马尔科夫链的多级变换模型的执行过程包括以下步骤：将电池的充电状态划分为若干个离散的状态，至少包括：充满、充电中、放电中和空闲；假设将电池的状态分为N个不同的状态，得到状态集合S＝s1，s2，...，s
N
，使用一个N
×
N的矩阵P来表示状态之间的转移概率，设P
i，j
表示从状态s
i
转移到状态s
j
的概率；设高阶马尔科夫链的阶数为k，设时间参数为t，则有：P(s
t
|s
t
‑
k
，s
t
‑
k+1
，...，s
t
‑1)＝P(s
t
|s
t
‑1)；
设电池的状态转移仅与前一状态有关，即状态转移遵循一阶马尔科夫过程；如果我们将电池的状态编号为1，2，...，N，则转移概率矩阵P的元素表示为：P
i，j
＝Pr(s
t
＝j|s
t
‑1＝i)；Pr为概率函数；定义电池在状态s
i
下的充电功率定义为P
in，i
，则根据电池的状态概率分布来计算电池的平均充电功率：在计算电池的状态概率分布时，使用马尔科夫链的多级变换模型来预测电池的状态；通过计算电池在每个时间步的状态概率分布，根据电池的状态来调整充电功率，将输入电压和输入电流转换为与目标电子设备的...

【专利技术属性】
技术研发人员：栾夙，陈颐，
申请(专利权)人：深圳市成晟新能源技术有限公司，
类型：发明
国别省市：