System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及储能电源检测,具体涉及一种储能电源的实时在线诊断方法及系统。
技术介绍
1、储能电源是一种可以储存电能并将其释放出来的设备。它通常由电池、逆变器、充电控制器等组成,可以将电能储存起来,并在需要时释放出来。
2、储能电源具有多种应用场景,例如在家庭、工业、交通等领域中,可以用于提供备用电源、稳定电力供应、提高电力质量等。
3、如专利申请号201910249801.4公开了一种超级电容储能电源内阻一致性实时在线诊断方法及系统,获取超级电容储能电源模组所有模块电压数据和模块内阻状态数据;判断超级电容模块电压数据是否正常,如果不正常,则电压数据异常故障计数加1;判断超级电容模块内阻是否异常,若是,则内阻异常故障计数加1;判断是否完成了t个周期的监测,若是,判断电压数据异常或内阻异常故障计数是否达到阈值,若是,则输出超级电容电压数据异常或者模块内阻异常故障提示,结束;否则,将故障计数清零,上述方案在车辆运行过程中及时有效的判定电容内阻突变,进而完成对异常内阻模块的识别。
4、现有技术中缺少对储能电源基于自放电阶段状态的识别,在实际使用过程中,当储能电源在自放电阶段放电过大时,导致储能电源在使用过程中电力供应不足,造成使用故障。
5、基于此,本专利技术提出了一种储能电源的实时在线诊断方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种储能电源的实时在线诊断方法及系统,结合储能电源充满电后的存储总电能与储能电源的放电总电能,得
2、本专利技术的目的可以通过以下技术方案实现:
3、一种储能电源的实时在线诊断方法,包括以下步骤:
4、步骤一:获取储能电源充满电后的存储总电能和储能电源的放电总电能,基于存储总电能与放电总电能得到储能电源实际自放电能,将储能电源实际自放电能与储能电源的额定自放电能进行处理,得到储能电源自放电能差值;
5、基于储能电源自放电能差值对储能电池状态进行识别;
6、储能电源状态正常,生成储能电源正常信号;
7、储能电源状态异常,生成储能电源异常信号;
8、步骤二:基于储能电源异常信号,获取储能电源的条件数据,通过对条件数据进行处理得到储能电源的异常程度值,基于储能电源的异常程度值对储能电源的异常程度进行识别;
9、条件数据包括储能电源的自放比n1、放电周期内的储能电源的放电温时比n2和充电周期内的充电电流异常比n3;
10、通过公式计算得到储能电源的异常程度值ni,其中,d1、d2、d3均为预设比例系数;
11、步骤三:基于储能电源正常信号,获取储能电源在m个使用周期内的储能电源的自放比,对m个使用周期内的储能电源的自放比处理得到储能电池的极限自放比和储能电源的自放比差值,基于储能电池的极限自放比和储能电源的自放比差值获取储能电源自放比偏离时间,完成对储能电源在自放电周期内使用有效期监测。
12、作为本专利技术进一步的方案:步骤一中,将储能电源在放电时所对应的整个时长分割成若干个等时长的时间子单元;
13、获取每个时间子单元的中间时刻所对应的储能电源的放电电流和放电电压;
14、将放电电流、放电电压与时间子单元的时长进行计算得到时间子单元内的放电电能;
15、将每个时间子单元内的放电电能进行求和,得到储能电源在整个放电时长内的放电总电能。
16、作为本专利技术进一步的方案:存储总电能为储能电源充满电后的电能总量。
17、作为本专利技术进一步的方案:储能电源的额定自放电能的获取过程为:
18、获取储能电源的额定电压和储能电源的额定容量;
19、将储能电源的额定电压标记为eu;
20、将储能电源的额定容量标记为ec;
21、获取储能电源充满电时与储能电源开始放电时的时间差值,记为放电时间值et;
22、即通过公式计算得到储能电源的额定自放电能ecf;其中,ci为储能电源自放电时的放电影响因子。
23、作为本专利技术进一步的方案:放电影响因子的获取过程为:
24、获取储能电源在自放电时间段内的最大温度值,将最大温度值记为ct;
25、获取储能电源在自放电时间段内的最大湿度值,将最大湿度值记为st;
26、获取储能电源使用时长,将储能电源使用时长记为yt;
27、通过公式计算得到储能电源自放电时的放电影响因子ci,其中,a1、a2、a3均为预设比例系数,且a1、a2、a3均大于零。
28、作为本专利技术进一步的方案:将储能电源自放电能差值与储能电源自放电能差值阈值进行比较;
29、若储能电源自放电能差值<储能电源自放电能差值阈值,则表示储能电源自放电能少,说明该储能电源状态正常,生成储能电源正常信号;
30、若储能电源自放电能差值≥储能电源自放电能差值阈值,则表示储能电源自放电能多,说明该储能电源状态异常,生成储能电源异常信号。
31、作为本专利技术进一步的方案:获取储能电源的异常程度值阈值ni,将储能电源的异常程度值ni与储能电源的异常程度值阈值ni进行比值计算,得到异常程度基数比nn;
32、若1≥nn>0,则表示储能电源的异常程度低;
33、若3≥nn>1时,则表示储能电源的异常程度中;
34、若nn>3时,则表示储能电源的异常程度高。
35、作为本专利技术进一步的方案:储能电池的极限自放比的获取过程为:
36、选取m个储能电源使用周期内自放电时间段内的最大温度值所对应的储能电源的自放比,记为n1w;
37、获取m个储能电源使用周期内自放电时间段内的最大湿度值所对应的储能电源的自放比,记为n1s;
38、获取m个储能电源使用周期内自放电时间段内最长放电时长所对应的储能电源的自放比,记为n1f;
39、对最大温度值所对应的储能电源的自放比n1w、最大湿度值所对应的储能电源的自放比n1s及最长放电时长所对应的储能电源的自放比n1f进行加权处理得到储能电池的极限自放比。
40、作为本专利技术进一步的方案:将m个储能电源使用周期的储能电源的自放比在平面坐标系内进行描点得到储能电源的自放比波形图;
41、获取储能电源的自放比波形图中n个波谷所对应的储能电源的自放比,将n个波谷所对应的储能电源的自放比进行求和取均值,得本文档来自技高网...
【技术保护点】
1.一种储能电源的实时在线诊断方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征在于,步骤一中,将储能电源在放电时所对应的整个时长分割成若干个等时长的时间子单元;
3.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征在于,存储总电能为储能电源充满电后的电能总量。
4.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征在于,储能电源的额定自放电能的获取过程为:
5.根据权利要求4所述的一种储能电源的实时在线诊断方法,其特征在于,放电影响因子的获取过程为:
6.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征在于,将储能电源自放电能差值与储能电源自放电能差值阈值进行比较;
7.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征在于,获取储能电源的异常程度值阈值ni,将储能电源的异常程度值Ni与储能电源的异常程度值阈值ni进行比值计算,得到异常程度基数比Nn;
8.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征
9.根据权利要求8所述的一种储能电源的实时在线诊断方法,其特征在于,将m个储能电源使用周期的储能电源的自放比在平面坐标系内进行描点得到储能电源的自放比波形图;
10.一种储能电源的实时在线诊断系统,其特征在于,包括:
...【技术特征摘要】
1.一种储能电源的实时在线诊断方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征在于,步骤一中,将储能电源在放电时所对应的整个时长分割成若干个等时长的时间子单元;
3.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征在于,存储总电能为储能电源充满电后的电能总量。
4.根据权利要求1所述的一种储能电源的实时在线诊断方法,其特征在于,储能电源的额定自放电能的获取过程为:
5.根据权利要求4所述的一种储能电源的实时在线诊断方法,其特征在于,放电影响因子的获取过程为:
6.根据权利要求1所述的一种储能电源的实时在线诊断方法,...
【专利技术属性】
技术研发人员:李翔,刘海涛,陈宏伟,刘锐,赵川,彭路路,
申请(专利权)人:强钧能源技术深圳有限公司,
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。