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池检测,具体为一种基于soc模型的储能电池智能检测装置及方法。
技术介绍
1、传统能源的日益匮乏,极大的促进了新能源发电的发展。由于风电、光伏等新能源发电存在随机性与间歇性,导致供给的电能具有很大的不确定性。为使电网稳定运行,目前采用弃光、弃风策略,对能源造成了大量浪费。而储能电站可以快速提供响应,实现能源的自我消纳,有效解决新能源并网的一些弊端,提升了电网的安全性与灵活性。通常储能电站是由大量储能电池“串并联”组合而成,储能电池soc(state of charge)的精确估算可以有效避免电池的过充过放,延长电池使用寿命,为电网能量转换系统的控制策略提供可靠依据,对电网侧储能的安全稳定运行具有重要意义。
2、现阶段电池soc检测方法主要为安时法、开路电压法、放电实验法,这些方法普遍存在检测时间过长(几个小时)等问题,不适用于在线的储能电池soc检测。
技术实现思路
1、为解决以上缺陷,本专利技术提供了一种基于soc模型的储能电池智能检测装置及方法。
2、为实现以上目的,本专利技术通过以下技术方案予以实现,一种储能电池智能检测装置,包括储能电池、电池分容测试装置、红外成像装置以及视频识别与处理装置;所述储能电池的正负极与电池分容测试装置连接,所述电池分容测试装置,用于全程监测储能电池的电压以及电流状态,所述红外成像装置置于储能电池的正前方,监测储能电池正常充放电情况下的温度状态,所述电池分容测试装置、红外成像装置的信号输出端与视频识别与处
3、通过采用上述技术方案,通过红外成像装置获取储能电池正常充放电时的红外成像视频以及储能电池表面特定点的温度数据。基于神经网络对视频以及温度数据进行训练与识别,建立相关soc模型,通过自我学习,不断提高模型的检测速度与准确性,充分利用储能电池短时间充放电时的温度信息实现对soc的快速、在线检测。
4、可选的,所述电池分容测试装置采用ebc-x 8通道电池分容柜,包括恒流放电、恒流恒压充电以及循环充放电模式,完成对电池的电化学性能实验,并全程监测储能电池的电压以及电流数据。
5、可选的,所述视频识别与处理装置包括红外视频处理模块、特征提取模块以及温度数据采集模块,所述红外视频处理模块与特征提取模块以及温度数据采集模块均连接,所述红外视频处理模块用于对采集的红外视频进行处理,所述特征提取模块用于对视频进行特征提取,主要从视频中提取出有代表性的特征向量,所述温度采集模块用于采集红外视频对应的温度。
6、可选的,所述红外成像装置包括红外摄像头、红外探测器、处理器以及显示器,所述红外镜头用于接收和汇聚被测物体发射的红外辐射,所述红外探测器用于将热辐射型号变成电信号,所述处理器用于对电信号进行处理,所述显示器用于将电信号转变成可见光图像。
7、本专利技术还提供一种基于soc模型的储能电池智能检测方法,包括以下步骤:
8、视频识别与处理装置结合开路电压法获取储能电池的soc,并对不同soc的储能电池进行分类标记;
9、视频识别与处理装置控制电池分容测试装置对储能电池进行充放电操作;
10、通过红外成像装置获取储能电池充放电过程前的红外视频以及表面的温度并传送至视频识别与处理装置;
11、视频识别与处理装置对红外视频进行关键帧提取、图像增强以及边缘检测处理,并对处理过的视频进行特征提取;
12、通过视频识别与处理装置捕捉不同soc状态的储能电池在充放电过程中的红外视频的温度数据;
13、使用大量不同soc状态的储能电池构建不同soc储能电池数据库输入神经网络进行训练,创建soc模型;
14、通过soc模型对红外成像装置生成的图像进行判断,是否处于正常的放电状态,若不是,则停止对储能电池的放电。
15、通过采用上述技术方案,通过红外成像装置获取储能电池正常充放电时的红外成像视频以及储能电池表面特定点的温度数据,基于神经网络对视频以及温度数据进行训练与识别,建立相关soc模型,通过自我学习,不断提高模型的检测速度与准确性,充分利用储能电池短时间充放电时的温度信息实现对soc的快速、在线检测。
16、可选的,所述视频识别与处理装置对红外视频进行关键帧提取为提取包含重要信息和变化的帧。
17、可选的,所述视频识别与处理装置对红外视频进行图像增。
18、可选的,所述视频识别与处理装置对处理过的视频进行特征提取。
19、可选的,所述视频识别与处理装置对处理过的视频进行特征提取,获取所需的特征向量。
20、可选的,所述征向量是从处理过的红外视频中提取出来的一组数值,用于表示视频中包含的关键特征信息。
21、本专利技术提供了一种基于soc模型的储能电池智能检测装置及方法,具备以下有益效果:
22、1、本专利技术提供一种储能电池智能检测装置,通过红外成像装置获取储能电池正常充放电时的红外成像视频以及储能电池表面特定点的温度数据。基于神经网络对视频以及温度数据进行训练与识别,建立相关soc模型,通过自我学习,不断提高模型的检测速度与准确性,充分利用储能电池短时间充放电时的温度信息实现对soc的快速、在线检测;
23、2、本专利技术提供一种基于soc模型的储能电池智能检测方法,通过红外成像装置获取储能电池正常充放电时的红外成像视频以及储能电池表面特定点的温度数据。基于神经网络对视频以及温度数据进行训练与识别,建立相关soc模型,通过自我学习,不断提高模型的检测速度与准确性,充分利用储能电池短时间充放电时的温度信息实现对soc的快速、在线检测。
本文档来自技高网...【技术保护点】
1.一种储能电池智能检测装置,包括储能电池、电池分容测试装置、红外成像装置以及视频识别与处理装置;所述储能电池的正负极与电池分容测试装置连接,所述电池分容测试装置,用于全程监测储能电池的电压以及电流状态,所述红外成像装置置于储能电池的正前方,监测储能电池正常充放电情况下的温度状态,所述电池分容测试装置、红外成像装置的信号输出端与视频识别与处理装置连接。
2.根据权利要求1所述的一种储能电池智能检测装置,其特征在于,所述电池分容测试装置采用EBC-X 8通道电池分容柜,包括恒流放电、恒流恒压充电以及循环充放电模式,完成对电池的电化学性能实验,并全程监测储能电池的电压以及电流数据。
3.根据权利要求1所述的一种储能电池智能检测装置,其特征在于,所述视频识别与处理装置包括红外视频处理模块、特征提取模块以及温度数据采集模块,所述红外视频处理模块与特征提取模块以及温度数据采集模块均连接,所述红外视频处理模块用于对采集的红外视频进行处理,所述特征提取模块用于对视频进行特征提取,主要从视频中提取出有代表性的特征向量,所述温度采集模块用于采集红外视频对应的温度。
< ...【技术特征摘要】
1.一种储能电池智能检测装置,包括储能电池、电池分容测试装置、红外成像装置以及视频识别与处理装置;所述储能电池的正负极与电池分容测试装置连接,所述电池分容测试装置,用于全程监测储能电池的电压以及电流状态,所述红外成像装置置于储能电池的正前方,监测储能电池正常充放电情况下的温度状态,所述电池分容测试装置、红外成像装置的信号输出端与视频识别与处理装置连接。
2.根据权利要求1所述的一种储能电池智能检测装置,其特征在于,所述电池分容测试装置采用ebc-x 8通道电池分容柜,包括恒流放电、恒流恒压充电以及循环充放电模式,完成对电池的电化学性能实验,并全程监测储能电池的电压以及电流数据。
3.根据权利要求1所述的一种储能电池智能检测装置,其特征在于,所述视频识别与处理装置包括红外视频处理模块、特征提取模块以及温度数据采集模块,所述红外视频处理模块与特征提取模块以及温度数据采集模块均连接,所述红外视频处理模块用于对采集的红外视频进行处理,所述特征提取模块用于对视频进行特征提取,主要从视频中提取出有代表性的特征向量,所述温度采集模块用于采集红外视频对应的温度。
4.根据权利要求1所述的一种储能电池智能检测装置,其特征在于,所述红外成像装置包括红外摄像头、红外探...
【专利技术属性】
技术研发人员:王建华,周磊,王泽旺,甄铁岭,赵其,朱捷,孟若琳,
申请(专利权)人:国核信息科技有限公司,
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。