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系统,具体涉及一种用于电池储能系统安全预警的方法和系统及计算设备。
技术介绍
1、随着电力储能市场的快速发展,对储能产品的技术要求也越来越高,但是市场主流的储能产品在科学性、安全性、经济性方面还无法完全满足市场的需求。与常规电源相比,新能源发电单机容量小、数量多、布点分散,而且具有显著的间歇性、波动性、随机性特征。在大规模开发利用新能源的过程中,发展储能是必然趋势。
2、储能系统的安全性是业界最为关注的问题。储能系统的安全问题,已成为制约储能产业发展的关键问题,为解决这些问题,需要采取一系列措施来提高储能系统的安全性。
3、因此,为了促进储能产品的技术,不断创新和进步,提出一种用于电池储能系统安全预警的方法和系统及计算设备。
技术实现思路
1、本专利技术旨在提供一种用于电池储能系统安全预警的方法和系统及计算设备,提高电池储能系统的安全运行水平,有效预防并及时处理潜在的安全隐患。
2、根据本专利技术的一方面,提供一种用于电池储能系统安全预警的方法,所述电池储能系统包括多个电池模组,每个电池模组包括多个电芯,其特征在于,所述方法包括:
3、从设置于各电池模组每个电芯的温度传感器获取电池模组中的电芯温度点集;
4、将所述电芯温度点集的切片组装为二维图像;
5、将所述二维图像的连续时间序列输入预训练的时间序列神经网络模型;
6、根据所述时间序列神经网络模型的输出结果,确定是否进行预警。
...【技术保护点】
1.一种用于电池储能系统安全预警的方法,所述电池储能系统包括多个电池模组,每个电池模组包括多个电芯,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述温度传感器包括负温度系数热敏电阻。
3.根据权利要求1所述的方法,其特征在于,所述时间序列神经网络模型包括卷积长短期记忆网络模型。
4.根据权利要求1所述的方法,其特征在于,将所述电芯温度点集的切片组装为二维图像,包括:
5.根据权利要求4所述的方法,其特征在于,将所述二维结构转换为二维图像,包括:
6.根据权利要求4所述的方法,其特征在于,所述第一方向包括所述电池模组的长度、宽度或高度方向。
7.根据权利要求4所述的方法,其特征在于,将所述点集切片连接为二维结构,包括:
8.根据权利要求1所述的方法,其特征在于,所述时间序列神经网络模型提取所述二维结构的连续时间序列的空间特征和时间特征。
9.一种用于电池储能系统安全预警的系统,其特征在于,包括:
10.一种计算设备,其特征在于,包括:
【技术特征摘要】
1.一种用于电池储能系统安全预警的方法,所述电池储能系统包括多个电池模组,每个电池模组包括多个电芯,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述温度传感器包括负温度系数热敏电阻。
3.根据权利要求1所述的方法,其特征在于,所述时间序列神经网络模型包括卷积长短期记忆网络模型。
4.根据权利要求1所述的方法,其特征在于,将所述电芯温度点集的切片组装为二维图像,包括:
5.根据权利要求4所述的方法,其特征在于,将所...
【专利技术属性】
技术研发人员:刘敬,曾繁鹏,杨树,何振宇,陈淑敏,郭梓州,李翔,
申请(专利权)人:江苏林洋亿纬储能科技有限公司,
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。