一种蓄电池应用管理平台及方法技术

本发明专利技术公开了一种蓄电池的应用管理平台及方法，所述蓄电池的应用管理平台能够对蓄电池的大量的、多种数据进行深入的分析，并将分析结果同已有的故障模型和低性能模型进行比对，进而判断出蓄电池是否存在故障以及蓄电池的性能，并根据蓄电池的实际情况调用与其情况相匹配的维护方案。通过本发明专利技术实施例公开的蓄电池的应用管理平台及方法，能够从蓄电池的海量数据中挖掘未知的有价值知识的能力，从而以提取出有价值的数据，为蓄电池维护决策提供有利支持。

【技术实现步骤摘要】

本专利技术涉及电力系统·领域，更具体的说，是涉及。
技术介绍
随着社会的进步，信息化和自动化程度越来越高，社会对电力、通信、金融和交通行业的依赖程度也越来越大，这就使得社会对供电系统的可靠性提出了更高的要求。在电力系统中，直流电源系统作为继电保护、自动装置和控制操作回路的供电电源，是继电保护、自动装置正确的基本保证。蓄电池作为直流电源系统的一个重要组成部分，其性能好坏也直接影响直流电源系统的综合质量。因此，对蓄电池的维护工作也受到了电力企业的高度关注。而随着国家电网水平的不断提高，有关蓄电池方面的数据量也急剧增加。现有的蓄电池管理系统，只是会对蓄电池现场采集到的一些数据进行存储，并针对出现超出正常范围参数的蓄电池进行一些简单的维护操作，例如，在监测到蓄电池的温度高出正常范围时，会对蓄电池进行相应的降温措施。但是对于蓄电池是否存在潜在的故障以及蓄电池的综合性能，现有的蓄电池管理系统无法判断。因此，针对蓄电池的大量的、多种数据，应当提供一种能够从蓄电池的海量数据中挖掘未知的有价值知识的能力，从而以提取出有价值的数据，为蓄电池维护决策提供有利支持的应用平台。
技术实现思路
有鉴于此，本专利技术提供了，以克服现有技术中无法应该具有从数据中挖掘未知的有价值知识的能力，从而为蓄电池维护决策提供有利支持的问题。为实现上述目的，本专利技术提供如下技术方案—种蓄电池应用管理平台，包括数据存储系统、数据分析系统、故障性能模型系统、维护方案系统和处理系统；所述数据存储系统用于存储蓄电池现场采集的蓄电池参数数据；所述数据分析系统用于对所述蓄电池参数数据进行分析处理；所述故障性能模型系统用于将经过分析处理的参数数据进行关联处理，并和已有的故障模型和低性能模型进行比对，判断出所述蓄电池是否存在故障和所述蓄电池的性能标准；所述维护方案系统用于存储针对不同的所述故障模型和/或低性能模型的维护方案，所述维护方案系统可以被所述处理系统调用；所述处理系统分别与上述数据存储系统、数据分析系统、故障性能模型系统和维护方案系统相连，用于在所述分析处理后的参数数据符合所述故障模型和/或低性能模型时，从所述维护方案系统中调取与所述故障模型和/或低性能模型对应的维护方案，并对符合所述故障模型和/或低性能模型的参数数据对应的蓄电池执行维护方案。可选的，所述故障模型为根据以往的故障电池的参数数据分析建立的模型；所述低性能模型为根据以往的低性能电池的参数分析建立的模型。可选的，所述数据分析系统包括多维分析模块，用于采用多维分析对所述蓄电池参数数据进行分析处理；机器学习模块，用于采用机器学 习算法对所述蓄电池参数数据进行分析处理。可选的，还包括显示系统，用于为用户显示蓄电池的参数数据和用户需要了解的所述应用管理平台中的数据。一种蓄电池应用管理方法，包括数据分析系统对数据存储系统存储的蓄电池现场采集的蓄电池参数数据进行分析处理；故障性能模型系统将经过分析处理的参数数据进行关联处理，并和已有的故障模型和低性能模型进行比对，判断出所述蓄电池是否存在故障和所述蓄电池的性能标准；处理系统在所述分析处理后的参数数据符合所述故障模型和/或低性能模型时，从维护方案系统中调取与所述故障模型和/或低性能模型对应的维护方案，并对符合所述故障模型和/或低性能模型的参数数据对应的蓄电池执行维护方案。可选的，所述故障模型为根据以往的故障电池的参数数据分析建立的模型；所述低性能模型为根据以往的低性能电池的参数分析建立的模型。可选的，所述对所述蓄电池参数数据进行分析处理，包括采用多维分析和/或机器学习算法对所述蓄电池参数数据进行分析处理。可选的，还包括通过显示系统为用户显示蓄电池的参数数据和用户需要了解的所述应用管理平台中的数据。经由上述的技术方案可知，与现有技术相比，本专利技术实施例公开了一种蓄电池的应用管理平台及方法，所述蓄电池的应用管理平台能够对蓄电池的大量的、多种数据进行深入的分析，并将分析结果同已有的故障模型和低性能模型进行比对，进而判断出蓄电池是否存在故障以及蓄电池的性能，并根据蓄电池的实际情况调用与其情况相匹配的维护方案。通过本专利技术实施例公开的蓄电池的应用管理平台及方法，能够从蓄电池的海量数据中挖掘未知的有价值知识的能力，从而以提取出有价值的数据，为蓄电池维护决策提供有利支持。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图I为本专利技术实施例公开的蓄电池应用管理平台结构框图；图2为图I所示实施例公开的数据分析系统结构框图；图3为本专利技术实施例公开的蓄电池应用管理方法的流程图。具体实施例方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。 实施例一图I为本专利技术实施例公开的蓄电池应用管理平台结构框图，参见图I所示，所述蓄电池应用管理平台10可以包括数据存储系统101、数据分析系统102、故障性能模型系统103、维护方案系统104和处理系统105。其中，所述数据存储系统101用于存储蓄电池现场采集的蓄电池参数数据。所述蓄电池参数数据由蓄电池现场安装的传感器和/或监测仪表采集而来，所述蓄电池参数数据可以实时发送至蓄电池应用管理平台，或周期性的打包发送至蓄电池应用管理平台。所述数据分析系统102用于对所述蓄电池参数数据进行分析处理。在一个示意性的示例中，所述数据分析系统102的具体结构可以参见图2，图2为图I所示实施例公开的数据分析系统结构框图，参见图2所示，所述数据分析系统102可以包括多维分析模块1021，用于采用多维分析对所述蓄电池参数数据进行分析处理。述多维分析模块1021能够从不同的角度来分析同一组数据，如一个蓄电池在一个月内的电池容量和电压的相关数据，可以按时间统计出每一月份的蓄电池电压和电容量数据。机器学习模块1022，用于采用机器学习算法对所述蓄电池参数数据进行分析处理。所述机器学习的算法可以包括但不局限于聚类、分类、预测、关联分析、离群点分析、协同过滤分析、What-if仿真分析等类型，通过上述这些机器学习算法，可以从海量数据中进行知识挖掘，发现有价值的数据，如“啤酒和尿不湿”的故事，即是通过数据挖掘中的关联分析算法，对某大型超市的零售数据进行分析，发现客户同时购买啤酒和尿不湿出现的频率很高，因此超市企业将上述两类商品绑定在一起进行销售，使销售量得到大大的提升。所述故障性能模型系统103用于将经过分析处理的参数数据进行关联处理，并和已有的故障模型和低性能模型进行比对，判断出所述蓄电池是否存在故障和所述蓄电池的性能标准。其中，所述故障模型为根据以往的故障电池的参数数据分析建立的模型；所述低性能模型为根据以往的低性能电池的参数分析建立的模型。所述维护方案系统104用于存储针对不同的所述故障模型和/或低性能模型的维护方案，所述维护方案系统可以被所述处理系统调用。本文档来自技高网...

【技术保护点】
一种蓄电池应用管理平台，其特征在于，包括数据存储系统、数据分析系统、故障性能模型系统、维护方案系统和处理系统；所述数据存储系统用于存储蓄电池现场采集的蓄电池参数数据；所述数据分析系统用于对所述蓄电池参数数据进行分析处理；所述故障性能模型系统用于将经过分析处理的参数数据进行关联处理，并和已有的故障模型和低性能模型进行比对，判断出所述蓄电池是否存在故障和所述蓄电池的性能标准；所述维护方案系统用于存储针对不同的所述故障模型和/或低性能模型的维护方案，所述维护方案系统可以被所述处理系统调用；所述处理系统分别与上述数据存储系统、数据分析系统、故障性能模型系统和维护方案系统相连，用于在所述分析处理后的参数数据符合所述故障模型和/或低性能模型时，从所述维护方案系统中调取与所述故障模型和/或低性能模型对应的维护方案，并对符合所述故障模型和/或低性能模型的参数数据对应的蓄电池执行维护方案。

【技术特征摘要】
1.一种蓄电池应用管理平台，其特征在于，包括数据存储系统、数据分析系统、故障性能模型系统、维护方案系统和处理系统； 所述数据存储系统用于存储蓄电池现场采集的蓄电池参数数据； 所述数据分析系统用于对所述蓄电池参数数据进行分析处理； 所述故障性能模型系统用于将经过分析处理的参数数据进行关联处理，并和已有的故障模型和低性能模型进行比对，判断出所述蓄电池是否存在故障和所述蓄电池的性能标准； 所述维护方案系统用于存储针对不同的所述故障模型和/或低性能模型的维护方案，所述维护方案系统可以被所述处理系统调用； 所述处理系统分别与上述数据存储系统、数据分析系统、故障性能模型系统和维护方案系统相连，用于在所述分析处理后的参数数据符合所述故障模型和/或低性能模型时，从所述维护方案系统中调取与所述故障模型和/或低性能模型对应的维护方案，并对符合所述故障模型和/或低性能模型的参数数据对应的蓄电池执行维护方案。2.根据权利要求I所述的应用管理平台，其特征在于，所述故障模型为根据以往的故障电池的参数数据分析建立的模型；所述低性能模型为根据以往的低性能电池的参数分析建立的模型。3.根据权利要求I所述的应用管理平台，其特征在于，所述数据分析系统包括 多维分析模块，用于采用多维分析对所述蓄电池参数数据进行分析处理； 机器学习模块...

【专利技术属性】
技术研发人员：陶姚华，黄永钦，叶技，劳迪民，包鸿儒，贾少华，
申请(专利权)人：余姚市供电局，国家电网公司，
类型：发明
国别省市：