CN117805511A - 一种储能电站异常识别系统及方法 - Google Patents
一种储能电站异常识别系统及方法 Download PDFInfo
- Publication number
- CN117805511A CN117805511A CN202311349762.8A CN202311349762A CN117805511A CN 117805511 A CN117805511 A CN 117805511A CN 202311349762 A CN202311349762 A CN 202311349762A CN 117805511 A CN117805511 A CN 117805511A
- Authority
- CN
- China
- Prior art keywords
- alarm
- information
- event
- strategy
- information analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005856 abnormality Effects 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 88
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 6
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 4
- 229910001416 lithium ion Inorganic materials 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 238000012983 electrochemical energy storage Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种储能电站异常识别系统及方法,所述系统包括信息采集模块、信息分析策略设置模块和信息分析模块;其中,信息采集模块,用于采集储能电站各监测点监测到的信息,将信息整合为事件上传到信息分析模块;信息分析策略设置模块,用于设置信息分析策略和预警策略;信息分析模块,用于根据所述信息分析策略设置模块设置的信息分析策略对信息采集模块上传的事件进行分析形成相应的告警信息和等级,根据预警策略对告警信息和等级形成预警,并执行预警。本发明的优势在于:对监测点的数据采集后整合成为事件进行异常判断,使异常判断更加复合储能电站的业务特点,异常判断更加准确;能够过滤误报,发现单一监测点无法发现的风险。
Description
技术领域
本发明属于储能电站、异常监控领域,具体涉及一种储能电站异常识别系统及方法。
背景技术
全球电化学储能项目在近十年里发生起火或爆炸等安全事故高达30多起,及时发现储能电站运行过程的安全隐患、提高储能电站运行的安全性,已成为目前储能电站建设迫切需求。
事件监控是电化学储能项目中的重要一环,它可以帮助我们及时发现和解决潜在的问题,提高系统的可靠性和安全性。目前,电化学储能领域中常用的事件监控技术包括:实时监测电池电压、电流等参数的变化,以检测电池的异常状态。对电池组进行在线监测和诊断,通过分析历史数据来预测故障发生的可能性并提前采取相应措施。在线监测电池组的温度变化,以防止过热或结冰等问题。监测电池组的充放电过程,以确保其符合规定的充电/放电曲线。监测电池组的容量衰减情况,以便及早采取措施防止电池老化。监测电池组的连接和绝缘状况,以防止短路和漏电问题。监测电池组的机械应力,以防止机械损伤和变形。监测环境因素对电池性能的影响,如温度、湿度和大气压力等。
当前对电化学储能系统中进行事件监控有以下问题:
1、监测精度和效率需要进一步提高:虽然电化学储能系统中的电压、电流、温度、SOC等参数的监测技术已经比较成熟,但是目前仍然存在监测精度和效率不足的问题。特别是在电池管理系统中,由于电池的充放电过程具有复杂的化学反应机制,仅仅通过常规的监测方法很难准确评估电池的状态。
2、信息采集方式无法适应信息分析的要求:目前储能电站中的信息采集均为离散测点采集模式,告警信息也以带有时标单点的模式予以上送,而对储能电站问题的回溯,多以出现故障的时间为条件进行检索,通过测点配套的时标开展模糊查询时,需在多张数据表中联合查询,在储能电站的大量历史数据查询过程中会严重影响查询效率,难以形成以时间为条件对相关数据联合查询的有效结果。
3、事件处理方法需要进一步改进:当前对各项监控数据的处理方法都比较简单,仅靠设定阈值来判断风险,往往会造成很多误报;同时各事件之间缺乏关联,仅依靠这些离散的事件,无法识别储能电池发生的真正问题。
发明内容
本发明的目的在于克服现有技术无法通过离散的监控信息发现电池潜在风险的缺陷。
为了实现上述目的,本发明提出了一种储能电站异常识别系统,其特征在于,所述系统包括信息采集模块、信息分析策略设置模块和信息分析模块;其中,
所述信息采集模块,用于采集储能电站各监测点监测到的信息,将信息整合为事件上传到所述信息分析模块;
所述信息分析策略设置模块,用于设置信息分析策略和预警策略;
所述信息分析模块,用于根据所述信息分析策略设置模块设置的信息分析策略对信息采集模块上传的事件进行分析形成相应的告警信息和等级,根据预警策略对告警信息和等级形成预警,并执行预警;
所述将信息整合为事件,具体为:综合储能电站中投运电池不同的状态设定不同的数据采集周期,将离散的信息点按照电池的状态整合成为事件。
作为上述方法的一种改进,电池的状态包括充电、放电、满电静置和乏电静置。
作为上述方法的一种改进,所述信息分析策略包括:指定时间内的事件出现频率、事件出现后的持续时长、关联检测策略和强逻辑关联策略。
作为上述方法的一种改进,所述信息分析策略设置模块还包括专家知识库;
所述专家知识库包括:锂离子电池热失控演化过程中各阶段的温升及温度分布规律、电信号变化规律和产气规律的特征信息。
作为上述方法的一种改进,所述信息分析模块对事件进行分析的过程包括:
步骤1:查看事件发生频率是否超过设定频率,如果事件发生频率超过设定频率则触发I级频率越限告警;查看事件持续时间是否超过设定阈值;如果事件持续时间超过设定阈值则触发I级持续时间越限告警;
步骤2:查看事件是否符合关联告警策略和强关联告警策略,如果符合关联告警策略,则执行步骤3;如果符合强关联告警策略,则执行步骤4;否则执行步骤5;
步骤3:触发II级虚点告警;
步骤4:触发II级强逻辑告警;
步骤5:如果事件未触发任何告警,则过滤该事件。
作为上述方法的一种改进,所述信息分析模块对事件进行分析的过程还包括:
对I级频率越限告警、I级持续时间越限告警、II级虚点告警和II级强逻辑告警进行持续监控;如果同一事件同时具有I级频率越限告警和I级持续时间越限告警,则将告警升级为II级频率和时间越限告警;如果II级虚点告警或II级强逻辑告警持续时间超过设定阈值,则将该告警进行升级为III级虚点/强逻辑超时告警。
作为上述方法的一种改进,所述信息分析模块对事件进行分析的过程还包括:
根据预警策略对形成的告警信息进行实时监控,将告警信息与专家知识库中的特征信息进行比对,按照既定的预警策略将告警信息转化为对应时间维度的预警信息。
作为上述方法的一种改进,所述信息分析策略设置模块支持信息分析策略和预警策略的在线更新。
本发明还一种储能电站异常识别方法,基于上述系统实现,所述方法包括:
步骤S1:初始化信息分析策略设置模块的信息分析策略和预警策略;
步骤S2:信息采集模块将离散化信息整合成事件信息上传信息分析模块;
步骤S3:信息分析模块根据信息分析策略设置模块设置的信息分析策略对信息采集模块上传的事件进行分析形成相应的告警信息和等级,根据预警策略对告警信息和等级形成预警,并执行预警。
与现有技术相比,本发明的优势在于:
1、对监测点的数据采集后整合成为事件进行异常判断,使异常判断更加复合储能电站的业务特点,异常判断更加准确;
2、对事件的持续时间、频率以及关联性进行综合判断,能够过滤误报,发现单一监测点无法发现的风险;
3、信息分析策略可以动态设置和在线升级,使得异常识别更加灵活和高效。
附图说明
图1所示为储能电站异常识别系统架构图;
图2所示为事件化告警数据抽象示意图;
图3所示为信息分析策略在线更新流程示意图;
图4所示为事件化告警与预警联动示意图;
图5所示为异常识别方法流程图。
具体实施方式
下面结合附图对本发明的技术方案进行详细的说明。
本发明以储能电站各类告警信息为基础,综合专家系统技术,以检测影响储能电站安全运行隐患为目标,具体设计出一种储能电站异常识别系统及方法。该系统对频繁出现的告警信息设定变化频率阈值,通过频率的变化评估告警程度;同时,将充放电相关的“状态量/模拟量”等离散信息以时间截面为维度进行采集,形成时间断面的事件信息,通过信息点创建离散信息点与事件的映射关系,实现关联告警的检测依据,此外,在对告警调节修改后,支持事件化告警的在线更新,并根据不同的告警等级触发不同的处理逻辑;系统综合事件化告警内容及等级触发提前预警机制,并可随系统运行对事件化告警判定机制持续优化完善。
本发明提供的一种储能电站异常识别系统及方法,基于各类储能设备的原始告警,首先改变数据的采集上送模式,将离散的信息点以时间截面为维度进行采集,形成时间断面的事件信息,通过信息点号映射实现离散告警与采样事件的关联,采用专家系统技术对告警信息进行推理计算,形成不同等级的告警事件并按照设定的策略予以处理,并与抽象电池热失控关键参数比对,产生预警信息,且随着系统运行,可对事件化告警判定机制持续优化完善,不断提升事件化告警的准确性。
本发明的目的是提供一种储能电站的事件化告警技术,该技术最主要的特点是以时间截面的形式将离散的信息点事件化,通过信息点实现测点与事件的映射(并可通过配置文件设定离散告警与事件的关联关系),并基于告警分离过滤的结果,对基础告警信息按类型设定频率变化阈值,专家系统综合事件化告警策略对设备上送的离散告警进行处理,基于内容与电池热失控关键参数比对,形成不同时间维度的预警机制,并按照既定的策略予以提示,及时发现并处理隐患,此外,系统将根据每次问题的处理结果,对专家库进行完善优化,持续提升事件化告警及预警的准确性。
本发明提供的一种储能电站异常识别系统及方法以储能电站各类告警信息为基础,综合专家系统技术,以检测影响储能电站安全运行隐患为目标。
实施例1:
储能电站异常识别系统包括:信息采集模块、信息分析策略设置模块和信息分析模块。
信息采集模块,用于采集储能电站各监测点监测到的信息,以事件方式将信息上传到信息分析模块。
信息采集模块,对储能电站中的投运电池状态的信息进行抽象,总体分为电压、电流、温度等关键参数,综合电池不同的状态(“充电”、“放电”、“满电静置”和“乏电静置”)设定不同的数据采集周期,将离散的信息点抽象成为不同阶段的事件,相关数据上送不再以“离散测点”的形式上送,而是以电池不同状态的事件(由同一时刻的离散信息点构成)予以上送,且各类事件的内容及上送周期可通过配置文件的形式灵活配置(可明确离散告警与事件的关联关系)。
例如电池充电状态,此时电池充电即为一种事件,在充电过程中,将同一时间断面的离散信息点(电压、温度、电量等模拟量及电池的状态等状态量)予以上送,上送的模拟量种类及时间周期均可根据实际需求进行配置,模拟量可根据需求主要上送电压或者温度等进行增删,上送时间周期可根据需求进行修改(例如1S、5S、10S、1min等)。如图2所示,其中所列电池放电过程、电池静置过程均为一种事件。
信息分析策略设置模块,用于对信息分析策略的设置以及相关预警策略的设定。信息分析策略是对信息分析的方法的设置,包括指定时间内的出现频率、事件出现后的持续时长、关联检测策略和强逻辑关联策略等。预警策略对信息分析后的结果进行预警等级分配的规则。
事件化告警的频率设置及持续时间的检测策略:储能电站运行过程中,会出现较多的误报警信息,如BMS通信状态、单体过欠压告警等,会在电池应用过程中频繁出现,而这些告警在大多情况下,均没有实际意义(可迅速恢复),而在真正发生问题的时候,上述告警信息会同步/伴随出现,实际应用过程中,会因相关信息的频繁出现导致在真正出现问题时,忽略相关告警的出现,故需要对基础告警进行综合判定,如对上述类型告警设定2类阈值:指定时间内的出现频率和告警出现后的持续时长(相关参数可根据具体项目灵活配置),相关告警触发了设定阈值后,对告警级别升级,避免因忽略基础告警而引发的问题。
事件化告警的关联检测策略:离散告警难以判定当前系统中是否真正存在隐患,当离散告警出现后,需根据当前离散告警信息判定是否有关联告警的出现,形成综合的告警事件,相关告警量可以是一个或是多个,告警等级可根据关联告警的数量及相关告警的程度综合判定,如在出现单体过压告警时,需对整组过压、电池过温及电压/温度不均衡等相关告警信息综合判定(判定相关告警出现的数量及越限的程度)。不同的告警之间的关联关系有强弱之分,系统将关联关系一般的告警在策略中设置为关联告警,将关联关系很强的告警在策略中设置为强逻辑关联告警。
在判定当前告警为关联告警时,首先触发虚点告警,然后再进行强逻辑关联告警判定。虚点告警是指通过关联告警判定出的告警,其是通过多个信息综合判断出的告警,非单点告警。例如对数据包中的电压、温度信息进行关联告警的判定,如果判断异常,则触发虚点告警(按照逻辑计算出来的异常告警),虚点告警一般属告警等级较高类型,若虚点告警一直持续出现,则对该告警级别进一步提升,同步触发预警机制。同时再进行电压、其他电池温度信息进行强逻辑关联判定,如果判定异常,则触发强逻辑告警。如果虚点告警或强逻辑告警持续存在,时间超过设定阈值,则继续进行告警升级。
信息分析策略支持在线更新。根据运行情况可以实时调整关键参数;不同设备在不同场景中运行环境的特征参数相差较大,尤其是在规模较大的储能电站中,从电池系统到储能变流器,均会存在较多的产品型号,且随运行时间的推移,其告警参数会发生不同特征的变化。信息分析策略特征参数(下简称“策略”)需根据系统的变化按需调整,由于告警信息为实时性较高的信息,策略的在线更新明确到生效时间及目标设备,系统运行过程中,系统检测当前某个设备(策略最小可用于目标设备,相同设备类型的设备,可采用不同的告警策略参数)策略是否有版本变化,若有,则判定当前相同是否整处于关联告警及虚点告警执行阶段,当前此次策略执行完成后,新策略生效,相关流程如图3所示。
信息分析策略与预警策略联动,形成不同时间维度的提前预警提示;如图4所示,基于锂离子电池热失控的内外部因素及产热、释气等主要外部表征,结合不同触发条件及特征阶段下热失控反应机理,提取锂离子电池热失控演化过程中各阶段的温升及温度分布规律、电信号变化规律、产气规律等特征信息形成专家知识库;事件化告警形成后,利用专家系统技术与知识库中特征参数进行比对,明确当前告警的性质与级别,按照既定的预警策略(最长达“月”级,最短“分钟”级的提前预警事件维度)将事件化告警转化为对应时间维度的预警信息,在触发告警提示的同时触发对应时间维度的预警提示。
事件化告警应对策略的设定及完善优化机制;系统将设备运行全生命周期(设备运行不同阶段)的关键参数及每次告警/预警现象描述和处理方式予以记录,综合专家系统对运行数据进行清洗,不断完善事件化告警分级及预警联动策略,持续提升告警的及时性和准确性。
信息分析模块,用于根据信息分析策略设置模块设置的信息分析策略对信息采集模块上传的事件进行分析形成相应的告警信息和等级,根据预警策略对告警信息和等级设置不同的预警,执行预警。
如图5所示,信息分析模块的执行过程包括:
步骤1:信息分析模块首先查看事件发生频率是否超过设定频率,和事件持续时间是否超过设定阈值;如果事件发生频率超过设定频率则触发I级频率越限告警;如果事件持续时间超过设定阈值则触发I级持续时间越限告警;
步骤2:信息分析模块查看事件是否符合关联告警策略和强关联告警策略,如果符合关联告警策略,则执行步骤3;如果符合强关联告警策略,则执行步骤4;否则执行步骤5;
步骤3:信息分析模块触发II级虚点告警;
步骤4:信息分析模块触发II级强逻辑告警;
步骤5:如果事件未触发任何告警,则信息分析模块过滤该事件。
系统运行时,信息分析模块对I级频率越限告警、I级持续时间越限告警、II级虚点告警和II级强逻辑告警进行持续监控;如果同一事件同时具有I级频率越限告警和I级持续时间越限告警,则将告警升级为II级频率和时间越限告警;如果II级虚点告警或II级强逻辑告警持续时间超过设定阈值,则将该告警进行升级为III级虚点/强逻辑超时告警。
系统运行时,信息分析模块根据预警策略对形成的告警信息进行实时监控,将告警信息与专家知识库中的特征信息进行比对,按照既定的预警策略(最长达“月”级,最短“分钟”级的提前预警事件维度)将事件化告警转化为对应时间维度的预警信息。
实施例2:
如图5所示,本申请还提供一种储能电站异常识别方法,基于上述系统实现,具体包括:信息采集模块、信息分析策略设置模块和信息分析模块
步骤1:初始化信息分析策略设置模块的信息分析策略和预警策略;
步骤2:信息采集模块将离散化信息整合成事件信息上传信息分析模块;
步骤3:信息分析模块首先查看事件发生频率是否超过设定频率,和事件持续时间是否超过设定阈值;如果事件发生频率超过设定频率则对告警进行升级为I级频率越限告警;如果事件持续时间超过设定阈值则对告警进行升级为I级持续时间越限告警;
步骤4:信息分析模块查看事件是否符合关联告警策略和强关联告警策略,如果符合关联告警策略,则执行步骤5;如果符合强关联告警策略,则执行步骤6;否则执行步骤7;
步骤5:信息分析模块触发II级虚点告警;
步骤6:信息分析模块触发II级强逻辑告警;
步骤7:如果事件未触发任何告警,则信息分析模块过滤该事件。
系统运行时,信息分析模块对I级频率越限告警、I级持续时间越限告警、II级虚点告警和II级强逻辑告警进行持续监控;如果同一事件同时具有I级频率越限告警和I级持续时间越限告警,则将告警升级为II级频率和时间越限告警;如果II级虚点告警或II级强逻辑告警持续时间超过设定阈值,则将该告警进行升级为III级虚点/强逻辑超时告警。
系统运行时,信息分析模块根据预警策略对形成的告警信息进行实时监控,将告警信息与专家知识库中的特征信息进行比对,按照既定的预警策略(最长达“月”级,最短“分钟”级的提前预警事件维度)将事件化告警转化为对应时间维度的预警信息。
储能电站异常识别系统已经在海阳、格尔木、沂水等多个大型储能电站应用。
引入该系统后,通过抽象电站的典型应用,完成储能电站中间隔/设备层与站控系统的通信协议(所有数据上送均以业务包(时间截面数据)的模式予以上送)的制定,为事件化告警生成奠定基础;其次,将电池系统、PCS等告警点表进行分类,对BMS通信状态、单体过欠压等告警设定5次/1min变化的阈值,超过阈值或持续时间超过30s后,即认为相关设备存在问题,需对设备进行维护;最后,信息分析策略设置模块中可设定离散告警信息的关联告警量(目前1个离散告警最多可设定5个关联告警数据量),在离散告警出现时,对关联信息进行判定,当某个告警出现后,联动3个(含)及以上告警出现,则对告警升级,同时,虚点告警只要出现,告警升级,若虚点告警1min内连续超过3次,告警级别再次升级,并形成预警提示。
储能电站异常识别系统应用后,在优化告警信息的同时提高通信效率近50%(之前离散的信息点全部均作为事件属性上送);运行15个月以来,离散告警过滤30%以上,虚点告警约3~7次/月(不同电站频次差异较大),所有事件化告警均按照设定策略触发预警提示,完成设备有效运维共计20余次,大幅提升储能电站运行的安全性。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种储能电站异常识别系统,其特征在于,所述系统包括信息采集模块、信息分析策略设置模块和信息分析模块;其中,
所述信息采集模块,用于采集储能电站各监测点监测到的信息,将信息整合为事件上传到所述信息分析模块;
所述信息分析策略设置模块,用于设置信息分析策略和预警策略;
所述信息分析模块,用于根据所述信息分析策略设置模块设置的信息分析策略对信息采集模块上传的事件进行分析形成相应的告警信息和等级,根据预警策略对告警信息和等级形成预警,并执行预警;
所述将信息整合为事件,具体为:综合储能电站中投运电池不同的状态设定不同的数据采集周期,将离散的信息点按照电池的状态整合成为事件。
2.根据权利要求1所述的储能电站异常识别系统,其特征在于,电池的状态包括充电、放电、满电静置和乏电静置。
3.根据权利要求1所述的储能电站异常识别系统,其特征在于,所述信息分析策略包括:指定时间内的事件出现频率、事件出现后的持续时长、关联检测策略和强逻辑关联策略。
4.根据权利要求1所述的储能电站异常识别系统,其特征在于,所述信息分析策略设置模块还包括专家知识库;
所述专家知识库包括:锂离子电池热失控演化过程中各阶段的温升及温度分布规律、电信号变化规律和产气规律的特征信息。
5.根据权利要求4所述的储能电站异常识别系统,其特征在于,所述信息分析模块对事件进行分析的过程包括:
步骤1:查看事件发生频率是否超过设定频率,如果事件发生频率超过设定频率则触发I级频率越限告警;查看事件持续时间是否超过设定阈值;如果事件持续时间超过设定阈值则触发I级持续时间越限告警;
步骤2:查看事件是否符合关联告警策略和强关联告警策略,如果符合关联告警策略,则执行步骤3;如果符合强关联告警策略,则执行步骤4;否则执行步骤5;
步骤3:触发II级虚点告警;
步骤4:触发II级强逻辑告警;
步骤5:如果事件未触发任何告警,则过滤该事件。
6.根据权利要求5所述的储能电站异常识别系统,其特征在于,所述信息分析模块对事件进行分析的过程还包括:
对I级频率越限告警、I级持续时间越限告警、II级虚点告警和II级强逻辑告警进行持续监控;如果同一事件同时具有I级频率越限告警和I级持续时间越限告警,则将告警升级为II级频率和时间越限告警;如果II级虚点告警或II级强逻辑告警持续时间超过设定阈值,则将该告警进行升级为III级虚点/强逻辑超时告警。
7.根据权利要求5或6所述的储能电站异常识别系统,其特征在于,所述信息分析模块对事件进行分析的过程还包括:
根据预警策略对形成的告警信息进行实时监控,将告警信息与专家知识库中的特征信息进行比对,按照既定的预警策略将告警信息转化为对应时间维度的预警信息。
8.根据权利要求1所述的储能电站异常识别系统,其特征在于,所述信息分析策略设置模块支持信息分析策略和预警策略的在线更新。
9.一种储能电站异常识别方法,基于权利要求1-8所述的任一系统实现,所述方法包括:
步骤S1:初始化信息分析策略设置模块的信息分析策略和预警策略;
步骤S2:信息采集模块将离散化信息整合成事件信息上传信息分析模块;
步骤S3:信息分析模块根据信息分析策略设置模块设置的信息分析策略对信息采集模块上传的事件进行分析形成相应的告警信息和等级,根据预警策略对告警信息和等级形成预警,并执行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311349762.8A CN117805511A (zh) | 2023-10-18 | 2023-10-18 | 一种储能电站异常识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311349762.8A CN117805511A (zh) | 2023-10-18 | 2023-10-18 | 一种储能电站异常识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117805511A true CN117805511A (zh) | 2024-04-02 |
Family
ID=90434026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311349762.8A Pending CN117805511A (zh) | 2023-10-18 | 2023-10-18 | 一种储能电站异常识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117805511A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118362923A (zh) * | 2024-04-26 | 2024-07-19 | 昆山金鑫新能源科技股份有限公司 | 基于多模态感知的储能安全预警方法及系统 |
-
2023
- 2023-10-18 CN CN202311349762.8A patent/CN117805511A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118362923A (zh) * | 2024-04-26 | 2024-07-19 | 昆山金鑫新能源科技股份有限公司 | 基于多模态感知的储能安全预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116775408B (zh) | 一种储能设备运行状态的智能监测方法 | |
US12086165B2 (en) | Cloud-based vehicle fault diagnosis method, apparatus, and system | |
CN111261957B (zh) | 基于分布控制的锂离子储能电池热失控保护系统及方法 | |
CN111585354A (zh) | 储能电站智能运检设备 | |
CN115002166B (zh) | 基于物联网的电池智能监控、租赁管理系统及方法 | |
CN117518018B (zh) | 一种储能电源故障检测预警系统 | |
CN108556647B (zh) | 基于云平台和电池管理系统的电动汽车用动力电池的在线安全预警方法 | |
CN116011993A (zh) | 一种基于cps架构的蓄电池健康管理系统 | |
CN114755515A (zh) | 一种基于数据挖掘的储能电站关键设备故障诊断预警方法 | |
CN112345941A (zh) | 一种基于大数据依变化量曲线的后台热失控预警方法 | |
CN114487856A (zh) | 换电站电池的热失控预警方法及系统 | |
CN116845391A (zh) | 一种锂电池储能管理系统 | |
CN117805511A (zh) | 一种储能电站异常识别系统及方法 | |
CN117169751A (zh) | 基于机器学习的储能电站故障监测管理系统与方法 | |
CN116566055A (zh) | 一种储能站安全综合监测方法、监测系统及电子设备 | |
CN117498406A (zh) | 一种云边端协同的储能电站管理系统和方法 | |
CN118689201A (zh) | 一种电动三轮车控制器的监测预警系统 | |
CN116923188A (zh) | 一种新能源车的充电保护系统 | |
CN116953534A (zh) | 一种车载蓄电池失效判别方法及装置 | |
CN112550074A (zh) | 一种电动汽车电池内部温度安全预警方法及监测系统 | |
CN118983925B (zh) | 一种光伏充电控制方法及其控制系统 | |
CN212572193U (zh) | 储能电站智能运检设备 | |
CN119007395A (zh) | 一种储能电站异常故障报警装置及其报警方法 | |
CN118707347A (zh) | 一种基于数据分析的新能源汽车电池检测系统 | |
WO2024244155A1 (zh) | 电化学储能系统故障分级诊断预警方法、系统及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |