开云优惠体育网页版入口

专利名称：用于储能电池组的液风混合散热功率控制方法及系统

专利类型：发明专利

专利申请号：CN202410516498.0

专利申请（专利权）人：内蒙古中电储能技术有限公司
权利人地址：内蒙古自治区呼和浩特市经济技术开发区沙尔沁工业园区丁香大街以南、经三十二路以西中电储能新型电力储能系统产业研发制造基地

专利发明（设计）人：董兆一,胡利兵,贾连超,王宝柱,刘志远,刘阳,岳帅,南丁,李海波,李妍妍

专利摘要：本发明公开了用于储能电池组的液风混合散热功率控制方法及系统，涉及电池技术领域，该方法包括：根据监测温度时序信息和期望温度时序信息进行异常分析，生成第一异常指数；当第一异常指数大于或等于异常指数阈值，进行温度预测，并结合期望温度时序信息进行偏差分析，生成第二异常指数；当第二异常指数大于或等于异常指数阈值，对风冷控制参数和液冷控制参数进行能耗均衡优化，并根据优化控制参数执行液风混合散热控制。本发明解决了现有技术中传统的储能电池组散热控制基于单一阈值进行判定，存在一定滞后性的技术问题，达到了通过温度监控和预测，进行能耗均衡优化，提高储能电池组散热控制的时效性的技术效果。

主权利要求：
1.用于储能电池组的液风混合散热功率控制方法，其特征在于，应用于储能电池组的液风混合散热功率控制系统，所述系统和里温度监测器、外温度监测器、储能电池组控制端通信连接，包括：接收从储能电池组控制端上传的储能电池组控制参数，从里温度监测器上传的储能电池组监测温度时序信息，从外温度监测器上传的环境温度监测时序信息；
接收从所述储能电池组控制端上传的风冷控制参数和液冷控制参数，其中，所述风冷控制参数包括风扇转速、风扇风向和风扇工作时间，所述液冷控制参数包括冷却液流量、冷却液温度、冷却液循环速度；
根据所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成第一异常指数，其中，所述第一异常指数用于反映电池组当前温度状态与期望状态之间的偏差程度；
当所述第一异常指数大于或等于异常指数阈值，根据所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成储能电池组预测温度时序信息，包括：以储能电池组型号为约束，采集环境温度记录时序信息、储能电池组记录温度时序信息、储能电池组记录控制参数、风冷记录控制参数和液冷记录控制参数；
对所述环境温度记录时序信息进行相邻时域温度层次聚类，获得环境温度更新时序信息；
对所述储能电池组记录温度时序信息进行随机切割，获得若干个前段储能电池组记录温度时序信息和若干个后段储能电池组记录温度时序信息；
根据所述若干个前段储能电池组记录温度时序信息，从所述环境温度更新时序信息匹配同时序的若干个环境温度关联时序信息，其中，所述若干个环境温度关联时序信息表征与电池组温度之间具有时序关联的环境温度；
以所述若干个环境温度关联时序信息、所述若干个前段储能电池组记录温度时序信息、所述储能电池组记录控制参数、所述风冷记录控制参数和所述液冷记录控制参数为输入，以所述若干个后段储能电池组记录温度时序信息为监督，训练储能电池组温度预测组件；
根据所述储能电池组温度预测组件，对所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成所述储能电池组预测温度时序信息，其中，所述储能电池组预测温度时序信息反映电池组在未来一段时间内的温度变化趋势；
根据所述储能电池组预测温度时序信息和所述储能电池组期望温度时序信息进行偏差分析，生成第二异常指数，其中，所述第二异常指数用于反映电池组未来温度状态与期望状态之间的偏差程度；
当所述第二异常指数大于或等于所述异常指数阈值，对所述风冷控制参数和所述液冷控制参数进行能耗均衡优化，生成风冷优化控制参数和液冷优化控制参数，包括：对所述风冷控制参数和所述液冷控制参数进行调节，生成第一风冷控制调节参数和第一液冷控制调节参数；
当所述第一风冷控制调节参数和所述第一液冷控制调节参数的第二异常指数小于所述异常指数阈值，将所述第一风冷控制调节参数和所述第一液冷控制调节参数添加至多组散热控制参数；
对所述多组散热控制参数进行能耗标识，生成多个能耗标定值；
提取所述多个能耗标定值的最小值的散热控制参数，输出所述风冷优化控制参数和所述液冷优化控制参数；
根据所述风冷优化控制参数和所述液冷优化控制参数执行液风混合散热控制。
2.如权利要求1所述的方法，其特征在于，还包括：
当所述第一异常指数小于所述异常指数阈值，或所述第二异常指数小于所述异常指数阈值，根据所述风冷控制参数和所述液冷控制参数执行液风混合散热控制。
3.如权利要求1所述的方法，其特征在于，根据所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成第一异常指数，包括：根据所述储能电池组监测温度时序信息对所述储能电池组期望温度时序信息自首对齐切割，生成第一子储能电池组期望温度时序信息；
对所述第一子储能电池组期望温度时序信息进行相邻时域温度层次聚类，生成第一基准温度序列和第一基准时长序列；
对所述储能电池组监测温度时序信息进行相邻时域温度层次聚类，生成第一比对温度序列和第一比对时长序列；
根据所述第一基准温度序列、所述第一基准时长序列、所述第一比对温度序列和所述第一比对时长序列，对所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成所述第一异常指数。
4.如权利要求3所述的方法，其特征在于，根据所述第一基准温度序列、所述第一基准时长序列、所述第一比对温度序列和所述第一比对时长序列，对所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成所述第一异常指数，包括：对所述第一基准温度序列和所述第一比对温度序列首部温度对齐，尾部补零对齐后，对所述第一基准温度序列和所述第一比对温度序列进行欧式距离计算，生成第一距离评价值；
对所述第一基准时长序列和所述第一比对时长序列首部温度对齐，尾部补零对齐后，对所述第一基准时长序列和所述第一比对时长序列进行欧式距离计算，生成第二距离评价值；
将所述第一距离评价值和所述第二距离评价值添加进所述第一异常指数。
5.如权利要求1所述的方法，其特征在于，对所述储能电池组记录温度时序信息进行随机切割，获得若干个前段储能电池组记录温度时序信息和若干个后段储能电池组记录温度时序信息，包括：配置输入数据步长约束和输出数据步长约束；
根据所述输入数据步长约束对所述储能电池组记录温度时序信息进行自首对齐，获得靠近尾部的切割起点时刻；
根据所述输出数据步长约束对所述储能电池组记录温度时序信息进行自尾对齐，获得靠近首部的切割终点时刻；
根据所述切割起点时刻和所述切割终点时刻，对所述储能电池组记录温度时序信息进行随机切割，获得所述若干个前段储能电池组记录温度时序信息和所述若干个后段储能电池组记录温度时序信息。
6.用于储能电池组的液风混合散热功率控制系统，用于实施如权利要求1?5任意一项所述的方法，其特征在于，所述系统包括：综合数据接收模块，所述综合数据接收模块用于接收从储能电池组控制端上传的储能电池组控制参数，从里温度监测器上传的储能电池组监测温度时序信息，从外温度监测器上传的环境温度监测时序信息；
控制参数接收模块，所述控制参数接收模块用于接收从所述储能电池组控制端上传的风冷控制参数和液冷控制参数；
第一异常指数生成模块，所述第一异常指数生成模块用于根据所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成第一异常指数；
预测温度时序信息生成模块，所述预测温度时序信息生成模块用于当所述第一异常指数大于或等于异常指数阈值，根据所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成储能电池组预测温度时序信息；
第二异常指数生成模块，所述第二异常指数生成模块用于根据所述储能电池组预测温度时序信息和所述储能电池组期望温度时序信息进行偏差分析，生成第二异常指数；
能耗均衡优化模块，所述能耗均衡优化模块用于当所述第二异常指数大于或等于所述异常指数阈值，对所述风冷控制参数和所述液冷控制参数进行能耗均衡优化，生成风冷优化控制参数和液冷优化控制参数；
液风混合散热控制模块，所述液风混合散热控制模块用于根据所述风冷优化控制参数和所述液冷优化控制参数执行液风混合散热控制。 说明书 : 用于储能电池组的液风混合散热功率控制方法及系统技术领域[0001] 本发明涉及电池技术领域，具体涉及用于储能电池组的液风混合散热功率控制方法及系统。背景技术[0002] 储能电池组散热控制是电池技术中的关键环节，特别是在大规模应用于动力电池、储能电池以及集装箱式储能系统时，其重要性更加凸显。其本质是通过冷却媒介将电池内部的热量传递到外界环境中，从而达到降低电池内部温度的目的。这一技术的目的是为电池提供一个舒适的工作温度环境，确保电池在最佳的工作状态下运行。[0003] 但传统的储能电池组散热控制，通常是当储能电池组的温度高于温度阈值时，才激活液冷、风冷进行散热控制，存在一定滞后性。发明内容[0004] 本申请提供了用于储能电池组的液风混合散热功率控制方法及系统，用于解决现有技术中传统的储能电池组散热控制基于单一阈值进行判定，存在一定滞后性的技术问题。[0005] 本申请的第一个方面，提供了用于储能电池组的液风混合散热功率控制方法，所述方法包括：接收从储能电池组控制端上传的储能电池组控制参数，从里温度监测器上传的储能电池组监测温度时序信息，从外温度监测器上传的环境温度监测时序信息；接收从所述储能电池组控制端上传的风冷控制参数和液冷控制参数；根据所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成第一异常指数；当所述第一异常指数大于或等于异常指数阈值，根据所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成储能电池组预测温度时序信息；根据所述储能电池组预测温度时序信息和所述储能电池组期望温度时序信息进行偏差分析，生成第二异常指数；当所述第二异常指数大于或等于所述异常指数阈值，对所述风冷控制参数和所述液冷控制参数进行能耗均衡优化，生成风冷优化控制参数和液冷优化控制参数；根据所述风冷优化控制参数和所述液冷优化控制参数执行液风混合散热控制。[0006] 本申请的第二个方面，提供了用于储能电池组的液风混合散热功率控制系统，所述系统包括：综合数据接收模块，所述综合数据接收模块用于接收从储能电池组控制端上传的储能电池组控制参数，从里温度监测器上传的储能电池组监测温度时序信息，从外温度监测器上传的环境温度监测时序信息；控制参数接收模块，所述控制参数接收模块用于接收从所述储能电池组控制端上传的风冷控制参数和液冷控制参数；第一异常指数生成模块，所述第一异常指数生成模块用于根据所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成第一异常指数；预测温度时序信息生成模块，所述预测温度时序信息生成模块用于当所述第一异常指数大于或等于异常指数阈值，根据所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成储能电池组预测温度时序信息；第二异常指数生成模块，所述第二异常指数生成模块用于根据所述储能电池组预测温度时序信息和所述储能电池组期望温度时序信息进行偏差分析，生成第二异常指数；能耗均衡优化模块，所述能耗均衡优化模块用于当所述第二异常指数大于或等于所述异常指数阈值，对所述风冷控制参数和所述液冷控制参数进行能耗均衡优化，生成风冷优化控制参数和液冷优化控制参数；液风混合散热控制模块，所述液风混合散热控制模块用于根据所述风冷优化控制参数和所述液冷优化控制参数执行液风混合散热控制。[0007] 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：[0008] 本申请提供的用于储能电池组的液风混合散热功率控制方法，涉及电池技术领域，通过监测温度时序信息和期望温度时序信息进行异常分析，生成第一异常指数，当第一异常指数不满足异常指数阈值，进行温度预测和偏差分析，生成第二异常指数，当第二异常指数不满足异常指数阈值，对风冷和液冷控制参数进行能耗均衡优化，并根据优化控制参数执行液风混合散热控制，解决了现有技术中传统的储能电池组散热控制基于单一阈值进行判定，存在一定滞后性的技术问题，实现了通过温度监控和预测，进行能耗均衡优化，提高储能电池组散热控制的时效性的技术效果。附图说明[0009] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。[0010] 图1为本申请实施例提供的用于储能电池组的液风混合散热功率控制方法流程示意图；[0011] 图2为本申请实施例提供的用于储能电池组的液风混合散热功率控制方法中生成第一异常指数的流程示意图；[0012] 图3为本申请实施例提供的用于储能电池组的液风混合散热功率控制方法中生成风冷优化控制参数和液冷优化控制参数的流程示意图；[0013] 图4为本申请实施例提供的用于储能电池组的液风混合散热功率控制系统结构示意图。[0014] 附图标记说明：综合数据接收模块11，控制参数接收模块12，第一异常指数生成模块13，预测温度时序信息生成模块14，第二异常指数生成模块15，能耗均衡优化模块16，液风混合散热控制模块17。具体实施方式[0015] 本申请提供了用于储能电池组的液风混合散热功率控制方法，用于解决现有技术中传统的储能电池组散热控制基于单一阈值进行判定，存在一定滞后性的技术问题。[0016] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。[0017] 需要说明的是，本申请的说明书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。实施例一[0018] 如图1所示，本申请提供了用于储能电池组的液风混合散热功率控制方法，所述方法包括：[0019] P10：接收从储能电池组控制端上传的储能电池组控制参数，从里温度监测器上传的储能电池组监测温度时序信息，从外温度监测器上传的环境温度监测时序信息；[0020] 应当理解的是，接收从储能电池组控制端上传的储能电池组控制参数，包括电池组的当前工作状态、功率输出、充放电状态等关键信息，可反映电池组的运行状况以及评估其散热需求。同时，从里温度监测器接收储能电池组监测温度时序信息，所述里温度监测器通常安装在电池组的内部，能够实时监测电池组在工作过程中的温度变化，所述温度时序信息可反映电池组内部温度随时间的变化情况。并且，从外温度监测器接收环境温度监测时序信息，所述外温度监测器负责监测电池组所处的外部环境温度，用于了解散热条件、评估散热系统的性能以及预测电池组未来的温度变化。[0021] P20：接收从所述储能电池组控制端上传的风冷控制参数和液冷控制参数；[0022] 可选的，接收从所述储能电池组控制端上传的风冷控制参数和液冷控制参数。其中，所述风冷控制参数和液冷控制参数是散热系统当前工作状态的直接反映。所述风冷控制参数通常包括风扇的转速、风向、工作时间等，可调节风冷系统对电池组的散热效果。所述液冷控制参数包括冷却液的流量、温度、循环速度等，可直接影响液冷系统对电池组的冷却效果。[0023] P30：根据所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成第一异常指数；[0024] 进一步的，如图2所示，本申请实施例步骤P30还包括：[0025] P31：根据所述储能电池组监测温度时序信息对所述储能电池组期望温度时序信息自首对齐切割，生成第一子储能电池组期望温度时序信息；[0026] P32：对所述第一子储能电池组期望温度时序信息进行相邻时域温度层次聚类，生成第一基准温度序列和第一基准时长序列；[0027] P33：对所述储能电池组监测温度时序信息进行相邻时域温度层次聚类，生成第一比对温度序列和第一比对时长序列；[0028] P34：根据所述第一基准温度序列、所述第一基准时长序列、所述第一比对温度序列和所述第一比对时长序列，对所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成所述第一异常指数。[0029] 示例性的，根据所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，并根据监测温度与期望温度的差异，生成第一异常指数，可反映电池组当前温度状态与期望状态之间的偏差程度，指数越高，说明偏差越大，电池组的安全性或性能可能受到的影响也就越大。[0030] 具体的，由于实际监测到的温度时序信息和期望温度时序信息可能在时间长度、采样频率等方面存在差异，因此首先需要对其进行对齐切割，确保两组数据在时间维度上的一致性，生成第一子储能电池组期望温度时序信息，也就是经过对齐切割后的期望温度时序信息。[0031] 进一步的，对所述第一子储能电池组期望温度时序信息进行相邻时域温度层次聚类，根据相邻时域的温度变化特征，将期望温度时序信息划分为不同的温度序列和对应的时间长度序列，生成第一基准温度序列和第一基准时长序列，每个基准序列代表电池组在某一特定时间段内期望达到的温度范围。[0032] 进一步的，对所述储能电池组监测温度时序信息进行相邻时域温度层次聚类，将监测到的温度数据划分为不同的温度序列和对应的时间长度序列，生成第一比对温度序列和第一比对时长序列，反映出电池组在实际运行过程中的温度变化特征。[0033] 进一步的，根据所述第一基准温度序列、所述第一基准时长序列、所述第一比对温度序列和所述第一比对时长序列，进行异常分析，通过对比所述第一基准温度序列和所述第一比对温度序列，以及所述第一基准时长序列和所述第一比对时长序列，量化计算电池组当前温度状态与期望状态之间的偏差程度，生成所述第一异常指数。[0034] 进一步的，本申请实施例步骤P34还包括：[0035] P34?1：对所述第一基准温度序列和所述第一比对温度序列首部温度对齐，尾部补零对齐后，对所述第一基准温度序列和所述第一比对温度序列进行欧式距离计算，生成第一距离评价值；[0036] P34?2：对所述第一基准时长序列和所述第一比对时长序列首部温度对齐，尾部补零对齐后，对所述第一基准时长序列和所述第一比对时长序列进行欧式距离计算，生成第二距离评价值；[0037] P34?3：将所述第一距离评价值和所述第二距离评价值添加进所述第一异常指数。[0038] 可选的，对所述第一基准温度序列和所述第一比对温度序列进行首部温度对齐和尾部补零对齐，确保两个序列在长度上一致，进而对所述第一基准温度序列和所述第一比对温度序列进行欧式距离计算，所述欧式距离是一种常用的相似度度量方法，通过计算两个向量在多维空间中的直线距离来反映它们之间的相似度。在这里，欧式距离被用来量化期望温度序列和实际监测温度序列之间的差异，得到第一距离评价值。第一距离评价值越大，说明实际温度与期望温度之间的差异越大，电池组的温度状态越可能存在异常。[0039] 进一步的，对所述第一基准时长序列和所述第一比对时长序列首部温度对齐，尾部补零对齐后，对所述第一基准时长序列和所述第一比对时长序列进行欧式距离计算，得到第二距离评价值，时间序列反映了电池组在不同温度区间内停留的时间长短，若实际监测时长与期望时长存在显著差异，则意味着电池组的温度状态存在异常。[0040] 进一步的，将所述第一距离评价值和所述第二距离评价值共同作为所述第一异常指数，可全面反映电池组温度状态的异常情况。[0041] P40：当所述第一异常指数大于或等于异常指数阈值，根据所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成储能电池组预测温度时序信息；[0042] 进一步的，本申请实施例步骤P40还包括：[0043] P41：以储能电池组型号为约束，采集环境温度记录时序信息、储能电池组记录温度时序信息、储能电池组记录控制参数、风冷记录控制参数和液冷记录控制参数；[0044] P42：对所述环境温度记录时序信息进行相邻时域温度层次聚类，获得环境温度更新时序信息；[0045] P43：对所述储能电池组记录温度时序信息进行随机切割，获得若干个前段储能电池组记录温度时序信息和若干个后段储能电池组记录温度时序信息；[0046] P44：根据所述若干个前段储能电池组记录温度时序信息，从所述环境温度更新时序信息匹配同时序的若干个环境温度关联时序信息；[0047] P45：以所述若干个环境温度关联时序信息、所述若干个前段储能电池组记录温度时序信息、所述储能电池组记录控制参数、所述风冷记录控制参数和所述液冷记录控制参数为输入，以所述若干个后段储能电池组记录温度时序信息为监督，训练储能电池组温度预测组件；[0048] P46：根据所述储能电池组温度预测组件，对所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成所述储能电池组预测温度时序信息。[0049] 具体的，当所述第一异常指数大于或等于异常指数阈值，意味着储能电池组的温度状态可能存在问题或即将出现问题，为了及时采取措施防止问题进一步恶化，需要进行温度预测。[0050] 首先，在开始温度预测之前，需要以储能电池组型号为约束，采集相关的历史数据，包括环境温度记录时序信息、储能电池组记录温度时序信息、储能电池组记录控制参数、风冷记录控制参数和液冷记录控制参数，以获取电池组在不同环境条件下的温度表现以及相应的控制策略。[0051] 进一步的，对采集到的环境温度记录时序信息进行相邻时域温度层次聚类，通过聚类分析，识别出不同时间段内环境温度的主要特征，并据此生成更新后的环境温度时序信息，以过滤噪声数据，提高温度预测的精度。[0052] 进一步的，对所述储能电池组记录温度时序信息进行随机切割，获得若干个前段储能电池组记录温度时序信息和若干个后段储能电池组记录温度时序信息，其中，随机切割的操作可以确保每个切割点都是随机选择的，使得到的前段和后段时序信息具有多样性，能够覆盖更多可能的温度变化模式。[0053] 进一步的，根据所述若干个前段储能电池组记录温度时序信息，从所述环境温度更新时序信息匹配同时序的对应的环境温度关联时序信息，以建立环境温度与电池组温度之间的关联，为后续的模型训练提供必要的输入数据。[0054] 进一步的，使用匹配好的若干个环境温度关联时序信息、若干个前段储能电池组记录温度时序信息、储能电池组记录控制参数、风冷记录控制参数和液冷记录控制参数为输入，以对应的若干个后段储能电池组记录温度时序信息为监督信号，基于机器学习或深度学习算法的模型，训练得到储能电池组温度预测组件。[0055] 进一步的，利用训练好的储能电池组温度预测组件，根据当前的储能电池组控制参数、监测温度时序信息、环境温度监测时序信息、风冷控制参数和液冷控制参数进行温度预测，获得储能电池组预测温度时序信息，所述储能电池组预测温度时序信息可反映电池组在未来一段时间内的温度变化趋势。[0056] 进一步的，本申请实施例步骤P43还包括：[0057] P43?1：配置输入数据步长约束和输出数据步长约束；[0058] P43?2：根据所述输入数据步长约束对所述储能电池组记录温度时序信息进行自首对齐，获得靠近尾部的切割起点时刻；[0059] P43?3：根据所述输出数据步长约束对所述储能电池组记录温度时序信息进行自尾对齐，获得靠近首部的切割终点时刻；[0060] P43?4：根据所述切割起点时刻和所述切割终点时刻，对所述储能电池组记录温度时序信息进行随机切割，获得所述若干个前段储能电池组记录温度时序信息和所述若干个后段储能电池组记录温度时序信息。[0061] 应当理解的是，在开始切割操作之前，首先配置输入数据步长约束和输出数据步长约束。所述输入数据步长约束是指用于模型训练的前段温度时序信息的长度要求，而输出数据步长约束则是指对应的后段温度时序信息的长度要求。根据所述输入数据步长约束对所述储能电池组记录温度时序信息进行自首对齐，从时序信息的起始点开始，按照输入数据步长约束的长度向后移动，找到切割起点时刻，并且由于步长约束，起点时刻会靠近时序信息的尾部，确保切割得到的前段温度时序信息具有足够的长度用于模型训练。[0062] 进一步的，根据输出数据步长约束对储能电池组记录温度时序信息进行自尾对齐操作。从时序信息的结束点开始，按照输出数据步长约束的长度向前移动，找到切割终点时刻。终点时刻会靠近时序信息的首部，确保切割得到的后段温度时序信息也具有合适的长度，并且与前段温度时序信息在时间上相互对应。[0063] 在确定了切割起点时刻和切割终点时刻后，对储能电池组记录温度时序信息进行随机切割，获得所述若干个前段储能电池组记录温度时序信息和所述若干个后段储能电池组记录温度时序信息，于后续的模型训练。[0064] P50：根据所述储能电池组预测温度时序信息和所述储能电池组期望温度时序信息进行偏差分析，生成第二异常指数；[0065] 在本申请一种可能的实施例中，对所述储能电池组预测温度时序信息和所述储能电池组期望温度时序信息进行逐一比较，计算两者之间的偏差，例如计算绝对偏差、相对偏差、均方误差等，并基于偏差分析的结果，通过计算偏差平均值或加权处理等，生成第二异常指数，来反映预测温度与期望温度之间的偏离程度。[0066] P60：当所述第二异常指数大于或等于所述异常指数阈值，对所述风冷控制参数和所述液冷控制参数进行能耗均衡优化，生成风冷优化控制参数和液冷优化控制参数；[0067] 进一步的，如图3所示，本申请实施例步骤P60还包括：[0068] P61：对所述风冷控制参数和所述液冷控制参数进行调节，生成第一风冷控制调节参数和第一液冷控制调节参数；[0069] P62：当所述第一风冷控制调节参数和所述第一液冷控制调节参数的第二异常指数小于所述异常指数阈值，将所述第一风冷控制调节参数和所述第一液冷控制调节参数添加至多组散热控制参数；[0070] P63：对所述多组散热控制参数进行能耗标识，生成多个能耗标定值；[0071] P64：提取所述多个能耗标定值的最小值的散热控制参数，输出所述风冷优化控制参数和所述液冷优化控制参数。[0072] P70：根据所述风冷优化控制参数和所述液冷优化控制参数执行液风混合散热控制。[0073] 应当理解的是，当所述第二异常指数大于或等于所述异常指数阈值，意味着当前的散热策略未能有效地将电池组温度控制在安全范围内，需要对所述风冷控制参数和所述液冷控制参数进行能耗均衡优化，以找到既能有效降温又能减少能耗的散热方案。[0074] 具体的，基于行业规则或经验，对现有的风冷控制参数和液冷控制参数进行初始调节，生成第一风冷控制调节参数和第一液冷控制调节参数，并根据第一风冷控制调节参数和第一液冷控制调节参数进行第二异常指数计算，当得到的第二异常指数小于所述异常指数阈值，说明初始调节已经取得了良好的效果，电池组温度得到了有效控制，则将所述第一风冷控制调节参数和所述第一液冷控制调节参数添加至多组散热控制参数。[0075] 进一步的，通过模拟散热，对添加到多组散热控制参数中的每一组参数，均进行能耗标识，生成多个能耗标定值，并从多组散热控制参数中提取能耗标定值最小的散热控制参数，作为所述风冷优化控制参数和所述液冷优化控制参数进行输出。根据所述风冷优化控制参数和所述液冷优化控制参数执行液风混合散热控制，以确保满足温度控制要求的同时，尽可能降低能耗。[0076] 进一步的，本申请实施例还包括步骤P80：[0077] P80：当所述第一异常指数小于所述异常指数阈值，或所述第二异常指数小于所述异常指数阈值，根据所述风冷控制参数和所述液冷控制参数执行液风混合散热控制。[0078] 具体的，当所述第一异常指数小于异常指数阈值，说明在当前的散热控制策略下，电池组的实际温度已经处于安全范围内，且偏差较。扌杞杏呕。此时，可以直接根据当前的风冷控制参数和液冷控制参数执行液风混合散热控制，以维持电池组的温度状态。[0079] 并且，当第二异常指数小于异常指数阈值，则说明经过优化后的散热控制参数能够有效地控制电池组温度，并且预测结果显示温度偏差较小。在这种情况下，同样可按照优化后的风冷控制参数和液冷控制参数执行液风混合散热控制。[0080] 综上所述，本申请实施例至少具有如下技术效果：[0081] 本申请通过监测温度时序信息和期望温度时序信息进行异常分析，生成第一异常指数，当第一异常指数大于或等于异常指数阈值，进行温度预测和偏差分析，生成第二异常指数，当第二异常指数大于或等于异常指数阈值，对风冷和液冷控制参数进行能耗均衡优化，并根据优化控制参数执行液风混合散热控制。[0082] 达到了通过温度监控和预测，进行能耗均衡优化，提高储能电池组散热控制的时效性的技术效果。实施例二[0083] 基于与前述实施例中用于储能电池组的液风混合散热功率控制方法相同的发明构思，如图4所示，本申请提供了用于储能电池组的液风混合散热功率控制系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：[0084] 综合数据接收模块11，所述综合数据接收模块11用于接收从储能电池组控制端上传的储能电池组控制参数，从里温度监测器上传的储能电池组监测温度时序信息，从外温度监测器上传的环境温度监测时序信息；[0085] 控制参数接收模块12，所述控制参数接收模块12用于接收从所述储能电池组控制端上传的风冷控制参数和液冷控制参数；[0086] 第一异常指数生成模块13，所述第一异常指数生成模块13用于根据所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成第一异常指数；[0087] 预测温度时序信息生成模块14，所述预测温度时序信息生成模块14用于当所述第一异常指数大于或等于异常指数阈值，根据所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成储能电池组预测温度时序信息；[0088] 第二异常指数生成模块15，所述第二异常指数生成模块15用于根据所述储能电池组预测温度时序信息和所述储能电池组期望温度时序信息进行偏差分析，生成第二异常指数；[0089] 能耗均衡优化模块16，所述能耗均衡优化模块16用于当所述第二异常指数大于或等于所述异常指数阈值，对所述风冷控制参数和所述液冷控制参数进行能耗均衡优化，生成风冷优化控制参数和液冷优化控制参数；[0090] 液风混合散热控制模块17，所述液风混合散热控制模块17用于根据所述风冷优化控制参数和所述液冷优化控制参数执行液风混合散热控制。[0091] 进一步的，所述第一异常指数生成模块13还用于执行以下步骤：[0092] 根据所述储能电池组监测温度时序信息对所述储能电池组期望温度时序信息自首对齐切割，生成第一子储能电池组期望温度时序信息；[0093] 对所述第一子储能电池组期望温度时序信息进行相邻时域温度层次聚类，生成第一基准温度序列和第一基准时长序列；[0094] 对所述储能电池组监测温度时序信息进行相邻时域温度层次聚类，生成第一比对温度序列和第一比对时长序列；[0095] 根据所述第一基准温度序列、所述第一基准时长序列、所述第一比对温度序列和所述第一比对时长序列，对所述储能电池组监测温度时序信息和储能电池组期望温度时序信息进行异常分析，生成所述第一异常指数。[0096] 进一步的，所述第一异常指数生成模块13还用于执行以下步骤：[0097] 对所述第一基准温度序列和所述第一比对温度序列首部温度对齐，尾部补零对齐后，对所述第一基准温度序列和所述第一比对温度序列进行欧式距离计算，生成第一距离评价值；[0098] 对所述第一基准时长序列和所述第一比对时长序列首部温度对齐，尾部补零对齐后，对所述第一基准时长序列和所述第一比对时长序列进行欧式距离计算，生成第二距离评价值；[0099] 将所述第一距离评价值和所述第二距离评价值添加进所述第一异常指数。[0100] 进一步的，所述预测温度时序信息生成模块14还用于执行以下步骤：[0101] 以储能电池组型号为约束，采集环境温度记录时序信息、储能电池组记录温度时序信息、储能电池组记录控制参数、风冷记录控制参数和液冷记录控制参数；[0102] 对所述环境温度记录时序信息进行相邻时域温度层次聚类，获得环境温度更新时序信息；[0103] 对所述储能电池组记录温度时序信息进行随机切割，获得若干个前段储能电池组记录温度时序信息和若干个后段储能电池组记录温度时序信息；[0104] 根据所述若干个前段储能电池组记录温度时序信息，从所述环境温度更新时序信息匹配同时序的若干个环境温度关联时序信息；[0105] 以所述若干个环境温度关联时序信息、所述若干个前段储能电池组记录温度时序信息、所述储能电池组记录控制参数、所述风冷记录控制参数和所述液冷记录控制参数为输入，以所述若干个后段储能电池组记录温度时序信息为监督，训练储能电池组温度预测组件；[0106] 根据所述储能电池组温度预测组件，对所述储能电池组控制参数、所述储能电池组监测温度时序信息、所述环境温度监测时序信息、所述风冷控制参数和所述液冷控制参数进行储能电池组温度预测，生成所述储能电池组预测温度时序信息。[0107] 进一步的，所述预测温度时序信息生成模块14还用于执行以下步骤：[0108] 配置输入数据步长约束和输出数据步长约束；[0109] 根据所述输入数据步长约束对所述储能电池组记录温度时序信息进行自首对齐，获得靠近尾部的切割起点时刻；[0110] 根据所述输出数据步长约束对所述储能电池组记录温度时序信息进行自尾对齐，获得靠近首部的切割终点时刻；[0111] 根据所述切割起点时刻和所述切割终点时刻，对所述储能电池组记录温度时序信息进行随机切割，获得所述若干个前段储能电池组记录温度时序信息和所述若干个后段储能电池组记录温度时序信息。[0112] 进一步的，所述能耗均衡优化模块16还用于执行以下步骤：[0113] 对所述风冷控制参数和所述液冷控制参数进行调节，生成第一风冷控制调节参数和第一液冷控制调节参数；[0114] 当所述第一风冷控制调节参数和所述第一液冷控制调节参数的第二异常指数小于所述异常指数阈值，将所述第一风冷控制调节参数和所述第一液冷控制调节参数添加至多组散热控制参数；[0115] 对所述多组散热控制参数进行能耗标识，生成多个能耗标定值；[0116] 提取所述多个能耗标定值的最小值的散热控制参数，输出所述风冷优化控制参数和所述液冷优化控制参数。[0117] 需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。[0118] 以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。[0119] 本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变形在内。

专利地区：内蒙古

专利申请日期：2024-04-28

专利公开日期：2024-07-30

专利公告号：CN118117214B