一种储能电站异常故障报警装置及其报警方法与流程

    专利查询2025-06-26  16


    本发明属于异常故障检测,特别涉及一种储能电站异常故障报警装置及其报警方法。


    背景技术:

    1、随着碳中和、碳达峰和节能降耗等工作的推广,储能市场步入了发展快车道。然而,储能电站的安全事故风险也随之增加。如果电池长期处于高温、高压、电流异常状态下,不仅会影响其使用寿命与性能,还可能导致严重的电气火灾与经济损失。因此,确保储能电站的安全稳定运行,防止异常故障的发生和扩散,是储能技术发展的重要方向;

    2、储能电站,在有限的空间内储存了大量的电池,这些电池具有火灾荷载大、火灾危险性高的特点。一旦电池发生热失控,扑救困难,特别容易形成系统性火灾,甚至导致整个储能电站的损毁。因此,对于储能电站的异常故障进行及时、准确的报警显得尤为重要。


    技术实现思路

    1、本发明的目的在于提供一种储能电站异常故障报警装置及其报警方法,用于解决现有技术中无法准确判断储能电站异常故障的技术问题。

    2、为了实现上述目的,本发明采用了如下技术方案:

    3、步骤一、通过相关数据收集模块,收集并处理储能电站的关键部位的相关数据;对储能电站的发电设施、储能装置关键设备的运行状态、电量、电压、温度信息进行采集,明确储能电站的监控需求,确定监控的关键部位与需要监测的数据,关键部位具体指:储能电池组、储能设备的散热器与连接器;相关数据具体指:电池组、储能设备历史与实时的电压、电流与温度数据;对收集到的数据进行数据清洗与归一化处理,使电压、电流、温度这些不同单位的数据转换到相同尺度。

    4、步骤二、通过区域划分模块划分储能电站区域,将经过处理的数据分类并标记区域来源,通过远程传输至数据处理云端;确定传感器的安装位置、数量以及数据传输方式,数据传输方式采用移动通信数据传输、wifi或光纤传输,根据储能电站正常运行状态下关键部位相关数据状态划分区域,正常运行状态指没有发生任何异常故障的运行状态,划分区域的具体方法如下所示:

    5、根据收集到的储能电站的关键部位的相关数据,在t时间范围内,平均划分n个时间段,获得每个时间段的电压、电流与温度数值,获得在储能电站正常运行状态下关键部位a的电压、电流与温度数值的变化范围区间如下:

    6、

    7、其中,amin与amax分别表示在t时间内关键部位a的电压最小值与最大值,bmin与bmax分别表示在t时间内关键部位a的电流最小值与最大值,cmin与cmax分别表示在t时间内该关键部位的温度最小值与最大值,分别设置电压、电流与温度的偏差值na、nb与nc,若存在关键部位b满足相应条件,则将b与a划分在一个区域内,若不存在满足相应条件的b则将a单独划分为一个区域,相应条件具体包括:

    8、以上述a为参照,确定同区域的电压、电流与温度的变化范围区间如下所示:

    9、

    10、若某关键部位与a相连接,且电压、电流与温度的变化范围区间属于上述区间内,则该关键部位与a属于同一区域。

    11、对于区间(xmin,xmax)的偏差值计算公式如下所示:

    12、

    13、其中n表示有n个数值,xi表示在区间(xmin,xmax)内第i个时间段的数值,x={a,b,c},偏差值na、nb与nc通过上述公式与对应变化范围区间获得。

    14、划分区域之后为每个区域安装一台异常故障报警装置,将收集到的数据按照电压、电流与温度类型进行分类,并标记数据的来源区域后发送至数据处理云端。

    15、步骤三、在数据处理云端基于机器学习建立预测模型,设置相关系数,通过相关系数提高模型准确性;将收集到的不同类型的数据集划分为训练集与测试集,并根据数据来源的不同区域进行并行分布式预测,采用极端随机森林算法分别构建每一种数据类型的预测模型,采用相关系数,用来评价电压、电流、温度与储能电站异常故障之间的相关性,具体方法如下所示:

    16、对储能电站异常故障数据进行关联性挖掘,确定在某区域t时间范围内发生的异常故障次数n,并计算异常故障发生前ta时间内的电压、电流、温度平均值,得到异常故障相关数据集y如下所示:

    17、

    18、其中a、b、c分别代表异常故障发生前ta时间内的电压、电流、温度平均值。

    19、设置输入模型的数据集x如下所示:

    20、

    21、其中分别代表ta时间内输入模型数据集的电压、电流、温度平均值。

    22、则电压的相关系数计算公式如下所示:

    23、

    24、其中ua表示y数据集中(a1,…,an)的平均值,表示y数据集中的平均值,σa表示(a1,…,an)的标准差,表示的标准差;运用相同方法计算电流与温度的相关系数,采用相关系数评价相关数据与异常故障之间的相关性,能够提高模型预测精度,并根据相关系数大小设置电压、电流、温度的相关权重大小,例如:若pa>pb>pc,则设置相关权重大小满足ka>kb>kc,且保证ka+kb+kc=1。

    25、确定并行决策树的数量x1、最大分裂特征数x2和分裂节点最小样本数x3,在本实施例中将最大分裂特征数设置为3,分裂节点最小样本数设置为2,决策树的数量较少时模型泛化能力较差,增加决策树的数量可以提高模型泛化能力,但在决策树的数量达到一定时,继续增加决策树数量不会对模型有任何有益效果,通过试错法确定决策树数量为60棵,得到满足预测精度要求的预测模型,将输出集合作为预测集合,根据实时相关数据集合,判断该映射关系是否准确,从而在给定输入样本集合的基础上给出输出,进行并行预测,得到每个区域各个数据类型的预测值。

    26、步骤四、设置相关数据的差值阈值以及综合差值阈值,计算预测值与实际值的差值,通过差值阈值判断进行异常故障报警;选取区域q,基于区域q历史的电压、电流与温度数据,以历史每次异常故障状态发生时间点为时间节点,计算该时间节点前后v时间段内电压、电流、温度的平均值,记分别为时间节点后v时间段内电压、电流、温度的平均值,分别为时间节点后v时间段内电压、电流、温度的平均值,对应的电压、电流、温度差值为δa,δb,δc,根据该方法收集m次异常故障状态下的电压、电流、温度差值,得到异常故障状态的电压、电流、温度差值区间如下:

    27、

    28、每个差值区间包含m个数值,对每个差值区间进行分析计算,选取各区间节点值,并设置该节点值为对应区间的阈值,根据真实差值在差值区间所占的概率选取各区间节点值,若在某区间内存在差值f,且该区间所包含的m个数值中有超过80%的差值个数大于等于f,称f为该区间节点值。电压、电流、温度差值区间对应的节点值分别为fa、fb与fc。

    29、通过预测模型得到v时间段预测值,计算预测前v时间段内电压、电流、温度的真实平均值,与v时间段内电压、电流、温度的预测平均值,分别得到电压、电流、温度的预测差值为当大于等于fa时,判断电压值异常,发出电压报警信息,当大于等于fb时,判断电流值异常,发出电流报警信息,当δ~c大于等于fc时,判断温度值异常,发出温度报警信息,由该区域的异常故障报警装置执行相应报警命令。

    30、设置综合报警值w,具体计算公式如下所示:

    31、

    32、综合异常故障状态的电压、电流、温度差值区间中小于各节点值部分,设置综合报警阈值w,当综合报警值w大于等于w时判断异常,发送异常信息,由该区域的常故障报警装置执行相应报警命令。

    33、一种储能电站异常故障报警装置包括以下内容:

    34、启动开关,用于启动和关闭异常故障报警装置;

    35、电压指示灯,用于判断异常故障报警装置安装区域电压是否正常,启动异常故障报警装置,电压正常状态下,电压指示灯亮,异常故障报警装置接收到电压报警信息时,电压指示灯闪烁;

    36、电流指示灯,用于判断异常故障报警装置安装区域电流是否正常,启动异常故障报警装置,电流正常状态下,电压指示灯亮,异常故障报警装置接收到电流报警信息时,电流指示灯闪烁;

    37、温度指示灯,用于判断异常故障报警装置安装区域温度是否正常,启动异常故障报警装置,温度正常状态下,温度指示灯亮,异常故障报警装置接收到温度报警信息时,温度指示灯闪烁;

    38、异常指示灯,用于判断异常故障报警装置安装区域是否接收到异常信息,启动异常故障报警装置,正常状态下,异常指示灯不亮,异常故障报警装置接收到异常报警信息时,异常指示灯亮;

    39、电压指示表,用于监测正常状态下异常故障报警装置安装区域的实时电压,接收到报警信息时,电压指示表不工作;

    40、电流指示表,用于监测正常状态下异常故障报警装置安装区域的实时电流,接收到报警信息时,电流指示表不工作;

    41、温度指示表,用于监测正常状态下异常故障报警装置安装区域的实时温度,接收到报警信息时,温度指示表不工作;

    42、运行指示灯,用于判断异常故障报警装置处于运行状态还是关闭状态,启动异常故障报警装置时,运行指示灯亮,关闭异常故障报警装置时,运行指示灯灭。

    43、综上所述,由于采用了上述技术方案,本发明的有益效果是:

    44、1、本发明通过区域划分使得故障报警更加及时和准确,可以迅速缩小故障排查范围,提高故障定位的准确性,在储能电站中,多个区域可能同时运行,通过区域划分,可以实现故障的并行处理,即不同区域的故障可以同时进行维修,从而提升整体故障处理效率;

    45、2、本发明通过数据分析得到异常故障状态的差值区间,通过预测模型根据实时数据的实际值得到预测值,计算预测值与实际值的差值是否属于异常故障状态的差值区间,可以实现对储能电站运行状态的实时监测和故障预警,当系统检测到异常预测数据时,可以立即触发故障报警,通知相关人员进行处理,为后续的故障处理工作提供了充足的时间;

    46、3、本发明采用极端随机森林算法分别构建每一种数据类型的预测模型,采用相关系数,用来评价电压、电流、温度与储能电站异常故障之间的相关性,从而获得更稳定、更准确的预测结果,大大提高了算法模型的检测效果,进而可以提前预判储能电站故障征兆,降低故障率和运维成本,保护生命财产安全。


    技术特征:

    1.一种储能电站异常故障报警方法,其特征在于,包括:

    2.根据权利要求1所述的一种储能电站异常故障报警方法,其特征在于,

    3.根据权利要求1所述的一种储能电站异常故障报警方法,其特征在于,

    4.根据权利要求3所述的一种储能电站异常故障报警方法,其特征在于,

    5.根据权利要求1所述的一种储能电站异常故障报警方法,其特征在于,

    6.根据权利要求1所述的一种储能电站异常故障报警方法,其特征在于,

    7.一种储能电站异常故障报警装置,应用于权利要求1-6任一项所述的一种储能电站异常故障报警方法,其特征在于,包括:


    技术总结
    本发明公开了一种储能电站异常故障报警装置及其报警方法,属于异常故障检测技术领域,该方法包括:步骤一、通过相关数据收集模块,收集并处理储能电站的关键部位的相关数据;步骤二、通过区域划分模块划分储能电站区域,将经过处理的数据分类并标记区域来源,通过远程传输至数据处理云端;步骤三、在数据处理云端基于机器学习建立预测模型,设置相关系数,通过相关系数提高模型准确性;步骤四、设置相关数据的差值阈值,并根据相关数据的权重大小设置综合阈值,计算预测值与实际值的差值,通过差值阈值比较判断进行异常故障报警,通过阈值判断进行异常故障报警;本方案能够有效甄别储能电站的异常故障类型,方便管理人员及时的做出处理。

    技术研发人员:周洪益,唐华,宋钰,程士东,朱俊铭
    受保护的技术使用者:国网江苏省电力有限公司盐城供电分公司
    技术研发日:
    技术公布日:2024/11/26
    转载请注明原文地址:https://tc.8miu.com/read-29822.html

    最新回复(0)