一种动态可重构电池网络中电池模组充放电管理方法及系统

    公开(公告)号:CN119362643A

    公开(公告)日:2025-01-24

    申请号:CN202411463574.2

    申请日:2024-10-18

    Abstract: 本发明公开一种动态可重构电池网络中电池模组充放电管理方法及系统,涉及储能电池技术领域,该方法包括:实时采集动态可重构电池网络在充放电过程中各并联的电池模组的运行数据;根据各电池模组的运行数据和所述动态可重构电池网络的功率因子确定所述动态可重构电池网络的充放电控制模式;所述充放电控制模式包括全选模式和非全选模式,所述全选模式为所述动态可重构电池网络中所有电池模组均参与充放电,所述非全选模式为选择所述动态可重构电池网络中部分电池模组参与充放电;所述功率因子为所述动态可重构电池网络的实际运行功率与额定功率的比值。本发明提高了充放电的安全性。

    锂离子电池健康状态预测方法、系统、设备及存储介质

    公开(公告)号:CN118837755A

    公开(公告)日:2024-10-25

    申请号:CN202411321451.5

    申请日:2024-09-23

    Abstract: 本发明公开了一种锂离子电池健康状态预测方法、系统、设备及存储介质。现有的多种电池健康状态预测方法有着各自的缺陷。本发明采用的方法,包括:获取锂离子电池充放电循环过程中平均电压、平均电流、平均温度、采集时间以及电池健康状态的时序数据,并按照电池健康状态作为目标值和其余数据作为属性值的标准进行分类;建立LSTM模型,设定LSTM模型的超参数;采用基于Choquet积分的数据集维度调整法对训练数据集进行非加性维度调整;用所述调整后的训练数据集进行LSTM模型的预训练和再训练,得到再训练LSTM模型;用再训练LSTM模型对下一时刻电池健康状态数据进行预测。本发明在尽可能保证模型预测精度的前提下降低数据集的维度,大幅降低了计算的复杂度。

    一种基于机器学习算法的避雷器早期受潮预警方法

    公开(公告)号:CN117390382A

    公开(公告)日:2024-01-12

    申请号:CN202311220463.4

    申请日:2023-09-20

    Abstract: 本发明属于避雷器监测技术领域,具体涉及一种基于机器学习算法的避雷器早期受潮预警方法。针对现有避雷器监测方法难以识别避雷器早期受潮的不足,本发明采用如下技术方案:一种基于机器学习算法的避雷器早期受潮预警方法,包括:获取已正常运行一段时间的避雷器的数据作为样本集数据;对样本集数据进行训练和测试;得到正常运行的避雷器的受潮相关特征量的预测数据,得到拟合偏差平均值;参考拟合偏差平均值提取波动较大的数据点,计算得到波动较大的数据点对应的偏差均值,将该偏差均值作为预警阈值的参考值;当实测数据与预测数据的偏差达到预警阈值时,发出早期受潮预警。本发明的有益效果是:实现避雷器早期受潮预警。

    一种直流避雷器氧化锌电阻片老化试验方法

    公开(公告)号:CN117250425A

    公开(公告)日:2023-12-19

    申请号:CN202311220039.X

    申请日:2023-09-20

    Abstract: 本发明属于避雷器老化试验技术领域,具体涉及一种直流避雷器氧化锌电阻片老化试验方法。针对现有避雷器氧化锌电阻片的老化试验方法老化试验条件基本固定,老化试验后,一些氧化锌电阻片可能仍未完成老化试验的不足,本发明采用如下技术方案:一种直流避雷器氧化锌电阻片老化试验方法,所述直流避雷器氧化锌电阻片老化试验方法包括:构建老化时间预测模型,老化时间预测模型的输入为氧化锌电阻片的相关特征值,输出为预测老化时间;获取需要预测的氧化锌电阻片的相关特征值,输入老化时间预测模型;根据老化时间预测模型得到的预测老化时间,调整试验条件。本发明的有益效果是:及时调整试验条件,调整老化加速率,从而提高效率、节约成本。

    锂离子电池健康状态预测方法、系统、设备及存储介质

    公开(公告)号:CN118837755B

    公开(公告)日:2025-02-14

    申请号:CN202411321451.5

    申请日:2024-09-23

    Abstract: 本发明公开了一种锂离子电池健康状态预测方法、系统、设备及存储介质。现有的多种电池健康状态预测方法有着各自的缺陷。本发明采用的方法,包括:获取锂离子电池充放电循环过程中平均电压、平均电流、平均温度、采集时间以及电池健康状态的时序数据,并按照电池健康状态作为目标值和其余数据作为属性值的标准进行分类;建立LSTM模型,设定LSTM模型的超参数;采用基于Choquet积分的数据集维度调整法对训练数据集进行非加性维度调整;用所述调整后的训练数据集进行LSTM模型的预训练和再训练,得到再训练LSTM模型;用再训练LSTM模型对下一时刻电池健康状态数据进行预测。本发明在尽可能保证模型预测精度的前提下降低数据集的维度,大幅降低了计算的复杂度。

Patent Agency Ranking