-
公开(公告)号：CN117849645A
公开(公告)日：2024-04-09
申请号：CN202410037154.1
申请日：2024-01-10
申请人： 特变电工新疆新能源股份有限公司 , 特变电工西安电气科技有限公司
IPC分类号： G01R31/392 , G01R31/367
摘要： 本发明提供一种电池寿命的预测方法及装置，涉及电池技术领域。所述方法包括：收集电池的测试与运行数据，以构建电池寿命数据库；从电池寿命数据库中提取不同工况对应的特征数据，以形成训练集和测试集；利用机器学习算法基于训练集和测试集产生预测模型；利用结合知识蒸馏避免灾难性遗忘学习LWF算法对预测模型进行优化，得到目标预测模型用于预测电池寿命。以至少解决相关技术中存在的电池寿命的预测结果不准确的问题。
-
公开(公告)号：CN117766893A
公开(公告)日：2024-03-26
申请号：CN202311821954.4
申请日：2023-12-26
申请人： 特变电工新疆新能源股份有限公司 , 特变电工西安电气科技有限公司
摘要： 本发明公开了一种储能电池包热失控检测装置，包括盖板、冲击传感器和控制器，待测的储能电池包的电池模组的表面上设有防爆阀，用于在热失控状态下卸压，所述盖板安装于储能电池包电池模组上，其一侧表面朝向电池模组中安装有防爆阀的表面，另一侧表面安装有冲击传感器，所述冲击传感器电连接控制器，用于在感测到盖板表面受到冲击时发送冲击信号至控制器，所述控制器用于根据接收的冲击信号执行热失控报警。本发明的储能电池包热失控检测装置布局合理，检测结果准确可靠，有效避免误判漏判，及时警示热失控情况。本发明还提供一种储能电池包热失控检测方法以及一种储能电池包。
-
公开(公告)号：CN117371833A
公开(公告)日：2024-01-09
申请号：CN202311181998.5
申请日：2023-09-13
申请人： 特变电工西安电气科技有限公司 , 特变电工新疆新能源股份有限公司
IPC分类号： G06Q10/0639 , G06Q50/04
摘要： 本发明提供一种储能电池综合性能的评价方法及装置，涉及电池技术领域。所述方法包括：获取储能电池至少N级的性能指标，分别为一级性能指标至N级性能指标，N为大于2的正整数；根据测试标准和重要程度确定各级性能指标的权重系数，其中，任一性能指标对应的下一级所有性能指标的权重系数之和为1；根据性能指标的实际测试结果和测试标准，给最末级的各性能指标评分，得到最末级的各性能指标的评分结果；根据最末级的各性能指标的评分结果逐级向上计算出一级性能指标所构成的综合性能评分结果。以至少解决相关技术中存在的无法全面有效评价电池的综合性能的问题。
-
公开(公告)号：CN117054892A
公开(公告)日：2023-11-14
申请号：CN202311309810.0
申请日：2023-10-11
申请人： 特变电工西安电气科技有限公司 , 特变电工新疆新能源股份有限公司
IPC分类号： G01R31/367 , G01R31/392 , G01R31/396 , G06F30/27 , G06N3/0442 , G06N3/096
摘要： 本发明提供一种储能电站电池健康状态SOH的评估方法、评估装置及管理方法，涉及电池技术领域。所述方法包括：基于神经网络构建SOH评估模型；获取源域数据，并将源域数据训练SOH评估模型，得到源域模型；获取预设数量的目标域数据，并将预设数量的目标域数据重训练源域模型，得到SOH评估的迁移学习模型；基于SOH评估的迁移学习模型评估储能电站目标电池的健康状态。以至少解决相关技术中存在的由于无法获取全面的电池组运行数据训练评估模型，且评估对象由电池单体改变至电池组时数据分布有区别，使得SOH评估准确性低、评估模型失效的问题。
-
公开(公告)号：CN118630386A
公开(公告)日：2024-09-10
申请号：CN202410802836.7
申请日：2024-06-17
申请人： 特变电工新疆新能源股份有限公司 , 特变电工西安电气科技有限公司
IPC分类号： H01M10/635 , H01M10/613 , H01M10/615 , H01M10/6568 , H01M10/48
摘要： 本发明公开了一种热管理控制方法、装置及储能动力电池系统。方法包括如下步骤：步骤S1：获取环境温度值；步骤S2：根据所述环境温度值，确定储能动力电池系统的热管理控制模式；步骤S3：向水机TMS发送与所述热管理控制模式对应的控制参数，以使水机TMS根据所述控制参数进行工作；步骤S4：检测BMS系统是否工作正常：若BMS系统工作正常，重复步骤S1至S4，直至BMS系统工作异常或低压下电，从而完成储能动力电池系统的热管理控制。该方法能够根据环境温度值选择不同的热管理控制模式，从而降低储能动力电池系统的能耗，以提高储能动力电池系统的可靠性和稳定性。
-
公开(公告)号：CN118136980A
公开(公告)日：2024-06-04
申请号：CN202410055341.2
申请日：2024-01-12
申请人： 特变电工新疆新能源股份有限公司 , 特变电工西安电气科技有限公司
IPC分类号： H01M10/42 , A62C3/16 , H01M10/48 , H01M50/569
摘要： 本发明公开了一种安全防控方法及装置，该方法应用于储能装置，储能装置包括至少一个电池包，该方法包括获取第一监测单元采集的各电池包的电气参数；获取第二监测单元采集的各电池包的环境参数；根据各电池包的电气参数，确定各电池包的电气风险等级；根据各电池包的环境参数，确定各电池包的环境风险等级；执行与电气风险等级对应的防控措施，以及执行与环境风险等级对应的防控措施。进一步地，还提供相应的安全防控装置。使用该方法，可以分别通过储能装置的电池包的电气参数和环境参数两种参数，确定电池包的风险等级，能够准确监测储能装置的安全状态，及时采取防控措施。由此可以降低储能装置的风险，提高储能装置的安全性。
-
公开(公告)号：CN116359772A
公开(公告)日：2023-06-30
申请号：CN202211713003.0
申请日：2022-12-29
申请人： 特变电工西安电气科技有限公司 , 特变电工新疆新能源股份有限公司
IPC分类号： G01R31/392 , G01R31/388 , G01R31/389
摘要： 本发明公开了一种利用储能变流器检测电池健康状况的方法和系统。该方法包括步骤：获取运行电池阻抗及运行电池SOC值；将运行电池阻抗及运行电池SOC值存储在储能变流器的存储单元中，所述存储单元具有掉电存储功能；从存储单元中调取运行电池阻抗及运行电池SOC值；基于运行电池SOC值，将运行电池阻抗与初始电池阻抗基准值比较，得到电池健康状况。本发明通过利用储能变流器检测电池健康状况，简单易行、成本低廉地实时准确地掌握电池健康状态，以实现对电池地保护性充放电，确保电池运行安全可靠。
-
公开(公告)号：CN114156870A
公开(公告)日：2022-03-08
申请号：CN202111396061.0
申请日：2021-11-23
申请人： 特变电工西安电气科技有限公司 , 特变电工新疆新能源股份有限公司
摘要： 本发明涉及一种储能系统参与多应用领域优化调度方法，首先，用户自定义要考虑的经济技术指标以及各指标间的相对重要程度，建立AHP综合评价指标，其次，建立以经济效益最优为决策目标的日前优化模型和以风电出力误差最小决策为目标的日内优化模型，再建立以AHP综合评价指标最优为决策目标的上层优化模型；根据历史数据模拟运行确定储能在不同应用领域的出力分配，最大限度避免了储能设备使用率不足的问题、有效利用了各应用之间的协同作用；采用层次分析法进行综合效益评价，根据所在电网的实际情况和用户的主观需求选取指标并设定其重要程度，使得本发明具有广泛适用性；本发明对于制定储能系统运行方案、保障储能投资厂商的合理效益、提升电网对新能源的消纳能力和安全稳定运行具有重要的参考价值，是很有前景的一种储能系统优化调度方法。
-
公开(公告)号：CN117872172A
公开(公告)日：2024-04-12
申请号：CN202410055305.6
申请日：2024-01-12
申请人： 特变电工新疆新能源股份有限公司 , 特变电工西安电气科技有限公司
IPC分类号： G01R31/382 , H02J7/00 , A62C3/16 , G08B17/10 , G08B7/06 , G01D21/02 , B60R16/033 , B60Q9/00
摘要： 本发明公开了一种储能系统运输安全监测方法，采用监测系统，所述监测系统与待运输的储能系统一同设置在运输载具上，所述方法具体包括：启动运输载具，为载具电源充电；在运输过程中，开启所述监测系统，监测系统对运输载具搭载的储能系统的运输安全进行监控，期间载具电源为监测系统供电。本发明的储能系统运输安全监测方法能够在运输过程中全程监测储能系统，及时反馈运行情况，有效提高运输安全性，本发明还提供一种储能系统运输安全监测系统。
-
公开(公告)号：CN117054892B
公开(公告)日：2024-02-27
申请号：CN202311309810.0
申请日：2023-10-11
申请人： 特变电工西安电气科技有限公司 , 特变电工新疆新能源股份有限公司
IPC分类号： G01R31/367 , G01R31/392 , G01R31/396 , G06F30/27 , G06N3/0442 , G06N3/096
摘要： 本发明提供一种储能电站电池健康状态SOH的评估方法、评估装置及管理方法，涉及电池技术领域。所述方法包括：基于神经网络构建SOH评估模型；获取源域数据，并将源域数据训练SOH评估模型，得到源域模型；获取预设数量的目标域数据，并将预设数量的目标域数据重训练源域模型，得到SOH评估的迁移学习模型；基于SOH评估的迁移学习模型评估储能电站目标电池的健康状态。以至少解决相关技术中存在的由于无法获取全面的电池组运行数据训练评估模型，且评估(56)对比文件WO 2021208309 A1,2021.10.21WO 2023027048 A1,2023.03.02WO 2023130776 A1,2023.07.13郑文斌等.基于迁移学习的锂电池SOH估算实验设计《.实验技术与管理》.2022,第39卷(第8期),文第57-58页以及图3.Lei Cai等.Multiobjective Optimizationof Data-Driven Model for Lithium-IonBattery SOH Estimation With Short-TermFeature《.IEEE TRANSAC TIONS ON POWERELECTRONICS》.2020,第35卷(第11期),全文.
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.051 秒)