[發明專利]液冷儲能系統以及狀態檢測方法、裝置

有效

• 申請號: 202211636215.3
• 申請日: 2022-12-20
• 公開（公告）號: CN115616423B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 孫大帥;王景龍
• 申請（專利權）人: 廣東采日能源科技有限公司
• 主分類號: G01R31/382
• 分類號: G01R31/382;G01R31/367;G06F18/241;G06N3/0499;G06N3/084;H01M10/613;H01M10/6567
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 周宇

1.一種液冷儲能系統的狀態檢測方法，其特征在于，所述方法包括：

獲取目標液冷儲能系統的系統參數，其中，所述系統參數包括換熱單元的參數和電池管理系統的參數，所述換熱單元為液冷儲能系統中配置的換熱單元；

基于所述系統參數判斷所述目標液冷儲能系統的運行狀態是否滿足預設閾值條件；

如果否，基于所述系統參數組裝特征輸入向量，基于所述特征輸入向量確定所述系統參數對應的故障類型，以對所述目標液冷儲能系統進行狀態檢測；

其中，基于所述系統參數判斷所述目標液冷儲能系統的運行狀態是否滿足預設閾值條件的步驟，包括：

確定所述目標液冷儲能系統當前所處的環境參數；其中，所述環境參數包括以下參數至少之一：天氣情況、地理位置、溫度、濕度、氣壓；

根據所述環境參數確定所述目標液冷儲能系統在當前環境參數下的預設閾值條件，其中，所述目標液冷儲能系統預先存儲有環境參數與預設閾值條件的對應關系，在確定出所述環境參數之后，基于所述對應關系確定當前環境參數下的預設閾值條件；

基于所述系統參數判斷所述目標液冷儲能系統的運行狀態是否滿足所述環境參數下的所述預設閾值條件。

2.根據權利要求1所述的方法，其特征在于，基于所述系統參數判斷所述目標液冷儲能系統的運行狀態是否滿足所述環境參數下的所述預設閾值條件的步驟，包括：

提取所述換熱單元的參數；其中，所述換熱單元的參數包括以下參數至少之一：環境溫度參數、換熱電機功率參數和液冷管流量參數；

判斷所述換熱單元的參數是否滿足對應參數的第一閾值條件；

如果有任意一個所述換熱單元的參數不滿足所述第一閾值條件，則確定所述目標液冷儲能系統的運行狀態不滿足預設閾值條件。

3.根據權利要求2所述的方法，其特征在于，基于所述系統參數判斷所述目標液冷儲能系統的運行狀態是否滿足所述環境參數下的所述預設閾值條件的步驟，還包括：

提取所述電池管理系統的參數；其中，所述電池管理系統的參數包括以下參數至少之一：單體電池溫度參數、電池組的充放電狀態參數；

判斷所述電池管理系統的參數是否滿足對應參數的第二閾值條件；

如果有任意一個所述電池管理系統的參數不滿足所述第二閾值條件，則確定目標液冷儲能系統的運行狀態不滿足預設閾值條件。

4.根據權利要求3所述的方法，其特征在于，基于所述系統參數組裝特征輸入向量的步驟，包括：

分別提取所述換熱單元的參數和所述電池管理系統的參數；

對所述換熱單元的參數和所述電池管理系統的參數進行組裝，以生成所述特征輸入向量。

5.根據權利要求1所述的方法，其特征在于，基于所述特征輸入向量確定所述系統參數對應的故障類型的步驟，包括：

將所述特征輸入向量輸入至預先建立的故障診斷模型；

通過所述故障診斷模型輸出所述系統參數對應的故障類型。

6.根據權利要求5所述的方法，其特征在于，所述故障診斷模型為根據預先構建好的訓練樣本集進行訓練得到的BP神經網絡模型；所述訓練樣本集包括多個樣本特征向量，所述樣本特征向量為包含系統參數樣本和故障類型的對應關系的樣本數據；

所述方法還包括：

獲取預先構建好的所述訓練樣本集；

將所述訓練樣本集輸入至BP神經網絡模型，對所述BP神經網絡模型進行訓練，得到所述故障診斷模型。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在預先存儲的故障處理表中查找所述故障類型對應的處理措施；

輸出所述處理措施，以對所述目標液冷儲能系統的故障類型進行處理。