一种双防储能柜温度控制方法及系统与流程

本发明属于储能柜，具体的说是一种双防储能柜温度控制方法及系统。

背景技术：

1、近年来，随着可再生能源如风电、太阳能的快速发展，储能技术在新能源领域得到了大力推动，储能柜作为储能系统的基础单元，其安全性、稳定性和效率对于整个储能系统的运行至关重要。传统的储能柜温度控制方法通常采用风冷或液冷方式，但这些方法在精准度、科学性和安全性方面存在一定的局限性，特别是在高温环境下，如何有效降低储能柜内部温度，防止电池过热引发的安全事故，成为了急需解决的技术难题。

2、如公开号为cn117317858a的专利申请公开了储能系统的控制柜、温度控制方法和储能系统，所述储能系统的控制柜包括：柜体，所述柜体具有隔离开的第一仓和第二仓；风门，所述风门安装于所述第一仓和所述第二仓之间，用于选择性地连通所述第一仓和所述第二仓；不间断电源，所述不间断电源安装于所述第一仓；变压器，所述变压器安装于所述第二仓。通过上述风门的设置，实现了不间断电源以及变压器的分仓设计以及第一仓和第二仓之间可选择性地连通，合理利用变压器工作产生的热量为不间断电源加热，保持不间断电源存储和工作在适宜温度区间内，降低了储能系统的损耗，提高了储能系统的综合效率，同时延长了不间断电源的使用寿命。

3、以上现有技术存在以下问题：1）主要依赖于变压器工作产生的热量为不间断电源加热，这种方式较为被动，且受限于变压器的工作状态；2）不能根据储能柜内部及电池模组的实时温度数据动态调整温度控制策略；3）异常处理能力有限，不能及时应对温度异常带来的潜在风险。

技术实现思路

1、针对现有技术的不足，本发明提出了一种双防储能柜温度控制方法及系统，通过多点温度传感器和无线传感器网络实时监测储能柜内部及电池模组的温度，并利用数据融合算法对温度数据进行处理，系统结合改进的模糊控制算法和神经网络预测方法，预测温度并判断是否达到预设阈值，进而生成控制决策驱动温度调节设备工作，在调节过程中，系统实时监测温度变化并动态调整控制策略，若检测到异常情况，系统将启动预警和紧急降温措施，本发明提高了储能柜温度监测的准确性和控制效率，提高了储能系统的安全性、稳定性。

2、为实现上述目的，本发明提供如下技术方案：

3、一种双防储能柜温度控制方法，包括：

4、步骤s1：使用多点温度传感器和无线传感器网络对储能柜内部及电池模组的温度进行实时监测和加密传输，通过数据融合算法对来自不同传感器的温度数据和温度梯度数据进行融合处理，得到融合温度数据，对融合温度数据进行预处理并实时反馈给控制模块；

5、步骤s2：控制模块使用改进的模糊控制算法结合神经网络预测方法对接收的融合温度数据进行温度预测，以获得用于表征储能柜内部温度和电池模组温度的预测结果，并根据预测结果，结合温度梯度的变化趋势，判断储能柜内部温度是否达到预设的高温阈值，或者电池模组温度是否达到防火防爆温度阈值，若达到预设的高温阈值或防火防爆温度阈值时，则通过引入自适应模糊规则调整机制生成控制决策；

6、步骤s3：在温度调节设备中引入智能控制策略，根据控制决策，控制模块驱动温度调节设备进行工作，在温度调节过程中，实时监测储能柜内部及电池模组的温度变化和温度梯度变化，动态调整温度预测和控制策略，并将实时数据反馈给控制模块；

7、步骤s4：在温度监测和控制过程中，若检测到异常数据或异常情况，立即启动异常处理机制，触发预警系统，采取紧急降温措施，同时，控制模块持续监测储能柜内部及电池模组的温度，若储能柜内部温度降低到高温阈值和电池模组的温度降低到防火防爆温度阈值，控制模块恢复正常工作状态，并恢复储能柜的正常运行。

8、具体地，所述步骤s2的具体步骤包括：

9、s2.1：接收预处理后的融合温度数据，使用预先训练好的神经网络模型对预处理后的融合温度数据进行预测，获得预测的温度值及温度梯度变化趋势；

10、s2.2：设置高温阈值为，防火防爆温度阈值为，获得预测的储能柜内部温度、电池模组温度；

11、若，且，则返回步骤s2.1进行温度值及温度梯度变化趋势预测。

12、具体地，所述步骤s2的具体步骤还包括，若，或，则执行以下步骤：

13、s2.3：所述自适应模糊规则调整机制步骤为：

14、将神经网络预测的温度值及温度梯度信息作为模糊控制算法的输入，并将温度输入按照温度等级转换为模糊集合，计算温度值和温度梯度信息在每个模糊集合中的隶属度；

15、s2.4：建立模糊规则，使用模糊推理机制，根据输入的隶属度和建立的模糊规则进行模糊推理，得到初步的模糊控制输出；

16、s2.5：根据自适应模糊规则调整机制的输出结果，按照实际温度与预测温度的误差，以及温度梯度的变化趋势，对模糊规则进行调整，并将模糊推理的结果进行去模糊化处理，使其转换为控制动作，生成控制决策；

17、s2.6：控制模块根据生成的控制决策执行控制动作，在控制动作执行后，再次接收新的融合温度数据，并重复s2.1-s2.6的步骤。

18、具体地，所述s2.3的具体步骤包括：

19、s2.31：获取神经网络预测的温度值和温度梯度信息，并定义温度等级和对应的模糊集合，其中，t表示当前时刻；

20、s2.32：对于每个温度等级，定义一个三角形模糊集合，并为其指定一个三角形隶属度函数，并使用定义的三角形隶属度函数，计算和在每个模糊集合中的隶属度；

21、s2.33：根据和的隶属度，计算控制输出的综合模糊集合隶属度，公式为：

22、

23、其中，表示的三角形隶属度函数，表示的三角形隶属度函数，表示最小值函数。

24、具体地，所述s2.32中在每个模糊集合中的隶属度计算公式为：

25、

26、其中，表示温度偏移量，k表示非线性因子，s表示缩放因子，表示中间温度值，表示温度范围的下限，表示温度范围的上限。

27、具体地，所述s2.32中在每个模糊集合中的隶属度计算公式为：

28、

29、其中，、、表示温度梯度信息的三角形隶属度函数的原始边界，表示温度梯度信息三角形隶属度函数的左边界偏移量，表示温度梯度信息三角形隶属度函数的左边界缩放因子，表示温度梯度信息三角形隶属度函数的左边界到顶点部分的非线性因子，表示温度梯度信息三角形隶属度函数的右边界的偏移量。

30、具体地，所述s2.5中去模糊化生成控制决策的具体公式为：

31、

32、其中，表示时间步长的控制输出的精确值，表示控制输出模糊集合中的第i个元素，表示与时间相关的权重因子，表示元素在时间步长的隶属度，n表示控制输出模糊集合中元素的数量。

33、一种双防储能柜温度控制系统，包括：传感器模块、数据处理模块、控制模块、异常处理模块；

34、所述传感器模块，用于使用传感器对储能柜内部及电池模组的温度进行实时监测，并根据控制决策动态调整温度预测和控制策略；

35、所述数据处理模块，用于使用数据融合算法对来自不同传感器的温度数据和温度梯度数据进行融合处理和预处理；

36、所述控制模块，用于对接收的传感器信号进行计算分析，根据预设的温度阈值，发出控制指令，并根据控制指令，对储能柜内的温度及电池模组的温度进行调节；

37、所述异常处理模块，用于显示当前储能柜及电池模组的温度数值，并在温度超过或低于预设的安全范围时，发出声光报警。

38、具体地，所述控制模块包括：数据处理单元、模糊控制单元、控制策略单元、自适应规则调整单元、指令输出单元；

39、所述数据处理单元，用于接收并处理传感器发送的信号，计算温度差异和变化趋势；

40、所述模糊控制单元，用于使用改进的模糊控制算法对温度数据进行处理，并生成控制决策；

41、所述控制策略单元，用于根据控制策略，制定需要采取的控制措施；

42、所述自适应规则调整单元，用于根据实时温度数据和温度梯度的变化，动态调整模糊控制规则；

43、所述指令输出单元，用于将控制指令发送给执行机构进行温度调节。

44、具体地，一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现一种双防储能柜温度控制方法的步骤。

45、与现有技术相比，本发明的有益效果是：

46、1.本发明提出一种双防储能柜温度控制系统，并进行了架构、运行步骤和流程上的优化改进，系统具备流程简单，投资运行费用低廉，生产工作成本低的优点。

47、2.本发明提出一种双防储能柜温度控制方法，通过多点温度传感器和无线传感器网络，系统能够实时获取储能柜内部及电池模组的温度数据，确保对温度变化的快速响应；数据融合算法将来自不同传感器的温度数据和温度梯度数据进行融合处理，提高了数据的准确性和可靠性；改进的模糊控制算法结合神经网络预测方法，能够准确预测温度变化趋势，并通过自适应模糊规则调整机制，根据预测结果动态调整控制策略，设置高温与防火防爆预警，能够实时判断储能柜内部及电池模组温度是否达到预设的高温阈值或防火防爆温度阈值，及时采取控制措施，避免潜在的安全风险。

48、3.本发明提出一种双防储能柜温度控制方法，在温度调节过程中，系统根据实时数据和预测结果，动态调整温度预测和控制策略，确保温度调节的准确性和效率；一旦检测到异常数据或异常情况，系统立即启动异常处理机制，采取紧急降温措施，减少潜在损失；而且，当储能柜内部温度降低到安全范围后，系统能够自动恢复正常工作状态，恢复储能柜的正常运行。