一种基于数据库的储能设备标准检测算例综合管控方法与流程

本发明涉及一种基于数据库的储能设备标准检测算例综合管控方法，设计能源管理。

背景技术：

1、在全面推动实施双碳目标的大背景下，我国正积极推进新能源在电力系统中的比重提升。面对光伏、风电等新能源发电的不稳定性，储能技术愈发凸显其在调峰平谷、保障电网运行稳定性方面的关键作用。这一趋势表明，储能技术的广泛应用不仅有助于弥补新能源波动性的缺陷，还为电力系统提供了灵活性和可靠性的关键支持。在电力体系的升级和转型过程中，储能技术正逐步成为促使清洁能源实现高比例渗透的重要推动力。

2、在这一发展趋势的基础上，储能设备检测的重要性更加凸显。首先，储能设备检测是确保设备性能和安全性的基础。对于储能电池、电池管理系统、储能变流器、协调控制器、储能能量管理系统等储能关键设备，其性能直接关系到电能的存储效率和释放效能。通过全面而精准的检测，可以及时发现设备的潜在问题，保障设备在运行中的高效、稳定工作。其次，储能设备检测是推动技术创新和发展的推手。通过对储能设备进行系统、全面的检测，可以深入了解设备的工作机理、响应特性等关键参数。这些数据和信息为工程师们提供了宝贵的研究材料，有助于不断改进和创新储能技术，推动整个领域的不断发展。此外，储能设备检测对于制定标准和规范也具有积极作用。通过对各类储能设备的检测，可以积累大量的实验数据和性能指标，为制定国家标准、行业标准提供科学依据。标准的建立有助于推动整个储能产业的健康有序发展，提高设备制造和使用的规范性。

3、北京大学分子工程苏南研究院建立了动力与储能电池检测平台，可以实现对于储能电池包括电芯、模组、电池包的测试。中国电力科学研究院的夏烈等人提供了一种用于大型储能变流器的测试平台，能够实现储能变流器的试验检测。刘建等人提出了一种电池管理系统检测平台，可以用于对复杂工况下电池管理系统的功能检测。长园深瑞继保自动化有限公司的谢镜池，陈嘉成研发了储能协调控制器的检测平台，能够实现对储能协调控制器进行标准化检测。

4、尽管当前已经存在多种关键储能设备的检测平台，这些平台在设备检测方面的设计和研发取得了显著进展。然而，相较于储能设备标准化检测流程的综合管控和检测流程的不断更新和拓展，研究和关注仍显不足。

5、对比文件为公开号：cn117706400a的《一种基于无监督域自适应的多工况储能电池健康评估系统》，提到了利用无监督域自适应对储能电池健康进行评估的情况，但该方案只能对储能电池进行健康评估，和本专利相比，本专利的优点：通过数据库管理检测流程、检测标准和检测数据，实现了检测流程的自动化。与对比文件相比，本发明的自动化流程不仅减少了人为干预，而且通过数据库的实时更新和管理，提高了检测效率和准确性；通过分析和整合国家标准和行业标准，创建了检测框架，并将这些信息存储在数据库中。这种标准化方法确保了检测流程的一致性和可重复性，与对比文件中描述的多工况储能电池健康评估系统相比，本发明提供了一种更为系统化和标准化的解决方案；建立了标准化检测流程与储能设备检测平台之间的动作指令匹配关系，这一匹配关系是实现检测流程自动化的关键。与对比文件中侧重于电池健康状态评估的技术方案相比，本发明的这一技术特征提供了一种确保检测流程与检测平台无缝对接的有效手段；通过综合管控系统与检测平台之间的接口下发指令并收集存储检测数据，这一接口技术特征允许远程控制和数据实时收集，提高了检测的响应速度和数据处理的效率；使用人工智能模型对处理好的检测数据进行训练和评估，这一点与对比文件中的无监督域自适应技术有显著区别。本发明的人工智能模型能够自学习和适应新的数据，提高了储能设备健康状态评估的智能化水平。

技术实现思路

1、为了解决上述现有技术中存在的问题，本发明提出了一种基于数据库的储能设备标准检测算例综合管控方法。

2、本发明的技术方案如下：

3、一方面，本发明提供了一种基于数据库的储能设备标准检测算例综合管控方法，包括以下步骤：

4、根据储能设备的类型、参数和工况制定检测流程；对检测流程进行标准化处理，得到标准化检测流程；建立标准化检测流程与储能设备检测平台之间的动作指令匹配关系；通过综合管控系统与检测平台之间的接口，向检测平台下发指令并收集存储检测数据；建立数据库，通过数据库存储储能设备的检测标准、检测流程和检测数据；对检测数据进行数据处理，得到处理好的检测数据，建立人工智能模型，将处理好的检测数据训练人工智能模型，得到训练好的人工智能检测模型，使用训练好的人工智能检测模型评估储能设备的健康状况。

5、作为优选，所述标准化检测流程的具体步骤包括：分析和整合储能设备的国家标准和行业标准，创建检测框架，包括定义检测动作、变量参数和状态信息，并将这些信息存储在数据库；根据不同设备的检测需求制定对应的检测流程，将检测流程转化为标准化流程；建立标准化指令匹配表，将检测流程转换为检测平台可执行的指令，并通过用户界面集成管理工具，使用户访问、管理和更新流程。

6、作为优选，所述数据库进行库表化，具体步骤包括：

7、建立数据库，所述数据库包含设备表、检测平台表、标准检测流程表、标准化指令匹配表；

8、所述设备表用于记录所有储能设备的基本信息，包括设备类型、技术参数、制造商；

9、所述检测平台表用于记录所有检测平台的信息，包括平台类型、支持的设备类型、通信协议、检测项目；

10、所述标准检测流程表用于存储储能设备标准检测流程的详细信息，包括动作、变量参数、状态信息；

11、所述标准化指令匹配表用于记录每种储能检测设备在对应的检测平台上接受检测时的动作指令匹配关系；

12、将设备表与标准检测流程表进行关联，制定储能设备与之对应的试验检测流程；将检测平台表与标准检测流程表进行关联，查看每个检测平台进行检测算例的情况；将标准检测流程表与标准化指令匹配表进行关联，建立连接标准检测流程与各个储能设备检测平台的统一标准化算例动作指令。

13、作为优选，所述人工智能检测模型基于储存在数据的储能设备检测数据对对多工况储能电池健康程度进行评估；所述评估采用知识查询领域混合网络的结构框架；知识查询领域混合网络尺度感知知识查询编码器、双向交叉注意力领域混合器和回归头组成；所述尺度感知知识查询编码器将存储在数据库中的设备检测数据作为输入，包括储能电池电压、电流和容量；生成特定领域的健康状态相关嵌入特征；将不同储能电池时序数据的源域和目标域设置了私有的特征编码器，将源域和目标域对应的源数据和目标数据输入特征编码器，分别产生特定领域的特征；特定领域的特征被送入双向交叉注意力领域混合器，减小领域特征差距并提取领域不变的特征；领域不变特征通过回归头产生预测结果，对多工况储能电池健康程度进行评估；

14、所述回归头由一个2层全连接神经网络组成，结构框架的算法流程具体如下：

15、

16、其中，h(·)为双向交叉注意力域混合器算法操作；r(·)为回归头算法操作；gsrc为源域的私有特征编码器；gtgt为目标域的私有特征编码器；xs为源数据；xt为目标数据；为特定领域的特征；zss,zts,ztt,zst分别为不同的领域不变的特征；为领域不变特征zss、ztt通过回归头产生的预测结果；

17、利用组合特征(zss,zts)和(ztt,zst)减少不同领域特征空间的差异，采用了平均平方误差损失函数来最小化所有标注样本的回归误差挖掘每个领域的监督信息，具体公式如下：

18、

19、其中，e(·,·)为平均平方误差(mse)损失函数；lsup为回归误差。

20、另一方面，本发明还提供一种基于数据库的储能设备标准检测算例综合管控系统，包括：

21、标准化模块，根据储能设备的类型、参数和工况制定检测流程；对检测流程进行标准化处理，得到标准化检测流程；建立标准化检测流程与储能设备检测平台之间的动作指令匹配关系；通过综合管控系统与检测平台之间的接口，向检测平台下发指令并收集存储检测数据；对检测数据进行数据处理，得到处理好的检测数据；

22、数据库模块，建立数据库，通过数据库存储储能设备的检测标准、检测流程和检测数据；

23、评估储能设备健康状况模块，建立人工智能模型，将处理好的检测数据训练人工智能模型，得到训练好的人工智能检测模型，使用训练好的人工智能检测模型评估储能设备的健康状况。

24、作为优选，所述标准化检测流程的具体步骤包括：分析和整合储能设备的国家标准和行业标准，创建检测框架，包括定义检测动作、变量参数和状态信息，并将这些信息存储在数据库；根据不同设备的检测需求制定对应的检测流程，将检测流程转化为标准化流程；建立标准化指令匹配表，将检测流程转换为检测平台可执行的指令，并通过用户界面集成管理工具，使用户访问、管理和更新流程。

25、作为优选，所述数据库进行库表化，具体步骤包括：

26、建立数据库，所述数据库包含设备表、检测平台表、标准检测流程表、标准化指令匹配表；

27、所述设备表用于记录所有储能设备的基本信息，包括设备类型、技术参数、制造商；

28、所述检测平台表用于记录所有检测平台的信息，包括平台类型、支持的设备类型、通信协议、检测项目；

29、所述标准检测流程表用于存储储能设备标准检测流程的详细信息，包括动作、变量参数、状态信息；

30、所述标准化指令匹配表用于记录每种储能检测设备在对应的检测平台上接受检测时的动作指令匹配关系；

31、将设备表与标准检测流程表进行关联，制定储能设备与之对应的试验检测流程；将检测平台表与标准检测流程表进行关联，查看每个检测平台进行检测算例的情况；将标准检测流程表与标准化指令匹配表进行关联，建立连接标准检测流程与各个储能设备检测平台的统一标准化算例动作指令。

32、作为优选，所述人工智能检测模型基于储存在数据的储能设备检测数据对对多工况储能电池健康程度进行评估；所述评估采用知识查询领域混合网络的结构框架；知识查询领域混合网络尺度感知知识查询编码器、双向交叉注意力领域混合器和回归头组成；所述尺度感知知识查询编码器将存储在数据库中的设备检测数据作为输入，包括储能电池电压、电流和容量；生成特定领域的健康状态相关嵌入特征；将不同储能电池时序数据的源域和目标域设置了私有的特征编码器，将源域和目标域对应的源数据和目标数据输入特征编码器，分别产生特定领域的特征；特定领域的特征被送入双向交叉注意力领域混合器，减小领域特征差距并提取领域不变的特征；领域不变特征通过回归头产生预测结果，对多工况储能电池健康程度进行评估；

33、所述回归头由一个2层全连接神经网络组成，结构框架的算法流程具体如下：

34、

35、其中，h(·)为双向交叉注意力域混合器算法操作；r(·)为回归头算法操作；gsrc为源域的私有特征编码器；gtgt为目标域的私有特征编码器；xs为源数据；xt为目标数据；为特定领域的特征；zss,zts,ztt,zst分别为不同的领域不变的特征；为领域不变特征zss、ztt通过回归头产生的预测结果；

36、利用组合特征(zss,zts)和(ztt,zst)减少不同领域特征空间的差异，采用了平均平方误差损失函数来最小化所有标注样本的回归误差挖掘每个领域的监督信息，具体公式如下：

37、

38、其中，e(·,·)为平均平方误差(mse)损失函数；lsup为回归误差。

39、再一方面，本发明还提供一种电子设备，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明任一实施例所述的一种基于数据库的储能设备标准检测算例综合管控方法。

40、再一方面，本发明还提供一种计算机可读介质，用于存储一个或者多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如本发明任一实施例所述的一种基于数据库的储能设备标准检测算例综合管控方法。

41、本发明具有如下有益效果：

42、1、本发明通过数据库的运用和全自动化的检测流程，能够显著提高储能设备的检测效率；标准化和自动化的流程减少了人为操作的时间和错误，从而加快了整体检测速度并提高了准确性；

43、2、本发明有助于降低储能设备的检测成本；通过全面管理和高度定制化的检测方案，优化资源分配，减少不必要的资源浪费，提高资源利用率，实现成本效益；

44、3、本发明对储能设备检测标准和流程的全面管理，有助于推动储能设备行业的标准化发展；明确的标准和流程有助于提升产品质量，减少不合格产品，增强整个行业的标准化水平；

45、4、本发明能够随着储能行业的发展不断更新和扩展检测标准，它将推动储能设备行业的技术升级和创新。