本技术方案专注于储能设备健康状态管理,特别提出了一种依托车联网的储能设备健康评估方法和系统。该方法涵盖:步骤S1,收集多个储能设备的实时运行数据,包括单个电池的充放电状态;步骤S2,利用数据分析技术对收集的数据进行处理,以识别储能设备的健康状况;步骤S3,根据分析结果,对储能设备进行健康评估,并提出相应的维护建议。
背景技术
近年来,人工智能技术迅猛发展,基于数据驱动的储能健康状态评估方法得到推进。通过收集大量的储能运行数据,主要是充放电过程的电流、电压、温度等数据,经过数据处理和特征提取,利用机器学习和深度学习模型来评估储能设备性能。
但是储能运行数据都是基于完全的充放电过程,通过观察充放电过程中的数据变化,提取其中与储能健康有明显关系的特征量,并且特征量的提取因人而异,特征量的选择对模型准确性有很大的影响。过多的特征可能容易引发过拟合问题。而过少的特征则可能无法充分描述数据的特性,导致模型性能受限。
在车网互动模式下,储能设备的运行是基于当前场站的实时运行情况,由能量调控模块结合峰谷利用、光伏平抑、应急供电、充电负荷等参数进行的协同运行控制,在车网互动模式下储能设备的充放电数据具有随机和不完全的问题,可能会遗漏关键的运行信息,影响储能设备健康评估的准确性,降低了车网互动的可靠性。
实现思路