近日,采日能源储能设备新一代热失控预测技术成功研发,可大幅度降低用户的用能风险,给用户带来更安全的保障,与采日能源边缘计算设备MOFS,共同交付于后续的储能项目中。
故障预测系统是采日的核心技术产品之一,通过实时监测和分析储能系统的数据,提前发现潜在的故障,提高储能设备的可靠性和安全性。此次热失控预测技术的进化,能更精确,更提前地发现电池或设备中存在的问题,并及时采取行动防止事故发生,从而进一步提高储能设备的安全性。同时,该技术还可以帮助我们进行节能优化,避免能源浪费,提高效率。
采日能源热失控技术建立实时、短期、长期的预警模型。采用迁移学习算法,充分利用多种电池类型、多工况下的案例数据,结果作为机器学习模型输入。该模型由域对抗网络和值对抗网络组成,从而训练出更具泛化能力的模型。为了解决不同工况下的温度偏移问题,通过智能算法,从SOC、SOH,不同类型的触发条件的维度模型训练,长期模拟运算,以及在设备上进行实际测试,其模拟和实测效果两方面验证理论逻辑,获得锂离子电池热失控风险量化结果。
与常规在云端部署的预测系统不同的是,采日能源故障预测系统可部署在采日能源边缘计算MOFS系统上,在本地进行数据采集、分析和决策,不必将数据传输到云端进行处理,进一步提高了预测的精确度和预测时间,又可降低了数据泄露和安全风险的可能性,真正达到实时预测系统,同时搭配可视化的数据分析工具,查看、分析不同组件之间信号流动、性能参数等,更好评估不同控制策略方案的效果。
与此同时,故障预测系统与采日能源的微网优化调度系统、虚拟电力厂(VPP)调度系统集成部署在MOFS系统平台上,可对区域级,不同类型的储能设备及其他设备系统进行故障预测和分析,成为储能设备及大系统的超级安全卫士!
相关文章