CN117832548A - 一种全钒液流电池低温保护方法及系统 - Google Patents
一种全钒液流电池低温保护方法及系统 Download PDFInfo
- Publication number
- CN117832548A CN117832548A CN202410031790.3A CN202410031790A CN117832548A CN 117832548 A CN117832548 A CN 117832548A CN 202410031790 A CN202410031790 A CN 202410031790A CN 117832548 A CN117832548 A CN 117832548A
- Authority
- CN
- China
- Prior art keywords
- flow battery
- temperature
- low
- redox flow
- vanadium redox
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/0432—Temperature; Ambient temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04007—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids related to heat exchange
- H01M8/04037—Electrical heating
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
- H01M8/04701—Temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/18—Regenerative fuel cells, e.g. redox flow batteries or secondary fuel cells
- H01M8/184—Regeneration by electrochemical means
- H01M8/188—Regeneration by electrochemical means by recharging of redox couples containing fluids; Redox flow type batteries
Landscapes
- Engineering & Computer Science (AREA)
- General Chemical & Material Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Fuel Cell (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
Abstract
本发明提供了一种全钒液流电池低温保护方法及系统,涉及电池技术领域,包括获取全钒液流电池的当前温度信息;判断当前温度信息是否超过温度阈值;当当前温度信息超过温度阈值时,将当前温度信息输入低温等级分类模型,得到当前温度信息的低温等级;当当前温度信息的低温等级为一级低温等级时,基于一级低温等级与液体管道阀门开度值的映射关系,确定液体管道阀门开度值;基于液体管道阀门开度值调整液体管道阀门的开度,全钒液流电池的电解液流速从而加速,实现全钒液流电池的低温保护。本发明中,具有自动化、实时性和有效性等有益效果,有助于延长电池的使用寿命、提高安全性,并确保在各种温度条件下的可靠运行。
Description
技术领域
本发明涉及电池技术领域,尤其涉及一种全钒液流电池低温保护方法及系统。
背景技术
全钒液流电池储能系统是一种氧化还原电池储能系统,其活性物质是循环流动的钒。在这种电池储能系统中,电能以化学能的方式存储在不同价态钒离子的硫酸电解液中。通过外接泵,电解液被压入电池堆体内,在机械动力作用下,使其在不同的储液罐和半电池的闭合回路中循环流动。电池组使用质子交换膜作为隔膜,电解质溶液平行流过电极表面并发生电化学反应。双电极板用于收集和传导电流,从而使储存在电解液中的化学能转换成电能。
在低温环境下,电池中的化学反应速度会变慢,电池的内阻会增加,电池的放电能力也会下降。如果电池在低温环境下长时间使用或充电,可能会导致电池内部产生钒枝晶,从而损坏电池。
因此,提出一种全钒液流电池低温保护方法及系统。
发明内容
本说明书提供一种全钒液流电池低温保护方法及系统,具有自动化、实时性和有效性等有益效果,有助于延长电池的使用寿命、提高安全性,并确保在各种温度条件下的可靠运行。
本说明书提供一种全钒液流电池低温保护方法,包括:
获取全钒液流电池的当前温度信息;
判断所述当前温度信息是否超过温度阈值;
当所述当前温度信息超过所述温度阈值时,将所述当前温度信息输入低温等级分类模型,得到所述当前温度信息的低温等级;
当所述当前温度信息的低温等级为一级低温等级时,基于所述一级低温等级与液体管道阀门开度值的映射关系,确定所述液体管道阀门开度值;
基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,实现所述全钒液流电池的低温保护。
可选的,所述获取全钒液流电池的当前温度信息的方式包括实时通过设置于所述全钒液流电池的温度传感器获取、按照设定时间间隔通过设置于所述全钒液流电池的温度传感器获取。
可选的,构建所述低温等级分类模型,包括:
获取全钒液流电池的历史温度信息、全钒液流电池的历史运行情况;
统计相同的历史运行情况下的所述历史温度信信息,基于统计结果确定温度等级分类,并打上标签;
将标签化的所述历史温度信息与所述历史运行情况分割为训练集、验证集、测试集;
基于训练集进行模型构建,分别利用所述验证集、所述测试集调整模型参数,得到所述低温等级分类模型。
可选的,所述低温等级分类模型包括决策树模型、支持向量机、KNN模型、神经网络模型。
可选的,还包括:
当所述当前温度信息的低温等级为二级低温等级时,自动启动所述全钒液流电池的内部加热系统,实现所述全钒液流电池的低温保护。
可选的,还包括:
当所述当前温度信息的低温等级为三级低温等级时,自动启动所述全钒液流电池的内部加热系统、外部加热系统,实现所述全钒液流电池的低温保护。
可选的,还包括:
当所述当前温度信息的低温等级为四级低温等级时,自动停止所述全钒液流电池的运作,并对所述全钒液流电池进行检修和维护,实现所述全钒液流电池的保护。
可选的,所述基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,包括:所述全钒液流电池的电解液流速与所述液体管道阀门开度呈正比。
本说明书提供一种全钒液流电池低温保护系统,包括:
获取模块,用于获取全钒液流电池的当前温度信息;
判断模块,用于判断所述当前温度信息是否超过温度阈值;
分类模块,用于当所述当前温度信息超过所述温度阈值时,将所述当前温度信息输入低温等级分类模型,得到所述当前温度信息的低温等级;
映射模块,用于当所述当前温度信息的低温等级为一级低温等级时,基于所述一级低温等级与液体管道阀门开度值的映射关系,确定所述液体管道阀门开度值;
保护模块,用于基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,实现所述全钒液流电池的低温保护。
可选的,所述获取全钒液流电池的当前温度信息的方式包括实时通过设置于所述全钒液流电池的温度传感器获取、按照设定时间间隔通过设置于所述全钒液流电池的温度传感器获取。
可选的,构建所述低温等级分类模型,包括:
获取全钒液流电池的历史温度信息、全钒液流电池的历史运行情况;
统计相同的历史运行情况下的所述历史温度信信息,基于统计结果确定温度等级分类,并打上标签;
将标签化的所述历史温度信息与所述历史运行情况分割为训练集、验证集、测试集;
基于训练集进行模型构建,分别利用所述验证集、所述测试集调整模型参数,得到所述低温等级分类模型。
可选的,所述低温等级分类模型包括决策树模型、支持向量机、KNN模型、神经网络模型。
可选的,还包括:
当所述当前温度信息的低温等级为二级低温等级时,自动启动所述全钒液流电池的内部加热系统,实现所述全钒液流电池的低温保护。
可选的,还包括:
当所述当前温度信息的低温等级为三级低温等级时,自动启动所述全钒液流电池的内部加热系统、外部加热系统,实现所述全钒液流电池的低温保护。
可选的,还包括:
当所述当前温度信息的低温等级为四级低温等级时,自动停止所述全钒液流电池的运作,并对所述全钒液流电池进行检修和维护,实现所述全钒液流电池的保护。
可选的,所述基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,包括:所述全钒液流电池的电解液流速与所述液体管道阀门开度呈正比。
本发明中,至少具备以下优点:
1.实时监测和温度分类:通过获取全钒液流电池的当前温度信息,并判断其是否超过预设的温度阈值,能够实时了解电池的温度状态。当温度信息超过阈值时,通过使用低温等级分类模型,可以快速准确地确定电池的当前低温等级。
2.分级保护措施:根据不同的低温等级,系统可以采取分级保护措施。对于一级低温等级,通过调整液体管道阀门的开度,可以加速电解液的流速,从而提高电池的温度。这种分级保护策略确保了在不同温度情况下采取适当的措施,有效地保护电池免受损坏。
3.自动化和实时性:该方法和系统实现了全自动化操作,能够根据实时监测的温度信息及时作出反应。自动化调整液体管道阀门的开度,无需人工干预,提高了操作的效率和准确性。
4.延长使用寿命:通过实时监测和采取有效的低温保护措施,可以防止电池在过低温度下受损或性能下降。这有助于延长全钒液流电池的使用寿命,并提高其在各种温度条件下的可靠性。
5.提高安全性:在严寒条件下或环境温度较低的情况下,电池系统可能面临损坏或安全风险。本发明通过实时监测和分级保护措施,确保了电池系统的正常运行和安全性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种全钒液流电池低温保护方法的流程图;
图2是本发明实施例的一种全钒液流电池低温保护系统的结构框图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
以下结合附图1-2更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的先后顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的先后顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
图1是本发明实施例的一种全钒液流电池低温保护方法的流程图,包括:
S110:获取全钒液流电池的当前温度信息;
可选的,所述获取全钒液流电池的当前温度信息的方式包括实时通过设置于所述全钒液流电池的温度传感器获取、按照设定时间间隔通过设置于所述全钒液流电池的温度传感器获取。
在本说明书的具体实施方式中,通过设置于全钒液流电池的温度传感器,实时获取电池的当前温度信息。这种情况下,温度传感器的读数会连续不断地被采集和传输,以便及时反映电池的温度变化。
另一种方式是按照设定的时间间隔,通过设置于全钒液流电池的温度传感器获取电池的当前温度信息。在这种情况下,温度传感器的读数会在特定的时间间隔(例如每秒、每分钟、每小时等)被采集和传输一次。这种方法可以在一定程度上减少数据的采集和处理量,但仍然能够捕捉到电池温度的重要变化。
需要注意的是,在获取温度信息的过程中,还需要考虑到传感器的布置位置、数量以及与控制系统的连接方式等因素,以确保能够全面、准确地反映全钒液流电池的温度状态。
S120:判断所述当前温度信息是否超过温度阈值;
S130:当所述当前温度信息超过所述温度阈值时,将所述当前温度信息输入低温等级分类模型,得到所述当前温度信息的低温等级;
可选的,构建所述低温等级分类模型,包括:
获取全钒液流电池的历史温度信息、全钒液流电池的历史运行情况;
统计相同的历史运行情况下的所述历史温度信信息,基于统计结果确定温度等级分类,并打上标签;
将标签化的所述历史温度信息与所述历史运行情况分割为训练集、验证集、测试集;
基于训练集进行模型构建,分别利用所述验证集、所述测试集调整模型参数,得到所述低温等级分类模型。
在本说明书的具体实施方式中,分割的比例可以根据数据的数量和质量进行调整,但通常训练集占比较大(如70%),验证集和测试集各占较小比例(如15%)。
基于训练集使用机器学习算法(如神经网络、决策树、支持向量机等)进行模型构建,目标是根据输入的温度信息和运行情况预测对应的温度等级标签。利用验证集进行模型参数的调整和优化,以防止过拟合并提高模型的泛化能力,可以使用交叉验证、正则化或其他优化技术来进行参数调整。最后,使用测试集对模型进行评估和性能测试,以确保模型在未知数据上的准确性。评估指标可以包括准确率、精确率、召回率、F1值等。
可选的,所述低温等级分类模型包括决策树模型、支持向量机、KNN模型、神经网络模型。
在本说明书的具体实施方式中,决策树模型(Decision Tree)是一种常用的分类算法,通过树形结构对数据进行分类,它可以根据不同的特征和阈值将数据划分为不同的类别,具有直观易懂的特点。
支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的分类算法,通过在高维空间中寻找一个超平面来对数据进行分类,它适用于处理大规模数据集,并且在分类效果上具有较好的性能。
KNN(K-Nearest Neighbor)模型是一种基于实例的学习算法,通过计算待分类样本与已知类别样本之间的相似度来进行分类,它简单直观,但在处理大规模数据集时可能会受到计算效率的限制。
神经网络模型是一种模拟人脑神经元连接结构的分类算法,通过学习和训练来对数据进行分类,它具有强大的表示和学习能力,可以处理复杂的非线性关系,但在训练过程中可能需要较长的时间和大量的数据。
可选的,所述基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,包括:所述全钒液流电池的电解液流速与所述液体管道阀门开度呈正比。
在本说明书的具体实施方式中,当液体管道阀门的开度增大时,电解液的流速也会相应增大;反之,当液体管道阀门的开度减小时,电解液的流速也会减小。
因为液体管道阀门的开度控制着管道的通流面积,从而影响着液体的流动阻力。当阀门开度增大时,通流面积增加,流动阻力减小,使得电解液能够更顺畅地通过管道,从而导致流速增大。相反,当阀门开度减小时,通流面积减小,流动阻力增大,对电解液的流动产生了一定的阻碍,导致流速减小。
S140:当所述当前温度信息的低温等级为一级低温等级时,基于所述一级低温等级与液体管道阀门开度值的映射关系,确定所述液体管道阀门开度值;
S150:基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,实现所述全钒液流电池的低温保护。
在本说明书的具体实施方式中,在确定了应该设置的液体管道阀门开度值后,调整阀门的开度,这可以通过电动执行器、机械装置或其他自动化手段来实现。一旦阀门的开度被调整到新的设定值,全钒液流电池的电解液流速就会相应地改变。
由于之前已经确定了阀门开度与电解液流速之间的正比关系,因此增大阀门开度会导致电解液流速增加。加速的电解液流速可以帮助电池更快地吸收和释放热量,从而有效地提高电池的温度并实现低温保护。
可选的,还包括:
当所述当前温度信息的低温等级为二级低温等级时,自动启动所述全钒液流电池的内部加热系统,实现所述全钒液流电池的低温保护。
在本说明书的具体实施方式中,当所述当前温度信息的低温等级为二级低温等级时,意味着全钒液流电池的温度已经降至一个更低的水平,此时单纯地通过调整液体管道阀门的开度可能不足以有效地提高电池的温度。因此,需要采取更进一步的措施。
内部加热系统可能是由电阻丝、电热元件或其他形式的加热器组成,能够在电池内部产生热量,从而提高电池的温度。通过自动启动内部加热系统,全钒液流电池可以在短时间内快速恢复到适宜的工作温度范围,从而确保其正常运行和性能,这种低温保护措施可以防止电池在过低的温度下受损或性能下降,从而延长电池的使用寿命并确保其安全性。
可选的,还包括:
当所述当前温度信息的低温等级为三级低温等级时,自动启动所述全钒液流电池的内部加热系统、外部加热系统,实现所述全钒液流电池的低温保护。
在本说明书的具体实施方式中,当所述当前温度信息的低温等级为三级低温等级时,这表示全钒液流电池的温度已经降至一个更为极端的水平,此时需要采取更为全面的加热措施来确保电池的安全和性能。
外部加热系统可能是通过热传导介质(如导热油、热水等)循环流动的加热装置,或者是使用红外辐射、微波等其他形式的外部加热器。无论采用何种方式,外部加热系统的目标是将热量有效地传递给全钒液流电池,以提高其整体温度。当内部加热系统和外部加热系统同时启动时,它们会共同产生热量并传递给电池的电解液和其他组件,从而更快地提高电池的温度。内部加热系统主要关注电池内部的直接加热,而外部加热系统则通过外部热源的引入,加强对电池整体的加热效果。这种双重加热措施可以迅速将全钒液流电池的温度恢复到适宜的工作范围,防止电池在过低的温度下受损或性能下降。它提供了一种更可靠和有效的低温保护机制,确保全钒液流电池在极端低温条件下也能正常运行。
可选的,还包括:
当所述当前温度信息的低温等级为四级低温等级时,自动停止所述全钒液流电池的运作,并对所述全钒液流电池进行检修和维护,实现所述全钒液流电池的保护。
在本说明书的具体实施方式中,当当前温度信息的低温等级达到四级低温等级时,这表示全钒液流电池的温度已经降至一个非常危险的水平,此时任何进一步的运作都可能对电池造成损害或引发安全问题。
为了确保电池的安全,描述中提到系统会自动停止所述全钒液流电池的运作,这意味着电池的所有电化学反应和电流流动都会被立即中断,以防止任何进一步的热量损失或电池损坏。在停止全钒液流电池的运作后通知工作人员对全钒液流电池进行检修和维护,从而避免潜在的损坏或安全风险。
本发明中,至少具备以下优点:
1.实时监测和温度分类:通过获取全钒液流电池的当前温度信息,并判断其是否超过预设的温度阈值,能够实时了解电池的温度状态。当温度信息超过阈值时,通过使用低温等级分类模型,可以快速准确地确定电池的当前低温等级。
2.分级保护措施:根据不同的低温等级,系统可以采取分级保护措施。对于一级低温等级,通过调整液体管道阀门的开度,可以加速电解液的流速,从而提高电池的温度。这种分级保护策略确保了在不同温度情况下采取适当的措施,有效地保护电池免受损坏。
3.自动化和实时性:该方法和系统实现了全自动化操作,能够根据实时监测的温度信息及时作出反应。自动化调整液体管道阀门的开度,无需人工干预,提高了操作的效率和准确性。
4.延长使用寿命:通过实时监测和采取有效的低温保护措施,可以防止电池在过低温度下受损或性能下降。这有助于延长全钒液流电池的使用寿命,并提高其在各种温度条件下的可靠性。
5.提高安全性:在严寒条件下或环境温度较低的情况下,电池系统可能面临损坏或安全风险。本发明通过实时监测和分级保护措施,确保了电池系统的正常运行和安全性。
图2是本发明实施例的一种全钒液流电池低温保护系统的结构框图,包括:
获取模块10,用于获取全钒液流电池的当前温度信息;
判断模块20,用于判断所述当前温度信息是否超过温度阈值;
分类模块30,用于当所述当前温度信息超过所述温度阈值时,将所述当前温度信息输入低温等级分类模型,得到所述当前温度信息的低温等级;
映射模块40,用于当所述当前温度信息的低温等级为一级低温等级时,基于所述一级低温等级与液体管道阀门开度值的映射关系,确定所述液体管道阀门开度值;
保护模块50,用于基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,实现所述全钒液流电池的低温保护。
可选的,所述获取全钒液流电池的当前温度信息的方式包括实时通过设置于所述全钒液流电池的温度传感器获取、按照设定时间间隔通过设置于所述全钒液流电池的温度传感器获取。
可选的,构建所述低温等级分类模型,包括:
获取全钒液流电池的历史温度信息、全钒液流电池的历史运行情况;
统计相同的历史运行情况下的所述历史温度信信息,基于统计结果确定温度等级分类,并打上标签;
将标签化的所述历史温度信息与所述历史运行情况分割为训练集、验证集、测试集;
基于训练集进行模型构建,分别利用所述验证集、所述测试集调整模型参数,得到所述低温等级分类模型。
可选的,所述低温等级分类模型包括决策树模型、支持向量机、KNN模型、神经网络模型。
可选的,还包括:
当所述当前温度信息的低温等级为二级低温等级时,自动启动所述全钒液流电池的内部加热系统,实现所述全钒液流电池的低温保护。
可选的,还包括:
当所述当前温度信息的低温等级为三级低温等级时,自动启动所述全钒液流电池的内部加热系统、外部加热系统,实现所述全钒液流电池的低温保护。
可选的,还包括:
当所述当前温度信息的低温等级为四级低温等级时,自动停止所述全钒液流电池的运作,并对所述全钒液流电池进行检修和维护,实现所述全钒液流电池的保护。
可选的,所述基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,包括:所述全钒液流电池的电解液流速与所述液体管道阀门开度呈正比。
本发明实施例的装置的功能已经在上述的方法实施例中进行了描述,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种全钒液流电池低温保护方法,其特征在于,包括:
获取全钒液流电池的当前温度信息;
判断所述当前温度信息是否超过温度阈值;
当所述当前温度信息超过所述温度阈值时,将所述当前温度信息输入低温等级分类模型,得到所述当前温度信息的低温等级;
当所述当前温度信息的低温等级为一级低温等级时,基于所述一级低温等级与液体管道阀门开度值的映射关系,确定所述液体管道阀门开度值;
基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,实现所述全钒液流电池的低温保护。
2.如权利要求1所述的全钒液流电池低温保护方法,其特征在于,所述获取全钒液流电池的当前温度信息的方式包括实时通过设置于所述全钒液流电池的温度传感器获取、按照设定时间间隔通过设置于所述全钒液流电池的温度传感器获取。
3.如权利要求2所述的全钒液流电池低温保护方法,其特征在于,构建所述低温等级分类模型,包括:
获取全钒液流电池的历史温度信息、全钒液流电池的历史运行情况;
统计相同的历史运行情况下的所述历史温度信信息,基于统计结果确定温度等级分类,并打上标签;
将标签化的所述历史温度信息与所述历史运行情况分割为训练集、验证集、测试集;
基于训练集进行模型构建,分别利用所述验证集、所述测试集调整模型参数,得到所述低温等级分类模型。
4.如权利要求3所述的全钒液流电池低温保护方法,其特征在于,所述低温等级分类模型包括决策树模型、支持向量机、KNN模型、神经网络模型。
5.如权利要求4所述的全钒液流电池低温保护方法,其特征在于,还包括:
当所述当前温度信息的低温等级为二级低温等级时,自动启动所述全钒液流电池的内部加热系统,实现所述全钒液流电池的低温保护。
6.如权利要求5所述的全钒液流电池低温保护方法,其特征在于,还包括:
当所述当前温度信息的低温等级为三级低温等级时,自动启动所述全钒液流电池的内部加热系统、外部加热系统,实现所述全钒液流电池的低温保护。
7.如权利要求6所述的全钒液流电池低温保护方法,其特征在于,还包括:
当所述当前温度信息的低温等级为四级低温等级时,自动停止所述全钒液流电池的运作,并对所述全钒液流电池进行检修和维护,实现所述全钒液流电池的保护。
8.如权利要求7所述的全钒液流电池低温保护方法,其特征在于,所述基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,包括:所述全钒液流电池的电解液流速与所述液体管道阀门开度呈正比。
9.一种全钒液流电池低温保护系统,其特征在于,包括:
获取模块,用于获取全钒液流电池的当前温度信息;
判断模块,用于判断所述当前温度信息是否超过温度阈值;
分类模块,用于当所述当前温度信息超过所述温度阈值时,将所述当前温度信息输入低温等级分类模型,得到所述当前温度信息的低温等级;
映射模块,用于当所述当前温度信息的低温等级为一级低温等级时,基于所述一级低温等级与液体管道阀门开度值的映射关系,确定所述液体管道阀门开度值;
保护模块,用于基于所述液体管道阀门开度值调整所述液体管道阀门的开度,所述全钒液流电池的电解液流速从而加速,实现所述全钒液流电池的低温保护。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410031790.3A CN117832548A (zh) | 2024-01-09 | 2024-01-09 | 一种全钒液流电池低温保护方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410031790.3A CN117832548A (zh) | 2024-01-09 | 2024-01-09 | 一种全钒液流电池低温保护方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117832548A true CN117832548A (zh) | 2024-04-05 |
Family
ID=90518927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410031790.3A Pending CN117832548A (zh) | 2024-01-09 | 2024-01-09 | 一种全钒液流电池低温保护方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117832548A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120572970A (zh) * | 2025-07-31 | 2025-09-02 | 江西五十铃汽车有限公司 | 一种车辆快速充电方法、系统、存储介质及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102306814A (zh) * | 2011-08-17 | 2012-01-04 | 中国东方电气集团有限公司 | 液流电池系统及其控制方法和装置 |
| KR20120032218A (ko) * | 2010-09-28 | 2012-04-05 | 주식회사 엘지화학 | 저온 환경의 성능 개선을 위한 배터리팩 제어장치 |
| CN102569938A (zh) * | 2012-02-17 | 2012-07-11 | 中国检验检疫科学研究院 | 动力电池热管理装置 |
| CN110311179A (zh) * | 2019-05-31 | 2019-10-08 | 国电南瑞科技股份有限公司 | 一种储能电池系统智能预警的方法 |
| CN112952143A (zh) * | 2020-12-21 | 2021-06-11 | 广东三水合肥工业大学研究院 | 一种全钒液流电池管理方法及系统 |
| CN114583206A (zh) * | 2022-02-15 | 2022-06-03 | 中国长江三峡集团有限公司 | 一种低温保护系统、全钒液流电池系统及其低温保护方法 |
| WO2022121267A1 (zh) * | 2020-12-07 | 2022-06-16 | 至玥腾风科技集团有限公司 | 一种燃气轮机故障监控系统及方法 |
| WO2023082923A1 (zh) * | 2021-11-09 | 2023-05-19 | 广州汽车集团股份有限公司 | 一种电动汽车低温行车热管理的控制方法、系统及汽车 |
| CN117103995A (zh) * | 2022-05-17 | 2023-11-24 | 优跑汽车技术(上海)有限公司 | 一种热失控的保护方法、装置、存储介质及电力车辆 |
-
2024
- 2024-01-09 CN CN202410031790.3A patent/CN117832548A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120032218A (ko) * | 2010-09-28 | 2012-04-05 | 주식회사 엘지화학 | 저온 환경의 성능 개선을 위한 배터리팩 제어장치 |
| CN102306814A (zh) * | 2011-08-17 | 2012-01-04 | 中国东方电气集团有限公司 | 液流电池系统及其控制方法和装置 |
| US20140199564A1 (en) * | 2011-08-17 | 2014-07-17 | Dongfang Electric Corporation | Flow battery system, and control method and device thereof |
| CN102569938A (zh) * | 2012-02-17 | 2012-07-11 | 中国检验检疫科学研究院 | 动力电池热管理装置 |
| CN110311179A (zh) * | 2019-05-31 | 2019-10-08 | 国电南瑞科技股份有限公司 | 一种储能电池系统智能预警的方法 |
| WO2022121267A1 (zh) * | 2020-12-07 | 2022-06-16 | 至玥腾风科技集团有限公司 | 一种燃气轮机故障监控系统及方法 |
| CN112952143A (zh) * | 2020-12-21 | 2021-06-11 | 广东三水合肥工业大学研究院 | 一种全钒液流电池管理方法及系统 |
| WO2023082923A1 (zh) * | 2021-11-09 | 2023-05-19 | 广州汽车集团股份有限公司 | 一种电动汽车低温行车热管理的控制方法、系统及汽车 |
| CN114583206A (zh) * | 2022-02-15 | 2022-06-03 | 中国长江三峡集团有限公司 | 一种低温保护系统、全钒液流电池系统及其低温保护方法 |
| CN117103995A (zh) * | 2022-05-17 | 2023-11-24 | 优跑汽车技术(上海)有限公司 | 一种热失控的保护方法、装置、存储介质及电力车辆 |
Non-Patent Citations (1)
| Title |
|---|
| 漆阳华: "钒电池智能监控管理系统设计", 信息与电子工程, vol. 8, no. 05, 25 October 2010 (2010-10-25), pages 588 - 593 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120572970A (zh) * | 2025-07-31 | 2025-09-02 | 江西五十铃汽车有限公司 | 一种车辆快速充电方法、系统、存储介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kaur et al. | Deep learning networks for capacity estimation for monitoring SOH of Li‐ion batteries for electric vehicles | |
| Quan et al. | An enhanced fault diagnosis method for fuel cell system using a kernel extreme learning machine optimized with improved sparrow search algorithm | |
| Wei et al. | Multilevel data-driven battery management: From internal sensing to big data utilization | |
| WO2025043398A1 (zh) | 基于神经网络的燃料电池故障诊断方法 | |
| Bao et al. | Dual-task learning for joint state-of-charge and state-of-energy estimation of lithium-ion battery in electric vehicle | |
| CN107180983A (zh) | 一种固体氧化物燃料电池电堆故障诊断方法和系统 | |
| Xu et al. | Fault diagnosis of PEMFC based on fatal and recoverable failures using multi-scale convolutional neural networks | |
| CN114506247B (zh) | 一种云端协同控制的动力电池主动热管理系统 | |
| Sun et al. | Coordination control strategy for PEM fuel cell system considering vehicle velocity prediction information | |
| CN117962683B (zh) | 一种新能源动力电池均衡管理系统 | |
| Wang et al. | A hybrid method for online cycle life prediction of lithium‐ion batteries | |
| CN117558947A (zh) | 一种燃料电池在线健康诊断和寿命预测方法、装置及系统 | |
| CN117832548A (zh) | 一种全钒液流电池低温保护方法及系统 | |
| Gibey et al. | Diagnostic and prognostic for prescriptive maintenance and control of PEMFC systems in an industrial framework | |
| Abdullaeva et al. | RETRACTED: Optimal variable estimation of a Li-ion battery model by fractional calculus and bio-inspired algorithms | |
| Jafari et al. | Integrating multilayer perceptron and support vector regression for enhanced state of health estimation in lithium-ion batteries | |
| Li et al. | Survey of lithium-ion battery anomaly detection methods in electric vehicles | |
| Gao et al. | Research on dynamic multi-level warning method for thermal runaway charging of electric vehicles | |
| Panimathi et al. | An Efficient Prediction of battery capacity based on temperature and state of charge using impedance | |
| CN117388702A (zh) | 一种基于神经网络的燃料电池故障诊断方法 | |
| Zhang et al. | Research on the prediction method of electro-thermal coupling thermal process of soft pack lithium-ion battery based on principal component analysis and extreme learning machine | |
| Du | Review of machine learning method for safety management of lithium-ion battery energy storage | |
| CN119862409B (zh) | 基于深度学习的氢能热电联产机组故障诊断与预测系统 | |
| CN115566970A (zh) | 一种新型储能光伏电站系统及其控制方法 | |
| CN117312927B (zh) | 全钒液流电池储能系统的电解液泄露故障预测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20240405 |