一种基于云边协同的大型储能电站黑匣子系统的制作方法

1.本发明属于运行数据记录信息管理系统技术领域，具体涉及一种基于云边协同的大型储能电站黑匣子系统。


背景技术：

2.近年来，随着储能技术经济性的不断提升，储能技术在可再生能源发电、智能电网、能源互联网建设中的作用日益凸显，我国也相继出台政策鼓励储能技术的建设与应用。集中式应用的大型锂电池储能电站具有功率大(数兆瓦到百兆瓦级)、持续放电时间长(分钟级至小时级)、功能多样等特点而得到快速发展应用。
3.锂电池储能电站作为新型电力装备，内部安装有大量的磷酸铁锂电池，如发生着火事件后会造成成套设备烧毁，在生产运行过程中存在重大风险。
4.当前锂电池储能电站缺少强配的黑匣子系统（event data recorder，简称edr），仅有分离的视频安防系统和故障录波系统，已有视频安防系统和故障录波系统为独立系统，无法实现完整的前期预警、故障录波和事故追忆功能。现有视频安防系统不具备主动预警功能，在事故前期无法进行智能预警防护；视频安防系统仅能记录视频数据，缺少对单个设备箱体内部电气运行数据同步记录，发生事故后无法进行数据关联分析；传统电力录波设备录波长度较短，覆盖颗粒度较疏，不适用故障周期长的锂电池储能电站设备；设备箱体内部的电池管理系统（bms）具备部分录波功能，但录波长度较短，且发生着火事件后会造成设备烧毁，亦无法实现事故追忆分析功能。
5.当前大型锂电池储能电站通常由电池集装箱、升压变流集装箱、站控设备（按照在集装箱内或室内）组成；在前期预警、故障录波和事故追忆方面存在的主要问题如下：1. 没有同步采集电气量数据和视频、声音等数据，无法实现数据关联分析：当前大型锂电池储能电站采用电力系统传统的集中式录波系统设备，与站控等设备单独部署安装，与储能集装箱分开布置，对整站系统电气和部分电池数据进行录波，仅能实现整站电气量的故障录波，无法实现对单个电池集装箱内部图像、声音等外部环境数据录波，无法实现完整的事故追忆联动分析。
6.2. 故障录波系统针对传统电气设备，故障前录波周期短，故障时录波数据覆盖颗粒度不足，不能满足锂电池储能电站的故障录波需求；当前大型锂电池储能电站采用电力系统传统的集中式录波系统设备，基于锂电池大量的运行数据，现有录波设备录波长度较短，录波数据覆盖颗粒度较疏，对于事故追忆联动分析提供的数据量无法满足实际应用需求。
7.3.当前大型锂电池储能电站最易发生问题的为电池集装箱，但电池集装箱没有安装黑匣子，无法实现集装箱内部电气量、视频、声音等环境数据的综合录波。
8.4.当前大型锂电池储能电站电池集装箱内多采用的摄录一体机设备，基于电池集装箱内存在发生电池、线缆等发热着火隐患，如发生着火事件后会造成成套设备烧毁，无法实现电池集装箱的事故追忆；部分采用的网络摄像机nvr，但其仅有数据的存储和转发功
能，无法实现与电气量等数据的采集联动；也不具备ai分析预警功能。
9.5.当前部分电池集装箱内安装的锂电池管理系统bms具备简易录波功能，数据仅存在储能电池管理系统bms中，其录波长度较短，对于事故追忆联动分析提供的数据量无法满足实际应用需求；且如发生着火事件后会造成bms设备烧毁，亦无法实现事故追忆分析。
10.6.基于电池集装箱内部发生电池故障、连接线路故障等非传统电气保护动作的范围，其发生的时间较长，具备通过物联感知和智能分析进行主动预警的能力，而当前业内录波设备均不具备此功能。
11.7.当前业内的故障录波系统和视频安防系统为独立系统，部分视频安防系统设备具备一定物联感知和智能分析功能，但针对电池集装箱工业产品业内尚未有成熟的方案技术。
12.8. 现有设备系统没有实现软硬件系统解耦，现有的故障录波系统为封闭系统，产品升级需要完全依赖于供应厂商；没有采用云边架构系统，或采用的云边架构仅为数据监视，没有实现基于云边架构的机器学习功能与本地实时推理功能的合理划分实施；系统结构缺乏适用性，在预警分析方面功能较弱。
13.因此，亟需寻求一种新的黑匣子系统，用于解决当前的大型锂电池储能电站受限于传统电力设备故障录波系统方案、视频安防系统方案的缺点。


技术实现要素：

14.本发明提出一种基于云边协同的大型储能电站黑匣子系统，解决了edr目前无法实现完整的前期预警、故障录波和事故追忆功能。本发明研制的基于云边协同的大型储能电站黑匣子系统，采用云边协同的系统架构、功能划分和交互机制，具备预警录波一体化的功能，实现了故障录波系统和视频安防写的一体化设计与智能化升级。
15.本发明提供如下技术方案：一种基于云边协同的大型储能电站黑匣子系统，包括黑匣子硬件终端、黑匣子预警录波系统，将黑匣子硬件终端置于单个电池集装箱内部，用于采集电池集装箱内电池管理系统bms、空调设备、消防设备、视频监控设备、声音采集设备的数据；将黑匣子预警录波系统置于储能电站云平台端或储能电站本地站控平台端，黑匣子预警录波系统为b/s或c/s架构。
16.进一步的，所述黑匣子预警录波系统置于储能电站云平台端时，黑匣子硬件终端通过4g连接黑匣子预警录波系统；黑匣子预警录波系统置于储能电站本地站控平台端时，黑匣子硬件终端通过lan连接黑匣子预警录波系统。
17.进一步的，所述黑匣子硬件终端通过lan网线连接电池管理系统bms；所述黑匣子硬件终端通过rs485通讯线连接空调设备、消防设备；所述黑匣子硬件终端通过lan网线连接视频监控设备及声音采集设备。
18.进一步的，所述黑匣子硬件终端的功能模块包括电气量采集处理模块、消防空调采集处理模块、视频声音采集处理模块、数据滤波清洗模块、数据存储模块、数据转发模块、ai分析预警模块、故障录波模块。
19.进一步的，所述黑匣子硬件终端在软件架构上采用开放式架构，包括底层硬件、系统内核、边缘计算sdk、容器；所述容器由多个app组成，包括采集app、转发app、预警app。
20.进一步的，所述黑匣子硬件终端在录波机制上，针对电池管理系统bms、空调设备、消防设备数据采用高频数据采集、长周期低频存储、短周期高频存储结合的方式；无故障时，长周期低频存储为时间大于60分钟时，每5分钟存储1次数据，短周期高频存储为时间不大于60分钟时，每5秒存储1次数据；有故障时，将启动短周期高频采集存储方式，实时（每1秒1次）的高频数据采集。
21.进一步的，所述黑匣子硬件终端在录波机制上，针对电池管理系统bms、空调设备、消防设备的数据：无故障时，黑匣子硬件终每5分钟向黑匣子预警录波系统上传1次长周期低频存储数据或短周期高频存储数据，黑匣子预警录波系统存储长周期低频存储数据，短周期高频存储数据仅保留最近一次短周期时间内数据；有故障时，黑匣子硬件终端实时向黑匣子预警录波系统上传短周期高频采集数据，黑匣子预警录波系统同步存储短周期高频采集数据，直至事故结束。
22.进一步的，所述黑匣子硬件终端在录波机制上，针对视频监控设备、声音设备的数据：无故障时，黑匣子硬件终端实时采集视频和声音数据，每5分钟向黑匣子预警录波系统上传1次数据，本机仅存储短周期60分钟内数据；有故障时，黑匣子硬件终端实时向黑匣子预警录波系统上传视频和声音采集的数据，黑匣子预警录波系统同步存储短周期高频采集数据，直至事故结束。
23.进一步的，所述黑匣子预警录波系统，根据主动预警的不同功能模块需求，采用ai机器学习的算法对所有上传数据进行联动分析及算法迭代，并将学习结果通过高速通信实时下传至黑匣子硬件终端，黑匣子硬件终端的ai分析预警模块接受到学习结果，计算出对应的主动预警结果,动预警结果可以输出至监控与能量管理系统ems或关联集装箱内相关控制保护设备，作为系统级后备保护使用。
24.进一步的，所述黑匣子预警录波系统，还可以根据ai算法技术的发展，针对碎片化的安全隐患场景，不断导入新的训练完的预警模型，不断增强相应的智能分析能力，使得系统具备持续在线升级能力。
25.本发明的有益效果如下：（1）本发明基于多源异构数据一体化采集、存储、传输黑匣子硬件终端：本发明基于云边协同的大型储能电站黑匣子系统，采用云边协同的系统架构、功能划分和交互机制，系统具备预警录波一体化的功能，本发明设计黑匣子硬件终端，可以同时采集电池集装箱内电池管理系统bms、空调设备、消防设备、视频监控设备、声音采集设备的数据，实现多个设备功能的一体化集成，支持多源异构数据的联动分析，可以有效解决当前大型锂电池储能电站在故障录波和事故追忆方面存在的主要问题。
26.（2）本发明基于边缘计算sdk、容器技术及支持云边系统迭代升级的黑匣子硬件终端：本发明设计黑匣子硬件终端，可以同时采集电池集装箱内电池管理系统bms、空调设备、消防设备、视频监控设备、声音采集设备的数据，实现多个设备功能的一体化集成，支持多源异构数据的联动分析；黑匣子硬件终端采用基于边缘计算sdk、容器技术，并支持云边系统实时迭代升级，实现了软硬件系统之间的解耦，打破了原有软硬件系统的封闭性架构，实现了不同软件功能模块app在系统中的兼容应用。
27.（3）本发明采用长短周期低高频结合的数据存储与故障录波机制：本发明设计故障录波机制，结合电池集装箱事故发生持续时间长的特点，采用长短周期区分，低频高频采
集不同的数据存储与故障录波机制，满足了长期其数据要求及短周期录波数据覆盖颗粒度，减轻了系统常规高频采集存储工作量，又实现了系统故障前后数据的有效抓取。
28.（4）本发明支持云边协同的黑匣子系统故障录波机制：本发明采用黑匣子硬件终端本地存储与黑匣子预警录波系统平台存储的不同间隔频率及本地录波与平台系统录波相结合的云边协同机制，采用“软件黑匣子”的理念，避免发生着火事件后成套设备烧毁，无法实现事故追忆的痛点。
29.（5）本发明支持云边协同的系统架构、交互机制及ai分析预警功能：本发明通过云边协同的系统架构及交互机制，打破了传统系统的封闭式架构，实现了云端机器学习算法与本地实时推理的功能融合，黑匣子系统的技术水平从仅能依靠供货时一次性的技术，变更为可以基于多源异构数据联动分析及ai学习算法的不断迭代升级，本地可实时推理执行，提升系统的智能化水平。不仅实现故障录波与事故追忆，而且可以同步实现ai分析预警功能。
30.本发明还可以延伸至其他电池储能设备应用场景，可以通过云边架构及云边协同机制实现已有系统智能化升级，为储能设备智能预警录波系统提供了一种解决思路。
附图说明
31.为了更清楚地说明本发明实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
32.图1为本发明黑匣子硬件终端系统架构示意图。
33.图2为本发明黑匣子预警录波系统架构示意图。
34.图3为本发明黑匣子硬件终端功能模块划分示意图。
35.图4为本发明黑匣子硬件终端的软件架构示意图。
36.图5为本发明黑匣子硬件终端的ai分析预警模块示意图。
具体实施方式
37.下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
38.本发明公开了一种基于云边协同的大型储能电站黑匣子系统，包括黑匣子硬件终端及黑匣子预警录波系统，参考附图1-5所示。
39.如图1所示，在单个电池集装箱内部署储能电站黑匣子硬件终端，同时采集电池集装箱内电池管理系统bms、空调设备、消防设备、视频监控设备、声音采集设备的数据；其中，黑匣子硬件终端通过lan网线连接电池管理系统bms，黑匣子硬件终端通过rs485通讯线连接空调设备、消防设备，黑匣子硬件终端通过lan网线连接视频监控设备及声音采集设备。
40.值得说明的是，黑匣子硬件终端与集装箱内的设备具体连接方式不限于上述连接
的接口及线缆类型。
41.如图3所示，黑匣子硬件终端，其功能模块设置电气量采集处理模块、消防空调采集处理模块、视频声音采集处理模块、数据滤波清洗模块、数据存储模块、数据转发模块、ai分析预警模块（基于云端深度学习训练的预警算法升级与本地实时推理）、故障录波模块。
42.值得说明的是，黑匣子硬件终端功能模块的设备不仅仅限于模块，可根据系统功能要求进行扩充。
43.如图4所示，黑匣子硬件终端在软件架构上采用开放式架构，采用底层硬件、系统内核、边缘计算sdk、容器（多个app组成，采集app、清洗app、转发app、预警app）的开放式架构，实现了基于软件定义的扁平、灵活、高效的系统架构；可以实现软件与硬件之间的解耦，针对不同的软件功能模块，采用不同的app，可以对软件功能模块进行灵活配置和有效利用，可以在同个硬件上采用不同厂商的创新软件算法，充分满足形态多样的黑匣子系统应用要求。
44.其中，黑匣子硬件终端在录波机制上：（1）针对电池管理系统bms、空调设备、消防设备数据，采用高频数据采集、长周期低频存储、短周期高频存储结合的方式；无故障时，通过数据滤波清洗，对采集数据进行预处理后，低频（每5分钟1次）存储长周期数据（60分钟之外），高频（每5秒1次）存储短周期时间内（60分钟之内）数据；当黑匣子硬件终端判断故障发生启动录波时，将启动短周期高频采集存储方式，实时（每1秒1次）高频采集、本机存储数据。
45.针对电池管理系统bms、空调设备、消防设备的数据：当无故障时，通过数据滤波清洗，对采集数据进行预处理后，黑匣子硬件终端定间隔周期（每5分钟1次）向黑匣子预警录波系统上传长周期存储数据及短周期高频采集数据，黑匣子预警录波系统存储长周期存储数据，短周期高频采集数据仅保留最近一次短周期时间内数据；当黑匣子硬件终端判断故障发生启动录波时，黑匣子硬件终端实时向黑匣子预警录波系统上传短周期高频采集数据，黑匣子预警录波系统同步存储短周期高频采集数据，直至事故结束。
46.（2）针对视频监控设备、声音设备的数据：当无故障时，黑匣子硬件终端实时采集视频和声音数据，间隔周期（每5分钟1次）向黑匣子预警录波系统上传；本机仅存储存储短周期时间内（60分钟之内）数据；当黑匣子硬件终端判断故障发生启动录波时，黑匣子硬件终端实时向黑匣子预警录波系统上传视频声音采集数据，黑匣子预警录波系统同步存储短周期高频采集数据，直至事故结束。
47.如图2所示，在储能电站云平台端或储能电站本地站控平台端部署b/s或c/s架构的储能电站黑匣子预警录波系统；在云端部署时，黑匣子硬件终端通过4g连接黑匣子预警录波系统；在本地部署时，黑匣子硬件终端通过lan连接黑匣子预警录波系统。
48.值得说明的是，黑匣子预警录波系统可采用b/s或c/s架构，不影响其系统功能的实现。
49.黑匣子预警录波系统，根据主动预警的不同功能模块需求，采用ai机器学习的算法对所有上传数据进行联动分析及算法迭代，并将学习结果通过高速通信实时下传至黑匣子硬件终端，如图5所示，黑匣子硬件终端内的ai分析预警模块（基于云端机器学习训练的诊断算法升级与本地实时推理）接受到学习结果，进行进一步的本地实时推理，计算出对应的主动预警结果；主动预警结果可以输出至监控与能量管理系统ems或关联集装箱内相关
控制保护设备，作为系统级后备保护使用。
50.黑匣子预警录波系统，还可以根据ai算法技术的发展，针对碎片化的安全隐患场景，不断导入新的训练完的预警模型，不断增强相应的智能分析能力，使得系统具备持续在线升级能力。
51.值得说明的是，黑匣子预警录波系统主动预警算法不限于某单一机器学习算法。黑匣子硬件终端与黑匣子预警录波系统的云边协同工作，针对不同主动预警算法的实现，需两者共同完成，其原则是机器学习等需要消耗大量计算资源的工作在黑匣子预警录波系统完成，需要轻量化计算和实时推理的工作在黑匣子硬件终端完成；两者的工作量非固定比例，需要根据不同ai算法来配置。
52.以上对本发明所提供的一种基于云边协同的大型储能电站黑匣子系统进行了详细介绍。本文中应用了具体的个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。