一种储能集装箱温控能力评价方法及系统与流程

本发明涉及测量评价，具体涉及一种储能集装箱温控能力评价方法及系统。

背景技术：

1、储能集装箱是一种用于存储和调节能量的设备，广泛应用于能源领域，它具备将电能转化为储能形式进行存储，并在需要时将储能转化为电能输出的功能。储能集装箱在能源存储中起着重要的作用，其温控能力评价对于确保储能集装箱在各种环境条件下的稳定运行至关重要。

2、然而，储能集装箱的温控过程受多种因素的影响，包括箱体尺寸、电池簇温度、电池簇分布密度、温度调节机组功率、相变材料特性、循环寿命等。同时，储能集装箱所处的环境条件，如室外温度、相对湿度、风速、气压等，也对其温控过程产生影响。

3、传统的温控能力评价方法通常基于经验或单一指标，无法全面考虑多个因素的综合影响。因此，针对储能集装箱温控能力评价问题，提出一种新的评价方法，以实现全面的温控能力评估，成为了本领域需要解决的技术问题之一。

技术实现思路

1、本发明中提供了一种储能集装箱温控能力评价方法及系统，从而有效解决背景技术中所指出的问题。

2、为了达到上述目的，本发明所采用的技术方案是：

3、一种储能集装箱温控能力评价方法，包括

4、采集储能集装箱的多维信息，建立具有多种信息分类的储能集装箱信息库；

5、针对所述储能集装箱信息库内的每种分类信息确定对应的温控影响权重，且将所述温控影响权重与分类信息对应，获得第一特征向量；

6、采集所述储能集装箱所处环境的多维参数，建立具有多种参数分类的环境参数库；

7、针对所述环境参数库内的每种分类参数确定对应的评价影响权重，且将所述评价影响权重与参数信息对应，获得第二特征向量；

8、建立温控能力评价模型，且将所述第一特征向量和第二特征向量作为输入；

9、使用训练数据对温控能力评价模型进行训练，并使用已训练好的模型预测储能集装箱在不同环境条件下的温控结果，根据预测的所述温控结果生成温控能力评价结果。

10、进一步地，建立温控能力评价模型，且将所述第一特征向量和第二特征向量作为输入，包括：

11、将所述第一特征向量和第二特征向量转换为相同的维度；

12、确定所述温控能力评价模型的类型，且根据所述类型确定输入层、中间层和输出层；

13、确定分别与所述第一特征向量和第二特征向量对应的标签，且将特征向量和对应的标签整理为可供模型使用的数据格式，作为所述温控能力评价模型的输入。

14、进一步地，还包括对温控影响权重进行修订的过程，包括：

15、建立温控影响因素排序和权重评估模型，并对所述储能集装箱信息库中的信息进行特征工程，获得用于训练模型的数据集；

16、通过评估训练好的温控影响因素排序和权重评估模型，获取各个特征的相对重要性分析结果；

17、根据模型评估特征的重要性分析结果，对初始权重进行修订；

18、通过多次迭代，反复训练模型，获取各个特征的相对重要性分析结果和权重修订结果，逐渐优化和修订温控影响权重。

19、进一步地，还包括对所述评价影响权重进行修订的过程，包括：

20、建立评价影响因素排序和权重评估模型，并对所述环境参数库中的参数进行分析和特征工程，获得用于训练模型的数据集；

21、通过评估训练好的评价影响因素排序和权重评估模型，获取各个特征的相对重要性分析结果；

22、根据模型评估特征的重要性分析结果，对初始权重进行修订；

23、通过多次迭代，反复训练模型，获取各个特征的相对重要性分析结果和权重修订结果，逐渐优化和修订评价影响权重。

24、进一步地，基于所述温控影响权重的修订过程，选择修订完成后排序前n位的权重所对应的特征，组成新的第一特征向量；

25、基于所述评价影响权重的修订过程，选择修订完成后排序前m位的权重所对应的特征，组成新的第二特征向量,其中，n=m。

26、进一步地，在所述中间层设置注意力机制模块，所述注意力机制模块用于在模型学习过程中自动选择和关注与温控能力评价相关的重要特征。

27、进一步地，在所述中间层设置注意力机制模块，获得最终的特征表示包括以下步骤：

28、收集和整理第一特征向量和第二特征向量的数据，确保具有相同的维度；

29、在中间层中设置注意力机制模块，所述注意力机制模块包括注意力权重计算函数和特征加权函数；

30、使用所述注意力权重计算函数，对第一特征向量和第二特征向量进行注意力权重的计算；

31、使用所述特征加权函数，将第一特征向量和第二特征向量分别与注意力权重相乘，得到加权后的第一特征向量和第二特征向量；

32、将所述加权后的第一特征向量和第二特征向量进行融合，得到最终的特征表示。

33、进一步地，将所述加权后的第一特征向量和第二特征向量进行融合，具体为，将第一特征向量和第二特征向量分别与注意力权重相乘后再相加，从而得到一个加权后的特征向量，作为最终的特征表示。

34、一种储能集装箱温控能力评价系统，包括：

35、数据采集模块，采集储能集装箱的多维信息，以及采集所述储能集装箱所处环境的多维参数；

36、分类模块，将采集得到的多维信息进行分类，并建立具有多种信息分类的储能集装箱信息库，以及将采集得到的多维参数进行分类，并建立具有多种参数分类的环境参数库；

37、温控影响权重计算模块，针对所述储能集装箱信息库内的每种分类信息确定对应的温控影响权重，并将所述温控影响权重与分类信息对应，获得第一特征向量；

38、评价影响权重计算模块，针对所述环境参数库内的每种分类参数确定对应的评价影响权重，并将所述评价影响权重与参数信息对应，获得第二特征向量；

39、温控能力评价模型模块，建立温控能力评价模型，且将所述第一特征向量和第二特征向量作为输入，使用训练数据对建立的温控能力评价模型进行训练；

40、预测模块，使用已训练好的温控能力评价模型预测储能集装箱在不同环境条件下的温控结果；

41、评价结果生成模块，根据预测的所述温控结果生成温控能力评价结果。

42、进一步地，所述温控能力评价模型包括输入层、中间层和输出层；

43、所述中间层包括注意力机制模块，其中，所述注意力机制模块包括：

44、注意力权重计算函数，对第一特征向量和第二特征向量进行注意力权重的计算；

45、特征加权函数，将第一特征向量和第二特征向量分别与注意力权重相乘，得到加权后的第一特征向量和第二特征向量。

46、通过本发明的技术方案，可实现以下技术效果：

47、本发明中，第一特征向量和第二特征向量是从储能集装箱信息库和环境参数库中提取出来的，用于反映不同分类信息对温控能力的影响程度,以及不同分类参数对于评价能力的影响；本发明的优势在于综合考虑多个因素，利用全面的温控能力评价方法和建立的评价模型，能够提供准确、全面的温控能力评估，从而有效提高储能集装箱的温控能力管理和运行效果。