一种相变材料的储能柜节能热管理方法及系统与流程

本发明属于储能设备热管理，具体的说是一种相变材料的储能柜节能热管理方法及系统。

背景技术：

1、在储能柜运行过程中会产生热量，若不能有效管理温度，会影响储能设备的性能、寿命。目前，常见的储能柜散热方式主要包括风冷和液冷，风冷方式虽然结构简单、成本较低，但散热效率有限，难以满足高功率储能柜的散热需求，液冷方式散热效率较高，但系统复杂，成本高，且存在泄漏风险，此外，传统的散热方式往往能耗较高，且难以精准控制温度，导致储能柜的运行效率和稳定性受到影响。

2、如授权公告号为cn118248999b的中国专利公开了一种构网型储能柜热管理方法及系统，包括：收集信号源，进行预处理判断运行设备是否进行制热模式；进一步判断运行设备是否进行制冷模式；当达到阈值则停止制冷。该技术方案相比液冷系统减少一次换热过程，一次换热热阻，降低换热温差，传热性能好，且制冷剂在电池冷板、第二换热单元、h桥冷板内进行相变换热，换热能力显著增强。该技术减少了液冷系统中电池冷板冷却液回路、h桥冷却液回路、储能柜空调，系统简单，结构紧凑，极大地降低了系统成本。该技术方案避免了乙二醇等冷却液在储能柜体内的流动，避免了冷却液的泄漏到电池、h桥内部的风险，更加安全可靠。

3、以上现有技术均存在以下问题：智能化与自适应能力较低；缺乏灵活性与可扩展性。

技术实现思路

1、针对现有技术的不足，本发明提出了一种相变材料的储能柜节能热管理方法及系统，通过温度传感器采集储能柜内温度数据，经卡尔曼滤波处理后，利用神经网络模型预测温度变化趋势；根据预测结果，采用模糊逻辑算法判断温度状态，并结合pid控制算法调整辅助散热装置运行参数；同时，相变材料根据实际温度变化自动吸热或放热，与辅助散热装置协同工作，系统还定期收集实时运行数据，优化更新神经网络模型和模糊逻辑规则，以提升温度管理效能，实现了储能柜内温度的智能与精准控制。

2、为实现上述目的，本发明提供如下技术方案：

3、一种相变材料的储能柜节能热管理方法，包括：

4、温度传感器采集储能柜内的温度数据，所述温度数据经过卡尔曼滤波算法处理后传输至控制系统；

5、所述控制系统利用神经网络模型对卡尔曼滤波后的温度数据进行温度变化预测，获得温度变化趋势预测结果；

6、根据所述温度变化趋势预测结果，利用模糊逻辑算法判断当前储能柜内的温度状态；

7、根据模糊逻辑判断的温度状态，结合pid控制算法，计算并调整辅助散热装置的运行参数；

8、相变材料根据储能柜内实际温度变化，自动进行吸热或放热操作，并与所述辅助散热装置协同工作；

9、定期收集储能柜的实时运行数据，并根据储能柜的实时运行数据对神经网络模型和模糊逻辑的规则进行优化更新。

10、具体地，所述温度数据经过卡尔曼滤波算法处理后传输至控制系统，包括：

11、a1：获取储能柜内的温度数据，并设定卡尔曼滤波算法的初始参数；所述卡尔曼滤波算法的初始参数包括状态转移矩阵、观测矩阵、过程噪声协方差矩阵、观测噪声协方差矩阵、初始状态估计值c和初始误差协方差矩阵；

12、a2：根据t-1时刻的状态估计值和状态转移矩阵，预测当前时刻的状态估计值，其中，t表示当前时刻；

13、a3：根据t-1时刻的误差协方差矩阵、状态转移矩阵和过程噪声协方差矩阵，预测当前时刻的误差协方差矩阵，并引入不确定性量化方法，对进行修正，获得修正后的误差协方差矩阵。

14、具体地，所述温度数据经过卡尔曼滤波算法处理后传输至控制系统，还包括：

15、a4：利用、观测矩阵和当前时刻的观测噪声协方差矩阵，计算卡尔曼增益，同时，引入观测融合策略，根据多个温度传感器的观测值计算加权卡尔曼增益；

16、a5：根据当前时刻的观测值、和，更新当前时刻的状态估计值；

17、a6：利用、、和单位矩阵，更新当前时刻的误差协方差矩阵；

18、a7：将更新后的状态估计值和误差协方差矩阵作为下一时刻的初始值，重复步骤a2至步骤a6，直到处理完所有温度数据；

19、a8：将处理后的温度数据x传输至控制系统。

20、具体地，所述根据所述温度变化趋势预测结果，利用模糊逻辑算法判断当前储能柜内的温度状态，包括：

21、b1：根据温度变化趋势预测结果，结合预设的动态温度阈值，定义储能柜内的温度状态，并确定温度数据的论域；所述储能柜内的温度状态包括低温、中温和高温；

22、b2：针对储能柜内的每个温度状态，建立一个模糊集合，并使用为每个模糊集合定义高斯型隶属函数，同时，利用遗传算法对高斯型隶属函数进行优化，其中，表示指数函数，表示对应的高斯型隶属函数；所述模糊集合包括低温模糊集合、中温模糊集合和高温模糊集合，表示均值，表示方差；

23、b3：获取优化后的高斯型隶属函数，对于每个预测温度数据点，使用优化后的高斯型隶属函数计算其属于不同模糊集合的成员度，其中。

24、具体地，所述根据所述温度变化趋势预测结果，利用模糊逻辑算法判断当前储能柜内的温度状态，还包括：

25、b4：根据储能柜的管理需求和温度状态判断标准，构建基于知识图谱的智能模糊规则库；

26、b5：根据属于各模糊集合的成员度和智能模糊规则库，采用基于深度学习的模糊逻辑推理方法进行推理；

27、b6：根据模糊逻辑推理的结果，判断当前储能柜内的温度状态，并输出所述温度状态。

28、具体地，所述根据模糊逻辑判断的温度状态，结合pid控制算法，计算并调整辅助散热装置的运行参数，包括：

29、c1：获取b6中模糊逻辑判断的当前储能柜内的温度状态；

30、c2：根据模糊逻辑判断的温度状态，设定pid控制器的目标温度值；

31、c3：根据目标温度值和温度传感器采集的实时温度数据，计算当前的温度误差，并执行pid控制算法得到控制输出；

32、c4：根据控制输出计算辅助散热装置的运行参数；所述运行参数是指功率；

33、c5：根据所述运行参数，调整辅助散热装置的工作状态，监控实际运行效果并进行调整。

34、具体地，所述相变材料根据储能柜内实际温度变化，自动进行吸热或放热操作，并与所述辅助散热装置协同工作，包括：

35、d1：控制系统根据温度传感器的信号，判断储能柜内的温度状态，当温度超过相变材料的相变点时，相变材料开始吸收热量，从固态转变为液态，当温度低于相变点时，相变材料开始释放热量，从液态转变为固态；

36、d2：当储能柜内的温度超过预设的温度最大阈值，且相变材料的吸热值小于储能柜的散热温度值时，控制系统启动辅助散热装置，在相变材料吸热的同时，辅助散热装置也根据调整后的运行参数进行工作，维持储能柜内的温度在设定的范围内。

37、具体地，所述储能柜的实时运行数据包括温度数据、辅助散热装置的运行状态、相变材料的吸热/放热状态。

38、一种相变材料的储能柜节能热管理系统，包括：数据处理模块、温度变化预测模块、温度状态判断模块、散热控制模块、相变材料协同散热模块、优化与更新模块；

39、所述数据处理模块，用于采集储能柜内的温度数据，并进行卡尔曼滤波处理；

40、所述温度变化预测模块，用于利用神经网络模型对卡尔曼滤波处理后的温度数据进行预测，获得温度变化趋势预测结果；

41、所述温度状态判断模块，用于根据温度变化趋势预测结果，利用模糊逻辑算法判断当前储能柜内的温度状态；

42、所述散热控制模块，用于根据温度状态的判断结果，结合pid控制算法，计算并调整辅助散热装置的运行参数；

43、所述相变材料协同散热模块，用于根据储能柜内实际温度变化，自动进行吸热或放热操作，并与辅助散热装置协同工作；

44、所述优化与更新模块，用于定期收集储能柜的实时运行数据，并根据实时运行数据对神经网络模型和模糊逻辑的规则进行优化更新。

45、与现有技术相比，本发明的有益效果是：

46、1.本发明提出一种相变材料的储能柜节能热管理方法，根据温度变化实时调整辅助散热装置的运行参数，避免不必要的能耗，同时利用相变材料的吸热或放热特性，进一步降低能耗。

47、2.本发明提出一种相变材料的储能柜节能热管理方法，通过温度传感器采集储能柜内的温度数据，并经过卡尔曼滤波算法处理，提高了数据的准确性和可靠性；随后，利用神经网络模型对温度数据进行预测，结合模糊逻辑算法和pid控制算法，实现了对储能柜内温度状态的精准判断和辅助散热装置运行参数的智能调整，不仅提升了储能柜的温度控制能力，还确保了其在各种工况下的稳定运行，从而延长了储能柜的使用寿命。