CN119482875A 液冷储能柜的电池温度智能动态优化方法与系统 （南京佳盛机电器材制造有限公司）

液冷储能柜的电池温度智能动态优化方法本发明公开了液冷储能柜的电池温度智能温度数据集合；以及实时获取电池运行评估系来的温度变化，根据生成的放电或充电优化指2获取电池的运行特征数据，所述运行特征数据包括功率变化率;l所述功率变化率和内阻变化率的计算方式与电压变化率的计算方若功率变化率为正值，且电池运行评估系数小于预设第一评3若功率变化率为正值，且电池运行评估系数大于若功率变化率为负值，且电池运行评估系数小于预设第二评若功率变化率为负值，且电池运行评估系数大获取历史温度训练数据，将历史温度训练数据划分为温度所述温度特征数据中的温度数据集合通过温度传感器按照时间序列Q次测量温度数据构建网络回归模型，将温度训练集中的温度数据集合4步骤b7：统计电流波动值E下的G个测试温度值和第一流速波动值F下的H个测试温度步骤b8：最小的测试温度值对应的电流波动值和第一步骤c7：统计功率波动值下的K个测试温度值和第二流速波动值下的P个测试温度步骤c8：最小的测试温度值对应的功率波动值和第二9.液冷储能柜的电池温度智能动态优化系统，用于实施权利要求1_8中任一项所述的数据采集分析模块，用于实时获取电池监测区域预测判断模块，用于接收对应的正常指令，将温度数据集合和电池5所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1_8中任一项所6池温度中确定最大电池温度和最小电池温度；基于所述最大电池温度和所述最小电池温7l[0034]获取历史温度训练数据，将历史温度训练数据划分为温度训[0035]所述温度特征数据中的温度数据集合通过温度传感器按照时间序列Q次测量温度8E=E-，并记录电流波动值E下测试温度值；a为常数；[0054]步骤b7：统计电流波动值E下的G个测试温度值和第一流速波动值F下的H个测试9[0074]1.本发明通过将温度数据集合和电池运行评估系数输入到预构建的神经网络模l[0110]获取历史温度训练数据，将历史温度训练数据划分为温度训差的初始网络回归模型作为神经网络模型；其中，预测误差的计算公式为第a组温度特征数据对应的预测的未来温度速用于电池在放电过程中冷却电池温度；通过实时调节放电电流和冷却第一流速的波动E=E-，并记录电流波动值E下测试温度值；a为常数；[0132]步骤b7：统计电流波动值E下的G个测试温度值和第一流速波动值F下的H个测试中电池接收到的能量传输速率；所述冷却第二流速用于电池在充电过程中冷却电池温度；[0145]本实施例通过将温度数据集合和电池运行评估系数输入到预构建的神经网络模所述处理器11执行所述计算机程序13时实现上述各装置实施例中各模块/单元的功能，例如图3所示的模块功能。示例性的，所述计算机程序13可以被分割成一个或多个模块/单成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令其他通用处理器、数字信号处理器（DigitalSignalProcessor，DSP)、专用集成电路（ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列（Field_分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。[0157]所述存储器12可以是所述终端设备的内部存储单元，例如