用于储能系统智能预警安防的基于多物理参数的安全预警方法与流程

1.本发明属于安全预警技术领域，尤其涉及一种用于储能系统智能预警安防的基于多物理参数的安全预警方法。


背景技术：

2.储能主要包括热能、动能、电能、电磁能、化学能等能量的存储，储能是能源变革和电力转型的关键一环，安全、高效、经济的电化学储能系统，广泛适配发电、电网和用电领域，助力优化能源结构、强化电力系统安全、降低能源使用成本。
3.储能系统为发电侧提供存储及输出管理，电化学储能技术与可再生能源发电技术形成联合系统。储能系统为输配电侧提供智慧的负荷管理，根据电网负荷情况及时调峰调频。储能系统为用户提供峰谷套利模式和稳定的电源质量管理。
4.锂离子电池具有能量密度高、循环寿命长、自放电率小、无记忆效应、绿色环保等优点，在储能领域具有广阔的应用前景。目前锂离子电池技术重要有钴酸锂、锰酸锂、磷酸铁锂、钛酸锂等不同类型并得到了广泛的应用。
5.锂离子电池目前被广泛应用于储能领域。锂离子电池是储能电站电能的能量载体，其电极体系组分具有很高的热失控危险性，封装成电池后其热失控危险性加剧。
6.储能电站锂离子电池的火灾爆炸事故，主要是电池单体发生热失控后使得电池起火燃烧，进一步热失控扩展到相邻电池，从而形成大规模火灾，在受限空间中气体积聚到一定程度时，遇到点火源，又会发生爆炸。尽管锂离子电池存在自引发内短路致使热失控的风险，但是概率很低，仅为百万分之一。一般认为，热失控是在外部诱发条件如热滥用、电滥用、机械滥用下造成的。储能电站锂离子电池发生热失控时，电池间会发生热失控蔓延，进一步引发大规模的电池燃烧。
7.储能电站锂离子电池电池簇在单预制仓储室内排列紧密，电池簇内的电池高度密集，很容易形成热失控扩展蔓延的情况，此时难以散热，热量和可燃气体会慢慢积累；若可燃气体扩散、运移后在受限空间积聚，则更加容易在延迟点火后发生爆炸。
8.目前，对于热失控机理和演化过程研究已经较为深入，而储能电站锂离子电池监测预警技术仍然有很多问题亟待解决。比如研究储能电站锂电池热失控特性及演化过程规律技术发现储能电站锂离子电池在外部滥用条件下的热失控演化过程可划分为3个阶段和6个过程。3个阶段分别是热失控早期、热失控发生期和火灾初期。6个过程分别是放热、产气、增压、喷烟、起火燃烧和气体爆炸。整个演化过程各阶段并不是独立的，而是化学反应重叠交叉进行的。深入理解锂电池热失控特性及演化过程才能获得可靠和先进的监测预警、抑制、灭火、抑爆技术。
9.目前在储能电站监测预警方面，电压信号、温度信号和烟雾报警信号作为监测信号预警效果较差，在发出热失控预警时已经到达了热失控的末尾期。需要构建以多物理8参数数据融合的多参数耦合的热失控全过程监测预警技术，在热失控初期进行快速、准确的
预警，并根据预警结果，提供相应的事故处置措施，如热失控早期热管理，热失控发生期断电冷却、抑制，火灾初期进行灭火。避免热失控引起更大的安全事故。


技术实现要素：

10.本发明就是针对上述问题，提供一种用于储能系统智能预警安防的基于多物理参数的安全预警方法。
11.为实现上述目的，本发明采用如下技术方案，本发明包括热失控预警步骤；
12.热失控预警步骤：中央控制器在连续两个采样周期，确定五层bp神经网络的输入层神经元向量x＝{x
1,
x
2,
x
3,
x
4,
x5}；其中，x1为电池模组内的气压值，x2为电池模组内voc气体的浓度；x3为电池模组内co气体的浓度；x4为电池模组内co2气体的浓度；x5为电池模组内的温度值；
13.其中，输入层神经元xi＝{x
i1
,x
i2
,...,x
im
},i＝{1,2,3,4,5}其中，m为电池模组的数量，xi为第i项的检测数据；
14.输入层神经元向量映射到隐层，隐层的神经元为m个；
15.得到输出层神经元向量o；其中，o为预警装置的工作状态；输出层神经元向量值为
16.当o＝1时，预警装置进行一级告警(电池漏液告警)；当o＝2时，预警装置进行热失控风险二级告警；当o＝3时，预警装置进行热失控风险三级告警；当o＝0时，预警装置不告警。
17.作为一种优选方案，本发明当电池模组内的内压满足：x
10
为电池模组内的气压值的历史稳定数据；电池包模组内voc、一氧化碳、二氧化碳气体的浓度均满足：i＝{2，3，4}，xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x
50
为电池模组内温度值的历史稳定数据；预警装置进行热失控风险三级告警，告警信号同步给安全管理系统。
18.作为另一种优选方案，本发明当电池模组内的内压满足：x
10
为电池模组内的气压值的历史稳定数据；电池模组内voc、一氧化碳、二氧化碳气体的浓度均满足：xi0为第i项的历史稳定数据；i＝{2，3，4}；电池模组内温度值的变化满足：x
50
为电池模组内温度值的历史稳定数据；预警装置进行热失控风险二级告警，告警信号可以同步给安全管理系统。
19.作为另一种优选方案，本发明当电池模组内的内压满足：x
10
为电池
模组内的气压值的历史稳定数据；电池模组内voc气体的浓度满足：x
20
为电池模组内voc气体的浓度的历史稳定数据；电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}，xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x
50
为电池模组内温度值的历史稳定数据；预警装置进行热失控风险一级告警(可以是电池漏液告警)，告警信号同步给安全管理系统。
20.作为另一种优选方案，本发明当电池模组内的内压满足：x
10
为电池模组内的气压值的历史稳定数据；电池模组内voc气体的浓度满足：x
20
为电池模组内voc气体的浓度的历史稳定数据；电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}，xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x
50
为电池模组内温度值的历史稳定数据；预警装置不发出告警或者解除告警，解除告警信息同步给安全管理系统。
21.作为另一种优选方案，本发明还包括恶劣天气预警步骤；
22.恶劣天气预警步骤：在3小时时间周期内，恶劣天气预警频率默认为4hpa/3hr，表示在3小时内，气压持续下降累计超过所设置的频率4hpa，其中，输入层神经元xi＝{x
i1
,x
i2
,...,x
im
},i＝{1,2,3,4,5}其中，m为电池模组的数量；输入层向量映射到隐层，隐层的神经元为m个；得到输出层神经元向量o；其中，o为预警装置的工作状态；输出层神经元值为当o＝1时，预警装置进行恶劣天气告警，当o＝0时，预警装置不告警或者解除告警。确定五层bp神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5}；其中，x1为电池模组内的气压值，x2为电池模组内voc气体的浓度；x3为电池模组内co气体的浓度；x4为电池模组内co2气体的浓度；x5为电池模组内的温度值。
23.作为另一种优选方案，本发明当电池模组内的内压满足：电池模组内voc气体的浓度满足：电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}；电池模组内温度值的变化满足：式中，x1为电池内压的检测数据，x
10
为电池内压的历史稳定数据，x2为电池模组内voc气体的浓度的检测数据，x
20
为电池模组内voc气体的浓度的历史稳定数据，xi为第i项的检测数据，x
i0
为第i项的历史稳定数据，x5为电池模组内温度值的检测数据，x
50
为电池模组内温度值的历史稳定数据；预警装置发出恶劣天气告警，告警信息同步给安全管理系统。
24.作为另一种优选方案，本发明当电池模组内的内压满足：电池模组
内voc气体的浓度满足：电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}；电池模组内温度值的变化满足：式中，x1为电池内压的检测数据，x
10
为电池内压的历史稳定数据，x2为电池模组内voc气体的浓度的检测数据，x
20
为电池模组内voc气体的浓度的历史稳定数据，xi为第i项的检测数据，x
i0
为第i项的历史稳定数据，x5为电池模组内温度值的检测数据，x
50
为电池模组内温度值的历史稳定数据；预警装置不告警或者解除告警，解除告警信息同步给安全管理系统。
25.作为另一种优选方案，本发明还包括凝露预警步骤；
26.凝露预警步骤：中央控制器在连续两个采样周期，确定三层bp神经网络的输入层神经元向量x＝{x1,x5,x6}；其中，x1为电池模组内的气压值；x5为电池模组内的温度值；x6为电池模组内的相对湿度值；其中，所述输入层神经元xi＝{x
i1
,x
i2
,...,x
im
},i＝{1,2,3}其中，m为电池模组的数量；输入层向量映射到隐层，隐层的神经元为m个；得到输出层神经元向量o；其中，o为预警装置的工作状态；所述输出层神经元值为当o＝1时，预警装置进行凝露告警；当o＝0时，预警装置不告警或者解除告警。
27.作为另一种优选方案，本发明当电池模组内的内压满足：按照采样周期计算露点温度；
28.计算露点温度的方式是将温、湿度数据导入现有的露点计算模型；
29.或计算露点温度的方式是将温、湿度数据输进现有的计算程序中；
30.或计算露点温度的方式是根据公式td＝b/[a/log(pv/po)-1]；1]；计算得到对应温、湿度数据匹配的露点温度；其中，td表示空气的露点温度；pv表示空气的水蒸汽压，其单位是hpa；a、b表示水面或者冰面情况下的固定参数，φ表示采集到的空气的相对湿度，其单位是％；ps表示空气的饱和水蒸汽压，其单位是hpa；p0表示空气温度为0℃时的饱和水蒸汽压，t表示采集到的电池模组内的空气温度；
[0031]
电池模组内的相对湿度值满足：0％《x6《100％；
[0032]
电池模组内温度值的变化满足：x5《td+3；
[0033]
式中，x1为电池内压的检测数据，x
10
为电池内压的历史稳定数据，x5为电池模组内的温度值；x6为电池模组内的相对湿度值；xi为第i项的检测数据，x
i0
为第i项的历史稳定数据；
[0034]
预警装置进行凝露告警，告警信息同步给安全管理系统。
[0035]
作为另一种优选方案，本发明当电池模组内的内压满足：按照采样周期计算露点温度；
[0036]
计算露点温度的方式是将温、湿度数据导入现有的露点计算模型；
[0037]
或计算露点温度的方式是将温、湿度数据输进现有的计算程序中；
[0038]
或计算露点温度的方式是根据公式td＝b/[a/log(pv/po)-1]；1]；计算得到对应温、湿度数据匹配的露点温度；其中，td表示空气的露点温度；pv表示空气的水蒸汽压，其单位是hpa；a、b表示水面或者冰面情况下的固定参数，φ表示采集到的空气的相对湿度，其单位是％；ps表示空气的饱和水蒸汽压，其单位是hpa；p0表示空气温度为0℃时的饱和水蒸汽压，t表示采集到的电池模组内的空气温度；
[0039]
电池模组内的相对湿度值满足：0％《x6《100％；
[0040]
电池模组内温度值的变化满足：x
5≥
td+3；
[0041]
式中，x1为电池内压的检测数据，x
10
为电池内压的历史稳定数据，x5为电池模组内的温度值；x6为电池模组内的相对湿度值；xi为第i项的检测数据，x
i0
为第i项的历史稳定数据；
[0042]
预警装置或者解除告警，解除告警信息同步给安全管理系统。
[0043]
作为另一种优选方案，本发明露点温度计算公式中，对数函数的底数是10，对于水面(t＞0℃)，a＝7.5，b＝237.3；对于冰面(t≤0℃)，a＝9.5，b＝265.5；取p0＝6.108hpa。
[0044]
作为另一种优选方案，本发明当电池模组内的内压满足：系统默认进行锂电池热失控优先预警，凝露预警不进行露点计算(内压变化导致该计算公式不适用)以及不进行凝露报警(锂电池热失控是第一优先级预警信息)。
[0045]
作为另一种优选方案，本发明还包括振动监测预警步骤；
[0046]
振动监测预警步骤：中央控制器对三轴振动幅度数据进行处理，具体为：预先设定三轴的振动阈值a，当三轴中任何一个轴的振动幅度数据高于三轴振动阈值a时，将三轴振动幅度数据和其对应的位置信息数据整合为超限数据；当三轴中任何一个轴的振动幅度数据小于或等于三轴振动阈值a时，对三轴振动幅度数据和其对应的位置信息数据不进行处理；位置信息数据是指中央控制器接收的与三轴振动幅度数据为同一时刻的被测物品的位置信息数据。
[0047]
作为另一种优选方案，本发明仅对超限数据进行后续处理，对于正常运输状态的振动幅度数据和位置信息数据则不再存储，这样在保证监测不发生疏漏的同时，便于节省存储空间，提高系统对数据的处理速率。
[0048]
作为另一种优选方案，本发明空气密度算法如下：
[0049]
采用如下计算公式计算空气密度值
[0050][0051]
其中，ρ:空气密度；t：绝对温度；p：大气压力；r0：干燥空气的气体常数，287.05j/(kg*k)；φ:相对湿度(0-100％)；pw:水蒸气的气体常数，461.5j/(kg*k)；rw：蒸汽压，等于0.0000205exp(0.0631846*t)；
[0052]
采用采集到的空气温度、相对湿度、大气压力，结合上式计算即得到空气密度。
[0053]
作为另一种优选方案，本发明中央控制器的采样周期为0.5s～10s，采样次数为多次，分别计算出对应的空气密度ρ的值，对该组值计算均方根值(root mean square,rms：又称为有效值)，计算方法是先平方、再平均，然后再开方；
[0054][0055]
其中，公式中的x为空气密度，x
rms
是空气密度的均方根值，x1是第一次采样计算的空气密度，xn是第n次采用计算的空气密度，n是采样次数。
[0056]
作为另一种优选方案，本发明所述中央控制器的采样周期为0.5s～1s。
[0057]
其次，本发明所述采样次数n为2次、4次、8次、16次、32次、64次或128次。
[0058]
另外，本发明所述采样次数n为16次。
[0059]
以上为针对一个安全预警装置的多个空气密度值的均方根运算。
[0060]
也可针对多个安全预警装置(储能项目包括很多电池模组，需要配备多个安全预警装置)，每个安全预警装置提供一个空气密度值，对多个空气密度值进行均方根运算，得到更加准确的空气密度值。各安全预警装置提供的空气密度值可发送给上位机，上位机作为通讯设备，将各安全预警装置提供的空气密度值发送给某个安全预警装置，该安全预警装置进行均方根运算。也可通过上位机进行均方根运算。
[0061]
也可将上述两种均方根运算方式进行组合。比如每一个安全预警装置对两个空气密度值进行均方根运算，获得单个安全预警装置的均方根运算值。再将各安全预警装置的单个安全预警装置的均方根运算值发送给上位机，上位机作为通讯设备，将各安全预警装置的单个安全预警装置的均方根运算值发送给某个安全预警装置，该安全预警装置对多个单个安全预警装置的均方根运算值进行均方根运算。也可通过上位机对多个单个安全预警装置的均方根运算值进行均方根运算。
[0062]
通过均方根运算得到了更加准确的空气密度数据。
[0063]
本发明有益效果。
[0064]
本发明可在热失控初期便发出预警信息，因为本技术通过电池模组所在环境的气压值、voc气体的浓度、co气体的浓度、co2气体的浓度进行预警判断，气压和气体参数的变化在热失控初期便可检测到，相比于现有技术通过电压信号检测的方式(电压信号检测方式，只能在热失控的末尾期发出预警)，可提前发出热失控预警信号。
附图说明
[0065]
下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不仅局限于以下内容的表述。
[0066]
图1是本发明pcba电路板结构示意图。
[0067]
图2是本发明中央控制器电路原理图。
[0068]
图3是本发明环境参数监测传感器部分电路原理图。
[0069]
图4是本发明数据传输部分电路原理图。
具体实施方式
[0070]
本发明用于储能系统智能预警安防的基于多物理参数的安全预警方法可应用于用于储能系统智能预警安防的基于多物理参数的安全预警装置，用于储能系统智能预警安防的基于多物理参数的安全预警装置包括环境参数监测传感器、中央控制器、环境参数监
测传感器供电部分、环境参数监测传感器供电控制部分、数据传输部分和数据传输供电部分，中央控制器的检测信号输入端口与环境参数监测传感器的检测信号输出端口相连，环境参数监测传感器供电部分的电能输出端口通过环境参数监测传感器供电控制部分与环境参数监测传感器的电源端口相连，数据传输部分的数据传输端口与中央控制器的数据传输端口相连；所述环境参数监测传感器包括温湿度传感器、振动加速度传感器、气压传感器、voc传感器、co2传感器和co传感器。
[0071]
本发明用于储能系统智能预警安防的基于多物理参数的安全预警装置通过传感器测量电池模组内的八种物理环境参数(空气密度、温度、湿度、振动加速度、气压、voc浓度、co2浓度、co浓度，空气密度可通过检测到的温度、气压、湿度计算得到)，监测更加精确。发出四种电池单元的预警(锂电池热失控预警、振动监测预警、凝露预警、恶劣天气预警)。
[0072]
本发明可在热失控初期便发出预警信息，因为本技术通过气压传感器、voc传感器、co2传感器和co传感器检测电池模组所在环境的气压和气体参数，气压和气体参数的变化在热失控初期便可检测到，相比于现有技术通过电压信号检测的方式(电压信号检测方式，只能在热失控的末尾期发出预警)，可提前发出热失控预警信号。
[0073]
所述气压传感器采用mems气压传感器。电容式mems气压传感器温漂非常低，极大地提高了传感器的温度稳定性(因为电容式气压芯片对温度不敏感)，可以在更大温度范围内工作，并且在更大温度范围内保持高精度。
[0074]
所述中央控制器采用gd32c103cbt6芯片u1，u1的10～17脚分别与gm_adc1、gm_adc2、usart1_tx、usart1_rx、spi0_nss、spi0_sck、spi0_miso、spi0_mosi对应相连，u1的29～38脚分别与tj_set、usart0_tx、usart0_rx、rx_set、tx_set、nlswdclk、nlswdio、v5_en对应相连，u1的5脚分别与电阻r8一端、晶振y1一端、电容c1一端相连，c1另一端分别与gnd、电容c2一端相连，c2另一端分别与y1另一端、r8另一端、u1的6脚相连，u1的44脚通过电阻r9接gnd，u1的7脚分别与电阻r10一端、电容c5一端相连，r10另一端接v3.3，c5另一端接gnd；
[0075]
u1的3脚分别与晶振y2一端、电容c3一端相连，y2另一端分别与u1的4脚、电容c4一端相连，c4另一端分别与gnd、c3另一端相连；
[0076]
u1的21脚通过电阻r6分别与v3.3、电阻r7一端相连，r7另一端接u1的22脚；
[0077]
u1的42脚通过电阻r4分别与v3.3、电阻r5一端相连，r5另一端接u1的43脚；
[0078]
u1的18脚通过电阻r1分别与v3.3、电阻r2一端相连，r2另一端接u1的19脚；
[0079]
u1的40脚依次通过电阻r3、指示灯d1(上电状态指示)接v3.3；
[0080]
w25q64jvxgiq芯片u2(存储设备配置参数)的1、2、5、6脚分别与spi0_nss、spi0_miso、spi0_mosi、spi0_sck对应相连。
[0081]
所述温湿度传感器u3的数据传输端口分别与aht_scl、aht_sda(aht_scl、aht_sda为i2c接口)对应相连，voc传感器u4的数据传输端口与gm_adc1相连，气压传感器u6的数据传输端口分别与qma_sda、qma_scl、qma_t1、qma_t2(qma_sda\qma_scl为i2c信号，qma_t1\qma_t2为中断信号)对应相连，co传感器u5的数据传输端口与gm_adc2相连，振动加速度传感器u8的数据传输端口分别与dsp_scl、dsp_sda、dsp_ti(dsp_scl\dsp_sda为i2c信号，dsp_ti为中断信号)对应相连，co2传感器u7的数据传输端口分别与mh_rx、mh_tx(mh_rx、mh_tx为ttl串口信号，传感器通过请求方式回复)对应相连。
[0082]
所述环境参数监测传感器供电部分包括rt9193-25gb芯片u11和me6211c33m5g芯
片u12，u11的1脚接v5，u11的3脚接rt_en(单片机通过rt_en控制u11工作，进而控制电源通断，对不需要的传感器关掉来降低功耗)，u11的5脚接v2.5；
[0083]
u12的1脚接v5，u12的5脚接v3.3。
[0084]
u11用于提供2.5v电压，u12用于提供3.3v电压。
[0085]
u16用于提供电源v5。
[0086]
u1通过v5_en和v3_en控制q3和q4的工作。通过q1和q3控制需要5v电压的传感器供电，通过q2和q4控制需要3.3v电压的传感器供电。
[0087]
所述环境参数监测传感器供电控制部分包括ao3400a管q3、ao3400a管q4、ao3401a管q1和ao3401a管q2，q3的栅极通过电阻r22接v5_en，q3的源极接gnd,q3的漏极接q1的栅极,q1的漏极接vo_5,q1的源极接v5；
[0088]
q4的栅极通过电阻r23接v3_en，q4的源极接gnd,q4的漏极接q2的栅极,q2的漏极接vo_5,q2的源极接v3.3。
[0089]
所述数据传输部分包括sn74lvc1g3157dbvr芯片u13、sn74lvc1g3157dbvr芯片u14、max13487eesa+芯片u9和ja1050芯片u10，u13的1脚接tj_rx，u13的3脚接m_rx，u13的4脚接《m_rx，u13的6脚接rx_set；
[0090]
u14的1脚接tj_tx，u14的3脚接m_tx，u14的4脚接《m_tx，u14的6脚接tx_set；
[0091]
u9的1脚通过电阻r75接m_rx，u9的4脚通过电阻r76接m_tx，u9的7脚通过保险丝f1接rs485b，u9的6脚通过保险丝f2接rs485a；
[0092]
u10的1脚通过电阻r81接m_can_t,u10的4脚通过电阻r83接m_can_r,u10的7脚接zjys51r5-2pt-01共模滤波器l3的1脚，l3的2脚接u10的6脚，l3的1脚接pesd1can瞬态抑制二极管阵列d18(设置d18进行esd保护)的1脚，d18的2脚接l3的2脚，d18的3脚接接gnd，l3的4脚接can_h，l3的3脚接can_l，can_l与can_h之间接有bf091m(bf091m为气体放电管，emc防护)。
[0093]
u9是rs485接口，u10是can接口，用于对外传输采集的传感器数据。通过两种接口传递数据，提高产品的适用范围。
[0094]
u13和u14控制rs485或lin总线传输。u13和u14实现lin总线和rs485总线切换，根据现场接口情况可以配置是rs485总线数据通信还是lin总线通信，提高产品的适用范围。tx_set置低为lin总线发送端口工作，tx_set为高为rs485内部串口发送端口工作。rx_set置低为lin总线接收端口工作，rs_set置高为rs485内部串口接收端口工作。
[0095]
vbat是主设备(比如汽车)提供的电源端口。
[0096]
所述数据传输供电部分包括tps54202ddcr芯片u16和tja1021t芯片u15，u16的2脚通过电感l1接v5，u16的3脚接dv12，u16的4脚分别与电阻r36一端、电阻阻r34一端相连，r36另一端接gnd，r34另一端通过电阻r32接v5；u16的5脚分别与电阻r35一端、电阻r33一端相连，r35另一端接gnd，r33另一端接dv12；dv12依次通过二极管d5、保险丝f3接v12；
[0097]
u15的1脚通过电阻r28接tj_rx，u15的2脚通过电阻r29接tj_set，u15的3脚分别与电阻r27一端、电阻r30一端相连，r30另一端接gnd，r27另一端接vbt；u15的6脚分别与c_lin、电阻r26一端相连，r26另一端通过二极管d2接u15的8脚，u15的7脚分别与vbt、二极管d3阴极相连，d3阳极接vbat。
[0098]
tja1021t芯片u15为lin总线控制器。tja1021t芯片是互联网络(lin)主/从协议控
制器和lin中的物理总线之间的接口。用于使用从1kbd到20kbd的波特率的车载子网络，并且是lin2。1/saej2602标准tja1021与tja1020的针对针兼容，具有改进的静电放电(esd)规范。协议控制器在传输数据输入端(txd)的传输数据流为由tja1021转换成具有优化的转换速率和波形的总线信号，使电磁发射(eme)最小化，lin总线输出引脚通过内部终端电阻拉高。在lin总线输入引脚处检测数据流并通过引脚rxd将其传输到u1。
[0099]
u16用于为数据传输部分提供5v电源。
[0100]
tj_rx为lin总线控制器接收口，tj_set为lin总线芯片休眠控制，c_lin为lin总线，tj_tx为lin总线控制器发送口。
[0101]
v12的电是外部电源提供的。
[0102]
u1每个周期采集所有传感器的数据，并计算空气密度后，保存到存储单元中，每个周期采集完后，通过设置的工作方式，选择是热失控预警、恶劣天气预警、凝露预警、振动监测预警工作方式，进入相应的判断模式，通过下文的判断方法将报警状态存入报警状态寄存器中。当上位机下发读取指令后，将相应的数据返给上位机。
[0103]
所述中央控制器和环境参数监测传感器焊接在pcba电路板上，pcba电路板设置在壳体内，pcba电路板与壳体内壁之间设置有缓冲安装部件，pcba电路板底部设有缓冲层，pcba电路板底部与壳体底板之间填充有缓冲料。
[0104]
所述中央控制器采集环境参数监测传感器信号的采样周期为0.5s～10s。
[0105]
所述中央控制器采集环境参数监测传感器信号的采样周期为0.5s～1s。
[0106]
热失控预警步骤：中央控制器在连续两个采样周期，确定五层bp神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5}；其中，x1为电池模组内的气压值，x2为电池模组内voc气体的浓度；x3为电池模组内co气体的浓度；x4为电池模组内co2气体的浓度；x5为电池模组内的温度值；
[0107]
其中，输入层神经元xi＝{x
i1
,x
i2
,...,x
im
},i＝{1,2,3,4,5}其中，m为电池模组的数量，xi为第i项的检测数据；
[0108]
输入层神经元向量映射到隐层，隐层的神经元为m个；
[0109]
得到输出层神经元向量o(后边的逻辑算法为推导过程)；其中，o为预警装置的工作状态；输出层神经元向量值为
[0110]
当o＝1时，预警装置进行一级告警(电池漏液告警)；当o＝2时，预警装置进行热失控风险二级告警；当o＝3时，预警装置进行热失控风险三级告警；当o＝0时，预警装置不告警。输出层神经元向量o的值时如何得出的(后边的逻辑算法为推导过程)。
[0111]
当电池模组内的内压满足：x
10
为电池模组内的气压值的历史稳定数据；电池包模组内voc、一氧化碳、二氧化碳气体的浓度均满足：i＝{2，3，4}，xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x
50
为电池模组内温度值的历史稳定数据；预警装置进行热失控风险三级告警，告警信号同步给安全管理
系统。
[0112]
当电池模组内的内压满足：x
10
为电池模组内的气压值的历史稳定数据；电池模组内voc、一氧化碳、二氧化碳气体的浓度均满足：x
i0
为第i项的历史稳定数据；i＝{2，3，4}；电池模组内温度值的变化满足：x50为电池模组内温度值的历史稳定数据；预警装置进行热失控风险二级告警，告警信号可以同步给安全管理系统。
[0113]
当电池模组内的内压满足：x
10
为电池模组内的气压值的历史稳定数据；电池模组内voc气体的浓度满足：x
20
为电池模组内voc气体的浓度的历史稳定数据；电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}，xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x
50
为电池模组内温度值的历史稳定数据；预警装置进行热失控风险一级告警(可以是电池漏液告警)，告警信号同步给安全管理系统。
[0114]
当电池模组内的内压满足：x
10
为电池模组内的气压值的历史稳定数据；电池模组内voc气体的浓度满足：x
20
为电池模组内voc气体的浓度的历史稳定数据；电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}，xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x
50
为电池模组内温度值的历史稳定数据；预警装置不发出告警或者解除告警，解除告警信息同步给安全管理系统。
[0115]
恶劣天气预警步骤：在3小时时间周期内，恶劣天气预警频率默认为4hpa/3hr，表示在3小时内，气压持续下降累计超过所设置的频率4hpa，其中，输入层神经元xi＝{x
i1
,x
i2
,...,x
im
},i＝{1,2,3,4,5}其中，m为电池模组的数量；输入层向量映射到隐层，隐层的神经元为m个；得到输出层神经元向量o；其中，o为预警装置的工作状态；输出层神经元值为当o＝1时，预警装置进行恶劣天气告警，当o＝0时，预警装置不告警或者解除告警。确定五层bp神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5}；其中，x1为电池模组内的气压值，x2为电池模组内voc气体的浓度；x3为电池模组内co气体的浓度；x4为电池模组内co2气体的浓度；x5为电池模组内的温度值。
[0116]
当电池模组内的内压满足：电池模组内voc气体的浓度满足：
电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}；电池模组内温度值的变化满足：式中，x1为电池内压的检测数据，x
10
为电池内压的历史稳定数据，x2为电池模组内voc气体的浓度的检测数据，x
20
为电池模组内voc气体的浓度的历史稳定数据，xi为第i项的检测数据，x
i0
为第i项的历史稳定数据，x5为电池模组内温度值的检测数据，x
50
为电池模组内温度值的历史稳定数据；预警装置发出恶劣天气告警，告警信息同步给安全管理系统。
[0117]
当电池模组内的内压满足：电池模组内voc气体的浓度满足：电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}；电池模组内温度值的变化满足：式中，x1为电池内压的检测数据，x
10
为电池内压的历史稳定数据，x2为电池模组内voc气体的浓度的检测数据，x
20
为电池模组内voc气体的浓度的历史稳定数据，xi为第i项的检测数据，x
i0
为第i项的历史稳定数据，x5为电池模组内温度值的检测数据，x
50
为电池模组内温度值的历史稳定数据；预警装置不告警或者解除告警，解除告警信息同步给安全管理系统。
[0118]
凝露预警步骤：中央控制器在连续两个采样周期，确定三层bp神经网络的输入层神经元向量x＝{x1,x5,x6}；其中，x1为电池模组内的气压值；x5为电池模组内的温度值；x6为电池模组内的相对湿度值；其中，所述输入层神经元xi＝{x
i1
,x
i2
,...,x
im
},i＝{1,2,3}其中，m为电池模组的数量；输入层向量映射到隐层，隐层的神经元为m个；得到输出层神经元向量o；其中，o为预警装置的工作状态；所述输出层神经元值为当o＝1时，预警装置进行凝露告警；当o＝0时，预警装置不告警或者解除告警。
[0119]
当电池模组内的内压满足：按照采样周期计算露点温度；
[0120]
计算露点温度的方式是将温、湿度数据导入现有的露点计算模型；
[0121]
或计算露点温度的方式是将温、湿度数据输进现有的计算程序中；
[0122]
或计算露点温度的方式是根据公式td＝b/[a/log(pv/po)-1]；1]；计算得到对应温、湿度数据匹配的露点温度；其中，td表示空气的露点温度；pv表示空气的水蒸汽压，其单位是hpa；a、b表示水面或者冰面情况下的固定参数，φ表示采集到的空气的相对湿度，其单位是％；ps表示空气的饱和水蒸汽压，其单位是hpa；p0表示空气温度为0℃时的饱和水蒸汽压，t表示采集到的电池模组内的空气温度；
[0123]
电池模组内的相对湿度值满足：0％《x6《100％；
[0124]
电池模组内温度值的变化满足：x5《td+3；
[0125]
式中，x1为电池内压的检测数据，x
10
为电池内压的历史稳定数据，x5为电池模组内的温度值；x6为电池模组内的相对湿度值；xi为第i项的检测数据，x
i0
为第i项的历史稳定数
据；
[0126]
预警装置进行凝露告警，告警信息同步给安全管理系统。
[0127]
当电池模组内的内压满足：按照采样周期计算露点温度；
[0128]
计算露点温度的方式是将温、湿度数据导入现有的露点计算模型；
[0129]
或计算露点温度的方式是将温、湿度数据输进现有的计算程序中；
[0130]
或计算露点温度的方式是根据公式td＝b/[a/log(pv/po)-1]；1]；计算得到对应温、湿度数据匹配的露点温度；其中，td表示空气的露点温度；pv表示空气的水蒸汽压，其单位是hpa；a、b表示水面或者冰面情况下的固定参数，φ表示采集到的空气的相对湿度，其单位是％；ps表示空气的饱和水蒸汽压，其单位是hpa；p0表示空气温度为0℃时的饱和水蒸汽压，t表示采集到的电池模组内的空气温度；
[0131]
电池模组内的相对湿度值满足：0％《x6《100％；
[0132]
电池模组内温度值的变化满足：x
5≥
td+3；
[0133]
式中，x1为电池内压的检测数据，x
10
为电池内压的历史稳定数据，x5为电池模组内的温度值；x6为电池模组内的相对湿度值；xi为第i项的检测数据，x
i0
为第i项的历史稳定数据；
[0134]
预警装置或者解除告警，解除告警信息同步给安全管理系统。
[0135]
露点温度计算公式中，对数函数的底数是10，对于水面(t＞0℃)，a＝7.5，b＝237.3；对于冰面(t≤0℃)，a＝9.5，b＝265.5；取p0＝6.108hpa。
[0136]
当电池模组内的内压满足：系统默认进行锂电池热失控优先预警，凝露预警不进行露点计算(内压变化导致该计算公式不适用)以及不进行凝露报警(锂电池热失控是第一优先级预警信息)。
[0137]
本发明振动监测预警步骤：
[0138]
中央控制器对三轴振动幅度数据(即前述振动加速度传感器采集的数据)进行处理，具体为：预先设定三轴振动阈值a(这里可以选择a≥10％，任何一个轴触发都发出报警)，当三轴振动幅度数据高于三轴振动阈值a(这里可以选择a≥10％，任何一个轴触发都发出报警)时，将三轴振动幅度数据和其对应的位置信息数据整合为超限数据；当三轴振动幅度数据小于或等于三轴振动阈值a(这里可以选择a≥10％，任何一个轴触发都发出报警)时，对三轴振动幅度数据和其对应的位置信息数据不进行处理；位置信息数据是指中央控制器接收的与三轴振动幅度数据为同一时刻的被测物品的位置信息数据。
[0139]
仅对超限数据进行后续处理，对于正常运输状态的振动幅度数据和位置信息数据则不再存储，这样在保证监测不发生疏漏的同时，便于节省存储空间，提高系统对数据的处理速率。
[0140]
空气密度算法如下：
[0141]
采用如下计算公式计算空气密度值
[0142]
[0143]
其中，ρ:空气密度；t：绝对温度；p：大气压力；r0：干燥空气的气体常数，287.05j/(kg*k)；φ:相对湿度(0-100％)；pw:水蒸气的气体常数，461.5j/(kg*k)；rw：蒸汽压，等于0.0000205exp(0.0631846*t)；
[0144]
采用采集到的空气温度、相对湿度、大气压力，结合上式计算即得到空气密度。
[0145]
所述中央控制器的采样周期为0.5s～10s，采样次数为多次，分别计算出对应的空气密度ρ的值，对该组值计算均方根值(root mean square,rms：又称为有效值)，计算方法是先平方、再平均，然后再开方；
[0146][0147]
其中，公式中的x为空气密度，x
rms
是空气密度的均方根值，x1是第一次采样计算的空气密度，xn是第n次采用计算的空气密度，n是采样次数。采用均方根计算，提高可靠性。
[0148]
所述中央控制器的采样周期为0.5s～1s。
[0149]
所述采样次数n为2次、4次、8次、16次、32次、64次或128次。
[0150]
所述采样次数n为16次。
[0151]
本发明装置各传感器、中央控制器、供电部分、数据传输部分都设置在pcba电路板上，pcba电路板设置在壳体内。使用时，壳体设置在电池包/盒(pack)内，传感器监测电池模组所处的环境信息。本发明装置的传输线通过pack上原有的馈通孔导出。
[0152]
可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

技术特征：
1.用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于包括热失控预警步骤；热失控预警步骤：中央控制器在连续两个采样周期，确定五层bp神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5}；其中，x1为电池模组内的气压值，x2为电池模组内voc气体的浓度；x3为电池模组内co气体的浓度；x4为电池模组内co2气体的浓度；x5为电池模组内的温度值；其中，输入层神经元xi＝{xi1,xi2,...,xim},i＝{1,2,3,4,5}其中，m为电池模组的数量，xi为第i项的检测数据；输入层神经元向量映射到隐层，隐层的神经元为m个；得到输出层神经元向量o；其中，o为预警装置的工作状态；输出层神经元向量值为当o＝1时，预警装置进行一级告警(电池漏液告警)；当o＝2时，预警装置进行热失控风险二级告警；当o＝3时，预警装置进行热失控风险三级告警；当o＝0时，预警装置不告警；当电池模组内的内压满足：x10为电池模组内的气压值的历史稳定数据；电池包模组内voc、一氧化碳、二氧化碳气体的浓度均满足：xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x50为电池模组内温度值的历史稳定数据；预警装置进行热失控风险三级告警，告警信号同步给安全管理系统；当电池模组内的内压满足：x10为电池模组内的气压值的历史稳定数据；电池模组内voc、一氧化碳、二氧化碳气体的浓度均满足：xi0为第i项的历史稳定数据；i＝{2，3，4}；电池模组内温度值的变化满足：x50为电池模组内温度值的历史稳定数据；预警装置进行热失控风险二级告警，告警信号同步给安全管理系统；当电池模组内的内压满足：x10为电池模组内的气压值的历史稳定数据；电池模组内voc气体的浓度满足：x20为电池模组内voc气体的浓度的历史稳定数据；电池模组内一氧化碳、二氧化碳气体的浓度均满足：xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x50为电池模组内温度值的历史稳定数据；预警装置进行热失控风险一级告警，告警信号同步给安全管理系统；当电池模组内的内压满足：x10为电池模组内的气压值的历史稳定数据；
电池模组内voc气体的浓度满足：x20为电池模组内voc气体的浓度的历史稳定数据；电池模组内一氧化碳、二氧化碳气体的浓度均满足：xi0为第i项的历史稳定数据；电池模组内温度值的变化满足：x50为电池模组内温度值的历史稳定数据；预警装置不发出告警或者解除告警，解除告警信息同步给安全管理系统。2.根据权利要求1所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于还包括恶劣天气预警步骤；恶劣天气预警步骤：在3小时时间周期内，恶劣天气预警频率默认为4hpa/3hr，表示在3小时内，气压持续下降累计超过所设置的频率4hpa，其中，输入层神经元xi＝{xi1,xi2,...,xim},i＝{1,2,3,4,5}其中，m为电池模组的数量；输入层向量映射到隐层，隐层的神经元为m个；得到输出层神经元向量o；其中，o为预警装置的工作状态；输出层神经元值为当o＝1时，预警装置进行恶劣天气告警，当o＝0时，预警装置不告警或者解除告警。确定五层bp神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5}；其中，x1为电池模组内的气压值，x2为电池模组内voc气体的浓度；x3为电池模组内co气体的浓度；x4为电池模组内co2气体的浓度；x5为电池模组内的温度值；当电池模组内的内压满足：电池模组内voc气体的浓度满足：电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}；电池模组内温度值的变化满足：式中，x1为电池内压的检测数据，x10为电池内压的历史稳定数据，x2为电池模组内voc气体的浓度的检测数据，x20为电池模组内voc气体的浓度的历史稳定数据，xi为第i项的检测数据，xi0为第i项的历史稳定数据，x5为电池模组内温度值的检测数据，x50为电池模组内温度值的历史稳定数据；预警装置发出恶劣天气告警，告警信息同步给安全管理系统；当电池模组内的内压满足：电池模组内voc气体的浓度满足：电池模组内一氧化碳、二氧化碳气体的浓度均满足：i＝{3，4}；电池模组内温度值的变化满足：式中，x1为电池内压的检测数据，x10为电池内压的历史稳定数据，x2为电池模组内voc气体的浓度的检测数据，x20为电池模组内voc气体的浓度的历史稳定数据，xi为第i项的检测数据，xi0为第i项的历史稳定数据，x5为电池模组内温度值的检测数据，x50为电池模组内温度值的历史稳定数据；预警装置不告警或者解除告警，解除告警信息同步给安全管理系统。
3.根据权利要求1所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于还包括凝露预警步骤；凝露预警步骤：中央控制器在连续两个采样周期，确定三层bp神经网络的输入层神经元向量x＝{x1,x5,x6}；其中，x1为电池模组内的气压值；x5为电池模组内的温度值；x6为电池模组内的相对湿度值；其中，所述输入层神经元xi＝{xi1,xi2,...,xim},i＝{1,2,3}其中，m为电池模组的数量；输入层向量映射到隐层，隐层的神经元为m个；得到输出层神经元向量o；其中，o为预警装置的工作状态；所述输出层神经元值为当o＝1时，预警装置进行凝露告警；当o＝0时，预警装置不告警或者解除告警；当电池模组内的内压满足：按照采样周期计算露点温度；计算露点温度的方式是将温、湿度数据导入现有的露点计算模型；或计算露点温度的方式是将温、湿度数据输进现有的计算程序中；或计算露点温度的方式是根据公式t
d
＝b/[a/log(p
v
/p
o
)-1]；1]；计算得到对应温、湿度数据匹配的露点温度；其中，td表示空气的露点温度；pv表示空气的水蒸汽压，其单位是hpa；a、b表示水面或者冰面情况下的固定参数，φ表示采集到的空气的相对湿度，其单位是％；ps表示空气的饱和水蒸汽压，其单位是hpa；p0表示空气温度为0℃时的饱和水蒸汽压，t表示采集到的电池模组内的空气温度；电池模组内的相对湿度值满足：0％<x6<100％；电池模组内温度值的变化满足：x5<td+3；式中，x1为电池内压的检测数据，x10为电池内压的历史稳定数据，x5为电池模组内的温度值；x6为电池模组内的相对湿度值；xi为第i项的检测数据，xio为第i项的历史稳定数据；预警装置进行凝露告警，告警信息同步给安全管理系统；当电池模组内的内压满足：按照采样周期计算露点温度；计算露点温度的方式是将温、湿度数据导入现有的露点计算模型；或计算露点温度的方式是将温、湿度数据输进现有的计算程序中；或计算露点温度的方式是根据公式t
d
＝b/[a/log(p
v
/p
o
)-1]；1]；计算得到对应温、湿度数据匹配的露点温度；其中，td表示空气的露点温度；pv表示空气的水蒸汽压，其单位是hpa；a、b表示水面或者冰面情况下的固定参数，φ表示采集到的空气的相对湿度，其单位是％；ps表示空气的饱和水蒸汽压，其单位是hpa；p0表示空气温度为0℃时的饱和水蒸汽压，t表示采集到的电池模组内的空气温度；电池模组内的相对湿度值满足：0％<x6<100％；电池模组内温度值的变化满足：x5≥td+3；
式中，x1为电池内压的检测数据，x10为电池内压的历史稳定数据，x5为电池模组内的温度值；x6为电池模组内的相对湿度值；xi为第i项的检测数据，xi0为第i项的历史稳定数据；预警装置或者解除告警，解除告警信息同步给安全管理系统。4.根据权利要求3所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于露点温度计算公式中，对数函数的底数是10，对于水面，t＞0℃，a＝7.5，b＝237.3；对于冰面，t≤0℃，a＝9.5，b＝265.5；取p0＝6.108hpa。5.根据权利要求3所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于当电池模组内的内压满足：系统默认进行锂电池热失控优先预警，凝露预警不进行露点计算以及不进行凝露报警。6.根据权利要求1所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于还包括振动监测预警步骤；振动监测预警步骤：中央控制器对三轴振动幅度数据进行处理，具体为：预先设定三轴的振动阈值a，当三轴中任何一个轴的振动幅度数据高于三轴振动阈值a时，将三轴振动幅度数据和其对应的位置信息数据整合为超限数据；当三轴中任何一个轴的振动幅度数据小于或等于三轴振动阈值a时，对三轴振动幅度数据和其对应的位置信息数据不进行处理；位置信息数据是指中央控制器接收的与三轴振动幅度数据为同一时刻的被测物品的位置信息数据。7.根据权利要求6所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于仅对超限数据进行后续处理，对于正常运输状态的振动幅度数据和位置信息数据则不再存储，这样在保证监测不发生疏漏的同时，便于节省存储空间，提高系统对数据的处理速率。8.根据权利要求1所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于空气密度算法如下：采用如下计算公式计算空气密度值其中，ρ:空气密度；t：绝对温度；p：大气压力；r0：干燥空气的气体常数，287.05j/(kg*k)；φ:相对湿度(0-100％)；pw:水蒸气的气体常数，461.5j/(kg*k)；rw：蒸汽压，等于0.0000205exp(0.0631846*t)；采用采集到的空气温度、相对湿度、大气压力，结合上式计算即得到空气密度。9.根据权利要求8所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于中央控制器的采样周期为0.5s～10s，采样次数为多次，分别计算出对应的空气密度ρ的值，对该组值计算均方根值，计算方法是先平方、再平均，然后再开方；其中，公式中的x为空气密度，x
rms
是空气密度的均方根值，x1是第一次采样计算的空气
密度，x
n
是第n次采用计算的空气密度，n是采样次数。10.根据权利要求9所述用于储能系统智能预警安防的基于多物理参数的安全预警方法，其特征在于中央控制器的采样周期为0.5s～1s。

技术总结
用于储能系统智能预警安防的基于多物理参数的安全预警方法属于安全预警技术领域，尤其涉及一种用于储能系统智能预警安防的基于多物理参数的安全预警方法。本发明提供一种用于储能系统智能预警安防的基于多物理参数的安全预警方法。本发明包括热失控预警步骤；热失控预警步骤：中央控制器在连续两个采样周期，确定五层BP神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5}；其中，x1为电池模组内的气压值，x2为电池模组内VOC气体的浓度；x3为电池模组内CO气体的浓度；x4为电池模组内CO2气体的浓度；x5为电池模组内的温度值。x5为电池模组内的温度值。x5为电池模组内的温度值。


技术研发人员：杨超 闫乐山 杨梓墨
受保护的技术使用者：金天弘能源科技（北京）有限公司
技术研发日：2023.02.17
技术公布日：2023/6/28