摘要
本申请公开了一种模块化舌瓣门的储能管理方法、装置、设备及存储介质,涉及储能技术领域,方法利用了水温随着水深的增加而逐渐降低的特性,从储能件的散热入手,来作为不同水深的储能件的散热指标,由于储能件(例如电池包)的充电和放电均会放热,使得处于更冷水温的储能件具有更大的温差,从而更加利于储能件散热,所以本申请对于处于更冷水温的储能件配给更多的充电量,更多的充电量意味着更多的用电量,整个放热过程都能在更冷水温的环境下进行,从而保证了储能件的全程散热良好,且本申请引入了机器学习来预测未来水温,使得本申请能够预知未来的水温变化而提前做好充电准备,从而消除了充电行为的滞后性。
技术关键词
储能管理方法
温度预测模型
水体
储能管理装置
机器学习机
神经网络模型训练
处理器
标记
执行主体
定义
模块
测温
训练集
曲线
水面
储能技术
传播算法
进程