用于配置和操作热能存储系统的方法和热能存储系统与流程

热能存储系统用于在热能存储系统的热能存储设备中存储热量。电热能存储系统通常用于将电能转换为热量，并用于将生成的热量存储在电热能存储系统的热能存储设备中。热量通常被存储供以后使用，尤其是在发电厂或类似物的蒸汽发生器中使用。传热流体（例如空气）用于热能存储系统内的能量传输。

为了高效地操作热能存储系统，尤其是电热能存储系统，必须控制传热流体的质量流量及其温度。传热流体的热物理参数对应于热能存储系统的操作模式，并且因此随时间变化。

通常，热能存储系统包括多个传感器，诸如温度传感器、压强传感器或类似物，用于收集关于物理参数（诸如热能存储系统的温度、压强或其他属性）的信息。填充状态 (SOC) 是用于操作热能存储系统的必要控制参数的一个示例，可以从测量的物理参数中获得。SOC对应于热能存储系统内存储的热量的总量。

过去，为了获得关于热能存储设备的状态的可靠信息，多个传感器被布置在热能存储设备处用于测量物理参数，诸如温度、压强或类似物。使用的传感器越多，热能存储系统的生产成本就越高。此外，在许多情况下，传感器的寿命小于热能存储设备的寿命。这意味着在热能存储系统的寿命期间，传感器很可能失效。

因此，必须更换损坏的传感器。这需要拆卸热能存储系统，拆卸损坏的传感器，安装新传感器和安装热能存储系统。这个过程既昂贵又耗时。在不更换损坏的传感器的情况下，只能基于由剩余工作的传感器测量的物理值部分地使用热能存储系统。这导致分析热能存储设备的状态（例如SOC）的准确度降低，并且因此限制了热能存储系统的性能。

因此，本发明的目的是提供一种解决方案，该解决方案不具有现有技术的限制或至少是对现有技术的改进。本发明的一个特别的目的是提供一种用于配置热能存储系统（尤其是电热能存储系统）的方法、一种热能存储系统（尤其是电热能存储系统）、以及一种用于操作热能存储系统（尤其是电热能存储系统）的方法，它们促进降低热能存储系统的生产成本和/或降低热能存储系统的维护成本和/或提高热能存储系统的可靠性。

上述目的由本专利的权利要求解决。因此，所述目的由根据独立权利要求1的特征的用于配置热能存储系统的方法、由根据独立权利要求7的特征的热能存储系统以及由根据独立权利要求10的特征的用于操作热能存储系统的方法来解决。本发明的进一步细节从从属权利要求以及说明书和附图中展开。因此，已经关于创造性方法描述的特征也可以应用于创造性系统，并且反之亦然。

根据本发明的第一方面，所述问题由一种用于配置热能存储系统的方法来解决。所述方法包括以下步骤：

提供用于存储热量的热能存储设备，

在所述热能存储设备的不同位置处提供多个温度传感器用于测量所述不同位置处的温度，

提供热能存储系统的控制设备用于读取所述多个温度传感器的测量数据，

基于所述多个温度传感器的测量和/或模拟的温度通过机器学习针对所述多个温度传感器中的至少一个第一温度传感器生成数值模型，以及

由控制设备，优选是所述热能存储系统的所述控制设备存储所述数值模型用于配置所述热能存储系统。

为了执行所述方法，需要一种热能存储系统，尤其是电热能存储系统，其具有用于存储热量的热能存储设备。优选地，提供一种能够将电能变换为热量的电热能存储系统。优选地，提供以空气作为传热流体操作的热能存储系统。

“电热能存储系统”应特别理解为工作流体的热温度升高由利用电能操作的设备——通常是电加热器——来执行。

此外，所述多个温度传感器被提供在热能存储设备处。所述温度传感器被配置为测量热能存储设备的温度，尤其是在热能存储系统的特定位置处的每个温度。因此，利用温度传感器，能够可靠地确定热能存储设备的填充状态。为此目的，温度传感器被提供在热能存储设备内的不同位置处。优选地，温度传感器均匀地分布在热能存储设备的体积上。优选地，提供附加传感器，诸如力传感器、压强传感器、流量传感器、位移传感器和湿度传感器，并且这些附加传感器用于生成所述数值模型。压强传感器和流量传感器可用于确定传热流体的流体机械属性，诸如流速或类似物。优选地，温度传感器和/或压强传感器和/或流量传感器和/或位移传感器和/或湿度传感器均匀地分布在热能存储设备的体积上。这具有如下优点：可以可靠地并且以成本高效的方式确定电热能存储系统的状态。

根据本发明的“温度传感器”可以直接测量温度。替代地，可以使用传感器设备，该传感器设备测量一个或多个不同的物理实体，但从这个/这些测量的实体（比如放置在热能存储系统中的电阻器处电压值的变化）中导出温度信息。

除此之外，提供了用于读取所述多个温度传感器的测量数据并且优选地读取其他传感器的测量数据的热能存储系统的控制设备。优选地，所述控制设备被配置用于评估由所述传感器提供的测量数据，以便评估所述热能存储系统的状态，尤其是填充状态（SOC）或类似物。提供了一种控制设备，包括用于存储数值模型的数据存储设备。优选地，所述控制设备被配置用于操作所述热能存储系统，尤其是通过使用所述数值模型。

此外，生成针对所述多个温度传感器中的至少一个第一温度传感器的数值模型。所述数值模型是基于所述多个温度传感器测量的物理参数通过机器学习生成的。在这方面，使用全部多个温度传感器或所述多个温度传感器中至少一组温度传感器的测量数据。优选地，所述数值模型是通过监督机器学习，尤其是“回归型”监督机器学习来生成的。进一步优选地，所述数值模型也基于其他传感器，诸如压强传感器。

利用所述数值模型，可以基于对所述多个温度传感器中的剩余温度传感器或剩余温度传感器中的至少一组的测量值的评估来模拟所述至少一个第一温度传感器的测量值。换言之，利用所述数值模型，所述至少一个第一温度传感器可以被至少一个虚拟第一温度传感器替换。优选地，所述数值模型被配置用于为所述多个温度传感器中的一组温度传感器或更优选地为全部多个温度传感器提供替代的虚拟温度传感器。替代地或附加地，所述数值模型可以基于计算流体动力学（CFD）、有限元方法（FEM）和/或离散元方法（DEM）数据生成。因此，模拟的传感器数据可用于生成所述数值模型。

最后，所述数值模型由控制设备存储，特别是存储在控制设备的数据存储设备或类似物中，用于配置所述热能存储系统。通过这些手段，热能存储系统针对操作被配置。

对于机器学习，优选是使用监督机器学习方法，例如基于神经网络。神经网络优选地由几个——优选在 2和10 个之间——全连接的隐藏层组成。隐藏层中节点的数目优选在每层中在10和50 之间。通过利用测量的物理传感器数据（例如温度、压强、力、流量、位移和/或湿度）或来自 CFD、FEM 或 DEM 的模拟的数据或物理传感器数据和模拟的数据的组合的至少一部分来训练神经网络，以预测其他位置的结果。优选地，所述模型是利用具有Keras接口的开源机器学习平台Tensorflow来实现的。优选地，在独立数据集上测试所述神经网络的准确度。

与现有技术解决方案相比，用于配置热能存储系统的方法具有如下优点：可以通过简单且成本有效的方式来配置所述热能存储系统。因此，由于通过数值模型提供虚拟温度传感器，可以减少生产所述热能存储系统所必需的传感器总量。通过这些手段，可以降低热能存储系统的生产成本。此外，在温度传感器损坏的情况下，通过数值模型可以容易地将损坏的温度传感器更换为对应的虚拟温度传感器。这进一步帮助提高热能存储系统的可靠性并降低维护成本，因为不再必然地必须更换损坏的传感器。

优选地，基于热能存储设备的传热流体的温度分布来生成数值模型。优选使用空气作为传热流体。传热流体的温度分布由所述多个温度传感器确定。这具有以下优点：以低成本和降低的复杂性要求，数值模型被配置用于确定在热能存储设备的特定体积点处，优选地在一组体积点处，并且更优选地在所有体积点处的传热流体的温度。

有利地，基于热能存储设备的传热流体的压强和/或质量流量分布来生成数值模型。传热流体的压强和/或质量流量分布优选地由所述多个压强传感器确定。这具有以下优点：以低成本和降低的复杂性要求，数值模型被配置用于确定在热能存储设备的特定体积点处，优选地在一组体积点处，并且更优选地在所有体积点处的传热流体的压强和/或质量流量。

优选地，针对所述多个温度传感器中的许多温度传感器生成所述数值模型。通过这些手段，数值模型被配置用于提供许多虚拟温度传感器，优选地针对大多数温度传感器。进一步优选地，针对全部多个温度传感器生成所述数值模型。这具有以下优点：用于实现热能存储系统的高效操作的温度传感器的总量可以显著减少。因此，热能存储系统可以配备有更少的温度传感器，其中可以通过数值模型将取消的温度传感器更换为虚拟温度传感器。此外，通过数值模型，通过将损坏的温度传感器虚拟地更换为虚拟温度传感器，可以容易地补偿热能存储系统的温度传感器的失效。这可以节省热能存储系统的生产和维护成本。除此之外，可以避免由于更换损坏的温度传感器而导致的热能存储系统的停机时间。

优选地，为了生成数值模型，使用热能存储设备的计算流体动力学模型和/或有限元方法模型和/或离散元方法模型用于表示热能存储设备的多个体积元件的温度，其中数值模型基于热能存储设备的属性。利用数值模型，基于热能存储设备的计算流体动力学模型、有限元方法模型或离散元方法模型以及所述多个温度传感器中的至少一部分的实际传感器数据，可以可靠地确定热能存储设备的体积元素（优选地，每个体积元素）的温度和温度发展。有限元方法模型和离散元方法模型优选地与压强传感器或力传感器结合使用。这尤其涉及不受非虚拟温度传感器控制的体积元素。计算流体动力学模型、有限元方法模型或离散元方法模型的生成具有以下优点：可以实时且成本高效地生成对热能存储系统的操作状态的可靠且稳健的分析。

根据本发明的第二方面，所述问题由一种热能存储系统，尤其是电热能存储系统来解决，热能存储系统包括：用于存储热量的热能存储设备；多个温度传感器，分布在所述热能存储设备的不同位置处用于测量所述不同位置处的温度；以及控制设备，用于读取所述多个温度传感器的测量数据。根据本发明，通过机器学习基于所述多个温度传感器测量的温度的针对所述多个温度传感器中的至少一个第一温度传感器的数值模型被存储在所述控制设备中，其中所述控制设备被配置用于通过所述多个温度传感器中的至少一组的温度和所述数值模型来预测在所述至少一个第一温度传感器处的温度。

换言之，数值模型存储在控制设备中。所述控制设备可位于热能存储设备处或远程位置处。所述控制设备被配置用于读取所述多个温度传感器的测量数据。优选地，所述控制设备还被配置用于读取其他传感器（诸如热能存储设备的压强传感器或流量传感器）的测量数据。此外，所述控制设备被配置用于使用所述多个温度传感器或所述多个温度传感器中的至少一组温度传感器(并且优选地其他传感器)的测量数据结合所述数值模型来确定在热能存储设备的体积内的至少一个位置处的物理参数数据。因此，提供了至少一个虚拟温度传感器。优选地，所述控制设备被配置为在所述多个温度传感器中的真实温度传感器的位置处提供这种虚拟温度传感器。替代地或附加地，所述控制设备被配置为在不存在温度传感器的热能存储设备的位置处提供这种虚拟温度传感器。

与现有技术解决方案相比，所述热能存储系统具有与已经关于根据本发明第一方面的用于配置热能存储系统的方法所讨论的相同的优点。因此，根据本发明的热能存储系统相对于已知的热能存储系统具有以下优点：由于由数值模型提供虚拟温度传感器，可以减少生产所述热能存储系统所必需的传感器的总量。通过这些手段，也可以降低热能存储系统的生产成本。此外，在温度传感器损坏的情况下，通过数值模型可以容易地将损坏的温度传感器更换为对应的虚拟温度传感器。这进一步帮助提高热能存储系统的可靠性并降低维护成本，因为不再必然地必须更换损坏的温度传感器。

进一步优选地，热能存储系统由根据本发明第一方面的方法配置。这具有如下优点：通过简单且成本有效的方式配置热能存储系统。

利用提供的温度传感器，可以可靠地确定热能存储设备的填充状态。此外，优选地，热能存储系统还包括被配置为压强传感器和/或流量传感器的多个传感器，以便确定传热流体的流体机械属性，诸如流速或类似物。优选地，温度传感器和/或压强传感器和/或流量传感器均匀地分布在热能存储设备的体积上。这具有的优点是可以可靠地并且以成本高效的方式确定热能存储系统的状态。

根据本发明的第三方面，所述问题由根据本发明第二方面的用于操作热能存储系统，尤其是电热能存储系统的方法来解决。所述方法包括以下步骤：

由多个温度传感器测量或模拟不同位置处的温度，

由所述热能存储系统的控制设备利用数值模型处理测量的温度，以及

基于所述数值模型和所述温度确定所述热能存储系统的第一虚拟温度传感器的位置的温度。

所述温度由所述多个温度传感器测量。这意味着可以由所述多个温度传感器中的至少一个温度传感器或至少一组温度传感器来测量所述温度。选择用于提供温度值的温度传感器，以便存在足够的传感器信息用于可靠地使用所述数值模型来生成针对虚拟温度传感器的虚拟物理数据。

所述温度由所述控制设备利用所述数值模型来处理。通过这些手段，确定了热能存储系统的至少一个虚拟温度传感器的虚拟温度传感器数据。所述虚拟温度传感器可以位于所述热能存储设备的损坏的温度传感器所在的位置。替代地，所述虚拟温度传感器可以位于热能存储设备的没有温度传感器的位置。在进一步的替代方案中，所述虚拟温度传感器可以位于所述热能存储设备的正常工作的温度传感器所在的位置，以便测试该传感器的准确度或通过机器学习提高所述数值模型的质量。

与现有技术解决方案相比，用于操作创造性热能存储系统的方法具有与已经关于根据本发明第一方面的用于配置热能存储系统的方法以及根据本发明第二方面的热能存储系统所讨论的相同的优点。因此，创造性方法与已知方法相比具有以下优点：由于由数值模型提供虚拟温度传感器，可以减少生产所述热能存储系统所必需的传感器的总量。通过这些手段，也可以降低热能存储系统的生产成本。此外，在温度传感器损坏的情况下，通过数值模型可以容易地将损坏的温度传感器更换为对应的虚拟温度传感器。这进一步帮助提高热能存储系统的可靠性并降低维护成本，因为不再必然地必须更换损坏的温度传感器。

本发明的其他优点、特征和细节从以下描述中展开，其中通过参考附图详细描述本发明的工作示例。因此，来自权利要求的特征以及说明书中提到的特征可以单独地或者以任意组合的形式对于本发明而言是必要的。在附图中：

图1示出了根据本发明第二方面的热能存储系统的优选实施例的示意性侧视图，

图 2示出了根据本发明的传感器配置的示意视图，

图 3示出了图示虚拟传感器与常规传感器相比较的准确度的图，

图4示出了根据本发明第一方面的创造性方法的流程图，以及

图5示出了根据本发明第三方面的创造性方法的流程图。

具有相同功能和效果的元件在图1至图5中均用相同的附图标记表示。

在图1中，在示意性侧视图中示出了根据本发明第二方面的热能存储系统1的优选实施例。优选地，热能存储系统1被配置为电热能存储系统1。热能存储系统1包括用于存储热量的热能存储设备2。在热能存储设备2内，示出了多个温度传感器3。此外，可以提供一个或多个未图示的其它传感器，诸如压强传感器。少数温度传感器3通过数值模型被配置为虚拟温度传感器3a。所述数值模型存储在热能存储系统1的控制设备4中，所述控制设备4用于读取所述多个温度传感器3的测量数据。

在图2中，根据本发明的温度传感器3配置在示意视图中示出。作为实心圆圈示出的温度传感器3用作输入数据，用于通过机器学习生成数值模型。作为空心圆圈示出的温度传感器3是由数值模型生成的虚拟温度传感器3a。

在图3中，示出了虚拟温度传感器3a与常规温度传感器3相比较的准确度的图。如从该图中可以推断的，真实温度传感器3的数据和虚拟温度传感器3a的数据显示出明显的相关性。这意味着，通过数值模型，可以提供具有高准确度的虚拟温度传感器3a。

在图4中，示出了根据本发明第一方面的创造性方法的流程图。在第一步骤10中，提供用于存储热量的热能存储设备2。在第二步骤20中，在热能存储设备2的不同位置处提供多个温度传感器3用于测量所述不同位置处的温度。在第三步骤30中，提供热能存储系统1的控制设备4用于读取所述多个温度传感器3的测量数据。在第四步骤40中，基于所述多个温度传感器3测量的物理参数，通过机器学习生成针对所述多个温度传感器3中的至少一个第一温度传感器3的数值模型。在第五步骤50中，将数值模型存储在控制设备4中用于配置所述热能存储系统1。现在，热能存储系统1被配置为通过数值模型利用虚拟温度传感器3a来补偿损坏的温度传感器3。

在图5中，示出了根据本发明第三方面的创造性方法的流程图。由于根据本发明第三方面的创造性方法基于根据本发明第一方面的创造性方法，因此方法步骤的编号继续。在第六步骤60中，由所述热能存储系统1的多个温度传感器3在不同位置处测量物理参数。在第七步骤70中，由热能存储系统1的控制设备4利用所述数值模型处理测量的物理参数。在第八步骤80中，由控制设备4基于所述数值模型和测量的物理参数确定所述热能存储系统1的第一虚拟温度传感器3a的位置的物理参数。换言之，通过这些手段，可以确定所述热能存储设备2内不同位置处的物理值，而不需要在这些位置处生成真实测量数据。