CN109358291B - 储能***电池工况的简化方法 - Google Patents
储能***电池工况的简化方法 Download PDFInfo
- Publication number
- CN109358291B CN109358291B CN201811294885.5A CN201811294885A CN109358291B CN 109358291 B CN109358291 B CN 109358291B CN 201811294885 A CN201811294885 A CN 201811294885A CN 109358291 B CN109358291 B CN 109358291B
- Authority
- CN
- China
- Prior art keywords
- power
- energy
- operating condition
- value
- battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Secondary Cells (AREA)
Abstract
本发明涉及一种储能***电池工况的简化方法,将储能电池实际运行工况简化为试验测试工况,用于实验室测试,包括储能电池实际运行工况简化、简化工况参数多目标优化以及将优化的储能电池实际运行工况缩比加速,制定试验测试工况。本发明采用将功率序列分段以及分档的方法,功率序列分段数K和功率分档数L均通过多目标优化得到,只要确定参数K和L的值,每个实际工况都可以得到唯一的简化工况形式。缩比加速方法,可适用于任何容量大小的电池,可将大型电池组长时间的实测工况,缩比加速为小型电池短时间试验工况,这一技术扩展了简化工况的应用范围,可以将实际电池试验缩比为实验室试验,降低了试验复杂度。
Description
技术领域
本发明属于储能电池技术领域,尤其涉及一种储能***电池工况的简化方法。
背景技术
储能电池性能和寿命受使用条件的影响,需要针对特定的储能电池应用场合的实际运行工况,对储能电池进行评价。以海洋能发电***为例,海洋能发电***受潮汐和涡流等因素的影响,其输出电能具有复杂性、随机性和不稳定性。海洋能发电***中一般存在直流储能***,将输出电能进行动态平衡后再逆变并网,储能电池组的健康将直接关系到海洋能电站整体安全性、可靠性和经济性,必须得到充分的重视。
为了对电池组的老化机理、寿命衰减模式或健康状态进行研究,需要设计电池老化试验,但是实测工况因其随机性和不稳定性并不适用于实验室,所以需要对实测数据进行处理,提取其典型功率特征,形成一套适用于实验室加速寿命实验的工况形式。
目前,电池测试动态工况可分为能量型和功率型两种。美国联邦城市运行工况FUDS(federal urban driving schedule)是能量型动态工况的一种,它由美国先进电池联盟USABC提出,将其简化得到了动态应力测试工况DST(dynamic stress test)。功率型测试工况主要包括由美国能源部的Freedom CAR计划针对混合动力电动汽车的动力电池测试提出的混合脉冲功率特性测试工况(hybrid pulse power characterization test,HPPC)。HPPC是用来体现动力电池脉冲充放电性能的一种特征,HPPC测试可以完成对电池直流内阻的测试。国内关于典型工况提取的研究主要包括:在我国颁布的《电动汽车用锂离子蓄电池》中,规定了锂离子电池模块的简单模拟工况测试标准,但它只是一个通过性的测试标准,对于具体车型和运行工况并不完全适合,这些工况都只针对电动车动力电池制定,不能直接用于海洋能储能电池研究。中国矿业大学《风电场储能电池典型工况提取研究》,本质是寻找功率-时间序列中的一个典型片段,使得该片段的功率密度分布与整体工况相同。北京理工大学《电动汽车动力电池动态测试工况研究》中的提取方法,在计算功率分布频数后,通过对不同分段功率进行平均化,再对各个功率片段进行拆分和穿插得到典型工况。通过研究发现,上述方法用于海洋能电站储能***工况研究中,均不能得到理想的效果。因此需要研究一种面向实验室应用的工况简化方法,从实测动态工况中提取出相应的典型工况。
发明内容
本发明在上述不足的基础上提供了一种储能***电池工况的简化方法,采用该方法,能够将复杂的动态工况简化成由多个恒功率片段组成的简化工况,保持简化工况的功率概率分布与原工况基本保持一致,降低了试验复杂性。
为了实现上述目的,本发明提供了一种储能***电池工况的简化方法,包括以下步骤:
(S1)选取储能电池实际运行工况,规定放电为负,充电为正,将储能***实际工况功率序列P排序,得到功率序列Ps,并选取高临界值Psmax、低临界值Psmin,作为判断是否达到功率极值的标准;
(S2)将功率序列P划分为K个功率片段,并计算各功率片段内功率平均值Pi_avg、功率均方根Pi_rms、功率最大值Pi_max、功率最小值Pi_min以及峰均比系数Ci;
(S3)峰值检测,判断各功率片段内的功率最大值Pi_max是否达到功率临界值Psmax,最小值Pi_min是否达到功率临界值Psmin,根据功率平均值Pi_avg、功率均方根Pi_rms、功率最大值Pi_max、功率最小值Pi_min以及峰均比系数Ci,计算各功率片段内的功率代表值Pi_D;
(S4)将各功率片段的实际运行工况用该片段的功率代表值Pi_D替代,得到储能电池原始典型工况;
(S5)功率分档,将所述储能电池原始典型工况分为L个区间,判断各功率片段的功率代表值Pi_D所在区间,Pi_D用其所在区间的功率平均值PL替代,对原始典型工况进一步简化整合得到储能电池最终简化工况。
优选的,所述步骤(S1)具体包括将储能***实际工况功率序列P按元素从小到大升序进行排序,选取功率序列Ps第S*m%个元素与第S*(1-m%)个元素,作为判断是否达到功率极值的临界值Psmin、Psmax,其中S表示功率序列Ps总元素数,0<m≤5。
优选的,所述步骤(S2)中计算峰均比系数Ci的方法为:
根据:
求解各功率片段的峰均比系数Ci。
优选的,所述步骤(S3)具体包括以下步骤:
(ss1)首先判断各功率片段中的功率最大值Pi_max是否大于高临界值Psmax,若是则执行步骤(ss2);若否,则进一步判断该功率片段中功率最小值Pi_min是否小于低临界值Psmin,若Pi_min<Psmin,则Pi_D=Pi_min,否则Pi_D=Pi_rms+Pi_avg*|Ci|;
(ss2)若Pi_max>Psmax,则判断该功率片段中功率最小值Pi_min是否小于低临界值Psmin,若Pi_min>Psmin,则Pi_D=Pi_max;否则进一步判断该功率片段内功率平均值Pi_avg是否小于0,若Pi_avg<0则Pi_D=Pi_min,否则Pi_D=Pi_max。
优选的,所述步骤(S5)中将原始典型工况分为L个区间的方法为:将储能电池原始典型工况功率范围由最小值到最大值分为L个区间,以功率密度分布密集的功率P0为中心,将功率区间分为正负功率区间,即正区间功率大于P0,负区间功率小于P0;正负功率区间以P0为中心分别向最大值、最小值呈指数分布。
优选的,当L为偶数时,正负功率区间各L/2个区间;当L为奇数时,正功率区间共(L-1)/2个区间,负功率区间共(L+1)/2个区间。
优选的,进一步包括以下步骤:将简化工况参数进行多目标优化,具体步骤包括:
选定实际运行工况与最终简化工况的功率累计概率分布函数之间的均方根误差SSE、最终简化工况分段数M以及最终简化工况最小功率片段的时间minT为优化目标,确定优化目标函数;
确定待优化参数K、L的优化取值范围;
根据优化目标函数与待优化参数K、L的取值范围,确定pareto最优解集。
优选的,根据优化目标函数与待优化参数K、L的取值范围,确定最优解集的方法为:
根据目标函数:
根据K、L优化取值范围:
联合上述公式,确定满足目标函数ObjF1、ObjF2、ObjF3最小化的(K,L)的最优解集;其中,Fc表示实际运行工况概率分布函数,表示最终简化工况的概率分布函数。
优选的,进一步包括将储能电池最终简化工况进行缩比加速,制定试验测试工况;即通过对储能电池实际运行工况的功率与时间进行缩比,计算折算后的充放电功率Pe与试验时间te;将折算后后的充放电功率同比加速,计算加速后的充放电功率。
优选的,将储能电池最终简化工况进行缩比加速,制定试验测试工况的方法具体包括:
根据实验电池的能量We大小,对储能电池实际充放电功率P进行缩比,计算折算后的充放电功率Pe,具体计算公式为:Pe=P*We/W,其中W表示原始储能电池能量;
将储能电池实际运行工况的时间T缩小A倍,计算试验时间te,具体计算公式为:te=T/A;
将折算后的充放电功率同比增大A倍,计算加速后从充放电功率PA,即具体计算公式为:PA=Pe*A。
与现有技术相比,本发明的优点和积极效果在于:
本发明提出一种面向海洋能发电***储能电池工况的简化方法,能够将复杂的动态工况简化成十几个恒功率片段组成的简化工况,同时简化工况的功率累计概率分布与原工况基本一致,即可对试验电池产生相同的老化效果。
(1)相比于现有针对电动汽车行驶工况和风电储能电池工况简化的方法,本发明方法不依赖工况本身的特性,采用将功率序列分段以及分档的方法,功率序列分段数K和功率分档数L均通过多目标优化得到,只要确定参数K和L的值,每个实际工况都可以得到唯一的简化工况形式。
(2)多目标优化方法使得工况相似性SSE、恒功率片段数M和最小功率片段的时间minT三个优化目标非常明确,这三个目标保证了简化结果的有效性,但这三个目标互有冲突。本方法即使不能找到同时使三个目标均最优的解(K和L的组合),也可以获得最优解集,并通过一定的方法确定最优解。算法应用较为灵活,任何多目标优化方法和多目标决策方法都可以用与该方法中,用于参数K和L值的优化。
(3)本发明提出的缩比加速方法,可适用于任何容量大小的电池,可将大型电池组长时间的实测工况,缩比加速为小型电池短时间试验工况,同时其工况形式和对电池的老化效果与原工况相似。这一技术扩展了简化工况的应用范围,可以将实际电池试验缩比为实验室试验,降低了试验复杂度,同时利用小型电池试验可降低试验花费、提高试验效率。
附图说明
图1为本发明的储能***电池工况的简化方法示意图;
图2为本发明采用的电力***的拓扑图;
图3为本发明的一种实施例的储能***实际工况;
图4为本发明的实际工况功率序列排序结果图;
图5为本发明的峰值判断算法流程图;
图6为本发明的原始典型工况图;
图7为本发明的功率分档示意图;
图8a为本发明的L=7时原始典型工况简化效果图;
图8b为本发明的L=7时最终简化工况简化效果图;
图9a为本发明的多目标优化(K,L)=(100,50)时的简化结果对比图;
图9b为本发明的多目标优化(K,L)=(20,7)时的简化结果对比图;
图10a为本发明的Pareto最优解集三维图;
图10b为本发明的Pareto最优解集X-Y图;
图11为本发明的最终简化工况与实际工况对比图;
图12为本发明的原始典型工况与实际工况功率累积频率分布图;
图13为本发明的试验电池缩比简化工况。
具体实施方式
以下,结合附图对本发明的具体实施方式进行进一步的描述。
本发明提供了一种储能***电池工况的简化方法,以放置于青岛市黄岛区斋堂岛东南方向约1km海域的振荡浮子波浪发电装置为例,该发电装置拓扑结构如图2所示,包括左侧的发电机,右侧的负载装置,以及中间的储能***。为确保电池组的正常运行,配备了电池管理***(Battery Management System,缩写为“BMS”)。通过BMS可测得发电机电能和负载功率情况,两者做差即可得本实施例中实验所用数据。图3为波浪发电装置储能***电池的一个实际工况,为时间-功率序列。可见功率变化间隔极小,数据跳变极快,无法在实验室中用电池充放电仪实现。因此本文提出了一种储能***电池工况整体简化方法,参考图1所示,用于实验室试验,主要包括储能电池实际运行工况简化、简化工况参数的多目标优化、将优化的储能电池实际运行工况缩比加速,制定试验测试工况储能电池。
一种储能***电池工况的简化方法,包括以下步骤:
(1)选取储能电池实际运行工况,将储能***实际工况功率序列P排序,得到功率序列Ps,将储能***实际工况功率序列P按元素大小进行排序,选取功率序列Ps第S*m%个元素与第S*(1-m%)个元素,作为判断是否达到功率极值的临界值Psmax、Psmin,其中Psmax表示高临界值,Psmin表示低临界值,其中S表示功率序列Ps总元素数,0<m≤5。
参考图4所示,本实施例中对功率序列P按照元素大小升序排列,选取第前1%元素与第后1%元素作为低临界值与高临界值;由于BMS采样频率为10Hz,因此全天共采集864000个数据点。排序后,前1%的点为第8640点,该点对应的功率值就是Psmin,后1%为第855360点,该点对应的功率值为Psmax。
本发明实际功率序列也可以选择按照降序排序,其结果与本实施例相同。
(2)将功率序列P划分为K个功率片段,计算各功率片段内功率平均值Pi_avg、均方根Pi_rms、最大值Pi_max、最小值Pi_min、均峰比系数Ci;根据公式(1)计算峰均比系数Ci,即
本实施例将功率序列按照点数平均分为K个片段,若总点数除以K不能整除,则向上取整;常用的峰均比系数计算方法为直接峰值的绝对值除以有效值,本方法中根据片段内均值Pi_avg的正负,分别计算峰均比系数。
(3)峰值检测,判断各功率片段内的功率最大值Pi_max、最小值Pi_min是否分别达到功率临界值Psmax、Psmin,并根据功率平均值Pi_avg、功率均方根Pi_rms、功率最大值Pi_max、功率最小值Pi_min以及峰均比系数Ci,计算各功率片段内的功率代表值Pi_D。
参考图5、图6所示,图5为峰值判断算法流程图,图6为原始典型工况。
具体方法为:
(ss1)首先判断各功率片段中的功率最大值Pi_max是否大于高临界值Psmax,若是则执行步骤(ss2);若否,则进一步判断该功率片段中功率最小值Pi_min是否小于低临界值Psmin,若Pi_min<Psmin,则Pi_D=Pi_min,否则Pi_D=Pi_rms+Pi_avg*|Ci|;
(ss2)若Pi_max>Psmax,则判断该功率片段中功率最小值Pi_min是否小于低临界值Psmin,若Pi_min>Psmin,则Pi_D=Pi_max;否则进一步判断该功率片段内功率平均值Pi_avg是否小于0,若Pi_avg<0则Pi_D=Pi_min,否则Pi_D=Pi_max。
Pi_D=Pi_rms+Pi_avg*|Ci|为本方法的核心公式,根据公式(1)求得的均峰比系数Ci。
综上所述,各功率片段内的代表功率值Pi_D的计算公式为:
通过上述公式(2)分别求解各功率片段的代表功率值Pi_D,并将各功率片段的实际运行工况用该片段的功率代表值Pi_D替代,得到原始典型工况。
(4)将上述原始典型工况功率范围由最小值到最大值分为L个区间,以功率谱密度分布密集的功率P0为中心,将功率区间分为正负功率区间,即正区间功率大于P0,负区间功率小于P0;正负功率区间以P0为中心分别向最大值、最小值呈指数分布;当L为偶数时,正负功率区间各L/2个区间;当L为奇数时,正功率区间共(L-1)/2个区间,负功率区间共(L+1)/2个区间。然后判断各功率片段的功率代表值Pi_D所在区间,Pi_D用其所在区间的功率平均值PL替代,对原始典型工况进一步简化整合得到储能电池最终简化工况。
参考图6、图7、图8a、图8b所示,图7为L为奇数7和偶数8时的分档示意图。由图6可知,本实施例储能电池原始典型工况在功率密度在0kw上下分布较为密集,以0kw为中心分档,因实际工况数据多分布在负区间,因此当分档数L为奇数时,负区间分档数比正区间分档数多1。图8a、8b为当L=7时的原始典型工况与最终简化工况简化效果对比图,分档后,对各个功率片段判断若代表功率Pi_D落在某个分档区间内,由图8b的最终简化工况图可以看出,图中圈内相近的功率被分为同一区间内,因此Pi_D值可以用该分档区间的平均值PL代替,相近的功率片段其典型功率PL值也一致,进一步简化了实际工况。
但是,根据上述简化方法所得到的工况与实际工况会有一定差别,参考图9a、图9b所示,图9a表示(K,L)=(100,50)时的简化工况图,图9b表示(K,L)=(20,7)时简化结果图,由图可知,通过增大K和L的值简化工况接近原实际工况,但是增大K和L的值又会使得功率跳变和功率等级增多,不适宜实验室电池充放电仪实现。因此需要进一步将储能电池最终简化工况进行多目标优化,寻求最优的K和L值组合,即对简化工况参数K、L多目标优化。
多目标优化的最终目标是使确保简化的储能电池的工况与原实际工况功率概率分布相同,本发明采用改进的NSGA-II算法进行优化。在原始的NSGA-II算法程序中,交叉与变异过程效率较低,我们将谢菲尔德大学提供的Genetic Algorithm Toolbox for MATLAB中的相应函数移植过来,可以使得NSGA-II中遗传操作的效率更高。
本发明的多目标优化算法具体包括:
(1)选定实际运行工况与最终简化工况的功率累计概率分布函数之间的均方根误差SSE、最终简化工况分段数M以及最终简化工况最小功率片段的时间minT为优化目标,确定优化目标函数。
由于简化后的工况与实际工况应该具有相同的功率分布,即各种功率累计概率密度基本一致。因此,对实际工况数据做概率密度分布曲线,得到Fc,共N个点,N的数量可自行设置;对简化后的工况做
概率密度分布曲线,得到计算两条曲线之间的方均根误差SSE,即可评价两条曲线的相似程度。当简化后的工况概率密度分布曲线与原实际工况概率密度分布曲线重合时,SSE=0,即该优化目标函数设为:
由图8a、图8b可知,功率分档后,部分比较相近的恒功率片段被整合在一起,最终工况的分段数记为M,其值一般小于分段数K。一般来说,简化工况分为10~20段时用于电池测试***比较方便。因此该优化目标被设为:ObjF2=|M-15|即最终分段数M应接近15。
同时,为满足实验室电池充放电仪的需求,简化后的工况内最短恒功率片段(最终简化工况最小功率片段)时间minT应越大越好,但是跳变数(最终分段数)M越少,最短恒功率时间minT越长,简化的工况与原实际工况差异越大,将该优化目标设为:ObjF3=-minT,即minT越大越好。
因此,以上三个目标需要同时最小化,因此本多目标优化方法的目标函数为:
(2)确定待优化参数K、L的优化取值范围;
本实施例中,根据实际工况及实验室电池充放电仪等的要求,将K和L的优化范围设定为:
这个范围可根据具体情况自行设置。
(3)根据优化目标函数与待优化参数K、L的取值范围,确定pareto最优解集,从优化结果中取出最优解的方法。
本发明的多目标优化为三目标优化,三个优化目标之间有一定的冲突性,不能同时满足最小化,不存在一组最优解使得三个目标同时取得最优结果。因此,使用多目标优化算法仅能得到一组Pareto最优解集,三个目标的解集是三维空间中的一个曲面,如图10a所示,图10b为相应的最优解集X-Y图。本实施例中,从Pareto最优解集中取得最终解的方法为:
首先选出最贴近坐标原点的部分解,如表1所示。然后从表1中选取最终解,考虑SSE越小越好,M在10~20之间,minT越大越好,本实施例选择第三组解为最优解,即(K,L)=(36,14)。此部分主观性较强。可以根据实际边界条件人为选取的,也可以用TOPSIS法等多目标决策方法选出最终解。
表1本实施例实际工况的部分Pareto最优解参数表
参考图11、图12所示,图11为最优解(K,L)=(36,14)时本发明的最终简化工况与实际工况对比图,图12为最优解(K,L)=(36,14)时原始典型工况与实际工况的功率累积频率分布图,由图12可知,简化后的工况与实际工况具有相似的功率分布,满足多目标优化的要求。因此,多目标优化算法提取出的典型工况在恒功率片段数量M,最短恒功率片段时间minT,以及典型工况与实际工况相似度SSE三方面都获得合理的结果,减少了设置参数时带来的主观影响。功率分档操作虽然让功率累计概率分布的方均根SSE稍有变大,但是减少了恒功率片段数量,使提取出的典型工况更加适合实验室操作。
由于储能***电池实际运行工况无法直接在实验室电池测试***上进行,实际实验室测试中,需要将大型电池组长时间的实测工况,缩比加速为小型电池短时间试验工况,同时形成的试验测试工况形式和对电池的老化效果应该与原实际工况相同。
因此,本发明还需要对储能电池最终简化工况进行缩比加速,制定试验测试工况;即通过对储能电池实际运行工况的功率与时间进行缩比,计算折算后的充放电功率Pe与试验时间te;将折算后后的充放电功率同比加速,计算加速的充放电功率。具体方法包括:
(1)根据实验电池的能量We大小,对储能电池实际充放电功率P进行缩比,计算折算后的充放电功率Pe,具体计算公式为:Pe=P*We/W;
(2)将储能电池实际运行工况的时间T缩小A倍,计算试验时间te,具体计算公式为:te=T/A;
(3)当时间减少后,总充放电能量会相应减少,因此需要将功率等比例增加,即将折算后的充放电功率同比增大A倍,计算加速后从充放电功率PA,即具体计算公式为:PA=Pe*A。
本实施例工况实测与青岛市黄岛区斋堂岛东南方向约1km海域的振荡浮子波浪发电装置,该装置中电池组额定电压为360V,电量为200Ah,容量为72kW·h,实际工况时间为86400s,无法直接在实验室电池测试***上进行,利用天津力神公司的LR1865SD型号锂离子电池进行缩比试验,其额定电压为3.7V,电量为2200mAh,能量为8.14W·h的小型电池进行缩比试验,将时间加速600倍。例如根据上述公式计算所得的实验室折算参数如表所示,其缩比简化工况如附图13所示,其工况形式与原实际工况相同。表格2中的最后两列即最终结果,可以直接用于实验室小型电池的测试中,其形式与原实际工况相比更加简便易行。缩比加速方法扩展了简化工况的应用范围,可以将实际电池试验缩比为实验室试验,降低了试验复杂度,同时利用小型电池试验可降低试验花费、提高试验效率。
表2本实施例实际工况实验室折算参数表
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (10)
1.一种储能***电池工况的简化方法,其特征在于,包括以下步骤:
(S1)选取储能电池实际运行工况,规定放电为负,充电为正,将储能***实际工况功率序列P排序,得到功率序列Ps,并选取高临界值Psmax、低临界值Psmin,作为判断是否达到功率极值的标准;
(S2)将功率序列P划分为K个功率片段,并计算各功率片段内功率平均值Pi_avg、功率均方根Pi_rms、功率最大值Pi_max、功率最小值Pi_min以及峰均比系数Ci;
(S3)峰值检测,判断各功率片段内的功率最大值Pi_max是否达到功率临界值Psmax,最小值Pi_min是否达到功率临界值Psmin,根据功率平均值Pi_avg、功率均方根Pi_rms、功率最大值Pi_max、功率最小值Pi_min以及峰均比系数Ci,计算各功率片段内的功率代表值Pi_D;
(S4)将各功率片段的实际运行工况用该片段的功率代表值Pi_D替代,得到储能电池原始典型工况;
(S5)功率分档,将所述储能电池原始典型工况分为L个区间,判断各功率片段的功率代表值Pi_D所在区间,Pi_D用其所在区间的功率平均值PL替代,对原始典型工况进一步简化整合得到储能电池最终简化工况。
2.根据权利要求1所述的储能***电池工况的简化方法,其特征在于,所述步骤(S1)具体包括将储能***实际工况功率序列P按元素从小到大升序进行排序,选取功率序列Ps第S*m%个元素与第S*(1-m%)个元素,作为判断是否达到功率极值的临界值Psmin、Psmax,其中S表示功率序列Ps总元素数,0<m≤5。
3.根据权利要求1所述的储能***电池工况的简化方法,其特征在于,所述步骤(S2)中计算峰均比系数Ci的方法为:
根据:
求解各功率片段的峰均比系数Ci。
4.根据权利要求3所述的储能***电池工况的简化方法,其特征在于,所述步骤(S3)具体包括以下步骤:
(ss1)首先判断各功率片段中的功率最大值Pi_max是否大于高临界值Psmax,若是则执行步骤(ss2);若否,则进一步判断该功率片段中功率最小值Pi_min是否小于低临界值Psmin,若Pi_min<Psmin,则Pi_D=Pi_min,否则Pi_D=Pi_rms+Pi_avg*|Ci|;
(ss2)若Pi_max>Psmax,则判断该功率片段中功率最小值Pi_min是否小于低临界值Psmin,若Pi_min>Psmin,则Pi_D=Pi_max;否则进一步判断该功率片段内功率平均值Pi_avg是否小于0,若Pi_avg<0则Pi_D=Pi_min,否则Pi_D=Pi_max。
5.根据权利要求4所述的储能***电池工况的简化方法,其特征在于,所述步骤(S5)中将原始典型工况分为L个区间的方法为:将储能电池原始典型工况功率范围由最小值到最大值分为L个区间,以功率密度分布密集的功率P0为中心,将功率区间分为正负功率区间,即正区间功率大于P0,负区间功率小于P0;正负功率区间以P0为中心分别向最大值、最小值呈指数分布。
6.根据权利要求5所述的储能***电池工况的简化方法,其特征在于,包括当L为偶数时,正负功率区间各L/2个区间;当L为奇数时,正功率区间共(L-1)/2个区间,负功率区间共(L+1)/2个区间。
7.根据权利要求1所述的储能***电池工况的简化方法,特征在于,进一步包括以下步骤:简化工况参数进行多目标优化,具体步骤包括:
选定实际运行工况与最终简化工况的功率累计概率分布函数之间的均方根误差SSE、最终简化工况分段数M以及最终简化工况最小功率片段的时间minT为优化目标,确定优化目标函数;
确定待优化参数K、L的优化取值范围;
根据优化目标函数与待优化参数K、L的取值范围,确定pareto最优解集。
8.根据权利要求7所述的储能***电池工况的简化方法,特征在于,根据优化目标函数与待优化参数K、L的取值范围,确定最优解集的方法为:
根据目标函数:
根据K、L优化取值范围:
联合上述目标函数公式与待优化参数K、L的优化取值范围,确定满足目标函数ObjF1、ObjF2、ObjF3最小化的(K,L)的最优解集;其中,Fc表示实际运行工况概率分布函数,表示最终简化工况的概率分布函数。
9.根据权利要求1所述的储能***电池工况的简化方法,特征在于,进一步包括将储能电池最终简化工况进行缩比加速,制定试验测试工况;即通过对储能电池实际运行工况的功率与时间进行缩比,计算折算后的充放电功率Pe与试验时间te;将折算后后的充放电功率同比加速,计算加速后的充放电功率。
10.根据权利要求9所述的储能***电池工况的简化方法,其特征在于,将储能电池最终简化工况进行缩比加速,制定试验测试工况的方法具体包括:
根据实验电池的能量We大小,对储能电池实际充放电功率P进行缩比,计算折算后的充放电功率Pe,具体计算公式为:Pe=P*We/W,其中W表示原始储能电池能量;
将储能电池实际运行工况的时间T缩小A倍,计算试验时间te,具体计算公式为:te=T/A;
将折算后的充放电功率同比增大A倍,计算加速后从充放电功率PA,即具体计算公式为:PA=Pe*A。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811294885.5A CN109358291B (zh) | 2018-11-01 | 2018-11-01 | 储能***电池工况的简化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811294885.5A CN109358291B (zh) | 2018-11-01 | 2018-11-01 | 储能***电池工况的简化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109358291A CN109358291A (zh) | 2019-02-19 |
CN109358291B true CN109358291B (zh) | 2019-11-05 |
Family
ID=65343769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811294885.5A Active CN109358291B (zh) | 2018-11-01 | 2018-11-01 | 储能***电池工况的简化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109358291B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109884434B (zh) * | 2019-03-15 | 2021-01-29 | 国网湖南省电力有限公司 | 用于电池储能电站***的联调试验方法、***及介质 |
CN110987006B (zh) * | 2019-12-02 | 2023-07-21 | 中国海洋大学 | 基于sopc技术的海洋观测自动测试***及测试方法 |
CN111044927B (zh) * | 2019-12-25 | 2021-11-23 | 中国第一汽车股份有限公司 | 一种动力电池寿命评价方法及*** |
CN113075565B (zh) * | 2021-03-29 | 2022-12-13 | 潍柴动力股份有限公司 | 电池耐久测试工况设计方法、装置及电池耐久测试方法 |
CN113848405A (zh) * | 2021-09-15 | 2021-12-28 | 沈阳飞机设计研究所扬州协同创新研究院有限公司 | 一种超级电容器的缩比模型设计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104614684A (zh) * | 2015-02-13 | 2015-05-13 | 国家电网公司 | 一种储能电池响应能力的工况评价方法 |
CN106779340A (zh) * | 2016-12-01 | 2017-05-31 | 中国电力科学研究院 | 一种储能***典型工况曲线的提取方法及其评价*** |
CN107229987A (zh) * | 2016-03-23 | 2017-10-03 | 国网青海省电力公司 | 基于光储***运行优化的混合储能配比计算方法 |
CN107895411A (zh) * | 2017-11-10 | 2018-04-10 | 北京交通大学 | 一种基于功率和功率变化等效性的锂离子电池工况提取方法 |
-
2018
- 2018-11-01 CN CN201811294885.5A patent/CN109358291B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104614684A (zh) * | 2015-02-13 | 2015-05-13 | 国家电网公司 | 一种储能电池响应能力的工况评价方法 |
CN107229987A (zh) * | 2016-03-23 | 2017-10-03 | 国网青海省电力公司 | 基于光储***运行优化的混合储能配比计算方法 |
CN106779340A (zh) * | 2016-12-01 | 2017-05-31 | 中国电力科学研究院 | 一种储能***典型工况曲线的提取方法及其评价*** |
CN107895411A (zh) * | 2017-11-10 | 2018-04-10 | 北京交通大学 | 一种基于功率和功率变化等效性的锂离子电池工况提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109358291A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109358291B (zh) | 储能***电池工况的简化方法 | |
Chen et al. | A review of lithium-ion battery for electric vehicle applications and beyond | |
CN108445406A (zh) | 一种动力电池健康状态估计方法 | |
Zhang et al. | Aging performance characterization and state-of-health assessment of retired lithium-ion battery modules | |
Shen et al. | Neural network-based residual capacity indicator for nickel-metal hydride batteries in electric vehicles | |
CN106291378A (zh) | 一种电动汽车动力电池soh的测算方法 | |
CN102565710A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
CN102468521A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
CN106154165A (zh) | 一种大容量电池储能***性能的评估方法和评估*** | |
CN105954679A (zh) | 一种锂电池荷电状态的在线估计方法 | |
CN102124360A (zh) | 蓄电池装置、蓄电池的电池状态评价装置及方法 | |
CN103606115A (zh) | 一种节能型电网的评定方法 | |
Park et al. | Impact of electric vehicle penetration-based charging demand on load profile | |
CN111366864B (zh) | 一种基于固定压升区间的电池soh在线估计方法 | |
Tuffner et al. | Using electric vehicles to mitigate imbalance requirements associated with an increased penetration of wind generation | |
CN109307845A (zh) | 一种用于对梯次利用电池储能***进行健康状态评估的方法及*** | |
CN109581243A (zh) | 估算电池的soc的方法和装置 | |
CN103424712A (zh) | 基于粒子群优化的电池剩余容量在线测量方法 | |
CN103176137B (zh) | 基于电池soc不均匀性的电池组健康状态评价方法 | |
CN105223512A (zh) | 基于电池特性的动态矫正剩余电量的方法 | |
CN110417045A (zh) | 一种针对交直流混合微电网容量配置的优化方法 | |
CN109346787B (zh) | 一种电动汽车动力电池自适应优化充电方法 | |
CN103944177A (zh) | 混合储能微网***截止频率确定方法及输出功率控制方法 | |
Zheng et al. | Fuel economy evaluation of fuel cell hybrid vehicles based on optimal control | |
CN110133515A (zh) | 电池剩余能量确定方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |