CN111896873A - 一种用于评估储能电站健康状态的方法及*** - Google Patents
一种用于评估储能电站健康状态的方法及*** Download PDFInfo
- Publication number
- CN111896873A CN111896873A CN202010598598.4A CN202010598598A CN111896873A CN 111896873 A CN111896873 A CN 111896873A CN 202010598598 A CN202010598598 A CN 202010598598A CN 111896873 A CN111896873 A CN 111896873A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage battery
- health
- state
- electric quantity
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 215
- 230000036541 health Effects 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims description 74
- 230000008859 change Effects 0.000 claims description 66
- 239000011159 matrix material Substances 0.000 claims description 57
- 238000012545 processing Methods 0.000 claims description 10
- 230000003862 health status Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 abstract description 6
- 230000001276 controlling effect Effects 0.000 abstract description 5
- 238000011897 real-time detection Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 10
- 238000010248 power generation Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005195 poor health Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种用于评估储能电站健康状态的方法及***,属于电池储能技术领域。本发明方法,包括:采集储能电站的运行数据,根据运行数据获取储能电池的电量;以预设的二阶RC电路等效模型根据运行数据,确定储能电池的开路电压;对储能电池的电量和开路电压进行拟合,确定Ah‑Voc关系曲线;根据Ah‑Voc关系曲线确定储能电池的健康状态。本发明能够实现实时检测储能电池的健康状态,从健康状态角度对储能电站可靠程度进行评估,进而在线调控储能电池健康状态。
Description
技术领域
本发明涉及电池储能技术领域,并且更具体地,涉及一种用于评估储能电站健康状态的方法及***。
背景技术
近年来,为实现能源产业升级优化,促进发展环境友好型社会,我国正大力支持发展新能源发电产业,新能源发电装机容量占比日益增多,然而新能源发电自身的一些特性,比如发电波动性、随机性较大、电能质量较低,给新能源发电并网与控制带来了诸多挑战,储能技术能够有效为新能源发电削峰填谷、提高发电质量,是解决新能源并网发电问题的一种重要途径。
针对新能源发电的送出与消纳以及针对区域电网的调峰容量不足、暂态电压支撑等问题,十兆瓦级别储能电站已经难以满足实际应用需求,因此配置百兆瓦级别的超大规模电池储能电站是新能源发展过程中的当务之急。
锂离子电池具有能量密度大、自放电率低、循环寿命长等优点而广泛应用于超大规模储能电站中,然而由于电池出厂时自身内阻的差异与放电深度的不同,导致的电池之间的健康状态SoH(State of Health)差异会随着工作时间越来越大,为了延长储能电站电池整体工作寿命,减少超大规模电池储能电站的投资成本,最大化利用已有资源,提高储能***运行可靠性,对老化储能电池健康状态进行在线快速评估与调控是亟待解决的问题。
发明内容
针对上述问题本发明提出了一种用于评估储能电站健康状态的方法,包括:
采集储能电站的运行数据,根据运行数据获取储能电池的电量;
以预设的二阶RC电路等效模型根据运行数据,确定储能电池的开路电压;
对储能电池的电量和开路电压进行拟合,确定Ah-Voc关系曲线;
根据Ah-Voc关系曲线确定储能电池的健康状态。
可选的,运行数据包括:输出电压、输出电流、温度T和荷电状态初值。
可选的,确定Ah-Voc关系曲线,具体为:
对储能电池的开路电压与电量进行预处理,获取拟合数据,以预设的拟合函数对拟合数据进行多次拟合,选取满足预设标准的拟合函数曲线作为输出曲线,所述输出曲线即为Ah-Voc关系曲线。
可选的,根据Ah-Voc关系曲线确定储能电池的健康状态,具体为:
对Ah-Voc关系曲线确定电量变化率,并电量变化率滤波处理,对滤波后的电量变化率进行极值处理,确定包含极值电压的开路电压区间,并获取包含极值电压的开路电压区间内储能电池中每个单电池的电量变化率曲线,根据包含极值电压的开路电压区间内的电量变化率曲线确定储能电池的健康状态。
可选的,包含极值电压的开路电压区间内的电量变化率曲线的获取,包括:
设电量变化率曲线电量变化率曲线的极值点个数为N,根据极值点所处位置选取相应N个开路电压极值区间;
对N个极值区间上的电量变化率进行积分,获取储能电池中每个单电池在N个开路电压极值区间的每一个开路电压极值区间上的电量变化量曲线。
可选的,确定储能电池的健康状态,包括:
对储能电池的健康状态以预设健康标准划分由高至低四个健康状态等级,并根据Ah-Voc关系曲线获取健康状态评估指标,设定储能电站健康状态评估指标收敛等级及收敛等级的取值范围;
建立储能电站健康状态评估指标权重系数矩阵,确定权重系数矩阵的权值,根据权值及储能电站中电池串及单电池的评估指标参数确定所述四个等级的概率,并对四个健康状态等级的概率建立储能电池健康状态的评估矩阵;
对评估矩阵以预设矩阵标准,对储能电池进行评估,确定储能电池健康状态等级。
可选的,预设标准为,当评估矩阵最后一列中有任意一个数值不为零,则确定储能电站健康状态等级为最低等级,当评估矩阵最后一列中全部数值为零,则建立状态矩阵;
取状态矩阵中最大值所对应的等级为当前储能电站的健康状态等级,根据健康状态等级确定储能电池的健康状态。
可选的,健康状态评估指标,包括:储能电池的健康状态极差、健康状态标准差和温度极差。
本发明还提出了一种用于评估储能电站健康状态的***,包括:
数据采集单元,采集储能电站的运行数据,根据运行数据获取储能电池的电量;
状态评估单元,以预设的二阶RC电路等效模型根据运行数据,确定储能电池的开路电压,对储能电池的电量和开路电压进行拟合,确定Ah-Voc关系曲线,根据Ah-Voc关系曲线确定储能电池的健康状态。
可选的,运行数据包括:输出电压、输出电流、温度T和荷电状态初值。
可选的,确定Ah-Voc关系曲线,具体为:
对储能电池的开路电压与电量进行预处理,获取拟合数据,以预设的拟合函数对拟合数据进行多次拟合,选取满足预设标准的拟合函数曲线作为输出曲线,所述输出曲线即为Ah-Voc关系曲线。
可选的,根据Ah-Voc关系曲线确定储能电池的健康状态,具体为:
对Ah-Voc关系曲线确定电量变化率,并电量变化率滤波处理,对滤波后的电量变化率进行极值处理,确定包含极值电压的开路电压区间,并获取包含极值电压的开路电压区间内储能电池中每个单电池的电量变化率曲线,根据包含极值电压的开路电压区间内的电量变化率曲线确定储能电池的健康状态。
可选的,包含极值电压的开路电压区间内的电量变化率曲线的获取,包括:
设电量变化率曲线电量变化率曲线的极值点个数为N,根据极值点所处位置选取相应N个开路电压极值区间;
对N个极值区间上的电量变化率进行积分,获取储能电池中每个单电池在N个开路电压极值区间的每一个开路电压极值区间上的电量变化量曲线。
可选的,确定储能电池的健康状态,包括:
对储能电池的健康状态以预设健康标准划分由高至低四个健康状态等级,并根据Ah-Voc关系曲线获取健康状态评估指标,设定储能电站健康状态评估指标收敛等级及收敛等级的取值范围;
建立储能电站健康状态评估指标权重系数矩阵,确定权重系数矩阵的权值,根据权值及储能电站中电池串及单电池的评估指标参数确定所述四个等级的概率,并对四个健康状态等级的概率建立储能电池健康状态的评估矩阵;
对评估矩阵以预设矩阵标准,对储能电池进行评估,确定储能电池健康状态等级。
可选的,预设标准为,当评估矩阵最后一列中有任意一个数值不为零,则确定储能电站健康状态等级为最低等级,当评估矩阵最后一列中全部数值为零,则建立状态矩阵;
取状态矩阵中最大值所对应的等级为当前储能电站的健康状态等级,根据健康状态等级确定储能电池的健康状态。
可选的,健康状态评估指标,包括:储能电池的健康状态极差、健康状态标准差和温度极差。
本发明能够实现实时检测储能电池的健康状态,从健康状态角度对储能电站可靠程度进行评估,进而在线调控储能电池健康状态。
附图说明
图1为本发明一种用于评估储能电站健康状态的方法流程图;
图2为本发明一种用于评估储能电站健康状态的方法实施例流程图;
图3为本发明一种用于评估储能电站健康状态的方法实施例超大规模储能电站的电池电量与开路电压拟合曲线图;
图4为本发明一种用于评估储能电站健康状态的方法实施例超大规模电池储能电站健康状态评估过程流程图;
图5为本发明一种用于评估储能电站健康状态的方法实施例超大规模电池储能电站健康状态调控过程的流程图;
图6为本发明一种用于评估储能电站健康状态的方法实施例超大规模电池储能电站健康状态调控过程的仿真实验图;
图7为本发明一种用于评估储能电站健康状态的***结构图。
具体实施方式
本发明提出了一种用于评估储能电站健康状态的方法,如图1所示,包括:
采集储能电站的运行数据,根据运行数据获取储能电池的电量;
以预设的二阶RC电路等效模型根据运行数据,确定储能电池的开路电压;
对储能电池的电量和开路电压进行拟合,确定Ah-Voc关系曲线;
根据Ah-Voc关系曲线确定储能电池的健康状态。
运行数据包括:输出电压、输出电流、温度T和荷电状态初值。
确定Ah-Voc关系曲线,具体为:
对储能电池的开路电压与电量进行预处理,获取拟合数据,以预设的拟合函数对拟合数据进行多次拟合,选取满足预设标准的拟合函数曲线作为输出曲线,所述输出曲线即为Ah-Voc关系曲线。
根据Ah-Voc关系曲线确定储能电池的健康状态,具体为:
对Ah-Voc关系曲线确定电量变化率,并电量变化率滤波处理,对滤波后的电量变化率进行极值处理,确定包含极值电压的开路电压区间,并获取包含极值电压的开路电压区间内储能电池中每个单电池的电量变化率曲线,根据包含极值电压的开路电压区间内的电量变化率曲线确定储能电池的健康状态。
包含极值电压的开路电压区间内的电量变化率曲线的获取,包括:
设电量变化率曲线电量变化率曲线的极值点个数为N,根据极值点所处位置选取相应N个开路电压极值区间;
对N个极值区间上的电量变化率进行积分,获取储能电池中每个单电池在N个开路电压极值区间的每一个开路电压极值区间上的电量变化量曲线。
确定储能电池的健康状态,包括:
对储能电池的健康状态以预设健康标准划分由高至低四个健康状态等级,并根据Ah-Voc关系曲线获取健康状态评估指标,设定储能电站健康状态评估指标收敛等级及收敛等级的取值范围;
建立储能电站健康状态评估指标权重系数矩阵,确定权重系数矩阵的权值,根据权值及储能电站中电池串及单电池的评估指标参数确定所述四个等级的概率,并对四个健康状态等级的概率建立储能电池健康状态的评估矩阵;
对评估矩阵以预设矩阵标准,对储能电池进行评估,确定储能电池健康状态等级。
预设标准为,当评估矩阵最后一列中有任意一个数值不为零,则确定储能电站健康状态等级为最低等级,当评估矩阵最后一列中全部数值为零,则建立状态矩阵;
取状态矩阵中最大值所对应的等级为当前储能电站的健康状态等级,根据健康状态等级确定储能电池的健康状态。
健康状态评估指标,包括:储能电池的健康状态极差、健康状态标准差和温度极差。
如图2所示,具体包括如下步骤:
步骤一:数据采集单元采集储能电池的输出电压、输出电流、温度等状态参数数据,并将状态参数送入储能电池健康状态评估单元中;
步骤二:健康状态评估单元根据预设的二阶RC电路等效模型求得电池开路电压,并根据输出电流计算得到相应的电池容量;
步骤三:用最小二乘法对电池容量和开路电压进行拟合,得到Ah-Voc关系曲线;
步骤四:储能电池健康状态评估单元根据评估算法计算储能电池的健康状态,并将健康状态数据传送至健康状态监视单元和健康状态调控单元中;
步骤二-1:预设的电池二阶RC等效电路参数均为已知,并有如下关系式:
代入数据采集单元采集的输出电压与电流数据,计算求得开路电压Voc;
步骤二-2:利用安时计量法结合电池的荷电状态初值计算求得相对应的电池电量Ah;
步骤三-1:如图3所示,对采集到的电池开路电压与电池电量数据进行评估分析,选取拟合函数的阶数n=7,本算法中采用多项式函数系,即选取拟合函数为Ah(v)={1,v,v2,v3,…,v7},横坐标v为开路电压,纵坐标Ah为电池组容量;
步骤三-2:相应的正则方程组为:
取权重系数ρi=1,代入开路电压Voc与电池电量Ah数据后,在计算机上用Matlab数学软件求解上述正则方程组的唯一解a0*,a1*,a2*,…,an*此时输出电压与开路电压的函数为Ah(v)=a0*+a1*v+a2*v2+…+an*vn。
步骤四-1):权利要求3-步骤2得到的关系曲线Ah(v)对电压进行一阶求导运算,即Ah(1)=ΔQ/ΔVoc,得到电量关于电压变化率函数Ah(1),并选择一个滤波器对电量变化率函数Ah(1)进行滤波处理;
步骤四-2):对滤波后的函数Ah(1)进行极值分析,得到包含极值电压的开路电压区间,在此区间内对电量变化率Ah(1)积分,分别得到在该区间上老化电池与新电池的电量变化,进而得到电池组的健康状态。
步骤四-1)中所述的滤波器为二阶低通滤波器,其频率响应|H(jw)|2=1/(1+w/wc)4,截止频率wc设为800Hz,用该滤波器消除数据采集过程中的高频噪声信号,得到滤波后的电量变化率函数Ah(1)。
步骤1)-1:对滤波后的电量变化率曲线进行极值分析,设电池电量变化率Ah(1)=ΔQ/ΔVoc曲线的极值点个数为N,则根据极值点所处位置选取相应N个开路电压极值区间Vintel,所述的极值区间上下限选取规则为:区间上下限[Voclow,Vocup]所对应的电量变化率[Ahlow(1),Ahup(1)]为相应极值点电量变化率的70%;
步骤1)-2:对N个极值区间[Voclow,Vocup]上均对电量变化率Ah(1)进行积分,得到电池在每个开路电压极值区间上的电量变化量:
当ΔVoc足够小时,可视ΔVoc=dVoc,即:
计算老化储能电池在N个开路电压极值区间上的总电量变化:
ΔQold=Q1(Voc up)-Q1(Voc low)+Q2(Voc up)-Q2(Voc low)+…+QN(Voc up)-QN(Voc low)
计算全新储能电池在N个开路电压极值区间上的总电量变化:
ΔQnew=Q1(Voc up)-Q1(Voc low)+Q2(Voc up)-Q2(Voc low)+…+QN(Voc up)-QN(Voc low)
此时当前储能电池的健康状态可由下式定义:
其中ΔQold表示老化储能电池的电量变化,ΔQnew表示全新储能电池的电量变化。
如图4所示,具体包括如下步骤:
步骤(1):电池储能电站健康状态评估指标可分为:电池串健康状态极差ΔSoHmax、电池串健康状态标准差δSoH,电池串温度极差ΔTmax,各电池串健康状态极差、标准差和温度极差计算公式为:
设定储能电站健康状态评估指标收敛等级及各等级取值范围,具体如下表:
步骤(2):建立储能电站健康状态评估指标权重系数矩阵ρ=[a,b,c],根据电池健康状态性能指标权重经验,a,b,c的取值分别为0.5,0.4,0.1,即ρ=[0.5,0.4,0.1];
根据电池储能电站共计m*n个电池串的评估指标参数进行统计分析,计算得到健康状态极差、健康状态标准差和温度极差三个评估指标分布在四个评估等级A,B,C,D上的概率,并根据统计结果建立储能电站健康状态评估矩阵C;
评估矩阵C第一行各数值依次代表SoH极差得到A、B、C、D的概率,第二行各值依次代表SoH标准差得到A、B、C、D的概率,第三行各值依次代表温度极差分布在上A、B、C、D的概率;
如图5和图6所示,利用健康状态调控算法对储能电池健康状态进行调控,具体包括如下步骤:
步骤1):对电池串三个评估指标,健康状态极差、健康状态标准差、温度极差评估等级为D的电池串进行检查;
步骤2):利用储能电站健康状态调控算法对储能电站电池串进行健康状态调控,当储能电站健康状态评估结果为A时,健康状态调控过程结束。
步骤2)-1*:电池串中各单体电池的健康状态SoHcurrent均由上述方法计算得出,根据电池循环寿命建立SoH调控函数:
其中SoHfuture是调控后电池健康状态,Ncul为电池累积的的充放电循环次数,DoD为电池放电深度,Ntotal是电池总循环充放电次数,Ncul是电池累计充放电次数系数λ1=794,λ2=0.839;
步骤2)-2*:由健康状态调控函数可得到不同电池之间放电深度关系:
设定各电池的累计充放电循环次数Ncul均相等,即Nicul=Njcul,则电池健康状态的放电深度关系式为:
步骤2)-3*:根据所述的电池当前健康状态与放电深度关系式,对电池串中x个单体磷酸锂铁电池的当前健康状态SoHcurrent数值进行比较,将健康状态初始值SoHcurrent较大的电池设定为高放电深度DoDupper,相应的健康状态初始值较小的电池设定为低放电深度DoDlower,设定的放电深度不应高于电池放电深度限制和当前的容量,即保证每组电池组的放电深度均满足条件:
步骤2)-4*:调控过程开始后,采集电池实时状态数据参数计算电池的健康状态,当各电池串中各单体电池之间健康状态的差值绝对值小于0.01时,将各电池设置为统一的放电深度,并在健康状态评估单元中再次评估储能电站的健康状态。
本发明还提出了一种用于评估储能电站健康状态的***,如图7所示,包括:
数据采集单元,采集储能电站的运行数据,根据运行数据获取储能电池的电量;
状态评估单元,以预设的二阶RC电路等效模型根据运行数据,确定储能电池的开路电压,对储能电池的电量和开路电压进行拟合,确定Ah-Voc关系曲线,根据Ah-Voc关系曲线确定储能电池的健康状态。
运行数据包括:输出电压、输出电流、温度T和荷电状态初值。
确定Ah-Voc关系曲线,具体为:
对储能电池的开路电压与电量进行预处理,获取拟合数据,以预设的拟合函数对拟合数据进行多次拟合,选取满足预设标准的拟合函数曲线作为输出曲线,所述输出曲线即为Ah-Voc关系曲线。
根据Ah-Voc关系曲线确定储能电池的健康状态,具体为:
对Ah-Voc关系曲线确定电量变化率,并电量变化率滤波处理,对滤波后的电量变化率进行极值处理,确定包含极值电压的开路电压区间,并获取包含极值电压的开路电压区间内储能电池中每个单电池的电量变化率曲线,根据包含极值电压的开路电压区间内的电量变化率曲线确定储能电池的健康状态。
包含极值电压的开路电压区间内的电量变化率曲线的获取,包括:
设电量变化率曲线电量变化率曲线的极值点个数为N,根据极值点所处位置选取相应N个开路电压极值区间;
对N个极值区间上的电量变化率进行积分,获取储能电池中每个单电池在N个开路电压极值区间的每一个开路电压极值区间上的电量变化量曲线。
确定储能电池的健康状态,包括:
对储能电池的健康状态以预设健康标准划分由高至低四个健康状态等级,并根据Ah-Voc关系曲线获取健康状态评估指标,设定储能电站健康状态评估指标收敛等级及收敛等级的取值范围;
建立储能电站健康状态评估指标权重系数矩阵,确定权重系数矩阵的权值,根据权值及储能电站中电池串及单电池的评估指标参数确定所述四个等级的概率,并对四个健康状态等级的概率建立储能电池健康状态的评估矩阵;
对评估矩阵以预设矩阵标准,对储能电池进行评估,确定储能电池健康状态等级。
预设标准为,当评估矩阵最后一列中有任意一个数值不为零,则确定储能电站健康状态等级为最低等级,当评估矩阵最后一列中全部数值为零,则建立状态矩阵;
取状态矩阵中最大值所对应的等级为当前储能电站的健康状态等级,根据健康状态等级确定储能电池的健康状态。
健康状态评估指标,包括:储能电池的健康状态极差、健康状态标准差和温度极差。
如图7所示,包括储能电池单元,数据采集单元,储能电池健康状态评估单元,储能电池健康状态监视单元,储能电池健康状态调控单元;
其中,储能电站使用的单体电池电芯为磷酸铁锂电池,单体磷酸铁锂电池标称电压为Vnom,放电截止电压为Vlol,充电截至电压为Vupl,4个磷酸铁锂电池串联组成一个电池串,一个电池储能单元是由m个串联的电池串经过n次并联而成的;
数据采集单元用于采集储能电池工作时电池串中单体电池的输出电压Vout、输出电流Iout和温度T数据,并将采集到的状态参数传输到储能电池健康状态评估单元中,储能电池健康状态评估单元利用评估算法对数据采集单元采集到的输出电压与输出电流数据进行分析处理,得到储能电池的健康状态SoH,并对整个电池储能***进行评估,将健康状态评估结果送入储能电池健康状态监视单元与储能电池健康状态调控单元中;储能电池健康状态监视单元用于实时监视储能电池的健康状态,对健康状态即将达到临界值的电池串进行预警,并及时进行检修与更换;储能电池健康状态调控单元:接收到储能电池健康状态评估单元的数据后,利用健康状态调控算法对储能电池健康状态进行调控,完成储能电站健康状态评估结果优化;
本发明能够实现实时检测储能电池的健康状态,从健康状态角度对储能电站可靠程度进行评估,进而在线调控储能电池健康状态。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (16)
1.一种用于评估储能电站健康状态的方法,所述方法包括:
采集储能电站的运行数据,根据运行数据获取储能电池的电量;
以预设的二阶RC电路等效模型根据运行数据,确定储能电池的开路电压;
对储能电池的电量和开路电压进行拟合,确定Ah-Voc关系曲线;
根据Ah-Voc关系曲线确定储能电池的健康状态。
2.根据权利要求1所述的方法,所述运行数据包括:输出电压、输出电流、温度T和荷电状态初值;所述根据运行数据获取储能电池的电量,包括:根据所述输出电压、输出电流、温度T和荷电状态初值获取储能电池的电量。
3.根据权利要求1所述的方法,所述确定Ah-Voc关系曲线,具体为:
对储能电池的开路电压与电量进行预处理,获取拟合数据,以预设的拟合函数对拟合数据进行多次拟合,选取满足预设标准的拟合函数曲线作为输出曲线,所述输出曲线即为Ah-Voc关系曲线。
4.根据权利要求1所述的方法,所述根据Ah-Voc关系曲线确定储能电池的健康状态,具体为:
对Ah-Voc关系曲线确定电量变化率,并电量变化率滤波处理,对滤波后的电量变化率进行极值处理,确定包含极值电压的开路电压区间,并获取包含极值电压的开路电压区间内储能电池中每个单电池的电量变化率曲线,根据包含极值电压的开路电压区间内的电量变化率曲线确定储能电池的健康状态。
5.根据权利要求4所述的方法,所述包含极值电压的开路电压区间内的电量变化率曲线的获取,包括:
设电量变化率曲线电量变化率曲线的极值点个数为N,根据极值点所处位置选取相应N个开路电压极值区间;
对N个极值区间上的电量变化率进行积分,获取储能电池中每个单电池在N个开路电压极值区间的每一个开路电压极值区间上的电量变化量曲线。
6.根据权利要求1所述的方法,所述确定储能电池的健康状态,包括:
对储能电池的健康状态以预设健康标准划分由高至低四个健康状态等级,并根据Ah-Voc关系曲线获取健康状态评估指标,设定储能电站健康状态评估指标收敛等级及收敛等级的取值范围;
建立储能电站健康状态评估指标权重系数矩阵,确定权重系数矩阵的权值,根据权值及储能电站中电池串及单电池的评估指标参数确定所述四个等级的概率,并对四个健康状态等级的概率建立储能电池健康状态的评估矩阵;
对评估矩阵以预设矩阵标准,对储能电池进行评估,确定储能电池健康状态等级。
7.根据权利要求6所述的方法,所述预设标准为,当评估矩阵最后一列中有任意一个数值不为零,则确定储能电站健康状态等级为最低等级,当评估矩阵最后一列中全部数值为零,则建立状态矩阵;
取状态矩阵中最大值所对应的等级为当前储能电站的健康状态等级,根据健康状态等级确定储能电池的健康状态。
8.根据权利要求6所述的方法,所述健康状态评估指标,包括:储能电池的健康状态极差、健康状态标准差和温度极差。
9.一种用于评估储能电站健康状态的***,所述***包括:
数据采集单元,采集储能电站的运行数据,根据运行数据获取储能电池的电量;
状态评估单元,以预设的二阶RC电路等效模型根据运行数据,确定储能电池的开路电压,对储能电池的电量和开路电压进行拟合,确定Ah-Voc关系曲线,根据Ah-Voc关系曲线确定储能电池的健康状态。
10.根据权利要求9所述的***,所述运行数据包括:输出电压、输出电流、温度T和荷电状态初值。
11.根据权利要求9所述的***,所述确定Ah-Voc关系曲线,具体为:
对储能电池的开路电压与电量进行预处理,获取拟合数据,以预设的拟合函数对拟合数据进行多次拟合,选取满足预设标准的拟合函数曲线作为输出曲线,所述输出曲线即为Ah-Voc关系曲线。
12.根据权利要求9所述的***,所述根据Ah-Voc关系曲线确定储能电池的健康状态,具体为:
对Ah-Voc关系曲线确定电量变化率,并电量变化率滤波处理,对滤波后的电量变化率进行极值处理,确定包含极值电压的开路电压区间,并获取包含极值电压的开路电压区间内储能电池中每个单电池的电量变化率曲线,根据包含极值电压的开路电压区间内的电量变化率曲线确定储能电池的健康状态。
13.根据权利要求12所述的***,所述包含极值电压的开路电压区间内的电量变化率曲线的获取,包括:
设电量变化率曲线电量变化率曲线的极值点个数为N,根据极值点所处位置选取相应N个开路电压极值区间;
对N个极值区间上的电量变化率进行积分,获取储能电池中每个单电池在N个开路电压极值区间的每一个开路电压极值区间上的电量变化量曲线。
14.根据权利要求9所述的***,所述确定储能电池的健康状态,包括:
对储能电池的健康状态以预设健康标准划分由高至低四个健康状态等级,并根据Ah-Voc关系曲线获取健康状态评估指标,设定储能电站健康状态评估指标收敛等级及收敛等级的取值范围;
建立储能电站健康状态评估指标权重系数矩阵,确定权重系数矩阵的权值,根据权值及储能电站中电池串及单电池的评估指标参数确定所述四个等级的概率,并对四个健康状态等级的概率建立储能电池健康状态的评估矩阵;
对评估矩阵以预设矩阵标准,对储能电池进行评估,确定储能电池健康状态等级。
15.根据权利要求9所述的***,所述预设标准为,当评估矩阵最后一列中有任意一个数值不为零,则确定储能电站健康状态等级为最低等级,当评估矩阵最后一列中全部数值为零,则建立状态矩阵;
取状态矩阵中最大值所对应的等级为当前储能电站的健康状态等级,根据健康状态等级确定储能电池的健康状态。
16.根据权利要求9所述的***,所述健康状态评估指标,包括:储能电池的健康状态极差、健康状态标准差和温度极差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598598.4A CN111896873B (zh) | 2020-06-28 | 2020-06-28 | 一种用于评估储能电站健康状态的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598598.4A CN111896873B (zh) | 2020-06-28 | 2020-06-28 | 一种用于评估储能电站健康状态的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111896873A true CN111896873A (zh) | 2020-11-06 |
CN111896873B CN111896873B (zh) | 2023-03-14 |
Family
ID=73207488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010598598.4A Active CN111896873B (zh) | 2020-06-28 | 2020-06-28 | 一种用于评估储能电站健康状态的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111896873B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698714A (zh) * | 2014-01-02 | 2014-04-02 | 清华大学 | 电池容量衰减机理辨识方法及*** |
JP2019070621A (ja) * | 2017-10-11 | 2019-05-09 | 三菱自動車工業株式会社 | 二次電池システム |
CN110058178A (zh) * | 2019-05-14 | 2019-07-26 | 郑州大学 | 一种锂电池健康状态检测方法和*** |
CN110068774A (zh) * | 2019-05-06 | 2019-07-30 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN110687470A (zh) * | 2019-10-03 | 2020-01-14 | 天合光能股份有限公司 | 一种储能***中锂电池寿命在线预测方法及*** |
CN110927591A (zh) * | 2019-12-11 | 2020-03-27 | 北京理工大学 | 一种电池容量估计方法、计算机可读介质及车辆 |
-
2020
- 2020-06-28 CN CN202010598598.4A patent/CN111896873B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698714A (zh) * | 2014-01-02 | 2014-04-02 | 清华大学 | 电池容量衰减机理辨识方法及*** |
JP2019070621A (ja) * | 2017-10-11 | 2019-05-09 | 三菱自動車工業株式会社 | 二次電池システム |
CN110068774A (zh) * | 2019-05-06 | 2019-07-30 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN110058178A (zh) * | 2019-05-14 | 2019-07-26 | 郑州大学 | 一种锂电池健康状态检测方法和*** |
CN110687470A (zh) * | 2019-10-03 | 2020-01-14 | 天合光能股份有限公司 | 一种储能***中锂电池寿命在线预测方法及*** |
CN110927591A (zh) * | 2019-12-11 | 2020-03-27 | 北京理工大学 | 一种电池容量估计方法、计算机可读介质及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN111896873B (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106291372B (zh) | 一种新的锂离子动力电池剩余寿命预测方法 | |
CN107765190B (zh) | 一种长寿命快充型磷酸铁锂电池的寿命预测方法 | |
CN107015157B (zh) | 基于恒流等压升片段的锂电池剩余循环寿命在线快速测试法 | |
CN108037462B (zh) | 蓄电池健康状况量化方法及*** | |
CN104535932A (zh) | 一种锂离子电池荷电状态估计方法 | |
CN109307845B (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*** | |
CN110535159B (zh) | 一种规模化储能电站运行单元故障预警的方法及*** | |
CN109061518A (zh) | 一种通信蓄电池健康度在线监测方法 | |
CN109752656A (zh) | 一种在多时间尺度下用电动汽车电池soh评估方法 | |
CN107340476B (zh) | 电池的电气状态监测***和电气状态监测方法 | |
CN112255560B (zh) | 一种电池电芯健康度预测方法 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN113406523A (zh) | 一种储能电池状态评价方法、装置、电子设备及存储*** | |
CN106885994A (zh) | 基于恒压充电片段的锂电池剩余寿命快速检测法 | |
CN113341319B (zh) | 基于参数插值获取任意温度和倍率下放电曲线的方法 | |
CN108205114A (zh) | 电池寿命的预测方法及*** | |
CN111123136A (zh) | 一种锂离子电池健康状态在线测量装置及在线测量方法 | |
EP4031886A1 (de) | Zustandswert für wiederaufladbare batterien | |
CN108120932A (zh) | 对充电电池的电池健康状态进行估算的方法和装置 | |
CN111414709A (zh) | 一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法 | |
CN105139287A (zh) | 一种融合安全域的综合性电能计量装置评估方法 | |
CN114280485A (zh) | Soc估算及一致性评估方法、装置、计算机设备 | |
CN107749631B (zh) | 机组一次调频能力预估方法 | |
CN112147515B (zh) | 一种新能源车辆电池***功率及内阻在线估算方法 | |
CN114330091A (zh) | 基于多个电池的数据参数化电池的电化学电池模型的方法和装置 |
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 |