CN116231165B - 一种大容量储能电池加热方法及*** - Google Patents
一种大容量储能电池加热方法及*** Download PDFInfo
- Publication number
- CN116231165B CN116231165B CN202310307459.5A CN202310307459A CN116231165B CN 116231165 B CN116231165 B CN 116231165B CN 202310307459 A CN202310307459 A CN 202310307459A CN 116231165 B CN116231165 B CN 116231165B
- Authority
- CN
- China
- Prior art keywords
- battery
- energy storage
- storage battery
- capacity
- data
- 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
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/60—Heating or cooling; Temperature control
- H01M10/61—Types of temperature control
- H01M10/615—Heating or keeping warm
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/60—Heating or cooling; Temperature control
- H01M10/63—Control systems
- H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/60—Heating or cooling; Temperature control
- H01M10/63—Control systems
- H01M10/635—Control systems based on ambient temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/60—Heating or cooling; Temperature control
- H01M10/65—Means for temperature control structurally associated with the cells
- H01M10/657—Means for temperature control structurally associated with the cells by electric or electromagnetic means
- H01M10/6571—Resistive heaters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Secondary Cells (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
Abstract
本发明涉及储能电池领域,公开了一种大容量储能电池加热方法及***,用于提高储能电池的使用效率。方法包括:根据多个电池内部加热区域设置至少一个温度监控位置;根据至少一个温度监控位置,对目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;调用预置的储能电池容量分析模型,对目标储能电池进行电池容量数据分析,得到电池容量变化数据;根据电池容量变化数据,计算目标储能电池的电池性能评价参数;根据电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;将电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率。
Description
技术领域
本发明涉及储能电池领域,尤其涉及一种大容量储能电池加热方法及***。
背景技术
近年来,化石能源匮乏问题和环境污染问题日趋严重,发展清洁可再生能源迫在眉睫。储能电池具有能量密度高、服役周期长、工作电压稳定、重量轻以及环境友好等优点,广泛应用于消费电子产品、新能源汽车等领域。随着智能电网和新能源电动汽车的快速发展对储能电池的能量密度要求日益提高,开发高比容量、低成本以及良好稳定性的储能电池电极材料对于储能电池能量密度的提高起着关键作用。
储能电池加热的目的通常是为了提高其工作效率和延长寿命。在低温环境下,储能电池的性能会受到影响,导致其储能能力和放电能力下降。因此,通过加热储能电池可以提高其能量密度和放电效率,同时减少对电池的损伤,延长其寿命。但是目前,对于大容量的储能电池,其电池加热方式使电芯成组结构变得更加复杂且成本增加,进而导致加热的效率较低。
发明内容
本发明提供了一种大容量储能电池加热方法及***,用于提高储能电池的使用效率。
本发明第一方面提供了一种大容量储能电池加热方法,所述大容量储能电池加热方法包括:
对目标储能电池进行电池内部加热区域划分,得到多个电池内部加热区域,并根据所述多个电池内部加热区域设置至少一个温度监控位置;
根据所述至少一个温度监控位置,对所述目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;
调用预置的储能电池容量分析模型,对所述目标储能电池进行电池容量数据分析,得到电池容量变化数据;
根据所述电池容量变化数据,计算所述目标储能电池的电池性能评价参数;
根据所述电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;
将所述电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率。
结合第一方面,在本发明第一方面的第一实施方式中,所述对目标储能电池进行电池内部加热区域划分,得到多个电池内部加热区域,并根据所述多个电池内部加热区域设置温度监控位置,得到至少一个温度监控位置,包括:
从预置的数据库中,查询待加热的目标储能电池所对应的电池属性信息;
根据所述电池属性信息,对所述目标储能电池进行测试方案匹配,得到电磁感应加热方案;
根据所述电磁感应加热方案,对所述目标储能电池进行电池内部加热区域分割,得到多个电池内部加热区域;
分别对每个电池内部加热区域进行温度监控位置设置,得到每个电池内部加热区域对应的至少一个温度监控位置。
结合第一方面,在本发明第一方面的第二实施方式中,所述根据所述至少一个温度监控位置,对所述目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据,包括:
根据所述电磁感应加热方案,对所述目标储能电池进行温度监控和数据采集,得到所述至少一个温度监控位置对应的原始温度数据;
对所述至少一个温度监控位置对应的原始温度数据进行分布运算,得到每个电池内部加热区域对应的温度数据。
结合第一方面,在本发明第一方面的第三实施方式中,所述调用预置的储能电池容量分析模型,对所述目标储能电池进行电池容量数据分析,得到电池容量变化数据,包括:
对所述目标储能电池温度变化前的电池容量进行采集,得到第一电池容量,以及采集温度变化后的第二电池容量;
分别将所述第一电池容量和所述第二电池容量输入所述储能电池容量分析模型进行电池容量数据分析,得到第一容量特征数据和第二容量特征数据;
对所述第一容量特征数据和所述第二容量特征数据进行容量特征融合,得到电池容量变化数据。
结合第一方面,在本发明第一方面的第四实施方式中,所述根据所述电池容量变化数据,计算所述目标储能电池的电池性能评价参数,包括:
对所述电池容量变化数据进行电池性能特征提取,得到电池性能特征数据;
对所述电池性能特征数据进行评价指标映射,得到性能指标映射集合;
根据所述性能指标映射集合,计算所述目标储能电池的电池性能评价参数。
结合第一方面,在本发明第一方面的第五实施方式中,所述根据所述电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵,包括:
对每个电池内部加热区域对应的温度数据进行离散数据转换,得到离散温度数据;
对所述离散温度数据进行矩阵转换,得到初始分布矩阵;
根据所述电池性能评价参数,对所述初始分布矩阵进行评价系数配置,生成电池性能评价矩阵。
结合第一方面,在本发明第一方面的第六实施方式中,所述将所述电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率,包括:
将所述电池性能评价矩阵输入预置的电磁感应功率预测模型,其中,所述电磁感应功率预测模型包括:第一长短时记忆网络、第二长短时记忆网络、三层卷积网络;
通过所述电磁感应功率预测模型,对所述电池性能评价矩阵进行电磁感应功率预测,得到目标功率区间;
根据所述目标功率区间,生成所述目标储能电池对应的目标电磁感应功率。
本发明第二方面提供了一种大容量储能电池加热***,所述大容量储能电池加热***包括:
划分模块,用于对目标储能电池进行电池内部加热区域划分,得到多个电池内部加热区域,并根据所述多个电池内部加热区域设置至少一个温度监控位置;
采集模块,用于根据所述至少一个温度监控位置,对所述目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;
分析模块,用于调用预置的储能电池容量分析模型,对所述目标储能电池进行电池容量数据分析,得到电池容量变化数据;
计算模块,用于根据所述电池容量变化数据,计算所述目标储能电池的电池性能评价参数;
构建模块,用于根据所述电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;
预测模块,用于将所述电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率。
本发明提供的技术方案中,根据多个电池内部加热区域设置至少一个温度监控位置;根据至少一个温度监控位置,对目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;调用预置的储能电池容量分析模型,对目标储能电池进行电池容量数据分析,得到电池容量变化数据;根据电池容量变化数据,计算目标储能电池的电池性能评价参数;根据电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;将电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率,本发明通过对目标储能电池进行多个内部加热区域监控,然后对采集到的数据进行电池容量变化分析,进而实现了对目标储能电池的电磁感应功率的预测调整,提高了储能电池的加热效率。
附图说明
图1为本发明实施例中大容量储能电池加热方法的一个实施例示意图;
图2为本发明实施例中电池容量数据分析的流程图;
图3为本发明实施例中计算电池性能评价参数的流程图;
图4为本发明实施例中构建电池性能评价矩阵的流程图;
图5为本发明实施例中大容量储能电池加热***的一个实施例示意图。
具体实施方式
本发明实施例提供了一种大容量储能电池加热方法及***,用于提高储能电池的使用效率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中大容量储能电池加热方法的一个实施例包括:
S101、对目标储能电池进行电池内部加热区域划分,得到多个电池内部加热区域,并根据多个电池内部加热区域设置至少一个温度监控位置;
可以理解的是,本发明的执行主体可以为大容量储能电池加热***,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器对于目标储能电池,为了确保其在使用过程中的安全和稳定性,需要进行电池内部加热区域的划分,以便在需要时能够对特定区域进行加热或保温。为此,可以通过对电池内部温度的监控,得到多个电池内部加热区域。这些加热区域的数量和位置可以根据电池的具体结构和设计参数而定。为了监控这些加热区域的温度,需要设置至少一个温度监控位置。这个位置应该位于一个能够代表整个加热区域的位置,可以通过对该位置的温度变化来推断整个加热区域的温度变化。同时,也可以设置多个温度监控位置,以便更加准确地监测加热区域的温度变化。在实际应用中,可以通过各种传感器和控制***来实现电池内部加热区域的划分和温度监控。通过这些技术的应用,可以有效提高储能电池的安全性和稳定性,为储能电池的广泛应用提供了有力的支持。
S102、根据至少一个温度监控位置,对目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;
具体的,服务器确定温度监控位置。需要在电池内部选择一个能够代表整个加热区域的位置作为温度监控位置。这个位置可以是电池中心、正中央位置,也可以是距离加热区域较近的位置,具体选择需要根据电池的结构和设计参数而定。安装温度传感器。在确定了温度监控位置后,需要在该位置安装一个温度传感器,以便实现对该位置温度的实时监测。传感器的类型可以根据实际需求选择,例如热电偶、热敏电阻等。进行数据采集。通过连接数据采集器和温度传感器,可以实现对温度数据的采集和记录。数据采集器可以是单独的设备或者是集成在控制***中的模块。分析数据。采集到的温度数据可以通过数据分析软件进行处理和分析,得到每个电池内部加热区域对应的温度数据。这些数据可以用于判断电池的运行状态和健康程度,以及优化电池的控制和管理策略。
S103、调用预置的储能电池容量分析模型,对目标储能电池进行电池容量数据分析,得到电池容量变化数据;
需要说明的是,服务器确定电池容量分析模型。需要根据目标储能电池的类型和特性,选择适合的电池容量分析模型。这些模型可以是基于物理原理的模型,也可以是基于统计学方法的模型,例如Kalman滤波器、神经网络等。服务器收集电池容量数据。在确定了电池容量分析模型后,需要对目标储能电池进行数据采集。这些数据可以包括电池的充放电数据、温度数据、电压数据等。服务器进行电池容量分析。通过将采集到的电池数据输入到电池容量分析模型中,可以得到目标储能电池的容量变化数据。根据这些数据,可以判断电池的健康状况和预测电池的寿命。服务器进行数据可视化。为了更加直观地呈现电池容量变化数据,可以将数据进行可视化处理。例如可以采用折线图、柱状图等方式来展示电池容量的变化趋势。
S104、根据电池容量变化数据,计算目标储能电池的电池性能评价参数;
具体的,服务器进行数据采集:首先需要收集目标储能电池的电池容量变化数据。这些数据可以通过实验室测试、现场测试或者生产过程中的数据采集来获取。数据处理:收集到的电池容量变化数据需要进行处理,包括去噪、插值、滤波等操作,以保证数据的准确性和可靠性。参数计算:接下来需要根据处理后的数据计算目标储能电池的电池性能评价参数,包括能量密度、功率密度、循环寿命、安全性等指标。这些指标可以通过各种计算公式来计算,也可以通过软件工具进行计算。结果分析:最后,需要对计算得到的电池性能评价参数进行分析,比较目标储能电池与其他电池的性能差异,找出电池性能的优劣之处,并提出改进方案。
S105、根据电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;
具体的,服务器确定电池性能评价参数。需要根据目标储能电池的使用需求和实际情况,选择适合的电池性能评价参数。这些参数可以包括电池的容量、内阻、循环寿命、温度等。服务器收集电池性能评价参数数据。在确定了电池性能评价参数后,需要对目标储能电池进行数据采集。这些数据可以通过电池管理***或其他设备进行采集。服务器收集电池温度数据。在进行电池性能评价时,还需要考虑电池内部加热区域的温度情况。因此,需要安装温度传感器,对每个电池内部加热区域进行温度监测,以便得到相应的温度数据。服务器构建电池性能评价矩阵。通过将电池性能评价参数和温度数据综合考虑,可以构建电池性能评价矩阵。这个矩阵可以用于评估电池的性能状况,发现电池的潜在问题并进行优化和改进。
S106、将电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率。
具体的,服务器收集电池性能评价数据,包括电池的容量、电压、内阻等指标,并将其整理成矩阵形式。服务器设计电磁感应功率预测模型,选定合适的模型算法,并利用已有的数据对模型进行训练。服务器针对待预测的电磁感应功率,将其输入到训练好的模型中进行预测。预测结果可以是一个具体的功率值,也可以是一个功率范围。服务器验证预测结果的准确性,可以采用交叉验证、误差分析等方法进行评估。服务器根据预测结果,对电池进行合理的选择和配置,以满足目标电磁感应功率的要求。服务器通过将电池性能评价矩阵输入预置的电磁感应功率预测模型,实现了对目标电磁感应功率的快速、准确预测,为电池的选择和配置提供了科学依据。
本发明实施例中,根据多个电池内部加热区域设置至少一个温度监控位置;根据至少一个温度监控位置,对目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;调用预置的储能电池容量分析模型,对目标储能电池进行电池容量数据分析,得到电池容量变化数据;根据电池容量变化数据,计算目标储能电池的电池性能评价参数;根据电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;将电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率,本发明通过对目标储能电池进行多个内部加热区域监控,然后对采集到的数据进行电池容量变化分析,进而实现了对目标储能电池的电磁感应功率的预测调整,提高了储能电池的加热效率。
在一具体实施例中,执行步骤S101的过程可以具体包括如下步骤:
(1)从预置的数据库中,查询待加热的目标储能电池所对应的电池属性信息;
(2)根据电池属性信息,对目标储能电池进行测试方案匹配,得到电磁感应加热方案;
(3)根据电磁感应加热方案,对目标储能电池进行电池内部加热区域分割,得到多个电池内部加热区域;
(4)分别对每个电池内部加热区域进行温度监控位置设置,得到每个电池内部加热区域对应的至少一个温度监控位置。
具体的,服务器查询目标储能电池的属性信息,从预置的数据库中,查询待加热的目标储能电池所对应的电池属性信息,包括电池型号、额定容量、电池化学成分等。服务器匹配测试方案,根据电池属性信息,对目标储能电池进行测试方案匹配,得到电磁感应加热方案。测试方案包括加热时间、频率、功率等参数,需要根据电池属性信息进行匹配,以确保加热效果最佳。服务器进行内部加热区域分割,根据电磁感应加热方案,对目标储能电池进行电池内部加热区域分割,得到多个电池内部加热区域。这些区域需要考虑到电池内部温度分布不均匀的情况,以确保加热效果最佳。服务器进行温度监控位置设置,分别对每个电池内部加热区域进行温度监控位置设置,得到每个电池内部加热区域对应的至少一个温度监控位置。这些温度监控位置需要考虑到电池内部温度分布不均匀的情况,以确保加热效果最佳。
在一具体实施例中,执行步骤S102的过程可以具体包括如下步骤:
(1)根据电磁感应加热方案,对目标储能电池进行温度监控和数据采集,得到至少一个温度监控位置对应的原始温度数据;
(2)对至少一个温度监控位置对应的原始温度数据进行分布运算,得到每个电池内部加热区域对应的温度数据。
具体的,服务器进行温度监控位置的选择:在储能电池内部选择至少一个温度监控位置,通常可以选择电池组的顶部、底部和中心位置等。在选择温度监控位置时,需要考虑电池内部的温度分布情况,确保监控位置能够反映电池的整体温度情况。服务器进行数据采集设备的选择:需要选择能够实时采集温度数据的设备,通常可以选择温度传感器或红外线测温仪等。在选择设备时,需要考虑设备的精度、响应速度和安全性等因素。服务器进行数据采集方案的设计:需要设计合理的数据采集方案,确保能够实时采集温度数据,并将数据传输到数据处理***。采集方案可以选择有线或无线方式,根据实际情况选择合适的采集方案。服务器进行数据处理***的设计:需要设计合理的数据处理***,对采集到的温度数据进行分析和处理。数据处理***可以选择传统的计算机***或云平台,根据实际需求选择合适的***。服务器进行分布运算算法的选择:需要选择合适的分布运算算法,对温度数据进行分析和处理,并得到每个电池内部加热区域对应的温度数据。常用的算法包括加权平均算法、高斯分布算法等。
在一具体实施例中,如图2所示,执行步骤S103的过程可以具体包括如下步骤:
S201、对目标储能电池温度变化前的电池容量进行采集,得到第一电池容量,以及采集温度变化后的第二电池容量;
S202、分别将第一电池容量和第二电池容量输入储能电池容量分析模型进行电池容量数据分析,得到第一容量特征数据和第二容量特征数据;
S203、对第一容量特征数据和第二容量特征数据进行容量特征融合,得到电池容量变化数据。
具体的,服务器进行电池容量采集设备的选择:需要选择能够实时采集电池容量数据的设备,通常可以选择电池管理***或电池容量测试仪等。在选择设备时,需要考虑设备的精度、响应速度和安全性等因素。服务器进行电池容量分析模型的设计:需要设计合理的电池容量分析模型,将第一电池容量和第二电池容量输入模型进行电池容量数据分析。常用的模型包括基于等效电路模型的容量分析模型、基于神经网络的容量分析模型等。服务器进行容量特征数据的提取:需要从第一电池容量和第二电池容量中提取出容量特征数据,通常包括容量衰减速率、容量恢复速率等。特征数据的提取可以使用数据分析工具,如MATLAB等。服务器进行容量特征融合算法的选择:需要选择合适的容量特征融合算法,对第一容量特征数据和第二容量特征数据进行融合,得到电池容量变化数据。常用的算法包括加权平均算法、神经网络算法等。服务器实现对目标储能电池温度变化前后的电池容量进行采集,并通过电池容量分析模型对容量数据进行分析。在提取容量特征数据后,通过容量特征融合算法对数据进行融合,得到电池容量变化数据。这将有助于了解电池的使用状态,及时发现电池容量的变化趋势,为电池的维护和管理提供参考依据。
在一具体实施例中,如图3所示,执行步骤S104的过程可以具体包括如下步骤:
S301、对电池容量变化数据进行电池性能特征提取,得到电池性能特征数据;
S302、对电池性能特征数据进行评价指标映射,得到性能指标映射集合;
S303、根据性能指标映射集合,计算目标储能电池的电池性能评价参数。
具体的,服务器对目标储能电池进行长期测试,记录电池在不同充放电条件下的电池容量变化数据,包括电池的电压、电流、温度、充放电时间等参数。服务器进行特征提取,利用机器学习等方法,提取电池容量变化数据中的特征参数,如电池的容量衰减速率、电池的内阻、电池的循环寿命等。服务器进行性能指标映射,根据提取的电池性能特征数据,建立性能指标映射模型,将电池性能特征数据映射到对应的性能指标上,如电池的能量密度、功率密度等。服务器进行性能评价参数计算,根据性能指标映射集合,计算目标储能电池的电池性能评价参数,如电池的综合性能指数、功率密度、能量密度等。
在一具体实施例中,如图4所示,执行步骤S105的过程可以具体包括如下步骤:
S401、对每个电池内部加热区域对应的温度数据进行离散数据转换,得到离散温度数据;
S402、对离散温度数据进行矩阵转换,得到初始分布矩阵;
S403、根据电池性能评价参数,对初始分布矩阵进行评价系数配置,生成电池性能评价矩阵。
具体的,服务器对每个电池内部加热区域的温度数据进行离散化处理,将连续的温度数据转换为离散的温度数据。离散化的方法可以采用分段函数法,将连续的温度数据分段处理,以一定的间隔进行离散化。服务器将离散化后的温度数据转换为矩阵形式,得到初始分布矩阵。矩阵的大小取决于电池内部加热区域的数量和离散化的间隔。服务器根据电池性能评价参数,对初始分布矩阵进行评价系数配置。评价参数可以包括电池的循环寿命、容量衰减率、内阻等指标,评价系数可以采用模糊综合评价法、层次分析法等方法进行配置。服务器根据评价系数配置,生成电池性能评价矩阵。评价矩阵可以反映出电池在不同温度下的性能表现。进一步地,对每个电池内部加热区域对应的温度数据进行离散数据转换,即将连续的温度数据转换为离散的温度数据。将离散温度数据转换为初始分布矩阵,即将每个离散温度数据对应的位置在矩阵中标注出来,形成初始分布矩阵。根据电池性能评价参数,对初始分布矩阵进行评价系数配置,即为每个离散温度数据对应的位置在矩阵中分配一个评价系数。将评价系数配置后的初始分布矩阵进行矩阵转换,生成电池性能评价矩阵,即将矩阵中的每个位置上的评价系数相加,得到每个位置上的电池性能评价值。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)将电池性能评价矩阵输入预置的电磁感应功率预测模型,其中,电磁感应功率预测模型包括:第一长短时记忆网络、第二长短时记忆网络、三层卷积网络;
(2)通过电磁感应功率预测模型,对电池性能评价矩阵进行电磁感应功率预测,得到目标功率区间;
(3)根据目标功率区间,生成目标储能电池对应的目标电磁感应功率。
具体的,服务器设计电磁感应功率预测模型,包括第一长短时记忆网络、第二长短时记忆网络、三层卷积网络。这些模型可根据历史数据进行训练,以预测电池的电磁感应功率。服务器将电池性能评价矩阵输入预置的电磁感应功率预测模型,通过模型对电池性能进行评估,得到目标功率区间。这个目标功率区间可以是一个范围或具体数值。服务器在得到目标功率区间后,根据该区间生成目标储能电池对应的目标电磁感应功率。本实施例可以快速、准确地预测目标储能电池的电磁感应功率。服务器进行数据准备:准备电池性能评价矩阵数据和电磁感应功率数据,将其转换为模型可接受的格式。服务器进行模型训练:利用预置的第一长短时记忆网络、第二长短时记忆网络和三层卷积网络等算法,对准备好的数据进行模型训练,得到电磁感应功率预测模型。服务器进行模型验证:对训练好的模型进行验证,确保其预测准确性和稳定性。服务器进行预测目标功率区间:将电池性能评价矩阵输入电磁感应功率预测模型,得到目标功率区间。服务器进行生成目标电磁感应功率:根据目标功率区间,生成目标储能电池对应的目标电磁感应功率。服务器将生成的目标电磁感应功率应用于电池的储能过程中,实现对电池的优化和控制。
上面对本发明实施例中大容量储能电池加热方法进行了描述,下面对本发明实施例中大容量储能电池加热***进行描述,请参阅图5,本发明实施例中大容量储能电池加热***一个实施例包括:
划分模块501,用于对目标储能电池进行电池内部加热区域划分,得到多个电池内部加热区域,并根据所述多个电池内部加热区域设置至少一个温度监控位置;
采集模块502,用于根据所述至少一个温度监控位置,对所述目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;
分析模块503,用于调用预置的储能电池容量分析模型,对所述目标储能电池进行电池容量数据分析,得到电池容量变化数据;
计算模块504,用于根据所述电池容量变化数据,计算所述目标储能电池的电池性能评价参数;
构建模块505,用于根据所述电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;
预测模块506,用于将所述电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率。
通过上述各个组成部分的协同合作,根据多个电池内部加热区域设置至少一个温度监控位置;根据至少一个温度监控位置,对目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;调用预置的储能电池容量分析模型,对目标储能电池进行电池容量数据分析,得到电池容量变化数据;根据电池容量变化数据,计算目标储能电池的电池性能评价参数;根据电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;将电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率,本发明通过对目标储能电池进行多个内部加热区域监控,然后对采集到的数据进行电池容量变化分析,进而实现了对目标储能电池的电磁感应功率的预测调整,提高了储能电池的加热效率。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种大容量储能电池加热方法,其特征在于,所述大容量储能电池加热方法包括:
对目标储能电池进行电池内部加热区域划分,得到多个电池内部加热区域,并根据所述多个电池内部加热区域设置至少一个温度监控位置;
根据所述至少一个温度监控位置,对所述目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;
调用预置的储能电池容量分析模型,对所述目标储能电池进行电池容量数据分析,得到电池容量变化数据;
根据所述电池容量变化数据,计算所述目标储能电池的电池性能评价参数;
根据所述电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;
将所述电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率。
2.根据权利要求1所述的大容量储能电池加热方法,其特征在于,所述对目标储能电池进行电池内部加热区域划分,得到多个电池内部加热区域,并根据所述多个电池内部加热区域设置温度监控位置,得到至少一个温度监控位置,包括:
从预置的数据库中,查询待加热的目标储能电池所对应的电池属性信息;
根据所述电池属性信息,对所述目标储能电池进行测试方案匹配,得到电磁感应加热方案;
根据所述电磁感应加热方案,对所述目标储能电池进行电池内部加热区域分割,得到多个电池内部加热区域;
分别对每个电池内部加热区域进行温度监控位置设置,得到每个电池内部加热区域对应的至少一个温度监控位置。
3.根据权利要求2所述的大容量储能电池加热方法,其特征在于,所述根据所述至少一个温度监控位置,对所述目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据,包括:
根据所述电磁感应加热方案,对所述目标储能电池进行温度监控和数据采集,得到所述至少一个温度监控位置对应的原始温度数据;
对所述至少一个温度监控位置对应的原始温度数据进行分布运算,得到每个电池内部加热区域对应的温度数据。
4.根据权利要求1所述的大容量储能电池加热方法,其特征在于,所述调用预置的储能电池容量分析模型,对所述目标储能电池进行电池容量数据分析,得到电池容量变化数据,包括:
对所述目标储能电池温度变化前的电池容量进行采集,得到第一电池容量,以及采集温度变化后的第二电池容量;
分别将所述第一电池容量和所述第二电池容量输入所述储能电池容量分析模型进行电池容量数据分析,得到第一容量特征数据和第二容量特征数据;
对所述第一容量特征数据和所述第二容量特征数据进行容量特征融合,得到电池容量变化数据。
5.根据权利要求1所述的大容量储能电池加热方法,其特征在于,所述根据所述电池容量变化数据,计算所述目标储能电池的电池性能评价参数,包括:
对所述电池容量变化数据进行电池性能特征提取,得到电池性能特征数据;
对所述电池性能特征数据进行评价指标映射,得到性能指标映射集合;
根据所述性能指标映射集合,计算所述目标储能电池的电池性能评价参数。
6.根据权利要求1所述的大容量储能电池加热方法,其特征在于,所述根据所述电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵,包括:
对每个电池内部加热区域对应的温度数据进行离散数据转换,得到离散温度数据;
对所述离散温度数据进行矩阵转换,得到初始分布矩阵;
根据所述电池性能评价参数,对所述初始分布矩阵进行评价系数配置,生成电池性能评价矩阵。
7.根据权利要求1所述的大容量储能电池加热方法,其特征在于,所述将所述电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率,包括:
将所述电池性能评价矩阵输入预置的电磁感应功率预测模型,其中,所述电磁感应功率预测模型包括:第一长短时记忆网络、第二长短时记忆网络、三层卷积网络;
通过所述电磁感应功率预测模型,对所述电池性能评价矩阵进行电磁感应功率预测,得到目标功率区间;
根据所述目标功率区间,生成所述目标储能电池对应的目标电磁感应功率。
8.一种大容量储能电池加热***,其特征在于,所述大容量储能电池加热***包括:
划分模块,用于对目标储能电池进行电池内部加热区域划分,得到多个电池内部加热区域,并根据所述多个电池内部加热区域设置至少一个温度监控位置;
采集模块,用于根据所述至少一个温度监控位置,对所述目标储能电池进行温度监控和数据采集,得到每个电池内部加热区域对应的温度数据;
分析模块,用于调用预置的储能电池容量分析模型,对所述目标储能电池进行电池容量数据分析,得到电池容量变化数据;
计算模块,用于根据所述电池容量变化数据,计算所述目标储能电池的电池性能评价参数;
构建模块,用于根据所述电池性能评价参数和每个电池内部加热区域对应的温度数据,构建电池性能评价矩阵;
预测模块,用于将所述电池性能评价矩阵输入预置的电磁感应功率预测模型进行电磁感应功率预测,得到目标电磁感应功率。
9.根据权利要求8所述的大容量储能电池加热***,其特征在于,所述划分模块具体用于:
从预置的数据库中,查询待加热的目标储能电池所对应的电池属性信息;
根据所述电池属性信息,对所述目标储能电池进行测试方案匹配,得到电磁感应加热方案;
根据所述电磁感应加热方案,对所述目标储能电池进行电池内部加热区域分割,得到多个电池内部加热区域;
分别对每个电池内部加热区域进行温度监控位置设置,得到每个电池内部加热区域对应的至少一个温度监控位置。
10.根据权利要求9所述的大容量储能电池加热***,其特征在于,所述采集模块具体用于:
根据所述电磁感应加热方案,对所述目标储能电池进行温度监控和数据采集,得到所述至少一个温度监控位置对应的原始温度数据;
对所述至少一个温度监控位置对应的原始温度数据进行分布运算,得到每个电池内部加热区域对应的温度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310307459.5A CN116231165B (zh) | 2023-03-27 | 2023-03-27 | 一种大容量储能电池加热方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310307459.5A CN116231165B (zh) | 2023-03-27 | 2023-03-27 | 一种大容量储能电池加热方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116231165A CN116231165A (zh) | 2023-06-06 |
CN116231165B true CN116231165B (zh) | 2023-10-20 |
Family
ID=86578796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310307459.5A Active CN116231165B (zh) | 2023-03-27 | 2023-03-27 | 一种大容量储能电池加热方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116231165B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117289168B (zh) * | 2023-09-19 | 2024-05-28 | 北京翼新数智科技有限公司 | 基于传感器数据和智能算法的产品质量监测*** |
CN117347869B (zh) * | 2023-12-04 | 2024-03-01 | 深圳三晖能源科技有限公司 | 储能电池管理***数据分析方法、装置、电子设备及介质 |
CN117577981B (zh) * | 2024-01-16 | 2024-04-02 | 深圳市名洋能源科技有限公司 | 光伏发电储能控制方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160041679A (ko) * | 2014-10-08 | 2016-04-18 | 주식회사 엘지화학 | 배터리 성능 실험 장치 |
CN111532175A (zh) * | 2020-03-30 | 2020-08-14 | 宁波吉利汽车研究开发有限公司 | 一种电动汽车电池加热控制方法、装置、设备及存储介质 |
CN113447828A (zh) * | 2021-06-21 | 2021-09-28 | 中山大学 | 一种基于贝叶斯神经网络的锂电池温度估计方法及*** |
KR20220013309A (ko) * | 2020-07-24 | 2022-02-04 | 한국전기연구원 | 파라미터 측정에 기초한 이차전지 거동 예측 방법 및 시스템 |
CN114497818A (zh) * | 2022-01-26 | 2022-05-13 | 中南大学 | 一种低温环境下锂离子电池的内部快速加热方法 |
WO2022105320A1 (zh) * | 2020-11-17 | 2022-05-27 | 中山大学 | 一种动力电池主动热管理***及控制方法 |
CN114982041A (zh) * | 2020-08-24 | 2022-08-30 | 广州汽车集团股份有限公司 | 电池热调节电路及方法、计算机可读存储介质和电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10224579B2 (en) * | 2015-12-31 | 2019-03-05 | Robert Bosch Gmbh | Evaluating capacity fade in dual insertion batteries using potential and temperature measurements |
-
2023
- 2023-03-27 CN CN202310307459.5A patent/CN116231165B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160041679A (ko) * | 2014-10-08 | 2016-04-18 | 주식회사 엘지화학 | 배터리 성능 실험 장치 |
CN111532175A (zh) * | 2020-03-30 | 2020-08-14 | 宁波吉利汽车研究开发有限公司 | 一种电动汽车电池加热控制方法、装置、设备及存储介质 |
KR20220013309A (ko) * | 2020-07-24 | 2022-02-04 | 한국전기연구원 | 파라미터 측정에 기초한 이차전지 거동 예측 방법 및 시스템 |
CN114982041A (zh) * | 2020-08-24 | 2022-08-30 | 广州汽车集团股份有限公司 | 电池热调节电路及方法、计算机可读存储介质和电子设备 |
WO2022105320A1 (zh) * | 2020-11-17 | 2022-05-27 | 中山大学 | 一种动力电池主动热管理***及控制方法 |
CN113447828A (zh) * | 2021-06-21 | 2021-09-28 | 中山大学 | 一种基于贝叶斯神经网络的锂电池温度估计方法及*** |
CN114497818A (zh) * | 2022-01-26 | 2022-05-13 | 中南大学 | 一种低温环境下锂离子电池的内部快速加热方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116231165A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116231165B (zh) | 一种大容量储能电池加热方法及*** | |
CN109948860A (zh) | 一种机械***剩余寿命预测方法及*** | |
CN116455085B (zh) | 一种电池储能电站智能监控*** | |
CN110324383B (zh) | 云服务器、电动汽车及其中动力电池的管理***、方法 | |
CN117289168B (zh) | 基于传感器数据和智能算法的产品质量监测*** | |
CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
CN116148679A (zh) | 一种电池健康状态的预测方法及相关装置 | |
CN116933666B (zh) | 一种集装箱储能***的热管理优化方法、***及介质 | |
EP3696693A1 (en) | Method and apparatus for monitoring state of device in process industry and medium | |
CN116433045A (zh) | 一种电力应急物资的精准供应管理方法及*** | |
CN116660759B (zh) | 基于bms电池管理***的电池寿命预测方法及装置 | |
CN116540108B (zh) | 一种电芯容量衰减预警方法、装置、存储介质及设备 | |
US20230305073A1 (en) | Method and apparatus for providing a predicted aging state of a device battery based on a predicted usage pattern | |
CN116845391A (zh) | 一种锂电池储能管理*** | |
CN114312322A (zh) | 车辆检测方法及装置 | |
CN114487856A (zh) | 换电站电池的热失控预警方法及*** | |
Wei et al. | Multi-level data-driven battery management: From internal sensing to big data utilization | |
CN113253125B (zh) | 一种基于信息融合的磷酸铁锂电池热失控监测方法及*** | |
CN102095953B (zh) | 一种蓄电池充电机性能在线检测方法 | |
Mocko et al. | Incorporating uncertainty in diagnostic analysis of mechanical systems | |
CN113836816A (zh) | 一种基于红外图像的发电机碳刷温度监测***及温度预测方法 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及*** | |
US20230213587A1 (en) | Method and System for Efficiently Monitoring Battery Cells of a Device Battery in an External Central Processing Unit Using a Digital Twin | |
CN104636816A (zh) | 建立一用电模型的装置及方法 | |
CN116901707A (zh) | 一种动力电池组故障预警方法、***及车辆 |
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 |