CN105223510A - 一种基于内阻熵值法的蓄电池组落后单体电池判别方法 - Google Patents
一种基于内阻熵值法的蓄电池组落后单体电池判别方法 Download PDFInfo
- Publication number
- CN105223510A CN105223510A CN201510552836.7A CN201510552836A CN105223510A CN 105223510 A CN105223510 A CN 105223510A CN 201510552836 A CN201510552836 A CN 201510552836A CN 105223510 A CN105223510 A CN 105223510A
- Authority
- CN
- China
- Prior art keywords
- internal resistance
- cell
- time
- battery pack
- value
- 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.)
- Pending
Links
Abstract
本发明公开了一种基于内阻熵值法判断蓄电池组落后单体电池的方法,其包括如下步骤:首先,被测蓄电池组由m个单体电池组成,对每节所述单体电池每隔一个时间段测量一次内阻值,连续测量n次;m个所述单体电池用j编号,即i=1,2,…m;每节所述单体电池的第几次测量用i编号,即i=1,2,…n;计算第j节单体电池在第i次测量时的内阻值rij在所有m个单体电池测量n次的内阻值总和中所占的比重;然后根据比重计算第j节单体电池内阻值的熵值;然后根据熵值计算第j节电池内阻值的差异性系数,对差异性系数从大到小排序,即可找出落后电池。本发明的优点是计算量小,简单实用且快速准确。
Description
技术领域
本发明应用于铅酸阀控蓄电池健康状况判别技术领域,具体涉及一种基于内阻熵值法的蓄电池组落后单体电池判别方法。
背景技术
由104节2V阀控式密封铅酸蓄电池单体串接形成蓄电池组,做为后备电源广泛应用于变电站及电厂。目前蓄电池组中落后电池判别及预测方法是国内外各研究机构及高校的研究热点。蓄电池内阻测量和分析是实现蓄电池落后电池判别的关键技术。随着蓄电池使用时间的增加,电池性能不断劣化,电池容量不断下降,电池内阻的离散性也会变得愈来愈大,通过对电池内阻的分析可以实现电池故障的早期预测。目前,国内外针对电池内阻分析方法主要有:基于状态空间模型的分析法、基于模糊理论的分析方法和基于神经网络的分析方法。但是,在实践中,这些方法需要建立准确的蓄电池模型,需要大量的历史数据,具有很大的局限性,难以准确快速地判断出蓄电池组中的落后电池。
发明内容
本发明所要解决的技术问题是提供了一种计算量小,简单实用、快速准确的基于内阻熵值法判断蓄电池组落后单体电池的方法。
本发明的技术方案如下:
一种基于内阻熵值法的蓄电池组落后单体电池判别方法,其具体步骤如下:
步骤1.所述蓄电池组由m个单体电池组成,对每节所述单体电池每隔一个时间段测量一次内阻值,连续测量n次;m个所述单体电池用j编号,即i=1,2,…m;每节所述单体电池的第几次测量用i编号,即i=1,2,…n;
现计算第j节单体电池在第i次测量时的内阻值rij在所有m个单体电池测量n次的内阻值总和中所占的比重ωij,计算公式(1)如下:
ωij=rij/Σrij(1)
步骤2.计算第j节单体电池内阻值的熵值Sj,计算公式(2)如下:
其中,令k=1/Inm,Inm指自然对数;
Sj为第j节单体电池内阻值的熵值;
步骤3.计算第j节单体电池内阻值的差异性系数Cj,计算公式(3)如下:
Cj=1-Sj(3)
步骤4.对所述第j节单体电池内阻值的差异性系数Cj按照从大到小排序,差异性系数Cj越大电池性能越差,即差异性系数Cj最大的电池为性能最落后的单体电池。
本发明的技术效果如下:
(1)本方法利用熵值法对蓄电池单体内阻进行分析,计算方法实用,需要的计算数据较小,易于在工程实践中应用;
(2)本方法适用范围广,既适于对电力系统运行的蓄电池组进行在线实时性的判断,也可以对离线的蓄电池内阻状况进行分析。
附图说明
图1为本判别方法的流程图。
具体实施方式
以下结合具体实施例和说明书附图1对本发明进行进一步详细的叙述。
熵值法是一种客观赋权法,其根据各项指标观测值所提供的信息的大小来确定指标权重。设有m个待评方案,n项评价指标,形成原始指标数据矩阵为X=(xij)m×n,对于某项评价指标xj,指标值xij的差距越大,则该指标在综合评价中所起的作用越大;如果某项指标的指标值全部相等,则该指标在综合评价中不起作用。
将熵值法应用于蓄电池内阻分析从而判断落后单体电池,由104节2V单体电池串接形成蓄电池组,即m=104;对每节单体电池每周测量一次,连续测量7次,即n=7;形成如下内阻测量矩阵(4):
其中,R为n*m阶的内阻矩阵;
i为单体电池内阻测量次数,i=1,2,…,7;
j为单体电池编号,j=1,2,…,104。
如图1所示,实施例的具体步骤如下:
步骤1.形成内阻测量矩阵数据:
选取由10节2V单体阀控铅酸蓄电池,即m等于10,对每节单体电池每周测量一次内阻,连续测量7次,即n等于7;m个所述单体电池用j编号,即j=1,2,…10;每节所述单体电池的第几次测量用i编号,即i=1,2,…7;
即形成如下内阻测量矩阵(5):
其中,i=1,2,…,7为单体电池内阻测量次数,j=1,2,…,10为单体电池编号。n=7,m=10。现计算第j节单体电池在第i次测量时的内阻值rij在所有m个单体电池测量n次的内阻值总和中所占的比重ωij:
步骤2.计算第j节单体电池内阻值的熵值Sj,计算公式(2)如下:
其中,令k=1/Inm,Inm指自然对数;
Sj为第j节单体电池内阻值的熵值;
将步骤1求得的ωij代入公式(2),即
计算出Sj=[0.21810.21870.21630.21050.21170.21620.21630.22800.22210.2232];
步骤3.计算第j节电池内阻值的差异性系数Cj,熵值越小,第j个电池差异性越大,计算公式如下:
Cj=1-Sj=[0.78190.78130.78370.78950.78830.78380.78370.77200.77790.7768]
步骤4.对Cj进行从大到小排序,即可找出落后电池:
对Cj进行从大到小排序,依次为第4节、第5节、第6节、第7节、第3节、第1节、第2节、第9节、第10节、第8节,即性能最差的落后电池为第4节。
为解决现有电力系统阀控式铅酸蓄电池组落后电池判别方法不足的技术难题,提供一种基于内阻熵值法的蓄电池组落后单体电池判别方法,来判断并选出蓄电池组中落后的单体电池,从而对蓄电池组的状况进行评价。
以上所述实施方式仅为本发明的优选实施例,而并非本发明可行实施的穷举。对于本领域一般技术人员而言,在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动,都应当被认为包含在本发明的权利要求保护范围之内。
Claims (1)
1.一种基于内阻熵值法的蓄电池组落后单体电池判别方法,其特征在于:其包括如下步骤:
步骤1.所述蓄电池组由m个单体电池组成,对每节所述单体电池每隔一个时间段测量一次内阻值,连续测量n次;m个所述单体电池用j编号,即j=1,2,…m;每节所述单体电池的第几次测量用i编号,即i=1,2,…n;
现计算第j节单体电池在第i次测量时的内阻值rij在所有m个单体电池测量n次的内阻值总和中所占的比重ωij,计算公式(1)如下:
ωij=rij/Σrij(1)
步骤2.计算第j节单体电池内阻值的熵值Sj,计算公式(2)如下:
其中,令k=1/Inm,Inm指自然对数;
Sj为第j节单体电池内阻值的熵值;
步骤3.计算第j节单体电池内阻值的差异性系数Cj,计算公式(3)如下:
Cj=1-Sj(3)
步骤4.对所述第j节单体电池内阻值的差异性系数Cj按照从大到小排序,差异性系数越大电池性能越差,即差异性系数最大的电池为性能最落后的单体电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510552836.7A CN105223510A (zh) | 2015-09-01 | 2015-09-01 | 一种基于内阻熵值法的蓄电池组落后单体电池判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510552836.7A CN105223510A (zh) | 2015-09-01 | 2015-09-01 | 一种基于内阻熵值法的蓄电池组落后单体电池判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105223510A true CN105223510A (zh) | 2016-01-06 |
Family
ID=54992572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510552836.7A Pending CN105223510A (zh) | 2015-09-01 | 2015-09-01 | 一种基于内阻熵值法的蓄电池组落后单体电池判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105223510A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107192954A (zh) * | 2017-05-02 | 2017-09-22 | 杭州科工电子科技有限公司 | 一种锂离子电池性能在线诊断方法 |
CN107422266A (zh) * | 2017-03-15 | 2017-12-01 | 中国电力科学研究院 | 一种大容量电池储能系统的故障诊断方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201583631U (zh) * | 2009-07-17 | 2010-09-15 | 淄博智洋电气有限公司 | 一种蓄电池在线监测装置及系统 |
CN102831300A (zh) * | 2012-08-03 | 2012-12-19 | 中国科学院水利部成都山地灾害与环境研究所 | 一种基于信息熵理论的冲沟沟头活跃度评价方法 |
CN104617668A (zh) * | 2015-01-20 | 2015-05-13 | 国家电网公司 | 变电站蓄电池远程监控系统及监控方法 |
-
2015
- 2015-09-01 CN CN201510552836.7A patent/CN105223510A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201583631U (zh) * | 2009-07-17 | 2010-09-15 | 淄博智洋电气有限公司 | 一种蓄电池在线监测装置及系统 |
CN102831300A (zh) * | 2012-08-03 | 2012-12-19 | 中国科学院水利部成都山地灾害与环境研究所 | 一种基于信息熵理论的冲沟沟头活跃度评价方法 |
CN104617668A (zh) * | 2015-01-20 | 2015-05-13 | 国家电网公司 | 变电站蓄电池远程监控系统及监控方法 |
Non-Patent Citations (3)
Title |
---|
王生昌等: "基于熵值法的汽车动力性能主观评价指标权重确定方法", 《公路交通科技》 * |
郭庆等: "蓄电池组的自动测试系统", 《电子测量与仪器学报》 * |
黄恩伦: "阀控铅酸蓄电池管理系统的研究与实现", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107422266A (zh) * | 2017-03-15 | 2017-12-01 | 中国电力科学研究院 | 一种大容量电池储能系统的故障诊断方法及装置 |
CN107422266B (zh) * | 2017-03-15 | 2021-04-16 | 中国电力科学研究院 | 一种大容量电池储能系统的故障诊断方法及装置 |
CN107192954A (zh) * | 2017-05-02 | 2017-09-22 | 杭州科工电子科技有限公司 | 一种锂离子电池性能在线诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061504B (zh) | 同类型不同锂离子电池剩余使用寿命预测方法和系统 | |
CN103472398B (zh) | 基于扩展卡尔曼粒子滤波算法的动力电池soc估计方法 | |
CN102663412B (zh) | 基于最小二乘支持向量机的电力设备载流故障趋势预测方法 | |
CN103018673B (zh) | 一种基于改进型动态小波神经网络的航天Ni-Cd蓄电池寿命预测方法 | |
CN111584952A (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
CN107765190A (zh) | 一种长寿命快充型磷酸铁锂电池的寿命预测方法 | |
CN109978229A (zh) | 一种对动力电池组全电芯多点温度及连接点温度进行热失控预测的方法 | |
CN103295081A (zh) | 基于bp神经网络的电力系统负荷预测方法 | |
CN105117602A (zh) | 一种计量装置运行状态预警方法 | |
CN107274067B (zh) | 一种配电变压器过载风险评估方法 | |
CN103886518A (zh) | 一种基于监测点电能质量数据挖掘的电压暂降预警方法 | |
CN111579993B (zh) | 一种基于卷积神经网络的锂电池容量在线估计方法 | |
CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
CN106548272A (zh) | 一种电动汽车快充设施综合性能的评价方法 | |
CN106998086A (zh) | 兆瓦级储能电站电池管理方法及其系统 | |
CN109307845A (zh) | 一种用于对梯次利用电池储能系统进行健康状态评估的方法及系统 | |
CN103544542A (zh) | 一种电力系统暂态稳定裕度预测方法 | |
CN104933629A (zh) | 基于区间层次分析和区间熵组合的电力用户设备评估方法 | |
CN105203968A (zh) | 一种铅酸蓄电池剩余电量的在线测量系统 | |
CN104063577A (zh) | 基于广义回归神经网络的变压器油中特征气体发展趋势预测方法 | |
CN102751725B (zh) | 一种配电网过负荷风险状态辨识方法 | |
CN103353295B (zh) | 一种精确预测大坝坝体垂直变形量的方法 | |
CN103176137A (zh) | 基于电池soc不均匀性的电池组健康状态评价方法 | |
CN105223510A (zh) | 一种基于内阻熵值法的蓄电池组落后单体电池判别方法 | |
CN107482778A (zh) | 一种改进的电力系统健康状态监测的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160106 |
|
RJ01 | Rejection of invention patent application after publication |