CN108321446B - 基于条件折旧均衡算法的多电池储能优化管理方法及系统 - Google Patents

基于条件折旧均衡算法的多电池储能优化管理方法及系统 Download PDF

Info

Publication number
CN108321446B
CN108321446B CN201810091347.XA CN201810091347A CN108321446B CN 108321446 B CN108321446 B CN 108321446B CN 201810091347 A CN201810091347 A CN 201810091347A CN 108321446 B CN108321446 B CN 108321446B
Authority
CN
China
Prior art keywords
depreciation
energy storage
battery
condition
battery energy
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
Application number
CN201810091347.XA
Other languages
English (en)
Other versions
CN108321446A (zh
Inventor
樊飞龙
郑晓冬
邰能灵
黄文焘
余墨多
肖正光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201810091347.XA priority Critical patent/CN108321446B/zh
Publication of CN108321446A publication Critical patent/CN108321446A/zh
Application granted granted Critical
Publication of CN108321446B publication Critical patent/CN108321446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • 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
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • 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)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于条件折旧均衡算法的多电池储能优化管理方法，通过电池管理平台采集多电池储能各单元荷电状态和历史折旧系数，进而得到每个电池储能单元的条件折旧系数，籍由条件折旧系数以及调度平台发布的多电池总功率指令制定专属均衡算法并得出各单元储能功率指令，从而实现优化管理。本发明能够实现分配合理，层次分明，高效实用的多电池储能管理，快速实现多电池储能条件折旧均衡调度。

Description

基于条件折旧均衡算法的多电池储能优化管理方法及系统
技术领域
本发明涉及的是一种电池管理领域的技术，具体是一种基于条件折旧均衡算法的多电池储能优化管理方法及系统。
背景技术
近年来，电池储能系统被广泛地用来提高船舶电力系统的稳定性和供电可靠性。随着电池规模地增大，多电池储能管理技术成为电池储能系统实际应用中的关键技术。目前传统多电池储能管理技术的研究主要针对荷电状态均衡，并未考虑电池历史运行过程对电池寿命的影响，因此并不能做到电池寿命折旧过程的均衡调度。所以，对于船舶电力系统多电池储能管理技术而言，如何均衡各电池的寿命折旧过程，延长整体寿命周期，降低运维成本，是亟需解决的问题。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于条件折旧均衡算法的多电池储能优化管理方法，能够实现分配合理，层次分明，高效实用的多电池储能管理，快速实现多电池储能条件折旧均衡调度。
本发明是通过以下技术方案实现的：
本发明通过电池管理平台采集多电池储能各子电池储能单元荷电状态和历史折旧系数，进而得到每个电池储能单元的条件折旧系数，根据条件折旧系数以及上级调度平台向电池管理平台发布的总功率调度值，制定条件折旧均衡算法并得出各子电池储能单元功率调度值，从而实现优化管理。
所述的条件折旧系数，通过以下步骤得到：
1)根据多电池储能各子电池储能单元荷电状态计算各子电池储能单元放电深度hz＝1-SOCz，其中：SOCz表示各电池储能单元荷电状态，h表示各电池储能单元放电深度。
2)根据多电池储能各单元放电深度计算各电池储能单元当前折旧系数
Figure GDA0002195600700000011
其中：Pz表示当前调度指令，η表示充放电系数，T表示调度周期，hz表示各电池储能单元当前放电深度，
Figure GDA0002195600700000012
表示对应放电深度的最大充放电次数，Qmax表示各个电池储能单元总容量。
所述的最大充放电次数分段线性模型为：
Figure GDA0002195600700000021
其中：hz表示各电池储能单元当前放电深度，[hi,hi+1]表示各电池储能单元当前放电深度在电池最大充放电次数与充放电深度分段线性分布曲线中的所在数据段的端点值。
3)基于各电池储能单元历史折旧系数与当前折旧系数计算各电池储能单元条件折旧系数
Figure GDA0002195600700000022
其中：Lz表示各电池储能单元当前折旧系数，LP表示各电池储能单元历史折旧系数，Lr表示各电池储能单元条件折旧系数，中间变量
Figure GDA0002195600700000023
Ez＝2(Aihz+Bi)(1-Lp)，其中：Pz表示当前调度指令，η表示充放电系数，T表示调度周期，hz表示各电池储能单元当前放电深度，
Figure GDA0002195600700000025
表示对应放电深度的最大充放电次数，Qmax表示各个电池储能单元总容量，[hi,hi+1]表示各电池储能单元当前放电深度在电池最大充放电次数与充放电深度分段线性分布曲线中的所在数据段的端点值。
所述的条件折旧均衡算法具体步骤包括：
1)根据多电池功率总调度指令得到对应的充放电状态Pz(k)与条件折旧系数Lr(k)之间的关联：
Figure GDA0002195600700000026
Figure GDA0002195600700000027
其中：k表示多电池储能各单元电池序号。
2)根据各个电池储能单元的功率极值计算各电池单元的条件折旧极限值。
根据计算结果构造原矩阵：
OA＝[Lcr(1),Lcr(2),…Lcr(N)]
3)将条件折旧极限值排序并以有序的标记矩阵方式存储，即：LA＝[Lacr(1),Lacr(2),…Lacr(N)]，其中：Lacr(1)≤Lacr(2)≤…≤Lacr(N)，标记矩阵与原矩阵的对应关系NA＝[nacr(1),nacr(2),…nacr(N)]，其中：当Lacr(u)＝Lcr(k)时，nacr(u)＝k，其中：u＝1,2,…,N。
4)根据多电池储能总调度指令确定的总充放电功率，基于上述排序后的标记矩阵中的元素，分别计算各元素对应的调度总充放电功率与多电池储能实际总功率差值
Figure GDA0002195600700000031
5)通过序列逼近算法，找到差值中最合适的条件折旧变化区间
Figure GDA0002195600700000032
其中：Lrange表示选择的范围，u＝0,1,…,N-1，Lacr(0)＝0，ξ表示所应用系统的有功最小分辨精度。
6)利用牛顿下山法在条件折旧变化区间中进行最均衡的条件折旧值搜索其中：
Figure GDA0002195600700000034
Figure GDA0002195600700000035
其中：可调节系数λ满足
Figure GDA0002195600700000036
否则通过λ(w+1)＝λ(w)/2对λ进行更新，w表示迭代次数，w≥0，λ(0)＝1。
7)当牛顿下山法的可变系数调节内环与条件折旧值搜索外环的迭代过程都停止时得到最均衡条件折旧系数
Figure GDA0002195600700000037
并据此与调度平台发布的多电池总功率指令，制定各电池储能单元功率指令。
本发明涉及一种实现上述方法的系统，包括：电池管理平台、条件折旧系数计算模块、条件折旧均衡值搜索模块，其中：电池管理平台与电池管理系统相连，收集电池管理系统中的电池运行信息；条件折旧系数计算模块与电池管理平台相连，根据电池管理平台提供的每个电池的荷电状态信息与历史折旧信息，计算每个电池的条件折旧值；条件折旧均衡值搜索模块根据条件折旧计算模块提供的条件折旧值与电池管理平台提供的电池运行信息，搜索最均衡的条件折旧值。
技术效果
与现有技术相比，本发明实现了多电池寿命折旧均衡管理，延长了多电池系统寿命均衡度和整体寿命周期，为多电池系统的运行提供技术支撑。
附图说明
图1为本发明流程示意图；
图2为实施例中多电池条件折旧均衡算法示意图；
图3为实施例中序列逼近算法示意图；
图4为实施例中牛顿下山法示意图；
图5为实施例应用示意图；
图6为实施例中多电池总功率调度指令示意图；
图中：(a)为第1、4、7、10号电池荷电状态变化示意图，(b)为第2、5、8、11号电池荷电状态变化示意图，(c)为第3、6、9、12号电池荷电状态变化示意图；
图7为实施例中多电池系统各电池荷电状态变化情况示意图；
图8为实施例中多电池系统日运行总寿命折旧情况示意图。
具体实施方式
如图1所示，本实施例以12个电池单元组成的多电池储能系统为测试对象，根据用户一天内的实际数据，实施所述多电池储能管理技术，其具体流程如图1所示，算法说明如图2所示，包括以下步骤：
步骤1、基于电池管理平台，采集多电池储能各单元荷电状态和历史折旧系数；
步骤2、根据多电池储能各单元荷电状态与隶属折旧系数计算各电池储能单元条件折旧系数；
步骤3、根据各电池储能单元条件折旧系数以及调度平台发布的多电池总功率指令，制定均衡算法，得出各单元储能功率指令。
本实施列的系统结构图如图5所示，由多电池管理系统和RT-lab中的电池模型组成。本实施例基于图6所示的24小时多电池储能系统功率总调度指令。其储能电池参数如表1所示。储能电池初始荷电状态和历史折旧状态如表2所示。储能折旧系数与放电深度分段线性模型关键节点参数如表3所示。
表1储能电池参数
Figure GDA0002195600700000041
Figure GDA0002195600700000051
表2储能电池初始荷电状态和历史折旧状态
Figure GDA0002195600700000052
表3储能折旧系数与放电深度分段线性模型关键节点参数
Figure GDA0002195600700000053
多电池储能系统各电池荷电状态变化情况如图7所示，结果表明本发明能够根据储能电池历史折旧状态，分别将不同的储能电池初始荷电状态统一到统一水平，对不同历史折旧的储能电池单元进行差异性管理。
多电池储能系统整体总寿命折旧情况如图8所示，结果表明：与传统SOC均衡算法相比，发明采用的一种基于条件折旧均衡算法的多电池储能管理技术能够延缓多电池储能系统整体总寿命折旧，延长多电池储能系统的整体使用时间。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (2)

1.一种基于条件折旧均衡算法的多电池储能优化管理方法，其特征在于，通过电池管理平台采集多电池储能各单元荷电状态和历史折旧系数，进而得到每个电池储能单元的条件折旧系数，根据条件折旧系数以及调度平台发布的多电池总功率调度指令制定条件折旧均衡算法并得出各单元储能功率调度值，从而实现优化管理；
所述的条件折旧均衡算法具体步骤包括：
1)根据多电池总功率调度指令得到对应的充放电状态Pz(k)与条件折旧系数Lr(k)之间的关联：
Figure FDA0002304131010000012
其中：k表示多电池储能各单元电池序号，Dz(k)、Ez(k)、Fz(k)为中间变量；
2)根据各个电池储能单元的功率极值计算各电池单元的条件折旧极限值
Figure FDA0002304131010000013
根据计算结果构造原矩阵：
OA＝[Lcr(1),Lcr(2),…Lcr(N)]
3)将条件折旧极限值排序并以有序的标记矩阵方式存储，即：LA＝[Lacr(1),Lacr(2),…Lacr(N)]，其中：Lacr(1)≤Lacr(2)≤…≤Lacr(N)，标记矩阵与原矩阵的对应关系NA＝[nacr(1),nacr(2),…nacr(N)]，其中：当Lacr(u)＝Lcr(k)时，nacr(u)＝k，其中：u＝1,2,…,N；
4)根据多电池总功率调度指令确定的总充放电功率，基于上述排序后的标记矩阵中的元素，分别计算各元素对应的调度总充电功率Pz max(t)、调度总放电功率Pz min(t)与多电池储能实际总功率Pr,Batstate的差值
Figure FDA0002304131010000014
其中：Dz(t)、Ez(t)、Fz(t)为中间变量；
5)通过序列逼近算法，找到差值中最合适的条件折旧变化区间
Figure FDA0002304131010000021
其中：Lrange表示选择的范围，u＝0,1,…,N-1，Lacr(0)＝0，ξ表示所应用系统的有功最小分辨精度；
6)利用牛顿下山法在条件折旧变化区间中进行最均衡的条件折旧系数搜索其中：
Figure FDA0002304131010000023
Figure FDA0002304131010000024
其中：Pz max(t)为调度总充电功率，Pz min(t)为调度总放电功率，可调节系数λ满足
Figure FDA0002304131010000025
否则通过λ(w+1)＝λ(w)/2对λ进行更新，w表示迭代次数，w≥0，λ(0)＝1；
7)当牛顿下山法的可变系数调节内环与条件折旧系数搜索外环的迭代过程都停止时得到最均衡条件折旧系数
Figure FDA0002304131010000026
并据此与调度平台发布的多电池总功率调度指令制定各电池储能单元功率指令；
所述的条件折旧系数，通过以下步骤得到：
1)根据多电池储能各电池储能单元荷电状态计算各电池储能单元放电深度hz＝1-SOCz，其中：SOCz表示各电池储能单元荷电状态，h表示各电池储能单元放电深度，
2)根据多电池储能各单元放电深度计算各电池储能单元当前折旧系数
Figure FDA0002304131010000027
其中：Pz表示当前调度指令，η表示充放电系数，T表示调度周期，hz表示各电池储能单元当前放电深度，
Figure FDA0002304131010000031
表示对应放电深度的最大充放电次数，Qmax表示各个电池储能单元总容量；
3)基于各电池储能单元历史折旧系数与当前折旧系数计算各电池储能单元条件折旧系数
Figure FDA0002304131010000032
其中：Lz表示各电池储能单元当前折旧系数，LP表示各电池储能单元历史折旧系数，Lr表示各电池储能单元条件折旧系数；中间变量
Figure FDA0002304131010000033
Ez＝2(Aihz+Bi)(1-Lp)，
Figure FDA0002304131010000034
其中：Pz表示当前调度指令，η表示充放电系数，T表示调度周期，hz表示各电池储能单元当前放电深度，表示对应放电深度的最大充放电次数，Qmax表示各个电池储能单元总容量。
2.一种权利要求1所述方法的电池储能优化管理系统，其特征在于，包括：电池管理平台、条件折旧系数计算模块、条件折旧均衡值搜索模块，其中：电池管理平台与电池管理系统相连，收集电池管理系统中的电池运行信息；条件折旧系数计算模块与电池管理平台相连，根据电池管理平台提供的每个电池的荷电状态信息与历史折旧信息，计算每个电池的条件折旧系数；条件折旧均衡值搜索模块根据条件折旧计算模块提供的条件折旧系数与电池管理平台提供的电池运行信息，搜索最均衡的条件折旧系数。
CN201810091347.XA 2018-01-30 2018-01-30 基于条件折旧均衡算法的多电池储能优化管理方法及系统 Active CN108321446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810091347.XA CN108321446B (zh) 2018-01-30 2018-01-30 基于条件折旧均衡算法的多电池储能优化管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810091347.XA CN108321446B (zh) 2018-01-30 2018-01-30 基于条件折旧均衡算法的多电池储能优化管理方法及系统

Publications (2)

Publication Number Publication Date
CN108321446A CN108321446A (zh) 2018-07-24
CN108321446B true CN108321446B (zh) 2020-02-18

Family

ID=62888388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810091347.XA Active CN108321446B (zh) 2018-01-30 2018-01-30 基于条件折旧均衡算法的多电池储能优化管理方法及系统

Country Status (1)

Country Link
CN (1) CN108321446B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4494453B2 (ja) * 2007-11-13 2010-06-30 トヨタ自動車株式会社 二次電池の制御装置および制御方法
JP5447282B2 (ja) * 2010-08-11 2014-03-19 新神戸電機株式会社 自然エネルギー利用システム用鉛蓄電池および鉛蓄電池システム
KR101718646B1 (ko) * 2014-04-01 2017-03-21 가부시끼가이샤 도시바 감시 장치, 제어 장치 및 제어 시스템
JP6128066B2 (ja) * 2014-06-24 2017-05-17 トヨタ自動車株式会社 電池管理システム
CN105048484B (zh) * 2015-09-08 2017-06-27 山东大学 模块化多电平电池储能系统的电池健康状态优化控制方法
CN106911136B (zh) * 2017-04-06 2019-06-18 上海交通大学 基于温度和功率控制平抑分布式能源功率波动的方法及系统

Also Published As

Publication number Publication date
CN108321446A (zh) 2018-07-24

Similar Documents

Publication Publication Date Title
Mirzapour et al. A new prediction model of battery and wind-solar output in hybrid power system
CN110247451B (zh) 一种锂离子动力电池组全寿命周期均衡控制方法
CN107994595A (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN112791997B (zh) 一种退役电池梯次利用筛选的方法
CN109510234B (zh) 一种微电网储能电站的混合储能容量优化配置方法及装置
CN109002892A (zh) 一种改进de-gwo算法的实现方法
CN111786417A (zh) 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
Javadi et al. Application of GA, PSO and ABC in optimal design of a stand-alone hybrid system for north-west of Iran
CN113794199A (zh) 一种考虑电力市场波动的风电储能系统最大收益优化方法
CN111009914A (zh) 一种面向主动配电网的储能装置选址定容方法
CN110783987B (zh) 一种针对电池组电池均衡的分层最优控制方法
CN113258561A (zh) 一种基于多属性决策的多种分布式电源的微电网多目标优化调度方法
CN112736953B (zh) 一种带有多目标优化的风储系统储能容量配置设计方法
CN113131502B (zh) 一种集中式储能电站的双层功率协调分配方法及装置
CN110932300B (zh) 一种考虑梯次利用储能的配电网优化调度方法
CN116365669B (zh) 一种锂电池的网络管理优化方法及系统
CN112036735B (zh) 一种用于光伏电站的储能系统的储能容量规划方法及系统
CN108321446B (zh) 基于条件折旧均衡算法的多电池储能优化管理方法及系统
EP3553910A1 (en) Method for operating ess at optimal efficiency
WO2023173817A1 (zh) 一种配电网分布式储能规划方法及系统
CN109447233B (zh) 电动汽车充放电调度方法及系统
CN110707788A (zh) 一种分布式储能电站中储能电池阵列快速均衡系统及方法
CN116914787A (zh) 一种区域电网多时间尺度共享储能容量规划方法及系统
CN110137957A (zh) 一种基于直流配电中心的柔性互联配电网削峰填谷方法
CN114977166A (zh) 风-储场站日前-日内两阶段功率上报的优化方法

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
TR01 Transfer of patent right

Effective date of registration: 20200930

Address after: 200122 Shanghai City, Pudong New Area source deep road, No. 1122

Patentee after: STATE GRID SHANGHAI MUNICIPAL ELECTRIC POWER Co.

Patentee after: SHANGHAI JIAO TONG University

Address before: 200240 Dongchuan Road, Shanghai, No. 800, No.

Patentee before: SHANGHAI JIAO TONG University

TR01 Transfer of patent right