CN110929791A - 梯次利用电池的应用场景选择方法 - Google Patents
梯次利用电池的应用场景选择方法 Download PDFInfo
- Publication number
- CN110929791A CN110929791A CN201911182290.5A CN201911182290A CN110929791A CN 110929791 A CN110929791 A CN 110929791A CN 201911182290 A CN201911182290 A CN 201911182290A CN 110929791 A CN110929791 A CN 110929791A
- Authority
- CN
- China
- Prior art keywords
- battery
- evaluation value
- value interval
- application scenario
- soh
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种梯次利用电池的应用场景选择方法。该方法包括:建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间;根据待利用的梯次利用电池的当前状态查询评价规则,得到待利用的梯次利用电池对应的评价值区间矩阵;利用评价值区间矩阵计算出待利用的梯次利用电池在不同应用场景中的适用度值,将所有的适用度值进行比较,根据比较结果确定待利用的梯次利用电池的最佳应用场景。该方法可以有效地找出梯次利用电池的最佳应用场景,为应用场景进行电池选型和为梯次利用电池的运行模式提供设计方案,以实现高效率地对梯次利用电池进行再使用。
Description
技术领域
本发明涉及电池使用技术领域,尤其涉及一种梯次利用电池的应用场景选择方法。
背景技术
为了保证电动汽车的运行安全及续航里程,当前电动汽车企业一般建议当电动汽车的动力电池容量衰减到70%-80%时,需要更换电池,此时电池仍具有较长寿命。大量的梯次利用电池如果未经妥善处置,或未在其他领域继续使用,将会导致严重的资源浪费以及环境污染问题。因此,电动汽车的梯次利用电池的应用场景适用性评价的相关研究,是亟待解决的问题。
目前关于评价算法的研究在电力系统可靠性、储能配置方案等领域取得一些成果,例如采用层次分析法对储能配置方案的优劣进行排序;在层次分析法的基础上结合专家经验对重要电力用户典型供电模式进行评价;基于层次分析法-改进熵权法对综合能源系统进行综合评价;采用VIKOR方法评价高速列车运行的安全性;基于2DUL-VIKOR评价方法对不同动力电池回收模式方案进行评价并排序;采用Adaboost算法实现了电能质量复合扰动的分类和识别和对配电网断线故障的实时检测,可用于电力系统可靠性的评价;基于Adaboost改进C4.5决策树,实现了对配电网故障风险等级的准确预测,有利于对电力系统可靠性的评价。
通过调研国内外文献,虽然关于评价算法的研究已在电力系统的多个领域取得成果,但用于电动汽车梯次利用电池的应用场景适应性评价的算法研究还处于空白。
发明内容
本发明的实施例提供了一种梯次利用电池的应用场景选择方法,以实现有效地对梯次利用电池进行再使用。
为了实现上述目的,本发明采取了如下技术方案。
一种梯次利用电池的应用场景选择方法,包括:
建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间;
根据待利用的梯次利用电池的当前状态查询所述评价规则,得到所述待利用的梯次利用电池对应的评价值区间矩阵;
利用所述评价值区间矩阵计算出所述待利用的梯次利用电池在不同应用场景中的适用度值,将所有的适用度值进行比较,根据比较结果确定所述待利用的梯次利用电池的最佳应用场景。
优选地,所述的建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间,包括:
根据应用场景类型、应用场景功能和应用场景需求三个层次结构来划分各种应用场景,第一层的应用场景类型包括容量型、功率型和能量型;
根据梯次利用电池材料、梯次利用电池类型和梯次利用电池初始状态三个层次结构来划分梯次利用电池的各种状态,第一层的梯次利用电池材料包括三元锂电池、磷酸铁锂电池和钛酸锂电池,第二层的梯次利用电池类型包括能量型和功率型,第三层的梯次利用电池初始状态包括能量型和功率型,第二层的梯次利用电池初始状态包括容量、内阻和剩余循环次数;
基于先验知识建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间[a,b],a、b分别为评价值区间的左右边界,b的最高值设为10,a的最低值设为0,评价值区间的边界数值越大,代表适用程度越高。
优选地,所述评价规则中的技术性的评价值区间包括:
规则类别1:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
不同材料电池的评价值区间为[0,10αE i],其中,αE i为第i种材料电池的能量密度与最高能量密度电池的比例;
(2)当应用场景属于功率型应用场景时:
不同材料电池的评价值区间为[0,10αP i],其中,αP i为第i种材料电池功率密度与最高功率密度电池的比例;
(3)当应用场景属于能量型应用场景时:
不同材料电池的评价值区间为[0,10(αP i+αE i)/2]。
规则类别2:梯次利用电池类型
(1)当应用场景属于容量型应用场景时:
对于能量型电池输出评价值区间[5,10];
对于功率型电池输出评价值区间[0,5]。
(2)当应用场景属于功率型应用场景时:
对于能量型电池输出评价值区间[0,5];
对于功率型电池输出评价值区间[5,10]。
(3)当应用场景属于能量型应用场景时:
对于能量型电池输出评价值区间[5,10];
对于功率型电池输出评价值区间[5,10]。
规则类别3:梯次利用电池的剩余循环次数状态
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间0.5SOH[0,10/3]μi;其中,对于第i个功能的场景,不同电池的评价值区间需乘以该场景的权重μi,权重取该场景中对储能容量需求μE i和功率需求μP i的平均值,即μi=(μE i+μP i)/2;
对于三元锂电池输出评价值区间0.5SOH[0,5/3]μi;
对于钛酸锂电池输出评价值区间0.5SOH[0,10]μi。
(2)当应用场景属于功率型应用场景时:
对于磷酸铁锂电池输出评价值区间SOH[0,10/2]μi;
对于三元锂电池输出评价值区间SOH[0,5/3]μi;
对于钛酸锂电池输出评价值区间SOH[0,10]μi。
(3)当应用场景属于能量型应用场景时:
对于磷酸铁锂电池输出评价值区间0.5SOH[0,10/3]μi;
对于三元锂电池输出评价值区间0.5SOH[0,2]μi;
对于钛酸锂电池输出评价值区间0.5SOH[0,10]μi。
优选地,所述评价规则中的经济性的评价值区间包括:
规则类别4:梯次利用电池的剩余循环次数状态
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum;其中,对于不同功能的场景,还需乘以电池剩余循环次数所影响的成本收益的权重,即电池容量购置成本、功率装机成本和提高用户可靠性收益的影响因子绝对值之和ksum;
对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum。
(2)当应用场景属于功率型应用场景时:
对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum。
(3)当应用场景属于能量型应用场景时:
对于磷酸铁锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum;
对于三元锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum;
对于钛酸锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum;
规则类别5:梯次利用电池容量状态
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;其中,对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重,即电池容量购置成本和补贴收益的影响因子之和ksum2;
对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
(2)当应用场景属于功率型应用场景时:
对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum2。
(3)当应用场景属于能量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2;
2)对于三元锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2;
3)对于钛酸锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2;
规则类别6:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
不同材料电池的评价值区间为[0,10(1.01-πi)]ksum3;其中,πi为第i种材料电池购置价格与最高购置价格电池的比例;对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重,即电池容量购置成本的影响因子ksum3;
(2)当应用场景属于功率型应用场景时:
不同材料电池的评价值区间为[0,10(1.01-πi)]ksum3;
(3)当应用场景属于能量型应用场景时:
不同材料电池的评价值区间为0.5[0,10(1.01-πi)]ksum3。
优选地,所述评价规则中的安全性的评价值区间包括:
规则类别7:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间[2,3.5];
对于三元锂电池输出评价值区间[0,1.5];
对于钛酸锂电池输出评价值区间[3.5,5];
(2)当应用场景属于功率型或能量型应用场景时:
对于磷酸铁锂电池输出评价值区间[4,7];
对于三元锂电池输出评价值区间0;
对于钛酸锂电池输出评价值区间[7,10];
规则类别8:梯次利用电池内阻状态
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间0.5[(SOH)2χi][0,10],χi表示不同材料电池内阻平方之间的倍数关系;
对于三元锂电池输出评价值区间0.5([(SOH)2χi][0,10];
对于钛酸锂电池输出评价值区间0.5[(SOH)2χi][0,10];
(2)当应用场景属于功率型应用场景时:
对于磷酸铁锂电池输出评价值区间[(SOH)2χi][0,10];
对于三元锂电池输出评价值区间[(SOH)2χi][0,10];
对于钛酸锂电池输出评价值区间[(SOH)2 χi ][0,10]。
(3)当应用场景属于能量型应用场景时:
对于磷酸铁锂电池输出评价值区间[(SOH)2 χi ][0,10];
对于三元锂电池输出评价值区间[(SOH)2 χi ][0,10];
对于钛酸锂电池输出评价值区间[(SOH)2 χi ][0,10]。
优选地,所述的根据待利用的梯次利用电池的当前状态查询所述评价规则,得到所述待利用的梯次利用电池对应的评价值区间矩阵,包括:
选取各个储能电站选用的梯次利用电池的参数作为样本数据,所有的样本数据组成AdaBoost算法的训练数据集,利用所述训练数据集对AdaBoost算法进行训练;
获取待利用的梯次利用电池当前的状态参数,该状态参数包括容量、内阻和剩余循环次数,通过训练好的Adaboost算法将所述当前状态参数与所述评价规则中的各种评价值区间中的各种应用场景的需求、梯次利用电池的状态参数进行匹配,根据匹配结果选取待利用的梯次利用电池对应的评价值区间,所有选取的评价值区间构成待利用的梯次利用电池的评价值区间矩阵Si;
式中,i=1,2,…m,m为梯次利用电池的状态参数类型总数;j=1,2,…n,n为应用场景总数;o=1,2,…7;e、f、g、h∈[0,10];表示第j个应用场景对于第i种类型梯次利用电池在第o条评价规则下的评价值,以区间形式表示。
优选地,所述的利用所述评价值区间矩阵通过VIKOR算法计算出所述待利用的梯次利用电池在不同应用场景中的适用度值,将所有的适用度值进行比较,根据比较结果确定所述待利用的梯次利用电池的最佳应用场景,包括:
(2)计算Sj的正理想解Sj+与负理想解Sj-
Sj+=[sj+ 1 sj+ 2 … sj+ o … sj+ 7] (13)
式中,sj+ o为第j个场景第o条评价规则下不同电池状态评价值的最大值,其计算公式如下:
sj+ o=max(sj io) (14)
Sj-=[sj- 1 sj- 2 ... sj- o ... sj- 7] (15)
式中,sj- o为第j个场景第o条评价规则下不同电池状态评价值的最小值,其计算公式如下:
sj- o=min(sj io) (16)
式中,Zj i为第i种梯次利用电池的状态参数的群体效用值;Vi j为第i种梯次利用电池状态的个别遗憾值,Zj+为第j个场景下所有梯次利用电池的状态群体效用值的最大值;Zj-为第j个场景下所有梯次利用电池的状态群体效用值的最小值;Vj+为第j个场景下所有梯次利用电池的状态个别遗憾值的最大值;Vj-为第j个场景下所有梯次利用电池的状态个别遗憾值的最小值;
Zj+=max(Zj i) (20)
Zj-=min(Zj i) (21)
Vj+=max(Vi j) (22)
Vj-=min(Vi j) (23)
式中,d(sj+ o,sj io)表示sj+ o和sj io之间的Hamming距离。
从应用场景角度,将不同材料、不同类型和不同状态参数的梯次利用电池在同一应用场景中的适用度进行比较,选取适用度最小的梯次利用电池作为该应用场景的最佳适用电池;
从电池角度,将同一状态参数的梯次利用电池在不同应用场景中的适用度进行比较,选取适用度最小的应用场景作为该状态参数的梯次利用电池的最佳应用场景。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例的方法通过建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,将不同类型、不同功能和不同需求的应用场景分别与不同材料、不同类型和不同状态下的梯次利用电池进行对应,得到待利用的梯次利用电池对应的评价值区间矩阵,进而得到待利用的梯次利用电池在不同应用场景中的适用度值,从而确定待利用的梯次利用电池的最佳应用场景。该方法可以有效地找出梯次利用电池的适合的应用场景,并且为应用场景进行电池选型和为梯次利用电池的运行模式提供设计方案,从而为相关部门的决策提供参考依据。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种梯次利用电池的应用场景选择方法的处理流程图;
图2为本发明实施例提供的一种应用场景的层次化划分情况示意图;
图3为本发明实施例提供的一种梯次利用电池的层次化划分情况示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例的梯次利用电池的应用场景适用性评价需要考虑梯次利用电池的运行环境和特性、应用场景的设计目标和需求,对梯次利用电池在应用场景中的技术性能、经济价值以及安全风险进行综合评估。梯次利用电池在梯次利用前,重要特征参数的监测等定量评价,是进行梯次利用电池的应用场景适用性评价的前提;应用场景下的运行环境、维护成本等定性评价,对梯次利用电池的应用场景适用性评价也不可忽视。因此,这是一个结合定性和定量评价两方面以对其进行技术性、经济性和安全性综合评价的问题,考虑因素较多,过程较为复杂,需要采用分类器将应用场景的需求与梯次利用电池的指标正确匹配,适合运用Adaboost算法。本项目属于多属性决策问题,为使决策结果更加合理有效,可加入决策者的主观评价,同时为避免评价规则之间的冲突,适合采用二维不确定语言变量(2-dimension uncertain linguistic variables,2DULVs)的VIKOR算法进行适用性分析。
本发明实施例提供的一种梯次利用电池的应用场景选择方法的处理流程如图1所示,包括如下的处理步骤:
步骤S10、建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间;
步骤S20、根据待利用的梯次利用电池的当前状态查询所述评价规则,得到所述待利用的梯次利用电池对应的评价值区间矩阵;
步骤S30、利用所述评价值区间矩阵通过VIKOR算法计算出所述待利用的梯次利用电池在不同应用场景中的适用度值,将所有的适用度值进行比较,根据比较结果确定所述待利用的梯次利用电池的最佳应用场景。
具体,在上述步骤S10中,
图2为本发明实施例提供的一种应用场景的层次化划分情况示意图,如图2所示,根据应用场景类型、应用场景功能和应用场景需求三个层次结构来划分各种应用场景,第一层的应用场景类型包括容量型、功率型和能量型。
图3为本发明实施例提供的一种梯次利用电池的层次化划分情况示意图,如图3所示,根据梯次利用电池材料、梯次利用电池类型和梯次利用电池初始状态三个层次结构来划分梯次利用电池的各种状态,第一层的梯次利用电池材料包括三元锂电池、磷酸铁锂电池和钛酸锂电池,第二层的梯次利用电池类型包括能量型和功率型,第三层的梯次利用电池初始状态包括能量型和功率型,第二层的梯次利用电池初始状态包括容量、内阻和剩余循环次数。
本发明实施例的梯评价梯次利用电池的应用场景适用性时采用评价值区间的形式,且评价值区间的边界数值越大,代表适用程度越高,最高值设为10,最低值设为0。梯次利用电池不同指标的取值范围将电池分为不同的状态,根据应用场景对储能电池的需求,不同状态电池在技术性、经济性和安全性等方面的适用性评分范围也不同。
基于先验知识建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间[a,b],a、b分别为评价值区间的左右边界,b的最高值设为10,a的最低值设为0,评价值区间的边界数值越大,代表适用程度越高。
本发明实施例中梯次利用电池的应用场景适用性评价将从技术性、经济性和安全性三个方面结合应用场景的需求以及梯次利用电池的性能来进行,具体评价规则如下:
1技术性评价规则
规则类别1:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
不同材料电池的评价值区间为[0,10αE i],其中,αE i为第i种材料电池的能量密度与最高能量密度电池的比例。
(2)当应用场景属于功率型应用场景时:
不同材料电池的评价值区间为[0,10αP i],其中,αP i为第i种材料电池功率密度与最高功率密度电池的比例。
(3)当应用场景属于能量型应用场景时:
不同材料电池的评价值区间为[0,10(αP i+αE i)/2]。
打分依据:
容量型应用场景对储能的容量有很高需求。三元锂电池的能量密度为180-240Wh/kg,磷酸铁锂电池的能量密度为100-150Wh/kg,钛酸锂电池的能量密度为50-90Wh/kg,随着电池的衰减,其能量密度会有所下降。能量密度越高的电池,在同等质量下所储存的容量越高,即越适用于容量型场景,因此,三元锂材料的电池对容量型应用场景的适用性最好,磷酸铁锂电池位居第二,钛酸锂电池适用性最差。根据能量密度之间的倍数关系可确定不同材料电池在[0,10]区间内的占比,最终得到不同材料电池的评价值区间。
功率型应用场景需要储能电池具有瞬时提供大功率的能力,即需要功率密度高的电池。与能量密度一样,根据功率密度具体的倍数关系来确定不同材料电池在[0,10]区间内的占比,最终确定不同材料电池的评价值区间。
能量型应用场景不仅对储能容量有很高需求,也需要电池具有瞬时提供大功率的能力。从能量密度和功率密度角度分别得到不同材料电池的评价值区间后,可取平均值作为能量型场景中的评价值区间。
规则类别2:梯次利用电池类型
(1)当应用场景属于容量型应用场景时:
1)对于能量型电池输出评价值区间[5,10];
2)对于功率型电池输出评价值区间[0,5]。
(2)当应用场景属于功率型应用场景时:
1)对于能量型电池输出评价值区间[0,5];
2)对于功率型电池输出评价值区间[5,10]。
(3)当应用场景属于能量型应用场景时:
1)对于能量型电池输出评价值区间[5,10];
2)对于功率型电池输出评价值区间[5,10]。
打分依据:
容量型应用场景对储能容量有很大需求,能量型电池的能量密度高,允许充放电时间长,适用于该类应用场景;功率型应用场景需要储能具有瞬时提供大功率的能力,这正好符合功率型电池的特点,则功率型电池适用于该类应用场景;能量型电池对储能容量和功率特性都有很高需求,则需要能量型电池和功率型电池配合使用。因此,可将[0,10]区间平分,[0,5]区间表示电池适用性较低,[5,10]区间表示电池适用性较高。
规则类别3:梯次利用电池的剩余循环次数状态
该条规则中电池SOH(State of Charge,剩余电量)以剩余循环次数定义。
(1)当应用场景属于容量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间0.5SOH[0,10/3]μi;其中,对于第i个功能的场景,不同电池的评价值区间需乘以该场景的权重μi,权重取该场景中对储能容量需求μE i和功率需求μP i的平均值,即μi=(μE i+μP i)/2;
2)对于三元锂电池输出评价值区间0.5SOH[0,5/3]μi;
3)对于钛酸锂电池输出评价值区间0.5SOH[0,10]μi。
(2)当应用场景属于功率型应用场景时:
1)对于磷酸铁锂电池输出评价值区间SOH[0,10/2]μi;
2)对于三元锂电池输出评价值区间SOH[0,5/3]μi;
3)对于钛酸锂电池输出评价值区间SOH[0,10]μi。
(3)当应用场景属于能量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间0.5SOH[0,10/3]μi;
2)对于三元锂电池输出评价值区间0.5SOH[0,2]μi;
3)对于钛酸锂电池输出评价值区间0.5SOH[0,10]μi。
打分依据:
容量型应用场景所需充放电倍率一般不大于0.5C,通常采用一充一放或两充两放的运行策略,即电池在容量型场景下充放电次数少,则电池的剩余循环次数在容量型场景评价中所占比重不高。取0.5为低比重,1为高比重,则容量型场景下电池剩余循环次数的评价值区间应乘以0.5。正常室温下,磷酸铁锂电池SOH在1C充放电倍率下衰减缓慢,且电池衰减至80%SOH即开始梯次利用时,循环次数约为1600次,通过数据拟合可知,总循环次数可达6000次左右;三元锂电池SOH在1C充放电倍率下SOH衰减较快,且电池衰减至80%SOH即开始梯次利用时,循环次数为500次,即总循环次数可达2500次左右,约为磷酸铁锂电池的1/3;钛酸锂电池在80%SOH时剩余循环次数在15000次左右,约为磷酸铁锂电池的3倍,三元锂电池的6倍。考虑到随着SOH的下降,电池的剩余循环次数也会下降,则磷酸铁锂电池评价值区间为0.5SOH[0,10/3],三元锂电池评价值为0.5SOH[0,5/3],钛酸锂电池评价值区间为0.5SOH[0,10]。
功率型应用场景所需充放电倍率一般不小于2C,通常采用至少四充四放的运行策略,对电池循环次数的要求较高,则功率型场景下电池剩余循环次数的评价值区间应乘以1。磷酸铁锂电池SOH在5C充放电倍率下SOH衰减较快,且电池衰减至80%SOH即开始梯次利用时,循环次数为1200次,则可推测2C充放电倍率下磷酸铁锂电池在100%SOH下的总循环次数在5500次左右;三元锂电池SOH在2C充放电倍率下SOH较快,且电池衰减至80%SOH即开始梯次利用时,循环次数为400次,即总循环次数可达2000次左右,为磷酸铁锂电池的1/3左右;钛酸锂电池在2C充放电倍率下电池温升不明显,衰减缓慢,并且在80%SOH下的总循环次数约为磷酸铁锂电池的2倍,三元锂电池的6倍。考虑到随着SOH的下降,电池的剩余循环次数也会下降,则磷酸铁锂电池评价值区间为SOH[0,10/2],三元锂电池评价值为SOH[0,5/3],钛酸锂电池评价值区间为SOH[0,10]。
能量型应用场景中储能一般在系统出现停电事故时进行放电,而停电事故的出现次数很少,则电池的剩余循环次数在容量型场景评价中所占比重不高。因停电事故持续时间不确定,则电池充放电倍率无法确定,即电池的衰减程度无法确定。磷酸铁锂电池循环次数一般为4000-6000次,三元锂电池循环次数2000-4000次,钛酸锂电池循环次数10000-20000次,分别取不同材料电池的最高循环次数用于该规则的评价,因此,磷酸铁锂电池评价值区间为0.5SOH[0,10/3],三元锂电池评价值为0.5SOH[0,2],钛酸锂电池评价值区间为0.5SOH[0,10]。
对于第i个功能的场景,不同电池的评价值区间需乘以该场景的权重μi,权重取该场景中对储能容量需求μE i和功率需求μP i的平均值,即μi=(μE i+μP i)/2。发电峰谷调节、峰谷套利和需求响应中,削峰填谷容量占负荷高峰或低谷总容量的最大百分比表示对储能的容量需求,削峰率表示对储能的功率需求;调峰服务中,调峰容量占负荷高峰或低谷总容量的最大百分比表示对储能的容量需求,调峰功率占负荷功率的最大百分比表示对储能的功率需求;发电+峰谷调节中,从容量方面评价时,调峰容量占负荷高峰或低谷总容量的最大百分比表示对储能的容量需求,调峰功率占负荷功率的最大百分比表示对储能的功率需求,从功率方面评价时,调频容量占负荷容量的最大百分比表示对储能的容量需求,调频功率占负荷功率的最大百分比表示对储能的功率需求;阻塞管理和延缓配电系统改造升级中,输配网容量与负荷需求的最大差值占负荷容量的最大百分比表示对储能的容量需求,输配网功率与负荷需求的差值占负荷功率的最大百分比表示对储能的功率需求;新能源消纳中,需要消纳的新能源容量占负荷容量的最大百分比表示表示对储能的容量需求,新能源发电功率与负荷需求的差值占负荷功率的最大百分比表示对储能的功率需求;微网调节中,从容量方面评价时,需要消纳的新能源容量占负荷容量的最大百分比表示对储能的容量需求,新能源发电功率与负荷需求的差值占负荷功率的最大百分比表示对储能的功率需求,从功率方面评价时,平抑出力波动所需容量占负荷容量的最大百分比表示对储能的容量需求,平抑出力波动所需功率占负荷功率的最大百分比表示对储能的功率需求;调频服务中,调频容量占负荷容量的最大百分比表示对储能的容量需求,调频功率占负荷功率的最大百分比表示对储能的功率需求;电能质量改善中,解决电能质量问题所需容量占负荷容量的最大百分比表示对储能的容量需求,解决电能质量问题所需功率占负荷功率的最大百分比表示对储能的功率需求;平抑出力波动中,平抑出力波动所需容量占负荷容量的最大百分比表示对储能的容量需求,平抑出力波动所需功率占负荷功率的最大百分比表示对储能的功率需求;系统备用中,系统备用容量占负荷容量的最大百分比表示对储能的容量需求,系统备用功率占负荷功率的最大百分比表示对储能的功率需求;备用电源中,备用电源容量占负荷容量的最大百分比表示对储能的容量需求,备用电源功率占负荷功率的最大百分比表示对储能的功率需求;黑启动中,黑启动电源容量占负荷容量的最大百分比表示对储能的容量需求,黑启动电源功率占负荷功率的最大百分比表示对储能的功率需求;应急电源中,应急电源容量占负荷容量的最大百分比表示对储能的容量需求,应急电源功率占负荷功率的最大百分比表示对储能的功率需求;通信基站备用电源中,通信基站容量占负荷容量的最大百分比表示对储能的容量需求,通信基站功率占负荷功率的最大百分比表示对储能的功率需求;电压调节、低电压治理和直流侧电压调节中,改善电压问题所需容量占负荷容量的最大百分比表示对储能的容量需求,改善电压问题所需功率占负荷功率的最大百分比表示对储能的功率需求;再生能量制动回馈中,需要消纳的再生制动容量占负荷容量的最大百分比表示对储能的容量需求,再生制动过程中功率占负荷功率的最大百分比与负荷需求的最大差值表示对储能的功率需求;低速重载中,交通工具的最大能耗占负荷容量的最大百分比表示对储能的容量需求,交通工具的最大承载功率占负荷功率的最大百分比表示对储能的功率需求;低速轻载中,交通工具的续航里程占负荷容量的最大百分比表示对储能的容量需求,交通工具的最大加速功率占负荷功率的最大百分比表示对储能的功率需求。
2经济性评价规则
规则类别4:梯次利用电池的剩余循环次数状态
该条规则中电池SOH以剩余循环次数定义。
(1)当应用场景属于容量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum;其中,对于不同功能的场景,还需乘以电池剩余循环次数所影响的成本收益的权重,即电池容量购置成本、功率装机成本和提高用户可靠性收益的影响因子绝对值之和ksum;
2)对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
3)对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum。
(2)当应用场景属于功率型应用场景时:
1)对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
2)对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
3)对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum。
(3)当应用场景属于能量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum;
2)对于三元锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum;
3)对于钛酸锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum。
打分依据:
容量型和功率型应用场景配置储能的目的为经济性,则电池的经济性能在容量型和功率型场景评价中所占比重高,电池剩余循环次数的评价值区间应乘以1,并且电池剩余循环次数即电池SOH的变化,也会影响电池的度电成本或里程成本呈的变化,而电池度电成本或里程成本与评价值呈反相关,即电池度电成本或里程成本越低,评价值越高。除此之外,对于不同功能的场景,还需乘以电池剩余循环次数所影响的成本收益的权重,即电池容量购置成本、功率装机成本和提高用户可靠性收益的影响因子绝对值之和ksum。因此,对于不同状态电池评价值区间为(1.01-SOH)[0,10]ksum,其中,为防止SOH值为1,则取(1.01-SOH)。
能量型应用场景配置储能的目的为可靠性,则电池的经济性能在能量型场景评价中所占比重低,电池剩余循环次数的评价值区间应乘以0.5,并且电池SOH的变化同样会影响电池购置价格的变化,而电池购置价格的变化与评价值呈反相关,即电池购置价格越低,评价值越高。对于不同功能的场景,还需乘以电池剩余循环次数所影响的成本收益的权重ksum。因此,对于不同状态电池评价值区间为0.5(1.01-SOH)[0,10]ksum。
规则类别5:梯次利用电池容量状态
该条规则中电池SOH以容量定义。
(1)当应用场景属于容量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;其中,对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重,即电池容量购置成本和补贴收益的影响因子之和ksum2;
2)对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
3)对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum2。
(2)当应用场景属于功率型应用场景时:
1)对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
2)对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
3)对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum2。
(3)当应用场景属于能量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2;
2)对于三元锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2;
3)对于钛酸锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2。
打分依据:
容量型和功率型应用场景配置储能的目的为经济性,则电池的经济性能在容量型和功率型场景评价中所占比重高,电池容量的评价值区间应乘以1,并且电池SOH的变化同样会影响电池购置价格的变化。对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重,即电池容量购置成本和补贴收益的影响因子之和ksum2。因此,对于不同状态电池评价值区间为(1.01-SOH)[0,10]ksum2。
能量型应用场景配置储能的目的为可靠性,则电池的经济性能在能量型场景评价中所占比重低,电池容量的评价值区间应乘以0.5,并且电池SOH的变化同样会影响电池购置价格的变化。对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重ksum2。因此,对于不同状态电池评价值区间为0.5(1.01-SOH)[0,10]ksum2。
规则类别6:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
不同材料电池的评价值区间为[0,10(1.01-πi)]ksum3。其中,πi为第i种材料电池购置价格与最高购置价格电池的比例;对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重,即电池容量购置成本的影响因子ksum3。
(2)当应用场景属于功率型应用场景时:
不同材料电池的评价值区间为[0,10(1.01-πi)]ksum3。
(3)当应用场景属于能量型应用场景时:
不同材料电池的评价值区间为0.5[0,10(1.01-πi)]ksum3。
打分依据:
评价规则中,πi为第i种材料电池购置价格与最高购置价格电池的比例。
容量型和功率型应用场景配置储能的目的为经济性,则电池的经济性能在容量型和功率型场景评价中所占比重高,电池材料的评价值区间应乘以1。其他条件相同时,钛酸锂电池购置价格一般较高,三元锂电池和磷酸铁锂电池购置价格相近,则钛酸锂电池的评价值区间最低。对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重,即电池容量购置成本的影响因子ksum3。根据购置价格之间的倍数关系可确定不同材料电池在[0,10]区间内的占比,进而得到不同材料电池的评价值区间。
能量型应用场景配置储能的目的为可靠性,则电池的经济性能在能量型场景评价中所占比重低,电池材料的评价值区间应乘以0.5。根据购置价格之间的倍数关系可确定不同材料电池在[0,10]区间内的占比,进而得到不同材料电池的评价值区间。
3安全性评价规则
规则类别7:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间[2,3.5];
2)对于三元锂电池输出评价值区间[0,1.5];
3)对于钛酸锂电池输出评价值区间[3.5,5]。
(2)当应用场景属于功率型或能量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间[4,7];
2)对于三元锂电池输出评价值区间0;
3)对于钛酸锂电池输出评价值区间[7,10]。
打分依据:
容量型应用场景发生安全风险的概率低,对电池安全性能的要求不高,电池材料的评价值区间应乘以0.5。钛酸锂电池的安全性能最高,磷酸铁锂电池次之,而三元锂电池的安全性能最差,容易发生安全风险,因此,钛酸锂电池的评价值区间最高。可将[0,10]区间平均分成三份,则三元锂电池的评价值区间为0.5[0,3],磷酸铁锂电池的评价值区间为0.5[4,7],钛酸锂电池的评价值区间为0.5[7,10]。
功率型和能量型应用场景发生安全风险的概率高,对电池的安全性能要求高,电池材料的评价值区间应乘以1。可见,安全性能差的三元锂电池并不适用功率型和能量型场景,评价值取0,磷酸铁锂电池的评价值区间为[4,7],钛酸锂电池的评价值区间为[7,10]。
规则类别8:梯次利用电池内阻状态
该条规则中电池SOH以内阻定义。
(1)当应用场景属于容量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间0.5[(SOH)2χi][0,10];
2)对于三元锂电池输出评价值区间0.5([(SOH)2χi][0,10];
3)对于钛酸锂电池输出评价值区间0.5[(SOH)2χi][0,10]。
(2)当应用场景属于功率型应用场景时:
1)对于磷酸铁锂电池输出评价值区间[(SOH)2χi][0,10];
2)对于三元锂电池输出评价值区间[(SOH)2χi][0,10];
3)对于钛酸锂电池输出评价值区间[(SOH)2χi][0,10]。
(3)当应用场景属于能量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间[(SOH)2χi][0,10];
2)对于三元锂电池输出评价值区间[(SOH)2χi][0,10];
3)对于钛酸锂电池输出评价值区间[(SOH)2χi][0,10]。
打分依据:
容量型应用场景发生安全风险的概率低,对电池安全性能的要求不高,电池内阻的评价值区间应乘以0.5。电池的安全风险可由热失控数(TRN)表示,而TRN与电池内阻的平方呈正比。根据不同材料电池内阻平方之间的倍数关系χi可确定不同材料电池在[0,10]区间内的占比,并且考虑到SOH的变化也会带来电池内阻的变化,而电池内阻与评价值区间呈反相关,则最终得到电池的评价值区间为0.5[(SOH)2χi][0,10]。
功率型和能量型应用场景发生安全风险的概率高,对电池的安全性能要求高,电池材料的评价值区间应乘以1。根据不同材料电池内阻平方之间的倍数关系χi可确定不同材料电池在[0,10]区间内的占比,并且考虑到SOH的变化也会带来电池内阻的变化,则最终得到电池的评价值区间为[(SOH)2χi][0,10]。
具体的,在上述步骤S20中,
获取待利用的梯次利用电池当前的状态参数,该状态参数包括容量、内阻和剩余循环次数,通过训练好的Adaboost算法将上述当前状态参数与上述评价规则中的各种评价值区间中的各种应用场景的需求、梯次利用电池的状态参数进行匹配,根据匹配结果选取待利用的梯次利用电池对应的评价值区间,所有选取的评价值区间构成待利用的梯次利用电池的评价值区间矩阵。
对于以上的每一条评价规则分别设一个总分类器,每个总分类器设100个子分类器,每个总分类器如式(4-3)所示。
式中,Hi为第i条评判规则的分类器。
若分类器数值为1,则说明所输入指标适用于该条评价规则,输出相应的评价值区间;若分类器数值为-1,则说明所输入指标不适用该条评价规则,需要输入到其他评价规则。
基于应用场景对储能的需求分析以及待利用的梯次利用电池的性能分析,设计Adaboost算法对于不同指标的评价规则如下:
式中,xi为所输入的指标;Ai为第i条评价规则所涉及指标的集合;Ri为输出的评价值区间;ai、bi分别为评价值区间的左右边界。
通过Adaboost算法建立的待利用的梯次利用电池的评价值区间矩阵Si如下:
式中,i=1,2,…m,m为梯次利用电池的状态参数类型总数;j=1,2,…n,n为应用场景总数;o=1,2,…7;e、f、g、h∈[0,10];为2DULVs,表示第j个应用场景对于第i种类型梯次利用电池在第o条评价规则下的评价值,以区间形式表示。
选取各个储能电站选用的梯次利用电池的参数作为样本数据,所有的样本数据组成AdaBoost算法的训练数据集,利用上述训练数据集对AdaBoost算法进行训练。AdaBoost算法的训练过程具体步骤如下:
(1)初始化梯次利用电池训练样本数据的权值分布。
每一个训练样本,初始化时赋予同样的权值wi=1/N,N为样本总数。
(2)进行迭代t=1,2,…,T
(a)分类器依据如下:
对于不同的总分类器,训练数据集给出不同的分类结果,则总分类器内的子分类器依据所给出的分类结果来进行分类,最终选取一个当前误差率最低的子分类器h作为第t个基本分类器ht,该分类器在分布Dt上的误差为:
式中,et为Ht(x)误分类样本的权值之和。
(b)计算子分类器在最终总分类器中所占的权重αt
(c)更新训练本的权重值Dt+1
(3)最后,按子分类器权重αt组合各个子分类器为最终的总分类器,即
通过符号函数sign的作用,得到一个强分类器为:
式中,T的取值以强分类器Hfinal误差率等于零时的T值为准。
根据该算法最终的分类结果,可最终得到不同状态的梯次利用电池所对应的技术性、经济性和安全性指标评分区间矩阵,用于量化计算梯次利用电池应用场景适用度。
具体的,在上述步骤S30中
基于待利用的梯次利用电池的评价值区间矩阵Si,基于VIKOR算法计算待利用的梯次利用电池在不同应用场景中的适用度,以此来分析梯次利用电池的应用场景适用性。
对于所得到的评价矩阵,基于VIKOR方法进行梯次利用电池应用场景适用度的量化计算。具体实施步骤如下:
(2)计算Sj的正理想解Sj+与负理想解Sj-
Sj+=[sj+ 1 sj+ 2 … sj+ o ... sj+ 7] (13)
式中,sj+ o为第j个场景第o条评价规则下不同电池状态评价值的最大值,其计算公式如下:
sj+ o=max(sj io) (14)
Sj-=[sj- 1 sj- 2 … sj- o ... sj- 7] (15)
式中,sj- o为第j个场景第o条评价规则下不同电池状态评价值的最小值,其计算公式如下:
sj- o=min(sj io) (16)
式中,Zj i为第i种电池状态的群体效用值;Vi j为第i种电池状态的个别遗憾值。Zj+为第j个场景下所有电池状态群体效用值的最大值;Zj-为第j个场景下所有电池状态群体效用值的最小值;Vj+为第j个场景下所有电池状态个别遗憾值的最大值;Vj-为第j个场景下所有电池状态个别遗憾值的最小值。
Zj+=max(Zj i) (20)
Zj-=min(Zj i) (21)
Vj+=max(Vi j) (22)
Vj-=min(Vi j) (23)
式中,d(sj+ o,sj io)表示sj+ o和sj io之间的Hamming距离。
从应用场景角度,将不同材料、不同类型和不同状态参数的梯次利用电池在同一应用场景中的适用度进行比较,选取适用度最小的梯次利用电池作为该应用场景的最佳适用电池;
从电池角度,将同一状态参数的梯次利用电池在不同应用场景中的适用度进行比较,选取适用度最小的应用场景作为该状态参数的梯次利用电池的最佳应用场景。
综上所述,本发明实施例的梯次利用电池的应用场景选择方法通过建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,将不同类型、不同功能和不同需求的应用场景分别与不同材料、不同类型和不同状态下的梯次利用电池进行对应,得到待利用的梯次利用电池对应的评价值区间矩阵,进而得到待利用的梯次利用电池在不同应用场景中的适用度值,从而确定待利用的梯次利用电池的最佳应用场景。该方法可以有效地找出梯次利用电池的适合的应用场景,并且为应用场景进行电池选型和为梯次利用电池的运行模式提供设计方案,从而为相关部门的决策提供参考依据。
本发明对梯次利用电池在应用场景中的技术性能、经济价值以及安全风险进行综合评估,从而有效、准确和快速地找出梯次利用电池的最佳应用场景,以实现高效率地对梯次利用电池进行再使用。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种梯次利用电池的应用场景选择方法,其特征在于,包括:
建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间;
根据待利用的梯次利用电池的当前状态查询所述评价规则,得到所述待利用的梯次利用电池对应的评价值区间矩阵;
利用所述评价值区间矩阵计算出所述待利用的梯次利用电池在不同应用场景中的适用度值,将所有的适用度值进行比较,根据比较结果确定所述待利用的梯次利用电池的最佳应用场景。
2.根据权利要求1所述的方法,其特征在于,所述的建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间,包括:
根据应用场景类型、应用场景功能和应用场景需求三个层次结构来划分各种应用场景,第一层的应用场景类型包括容量型、功率型和能量型;
根据梯次利用电池材料、梯次利用电池类型和梯次利用电池初始状态三个层次结构来划分梯次利用电池的各种状态,第一层的梯次利用电池材料包括三元锂电池、磷酸铁锂电池和钛酸锂电池,第二层的梯次利用电池类型包括能量型和功率型,第三层的梯次利用电池初始状态包括能量型和功率型,第二层的梯次利用电池初始状态包括容量、内阻和剩余循环次数;
基于先验知识建立各种应用场景分别与梯次利用电池的各种状态对应的评价规则,该评价规则包括技术性、经济性和安全性三个方面的评价值区间[a,b],a、b分别为评价值区间的左右边界,b的最高值设为10,a的最低值设为0,评价值区间的边界数值越大,代表适用程度越高。
3.根据权利要求2所述的方法,其特征在于,所述评价规则中的技术性的评价值区间包括:
规则类别1:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
不同材料电池的评价值区间为[0,10αE i],其中,αE i为第i种材料电池的能量密度与最高能量密度电池的比例;
(2)当应用场景属于功率型应用场景时:
不同材料电池的评价值区间为[0,10αP i],其中,αP i为第i种材料电池功率密度与最高功率密度电池的比例;
(3)当应用场景属于能量型应用场景时:
不同材料电池的评价值区间为[0,10(αP i+αE i)/2]。
规则类别2:梯次利用电池类型
(1)当应用场景属于容量型应用场景时:
对于能量型电池输出评价值区间[5,10];
对于功率型电池输出评价值区间[0,5]。
(2)当应用场景属于功率型应用场景时:
对于能量型电池输出评价值区间[0,5];
对于功率型电池输出评价值区间[5,10]。
(3)当应用场景属于能量型应用场景时:
对于能量型电池输出评价值区间[5,10];
对于功率型电池输出评价值区间[5,10]。
规则类别3:梯次利用电池的剩余循环次数状态
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间0.5SOH[0,10/3]μi;其中,对于第i个功能的场景,不同电池的评价值区间需乘以该场景的权重μi,权重取该场景中对储能容量需求μE i和功率需求μP i的平均值,即μi=(μE i+μP i)/2;
对于三元锂电池输出评价值区间0.5SOH[0,5/3]μi;
对于钛酸锂电池输出评价值区间0.5SOH[0,10]μi。
(2)当应用场景属于功率型应用场景时:
对于磷酸铁锂电池输出评价值区间SOH[0,10/2]μi;
对于三元锂电池输出评价值区间SOH[0,5/3]μi;
对于钛酸锂电池输出评价值区间SOH[0,10]μi。
(3)当应用场景属于能量型应用场景时:
对于磷酸铁锂电池输出评价值区间0.5SOH[0,10/3]μi;
对于三元锂电池输出评价值区间0.5SOH[0,2]μi;
对于钛酸锂电池输出评价值区间0.5SOH[0,10]μi。
4.根据权利要求3所述的方法,其特征在于,所述评价规则中的经济性的评价值区间包括:
规则类别4:梯次利用电池的剩余循环次数状态
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum;其中,对于不同功能的场景,还需乘以电池剩余循环次数所影响的成本收益的权重,即电池容量购置成本、功率装机成本和提高用户可靠性收益的影响因子绝对值之和ksum;
对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum。
(2)当应用场景属于功率型应用场景时:
对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum;
对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum。
(3)当应用场景属于能量型应用场景时:
对于磷酸铁锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum;
对于三元锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum;
对于钛酸锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum;
规则类别5:梯次利用电池容量状态
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;其中,对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重,即电池容量购置成本和补贴收益的影响因子之和ksum2;
对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
(2)当应用场景属于功率型应用场景时:
对于磷酸铁锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
对于三元锂电池输出评价值区间(1.01-SOH)[0,10]ksum2;
对于钛酸锂电池输出评价值区间(1.01-SOH)[0,10]ksum2。
(3)当应用场景属于能量型应用场景时:
1)对于磷酸铁锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2;
2)对于三元锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2;
3)对于钛酸锂电池输出评价值区间0.5(1.01-SOH)[0,10]ksum2;
规则类别6:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
不同材料电池的评价值区间为[0,10(1.01-πi)]ksum3;其中,πi为第i种材料电池购置价格与最高购置价格电池的比例;对于不同功能的场景,还需乘以电池容量所影响的成本收益的权重,即电池容量购置成本的影响因子ksum3;
(2)当应用场景属于功率型应用场景时:
不同材料电池的评价值区间为[0,10(1.01-πi)]ksum3;
(3)当应用场景属于能量型应用场景时:
不同材料电池的评价值区间为0.5[0,10(1.01-πi)]ksum3。
5.根据权利要求4所述的方法,其特征在于,所述评价规则中的安全性的评价值区间包括:
规则类别7:梯次利用电池材料
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间[2,3.5];
对于三元锂电池输出评价值区间[0,1.5];
对于钛酸锂电池输出评价值区间[3.5,5];
(2)当应用场景属于功率型或能量型应用场景时:
对于磷酸铁锂电池输出评价值区间[4,7];
对于三元锂电池输出评价值区间0;
对于钛酸锂电池输出评价值区间[7,10];
规则类别8:梯次利用电池内阻状态
(1)当应用场景属于容量型应用场景时:
对于磷酸铁锂电池输出评价值区间0.5[(SOH)2χi][0,10],χi表示不同材料电池内阻平方之间的倍数关系;
对于三元锂电池输出评价值区间0.5([(SOH)2χi][0,10];
对于钛酸锂电池输出评价值区间0.5[(SOH)2χi][0,10];
(2)当应用场景属于功率型应用场景时:
对于磷酸铁锂电池输出评价值区间[(SOH)2χi][0,10];
对于三元锂电池输出评价值区间[(SOH)2χi][0,10];
对于钛酸锂电池输出评价值区间[(SOH)2χi][0,10]。
(3)当应用场景属于能量型应用场景时:
对于磷酸铁锂电池输出评价值区间[(SOH)2χi][0,10];
对于三元锂电池输出评价值区间[(SOH)2χi][0,10];
对于钛酸锂电池输出评价值区间[(SOH)2χi][0,10]。
6.根据权利要求5所述的方法,其特征在于,所述的根据待利用的梯次利用电池的当前状态查询所述评价规则,得到所述待利用的梯次利用电池对应的评价值区间矩阵,包括:
选取各个储能电站选用的梯次利用电池的参数作为样本数据,所有的样本数据组成AdaBoost算法的训练数据集,利用所述训练数据集对AdaBoost算法进行训练;
获取待利用的梯次利用电池当前的状态参数,该状态参数包括容量、内阻和剩余循环次数,通过训练好的Adaboost算法将所述当前状态参数与所述评价规则中的各种评价值区间中的各种应用场景的需求、梯次利用电池的状态参数进行匹配,根据匹配结果选取待利用的梯次利用电池对应的评价值区间,所有选取的评价值区间构成待利用的梯次利用电池的评价值区间矩阵Si;
7.根据权利要求6所述的方法,其特征在于,所述的利用所述评价值区间矩阵通过VIKOR算法计算出所述待利用的梯次利用电池在不同应用场景中的适用度值,将所有的适用度值进行比较,根据比较结果确定所述待利用的梯次利用电池的最佳应用场景,包括:
(2)计算Sj的正理想解Sj+与负理想解Sj-
Sj+=[sj+ 1 sj+ 2 … sj+ o… sj+ 7] (13)
式中,sj+ o为第j个场景第o条评价规则下不同电池状态评价值的最大值,其计算公式如下:
sj+ o=max(sj io) (14)
Sj-=[sj- 1 sj- 2 … sj- o...sj- 7] (15)
式中,sj- o为第j个场景第o条评价规则下不同电池状态评价值的最小值,其计算公式如下:
sj- o=min(sj io) (16)
式中,Zj i为第i种梯次利用电池的状态参数的群体效用值;Vi j为第i种梯次利用电池状态的个别遗憾值,Zj+为第j个场景下所有梯次利用电池的状态群体效用值的最大值;Zj-为第j个场景下所有梯次利用电池的状态群体效用值的最小值;Vj+为第j个场景下所有梯次利用电池的状态个别遗憾值的最大值;Vj-为第j个场景下所有梯次利用电池的状态个别遗憾值的最小值;
Zj+=max(Zj i) (20)
Zj-=min(Zj i) (21)
Vj+=max(Vi j) (22)
Vj-=min(Vi j) (23)
式中,d(sj+ o,sj io)表示sj+ o和sj io之间的Hamming距离。
从应用场景角度,将不同材料、不同类型和不同状态参数的梯次利用电池在同一应用场景中的适用度进行比较,选取适用度最小的梯次利用电池作为该应用场景的最佳适用电池;
从电池角度,将同一状态参数的梯次利用电池在不同应用场景中的适用度进行比较,选取适用度最小的应用场景作为该状态参数的梯次利用电池的最佳应用场景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911182290.5A CN110929791B (zh) | 2019-11-27 | 2019-11-27 | 梯次利用电池的应用场景选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911182290.5A CN110929791B (zh) | 2019-11-27 | 2019-11-27 | 梯次利用电池的应用场景选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929791A true CN110929791A (zh) | 2020-03-27 |
CN110929791B CN110929791B (zh) | 2023-04-07 |
Family
ID=69846688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911182290.5A Active CN110929791B (zh) | 2019-11-27 | 2019-11-27 | 梯次利用电池的应用场景选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929791B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111487533A (zh) * | 2020-04-13 | 2020-08-04 | 北方工业大学 | 一种锂电池运行状态评估方法及系统 |
CN111487532A (zh) * | 2020-04-09 | 2020-08-04 | 北方工业大学 | 一种基于层次分析法和熵值法的退役电池筛选方法及系统 |
CN111584951A (zh) * | 2020-04-08 | 2020-08-25 | 北方工业大学 | 一种退役电池重构方法及系统 |
CN112465271A (zh) * | 2020-12-16 | 2021-03-09 | 北方工业大学 | 一种面向储能平抑风电波动场景的储能电池选型方法 |
CN112613735A (zh) * | 2020-12-16 | 2021-04-06 | 北方工业大学 | 不同应用场景下电池性能评价方法 |
CN112613661A (zh) * | 2020-12-23 | 2021-04-06 | 浙江浙能电力股份有限公司萧山发电厂 | 一种多类型电池应用于储能的判断选择系统 |
CN113530686A (zh) * | 2021-07-15 | 2021-10-22 | 中国华能集团清洁能源技术研究院有限公司 | 一种多充放电倍率储能的燃气轮机黑启动系统及方法 |
CN115330275A (zh) * | 2022-10-13 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 一种退役电池的梯次利用方法及装置 |
CN117907873A (zh) * | 2024-02-26 | 2024-04-19 | 江苏杰成新能源科技有限公司 | 基于电池储能优化管理的退役电池梯次利用方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130285619A1 (en) * | 2011-01-14 | 2013-10-31 | Zte Corporation | Method and device for controlling charge of battery |
CN108390403A (zh) * | 2018-03-03 | 2018-08-10 | 国网冀北电力有限公司 | 基于多属性多目标综合评价指标的储能工况适用性对比项目后评价方法 |
CN109800950A (zh) * | 2018-12-17 | 2019-05-24 | 国家电网有限公司 | 基于层次分析法的梯次利用电池储能系统性能评估方法 |
CN110323502A (zh) * | 2019-07-04 | 2019-10-11 | 北京交通大学 | 一种退役动力电池梯次利用场景适应性评价方法和装置 |
-
2019
- 2019-11-27 CN CN201911182290.5A patent/CN110929791B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130285619A1 (en) * | 2011-01-14 | 2013-10-31 | Zte Corporation | Method and device for controlling charge of battery |
CN108390403A (zh) * | 2018-03-03 | 2018-08-10 | 国网冀北电力有限公司 | 基于多属性多目标综合评价指标的储能工况适用性对比项目后评价方法 |
CN109800950A (zh) * | 2018-12-17 | 2019-05-24 | 国家电网有限公司 | 基于层次分析法的梯次利用电池储能系统性能评估方法 |
CN110323502A (zh) * | 2019-07-04 | 2019-10-11 | 北京交通大学 | 一种退役动力电池梯次利用场景适应性评价方法和装置 |
Non-Patent Citations (1)
Title |
---|
徐艳民: "电动汽车退役锂离子动力电池故障诊断及梯次利用关键技术研究", 《中国博士学位论文全文数据库 (工程科技Ⅰ辑)》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111584951A (zh) * | 2020-04-08 | 2020-08-25 | 北方工业大学 | 一种退役电池重构方法及系统 |
CN111584951B (zh) * | 2020-04-08 | 2021-09-21 | 北方工业大学 | 一种退役电池重构方法及系统 |
CN111487532B (zh) * | 2020-04-09 | 2022-10-25 | 北方工业大学 | 一种基于层次分析法和熵值法的退役电池筛选方法及系统 |
CN111487532A (zh) * | 2020-04-09 | 2020-08-04 | 北方工业大学 | 一种基于层次分析法和熵值法的退役电池筛选方法及系统 |
CN111487533A (zh) * | 2020-04-13 | 2020-08-04 | 北方工业大学 | 一种锂电池运行状态评估方法及系统 |
CN112465271A (zh) * | 2020-12-16 | 2021-03-09 | 北方工业大学 | 一种面向储能平抑风电波动场景的储能电池选型方法 |
CN112613735A (zh) * | 2020-12-16 | 2021-04-06 | 北方工业大学 | 不同应用场景下电池性能评价方法 |
CN112613735B (zh) * | 2020-12-16 | 2023-05-23 | 北方工业大学 | 不同应用场景下电池性能评价方法 |
CN112465271B (zh) * | 2020-12-16 | 2023-05-23 | 北方工业大学 | 一种面向储能平抑风电波动场景的储能电池选型方法 |
CN112613661A (zh) * | 2020-12-23 | 2021-04-06 | 浙江浙能电力股份有限公司萧山发电厂 | 一种多类型电池应用于储能的判断选择系统 |
CN112613661B (zh) * | 2020-12-23 | 2022-06-28 | 浙江浙能电力股份有限公司萧山发电厂 | 一种多类型电池应用于储能的判断选择系统 |
CN113530686A (zh) * | 2021-07-15 | 2021-10-22 | 中国华能集团清洁能源技术研究院有限公司 | 一种多充放电倍率储能的燃气轮机黑启动系统及方法 |
CN115330275A (zh) * | 2022-10-13 | 2022-11-11 | 深圳市杰成镍钴新能源科技有限公司 | 一种退役电池的梯次利用方法及装置 |
CN117907873A (zh) * | 2024-02-26 | 2024-04-19 | 江苏杰成新能源科技有限公司 | 基于电池储能优化管理的退役电池梯次利用方法及装置 |
CN117907873B (zh) * | 2024-02-26 | 2024-05-31 | 江苏杰成新能源科技有限公司 | 基于电池储能优化管理的退役电池梯次利用方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110929791B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929791B (zh) | 梯次利用电池的应用场景选择方法 | |
Zahid et al. | State of charge estimation for electric vehicle power battery using advanced machine learning algorithm under diversified drive cycles | |
Manoharan et al. | Electric vehicle battery pack state of charge estimation using parallel artificial neural networks | |
Sun et al. | An objective-based scenario selection method for transmission network expansion planning with multivariate stochasticity in load and renewable energy sources | |
Wang et al. | Distributed control for large-scale plug-in electric vehicle charging with a consensus algorithm | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN105868942B (zh) | 电动汽车的有序充电调度方法 | |
CN104462812B (zh) | 一种基于层次分析法的电动汽车能量补给成本分析方法 | |
Zhang et al. | Cloud computing-based real-time global optimization of battery aging and energy consumption for plug-in hybrid electric vehicles | |
CN109886501A (zh) | 一种电动汽车充放电多目标优化方法 | |
CN112791997B (zh) | 一种退役电池梯次利用筛选的方法 | |
CN110323502B (zh) | 一种退役动力电池梯次利用场景适应性评价方法和装置 | |
Zhi et al. | A state of health estimation method for electric vehicle Li-ion batteries using GA-PSO-SVR | |
CN113269372A (zh) | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 | |
CN112712281B (zh) | 一种基于云模型的储能工况适应性综合评估方法及系统 | |
CN112149976B (zh) | 一种基于人工智能的电网精准投资项目决策方法 | |
CN111967733A (zh) | 一种聚合群电源调峰潜力模糊综合评估方法 | |
CN110707711B (zh) | 一种用户侧综合能源系统分级调控方法及系统 | |
CN107169655A (zh) | 一种优选配电网方案适应性的方法及装置 | |
CN116742654A (zh) | 一种充电站参与能量-调频市场的调度优化方法及系统 | |
CN115133607A (zh) | 用户侧退役电池储能容量配置方法、系统、设备和介质 | |
Karmakar et al. | Novel PI controller and ANN controllers-Based passive cell balancing for battery management system | |
CN117220281A (zh) | 一种电动汽车接入电网调节能力量化评估方法及系统 | |
CN109459698A (zh) | 一种基于数学的关联程度相关系数的电池配组方法 | |
CN108681802A (zh) | 一种电动汽车充电设施信息互操作评价方法 |
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 |