CN112462917A - 储能系统的控制方法、装置、电子设备和存储介质 - Google Patents

储能系统的控制方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112462917A
CN112462917A CN202011209523.9A CN202011209523A CN112462917A CN 112462917 A CN112462917 A CN 112462917A CN 202011209523 A CN202011209523 A CN 202011209523A CN 112462917 A CN112462917 A CN 112462917A
Authority
CN
China
Prior art keywords
battery
soc
value
management system
state information
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
Application number
CN202011209523.9A
Other languages
English (en)
Inventor
乔增平
赵明
张乔乔
高志军
孙鹏
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.)
Guangzhou Zhiguang Energy Storage Technology Co ltd
Guangzhou Zhiguang Electric Technology Co ltd
Original Assignee
Guangzhou Zhiguang Energy Storage Technology Co ltd
Guangzhou Zhiguang Electric Technology Co ltd
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 Guangzhou Zhiguang Energy Storage Technology Co ltd, Guangzhou Zhiguang Electric Technology Co ltd filed Critical Guangzhou Zhiguang Energy Storage Technology Co ltd
Priority to CN202011209523.9A priority Critical patent/CN112462917A/zh
Publication of CN112462917A publication Critical patent/CN112462917A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/30—Means for acting in the event of power-supply failure or interruption, e.g. power-supply fluctuations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请公开了储能系统的控制方法、装置、电子设备和存储介质。所述方法包括：在电池管理系统通讯故障的情况下，获取电池的电路状态信息；根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值；根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池。使得在电池管理系统通讯故障的情况下，储能系统仍能进行临时工作，保证储能系统的正常运行。

Description

储能系统的控制方法、装置、电子设备和存储介质
技术领域
本申请涉及电力电子技术领域，具体涉及储能系统的控制方法、装置、电子设备和存储介质。
背景技术
电化学储能系统中，储能变流器(Power Conversion System，PCS)连接于电池管理系统(Battery Management System，BMS)，控制蓄电池的充电和放电过程。在PCS与BMS通讯突然异常的情况下，PCS无法获取电池容量，导致储能系统无法工作。现有技术中，当PCS与BMS通讯异常时，一般等待设备人员到现场进行处理，而在设备人员到达之前，如何保证储能系统临时进行工作，现有技术中缺乏相应的处理措施。
发明内容
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的储能系统的控制方法、装置、电子设备和存储介质。
依据本申请的一个方面，提供了一种储能系统的控制方法，所述方法包括：
在电池管理系统通讯故障的情况下，获取电池的电路状态信息；
根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值；
根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池。
可选地，所述根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值包括：
根据从电池管理系统最后一次接收到的电池的SOC值和所述电路状态信息，得到SOC初始值；
计算第一预设时间内电池电流和对应时间的积分，得到所述第一预设时间内电池变化电量占电池额定电量的百分比；
根据所述SOC初始值和所述第一预设时间内电池变化电量占电池额定电量的百分比，得到电池的SOC预估值。
可选地，所述根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值还包括：
将电池管理系统通讯故障时的电池状态信息输入SOC预估模型，输出电池的SOC预估值；
所述SOC预估模型是通过如下方式得到的：
构建包括输入层、隐层、输出层的BP神经网络模型；
将电池状态信息作为输入变量，所述输入变量经所述输入层传送至各隐层，各隐层进行计算后传送至所述输出层，所述输出层输出电池的SOC预估值；
将在电池管理系统正常情况下获取的电池状态信息作为输入变量训练所述BP神经网络模型，得到所述SOC预估模型。
可选地，所述方法还包括：
利用校准函数对所述电池的SOC预估值进行校正，得到电池的SOC校正值。
可选地，所述校准函数是通过如下方式得到的：
将电池管理系统通讯故障前的第二预设时间内的电路状态信息作为采样数据，并获取采样数据的SOC真实值；
计算每个采样数据的SOC预估值；
采用最小二乘法，将采样数据的SOC真实值与计算得到的SOC预估值拟合成一条校准直线，所述校准直线的函数表示方式即为所述校准函数。
可选地，所述根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池包括：
如果所述电池的SOC预估值高于电池的最低安全阈值，且所述储能系统的工作模式为供电，则确定可以使用该电池放电；
如果所述电池的SOC预估值低于电池的最高安全阈值，且所述储能系统的工作模式为充电，则确定可以使用该电池充电。
可选地，所述方法还包括：
电池管理系统通讯故障恢复时，停止SOC预估，根据接收到的SOC值重新确定是否使用该电池。
依据本申请的另一方面，提供了一种储能系统的控制装置，所述装置包括：
采集单元，用于在电池管理系统通讯故障的情况下，获取电池的电路状态信息；
预估单元，用于根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值；
使用单元，用于根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池。
依据本申请的又一方面，提供了一种电子设备，其特征在于，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述任一项所述的方法。
依据本申请的再一方面，提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上述任一项所述的方法。
由上述可知，本申请的技术方案，在电池管理系统通讯故障的情况下，获取电池的电路状态信息，根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和电路状态信息进行电池SOC预估，得到电池的SOC预估值，根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本申请一个实施例的一种储能系统的控制方法的流程示意图；
图2示出了根据本申请一个实施例的一种BP神经网络的结构示意图；
图3示出了根据本申请一个实施例的一种储能系统的控制装置的结构示意图；
图4示出了根据本申请一个实施例的电子设备的结构示意图；
图5示出了根据本申请一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
电池荷电状态(State of Charge，SOC)代表的是电池使用一段时间或长期搁置不用后的剩余可放电电量与其完全充电状态的电量的比值，常用百分数表示。其一般用一个字节也就是两位的十六进制表示(取值范围为0～100)，含义是剩余电量为0％～100％，当SOC＝0时表示电池放电完全，当SOC＝100％时表示电池完全充满。
本申请的技术方案，在PCS与BMS通讯异常的情况下，通过获取电路状态信息和从电池管理系统最后一次接收到的电池的荷电状态SOC值，计算电池的SOC预估值，当电池的SOC预估值在安全范围内时，结合储能系统的工作模式，使储能系统在设备人员到达之前可以临时进行工作。
图1示出了根据本申请一个实施例的一种储能系统的控制方法的流程示意图。如图1所示，该方法包括：
步骤S110，在电池管理系统通讯故障的情况下，获取电池的电路状态信息。
在一些实施例中，在电池管理系统仅是PCS与BMS通讯故障，无电池过欠压、过温、过流、电池电压不均衡等其他故障的情况下，获取电池的开路电压、电池端电压和电流、电池温度、环境温度和湿度等电路状态信息。
通讯故障可以是通讯线缆接触不良、BMS自身通讯异常等故障，导致电池的BMS无法响应PCS发出的通讯请求指令。
步骤S120，根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和电路状态信息进行电池SOC预估，得到电池的SOC预估值。
在一些实施例中，获取PCS从电池管理系统最后一次接收到的电池的荷电状态SOC值，根据该电池SOC值和和电路状态信息获取SOC初始值。在获取电池的SOC初始值的基础上，可以采用安时积分法、神经网络法等计算方法进行电池SOC预估，得到电池的SOC预估值。
步骤S130，根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池。
在一些实施例中，判断电池的SOC预估值是否在安全范围内，如果电池的SOC预估值在安全范围内，则确定PCS可以使用该电池进行工作，并结合储能系统当前的工作模式，确定进行充电还是放电。
综上所述，本申请的技术方案，在电池管理系统通讯故障的情况下，获取电池的电路状态信息，并根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和电路状态信息进行电池SOC预估，得到电池的SOC预估值，根据电池的SOC预估值和储能系统的工作模式，确定能否使用该电池进行临时工作，使得PCS在与BMS通讯故障的情况下，仍能进行充放电工作，保证储能系统正常运行。
在本申请的一个实施例中，上述方法中，根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值包括：根据从电池管理系统最后一次接收到的电池的SOC值和电路状态信息，得到SOC初始值；计算第一预设时间内电池电流和对应时间的积分，得到第一预设时间内电池变化电量占电池额定电量的百分比；根据SOC初始值和第一预设时间内电池变化电量占电池额定电量的百分比，得到电池的SOC预估值。
在一些实施例中，在电池管理系统通讯正常的情况下，根据电池的开路电压、环境温度和湿度等电路状态信息制作电池的SOC初始值表格。当电池管理系统通讯故障时，获取在电池管理系统通讯故障前，PCS从电池管理系统最后一次接收到的电池的SOC值，结合电池的开路电压值、环境温度和湿度等电路状态信息通过查询SOC初始值表格，获取电池的SOC初始值SOC(0)。为了得到t时刻电池的SOC预估值，计算第一预设时间0～t内电池电流和对应时间的积分，得到第一预设时间内电池变化电量占电池额定电量的百分比，根据SOC初始值SOC(0)和第一预设时间内电池变化电量占电池额定电量的百分比，得到电池的SOC预估值，计算公式如下所示；
Figure BDA0002758206950000061
其中，η代表库伦效率，可以设定为1；Q表示电池额定电量。
在一些实施例中，在电流测量准确的情况下，通过上述方法得到的SOC预估值也具有很高的精确度。
在本申请的一个实施例中，上述方法中，根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值还包括：将电池管理系统通讯故障时的电池状态信息输入SOC预估模型，输出电池的SOC预估值。
其中，SOC预估模型是通过如下方式得到的：
构建包括输入层、隐层、输出层的BP神经网络模型；将电池状态信息作为输入变量，所述输入变量经输入层传送至各隐层，各隐层进行计算后传送至输出层，输出层输出电池的SOC预估值；将在电池管理系统正常情况下获取的电池状态信息作为输入变量训练BP神经网络模型，得到SOC预估模型。
图2示出了根据本申请一个实施例的一种BP神经网络的结构示意图。如图2所示，本实施例的BP神经网络模型包括输入层、隐层和输出层。BP神经网络是一种按照误差反向传播算法训练的具有多层前反馈型的感知器，首先通过输入信息进行正向传播，经由中间各个隐层计算后，最终传递给输出层得到结果。当输出结果与期望值不符合时，输出误差将从输出层反向传播给中间各隐层直至输入层。反向传播误差信号时，各层会根据要求修改连接权值。通过对BP神经网络模型进行训练，使其输出结果与期望值相符，即误差为零或误差较小。
在一些实施例中，将电池端电压U和电流I作为输入变量，输出变量为电池的SOC预估值。如图2所示，将BP神经网络的输入层节点数设为2，隐层节点数设为3，输出成节点数设为1。BP神经网络输入层向量为X＝(U,I)T，隐层向量为Y＝(y1,y2,y3)T，输出层向量为z＝soc。隐层神经元权值矩阵为V＝(v1,v2,v3)T，其中v1,v2,v3是隐层神经元的权向量；输出层权值矩阵为W＝w1，其中w是输出层神经元的权向量。
输出层与隐层之间的关系为：
SOC＝f(net) (2)
Figure BDA0002758206950000071
隐层与输入层之间的关系为：
yj＝f(netj) j＝1,2,3 (4)
Figure BDA0002758206950000072
公式(2)和公式(4)中变换函数f(net)＝f(x)，f(netj)＝f(x)，f(x)为单极性Sigmoid函数：
Figure BDA0002758206950000073
本实施例，将电池端电压U和电流I作为输入变量输入BP神经网络，输入变量经上述公式(2)至(6)进行计算，输出电池的SOC预估值。但是，未经训练的BP神经网络输出的SOC预估值存在误差，为减小或消除误差，在一些实施例中将在电池管理系统正常情况下获取的电池端电压和电流作为训练样本训练BP神经网络模型，用户可根据实际需要设定训练样本数量，例如设定训练样本的数量为100。训练好的BP神经网络模型即为SOC预估模型，将电池管理系统通讯故障时的电池端电压值和电流值输入SOC预估模型，即可输出准确的SOC预估值。
在本申请的一个实施例中，上述方法还包括：利用校准函数对所述电池的SOC预估值进行校正，得到电池的SOC校正值。
在一些实施例中，利用校准函数对得到的电池的SOC预估值进行校正，可以进一步提高SOC值的精确度。通过前述方法计算得到的SOC预估值已经具有了较高的精确度，能够满足在BMS通讯故障时，根据电池的SOC预估值，确定储能系统能否进行临时工作的基本需求。但是，在某些需要更高精确度的场景下，可以利用校准函数对电池的SOC预估值进行校准，进一步提高电池SOC值的精确度，满足用户对更高精确度的需求。
在本申请的一个实施例中，上述方法中，校准函数是通过如下方式得到的：将电池管理系统通讯故障前的第二预设时间内的电路状态信息作为采样数据，并获取采样数据的SOC真实值；计算每个采样数据的SOC预估值；采用最小二乘法，将采样数据的SOC真实值与计算得到的SOC预估值拟合成一条校准直线，校准直线的函数表示方式即为校准函数。
在一些实施例中，选取电池管理系统通讯故障前10分钟的数据作为采样数据，每一分钟作为一个采样点。例如，在时刻t电池管理系统发生通讯故障，则将t-1,t-2,……，t-10时刻的数据最为采样数据。采集每个采样数据的真实SOC值，与通过上述方法计算得到的电池SOC预估值，采用最小二乘法将采样数据的真实SOC值与计算得到的SOC预估值拟合成一条校准直线y＝kx+b，其中，x为电池的SOC预估值，y为电池的SOC真实值。根据采样数据的SOC真实值和SOC预估值即可计算出校准系数k和b，由此，得到校准函数。再将电池管理系统通讯故障时计算得到的电池的SOC预估值带入校准函数，即可得到电池管理系统通讯故障时电池的SOC校正值。
综上所述，利用校准函数对SOC预估值进行校准，不仅可以进一步提高精确度，满足客户对更高精确度的需求。而且，在BMS通讯正常时，也可以利用校准函数对电池的SOC真实值是否异常进行评估，当及时发现电池的SOC值异常情况并进行校正，保证储能系统的正常运行。
在本申请的一个实施例中，上述方法中，根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池包括：如果电池的SOC预估值高于电池的最低安全阈值，且储能系统的工作模式为供电，则确定可以使用该电池放电。如果电池的SOC预估值低于电池的最高安全阈值，且储能系统的工作模式为充电，则确定可以使用该电池充电。
在一些实施例中，在通过上述方法计算得到电池的SOC预估值后，将SOC预估值与电池的最低安全阈值和最高安全阈值进行比较，并结合储能系统的工作模式，确定使用该电池进行充电还是放电。如果电池的SOC预估值高于电池的最低安全阈值，且储能系统的工作模式为供电，则确定可以使用该电池放电。如果电池的SOC预估值低于电池的最高安全阈值，且储能系统的工作模式是充电，则确定可以使用该电池充电。
在本申请的一个实施例中，上述方法还包括：电池管理系统通讯故障恢复时，停止SOC预估，根据接收到的SOC值重新确定是否使用该电池。
当电池管理系统通讯故障恢复时，PCS可以与BMS进行通讯，获取电池真实的SOC值，无需再进行SOC预估。此时，根据获取的电池真实的SOC值，再重新确定是否使用该电池。
图3示出了根据本申请一个实施例的一种储能系统的控制装置的结构示意图。如图3所示，该储能系统的控制装置300包括：
采集单元310，用于在电池管理系统通讯故障的情况下，获取电池的电路状态信息。
预估单元320，用于根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和电路状态信息进行电池SOC预估，得到电池的SOC预估值。
使用单元330，用于根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池。
在本申请的一个实施例中，上述装置中，预估单元320，用于根据从电池管理系统最后一次接收到的电池的SOC值和电路状态信息，得到SOC初始值；计算第一预设时间内电池电流和对应时间的积分，得到第一预设时间内电池变化电量占电池额定电量的百分比；根据SOC初始值和第一预设时间内电池变化电量占电池额定电量的百分比，得到电池的SOC预估值。
在本申请的一个实施例中，上述装置中，预估单元320，还用于将电池管理系统通讯故障时的电池状态信息输入SOC预估模型，输出电池的SOC预估值。其中，SOC预估模型是通过如下方式得到的：构建包括输入层、隐层、输出层的BP神经网络模型；将电池状态信息作为输入变量，输入变量经输入层传送至各隐层，各隐层进行计算后传送至输出层，输出层输出电池的SOC预估值；将在电池管理系统正常情况下获取的电池状态信息作为输入变量训练BP神经网络模型，得到SOC预估模型。
在本申请的一个实施例中，上述装置还包括：校准单元，用于利用校准函数对电池的SOC预估值进行校正，得到电池的SOC校正值。
其中，校准函数是通过如下方式得到的：将电池管理系统通讯故障前的第二预设时间内的电路状态信息作为采样数据，并获取采样数据的SOC真实值；计算每个采样数据的SOC预估值；采用最小二乘法，将采样数据的SOC真实值与计算得到的SOC预估值拟合成一条校准直线，校准直线的函数表示方式即为校准函数。
在本申请的一个实施例中，上述装置中，使用单元330，用于如果电池的SOC预估值高于电池的最低安全阈值，且储能系统的工作模式为供电，则确定可以使用该电池放电；如果电池的SOC预估值低于电池的最高安全阈值，且储能系统的工作模式为充电，则确定可以使用该电池充电。
在本申请的一个实施例中，上述装置中，使用单元330，还用于电池管理系统通讯故障恢复时，停止SOC预估，根据接收到的SOC值重新确定是否使用该电池。
需要说明的是，上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行，在此不再赘述。
综上所述，本申请的技术方案，通过获取电池管理系统通讯故障时电池的电路状态信息和从电池管理系统最后一次接收到的电池的SOC值，计算得到电池的SOC预估值。并将SOC预估值与电池的最低安全阈值和最高安全阈值进行比较，结合储能系统的工作模式，确定是否使用该电池进行临时工作。使得在电池管理系统通讯故障的情况下，储能系统仍能进行临时工作，同时保证SOC预估值在安全区域内时才进行临时工作，避免造成电池过度充放电，导致电池损坏。而且，利用校准函数对SOC预估值进行校准，可以进一步提高精确度，满足客户对更高精确度的需求，同时也可以在BMS通讯正常时，利用校准函数对电池的SOC真实值是否异常进行评估和校正。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的储能系统的控制装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图4示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备400包括处理器410和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器420。存储器420可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器420具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码431的存储空间430。例如，用于存储计算机可读程序代码的存储空间430可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码431。计算机可读程序代码431可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图5所述的计算机可读存储介质。图5示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质500存储有用于执行根据本申请的方法步骤的计算机可读程序代码431，可以被电子设备400的处理器410读取，当计算机可读程序代码431由电子设备400运行时，导致该电子设备400执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码431可以执行上述任一实施例中示出的方法。计算机可读程序代码431可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种储能系统的控制方法，其特征在于，所述方法包括：
在电池管理系统通讯故障的情况下，获取电池的电路状态信息；
根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值；
根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池。
2.如权利要求1所述的方法，其特征在于，所述根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值包括：
根据从电池管理系统最后一次接收到的电池的SOC值和所述电路状态信息，得到SOC初始值；
计算第一预设时间内电池电流和对应时间的积分，得到所述第一预设时间内电池变化电量占电池额定电量的百分比；
根据所述SOC初始值和所述第一预设时间内电池变化电量占电池额定电量的百分比，得到电池的SOC预估值。
3.如权利要求1所述的方法，其特征在于，所述根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值还包括：
将电池管理系统通讯故障时的电池状态信息输入SOC预估模型，输出电池的SOC预估值；
所述SOC预估模型是通过如下方式得到的：
构建包括输入层、隐层、输出层的BP神经网络模型；
将电池状态信息作为输入变量，所述输入变量经所述输入层传送至各隐层，各隐层进行计算后传送至所述输出层，所述输出层输出电池的SOC预估值；
将在电池管理系统正常情况下获取的电池状态信息作为输入变量训练所述BP神经网络模型，得到所述SOC预估模型。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
利用校准函数对所述电池的SOC预估值进行校正，得到电池的SOC校正值。
5.如权利要求4所述的方法，其特征在于，所述校准函数是通过如下方式得到的：
将电池管理系统通讯故障前的第二预设时间内的电路状态信息作为采样数据，并获取采样数据的SOC真实值；
计算每个采样数据的SOC预估值；
采用最小二乘法，将采样数据的SOC真实值与计算得到的SOC预估值拟合成一条校准直线，所述校准直线的函数表示方式即为所述校准函数。
6.如权利要求1所述的方法，其特征在于，所述根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池包括：
如果所述电池的SOC预估值高于电池的最低安全阈值，且所述储能系统的工作模式为供电，则确定可以使用该电池放电；
如果所述电池的SOC预估值低于电池的最高安全阈值，且所述储能系统的工作模式为充电，则确定可以使用该电池充电。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
电池管理系统通讯故障恢复时，停止SOC预估，根据接收到的SOC值重新确定是否使用该电池。
8.一种储能系统的控制装置，其特征在于，所述装置包括：
采集单元，用于在电池管理系统通讯故障的情况下，获取电池的电路状态信息；
预估单元，用于根据从电池管理系统最后一次接收到的电池的荷电状态SOC值和所述电路状态信息进行电池SOC预估，得到电池的SOC预估值；
使用单元，用于根据电池的SOC预估值和储能系统的工作模式，确定是否使用该电池。
9.一种电子设备，其特征在于，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-7中任一项所述的方法。
CN202011209523.9A 2020-11-03 2020-11-03 储能系统的控制方法、装置、电子设备和存储介质 Pending CN112462917A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011209523.9A CN112462917A (zh) 2020-11-03 2020-11-03 储能系统的控制方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011209523.9A CN112462917A (zh) 2020-11-03 2020-11-03 储能系统的控制方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN112462917A true CN112462917A (zh) 2021-03-09

Family

ID=74834943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011209523.9A Pending CN112462917A (zh) 2020-11-03 2020-11-03 储能系统的控制方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112462917A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114035668A (zh) * 2021-10-27 2022-02-11 厦门海辰新能源科技有限公司 安全控制方法、电池管理系统及计算机可读存储介质
WO2024050775A1 (zh) * 2022-09-08 2024-03-14 宁德时代新能源科技股份有限公司 电池系统的控制方法及控制装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060182451A1 (en) * 2005-01-18 2006-08-17 Hisashi Shoji Abnormality determining apparatus, image forming apparatus, copying machine, and information obtaining method
CN102162836A (zh) * 2011-03-21 2011-08-24 浙江吉利汽车研究院有限公司 一种汽车电池soc的估算方法
CN102205800A (zh) * 2011-02-25 2011-10-05 南京华博科技有限公司 一种智能电动车电池管理系统
CN103529396A (zh) * 2013-10-25 2014-01-22 重庆长安汽车股份有限公司 一种高精度锂离子电池荷电状态初始值估算方法
DE102014207395A1 (de) * 2014-04-17 2015-10-22 Robert Bosch Gmbh Verfahren zum Batteriemanagement und Batteriemanagementsystem
CN105759780A (zh) * 2015-11-30 2016-07-13 北京新能源汽车股份有限公司 电动汽车及其通讯故障处理方法和装置
KR20160109530A (ko) * 2015-03-11 2016-09-21 엘에스산전 주식회사 에너지 저장 시스템
CN106394313A (zh) * 2016-10-26 2017-02-15 北京新能源汽车股份有限公司 一种驱动控制方法及装置
CN110549876A (zh) * 2019-09-27 2019-12-10 江铃重型汽车有限公司 一种能量输出控制方法、装置和氢燃料混合动力汽车
CN111426960A (zh) * 2020-05-26 2020-07-17 中国恩菲工程技术有限公司 储能锂电池荷电状态监控方法与装置
AU2020101399A4 (en) * 2020-07-17 2020-08-20 North University Of China A Full Vanadium Flow Battery Management System Based on Embedded Chip

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060182451A1 (en) * 2005-01-18 2006-08-17 Hisashi Shoji Abnormality determining apparatus, image forming apparatus, copying machine, and information obtaining method
CN102205800A (zh) * 2011-02-25 2011-10-05 南京华博科技有限公司 一种智能电动车电池管理系统
CN102162836A (zh) * 2011-03-21 2011-08-24 浙江吉利汽车研究院有限公司 一种汽车电池soc的估算方法
CN103529396A (zh) * 2013-10-25 2014-01-22 重庆长安汽车股份有限公司 一种高精度锂离子电池荷电状态初始值估算方法
DE102014207395A1 (de) * 2014-04-17 2015-10-22 Robert Bosch Gmbh Verfahren zum Batteriemanagement und Batteriemanagementsystem
KR20160109530A (ko) * 2015-03-11 2016-09-21 엘에스산전 주식회사 에너지 저장 시스템
CN105759780A (zh) * 2015-11-30 2016-07-13 北京新能源汽车股份有限公司 电动汽车及其通讯故障处理方法和装置
CN106394313A (zh) * 2016-10-26 2017-02-15 北京新能源汽车股份有限公司 一种驱动控制方法及装置
CN110549876A (zh) * 2019-09-27 2019-12-10 江铃重型汽车有限公司 一种能量输出控制方法、装置和氢燃料混合动力汽车
CN111426960A (zh) * 2020-05-26 2020-07-17 中国恩菲工程技术有限公司 储能锂电池荷电状态监控方法与装置
AU2020101399A4 (en) * 2020-07-17 2020-08-20 North University Of China A Full Vanadium Flow Battery Management System Based on Embedded Chip

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
丁方莉 等: "基于PSO-WNN模型的超短期风速预测及其误差校正", 《安徽工业大学学报(自然科学版)》, 31 December 2019 (2019-12-31), pages 364 - 365 *
丁方莉 等: "基于PSO-WNN模型的超短期风速预测及其误差校正", 《安徽工业大学学报(自然科学版)》, pages 364 - 365 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114035668A (zh) * 2021-10-27 2022-02-11 厦门海辰新能源科技有限公司 安全控制方法、电池管理系统及计算机可读存储介质
CN114035668B (zh) * 2021-10-27 2022-12-27 厦门海辰储能科技股份有限公司 安全控制方法、电池管理系统及计算机可读存储介质
WO2024050775A1 (zh) * 2022-09-08 2024-03-14 宁德时代新能源科技股份有限公司 电池系统的控制方法及控制装置

Similar Documents

Publication Publication Date Title
CN109061520B (zh) 一种动力电池健康与功率状态在线估算方法及系统
CN102707627B (zh) 能实时进行的电池单元仿真系统及方法
CN104360285B (zh) 一种基于改进的安时积分法的电池容量修正方法
KR102335296B1 (ko) 무선 네트워크 기반 배터리 관리 시스템
JP6234946B2 (ja) 電池状態推定装置
KR102333330B1 (ko) 에너지 축적기 에뮬레이터 및 에너지 축적기 에뮬레이터의 에뮬레이션을 위한 방법
US11085971B2 (en) Degradation state determination device and degradation state determination method
WO2021112223A1 (ja) 劣化推定装置、劣化推定システム、劣化推定方法、及びコンピュータプログラム
KR102646875B1 (ko) 모의전지 구축 방법 및 모의전지 구축 장치
CN112462917A (zh) 储能系统的控制方法、装置、电子设备和存储介质
CN107340476B (zh) 电池的电气状态监测系统和电气状态监测方法
CN105051559A (zh) 二次电池的充电状态推断装置以及二次电池的充电状态推断方法
US10794961B2 (en) Internal state estimating device
CN105429230A (zh) 基于人工神经网络算法的电池管理系统及方法
EP0505333B1 (en) Estimating the charge of batteries
US11549995B2 (en) Test board, test system and test method for charging device
KR20200102923A (ko) 배터리 상태 추정 장치 및 방법
WO2021112224A1 (ja) 制御装置、劣化推定システム、制御方法、及びコンピュータプログラム
WO2019012930A1 (ja) 二次電池制御装置
CN117169723A (zh) 基于多模型融合的电池评估系统
JP2023515529A (ja) インピーダンス決定によってバッテリシステムを監視するための方法及びバッテリ管理システム
JP7271787B2 (ja) バッテリーパックシミュレーション装置及びこれを用いたバッテリー管理ユニットの点検方法
CN113468729A (zh) 无标定方式的电力厂站计量装置运行误差测算方法及系统
KR20160146350A (ko) 배터리모듈 전압 추정 장치 및 방법
JP6446880B2 (ja) バッテリ制御装置

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