CN113052464B - 电池储能系统可靠性评估方法及系统 - Google Patents
电池储能系统可靠性评估方法及系统 Download PDFInfo
- Publication number
- CN113052464B CN113052464B CN202110319732.7A CN202110319732A CN113052464B CN 113052464 B CN113052464 B CN 113052464B CN 202110319732 A CN202110319732 A CN 202110319732A CN 113052464 B CN113052464 B CN 113052464B
- Authority
- CN
- China
- Prior art keywords
- battery
- energy storage
- storage system
- index
- stress
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000035882 stress Effects 0.000 claims abstract description 81
- 230000008859 change Effects 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims abstract description 22
- 230000008571 general function Effects 0.000 claims abstract description 21
- 230000032683 aging Effects 0.000 claims abstract description 18
- 230000015556 catabolic process Effects 0.000 claims abstract description 18
- 238000006731 degradation reaction Methods 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 230000007423 decrease Effects 0.000 claims abstract description 17
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000005315 distribution function Methods 0.000 claims description 9
- 239000012528 membrane Substances 0.000 claims description 9
- 239000007784 solid electrolyte Substances 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 7
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 230000006866 deterioration Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 229910001416 lithium ion Inorganic materials 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 230000002427 irreversible effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000009189 diving Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 239000000178 monomer Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001351 cycling effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- PMVSDNDAUGGCCE-TYYBGVCCSA-L Ferrous fumarate Chemical compound [Fe+2].[O-]C(=O)\C=C\C([O-])=O PMVSDNDAUGGCCE-TYYBGVCCSA-L 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种电池储能系统可靠性评估方法及系统,其中的方法包括获取待检测电池的储能系统的运行数据;基于运行数据获取与待检测电池对应的应力参数,并基于应力参数确定待检测电池的线性衰退率;基于生命周期衰退模型及线性衰退率,确定待检测电池的剩余容量,并基于剩余容量获取待检测电池的通用函数表达式;根据通用函数表达式,确定储能系统的状态类指标以及状态变化类指标;根据状态类指标和状态变化类指标,确定储能系统的可靠性指标。利用上述发明能够充分考虑电池全生命周期的老化状态、不同的运行工况等,精准地辨识运行中可能存在的薄弱环节,实现对电池储能系统的准确评估。
Description
技术领域
本发明涉及电力系统可靠性检测技术领域,更为具体地,涉及一种电池储能系统可靠性评估方法及系统。
背景技术
电池储能系统(Battery Energy Storage System,BESS)具有快速功率响应、密集能量存储、灵活方便部署等优势,能够在网调峰调频、新能源波动平抑、旋转备用、事故应急备用、经济调度等应用场景中发挥重要作用。此外,伴随着电动汽车、5G能源基站等新型负荷的快速发展,梯次利用电池储能系统的建设是解决大量退役锂离子电池循环利用的有效途径。因此,电池储能逐步成为目前发展最快、应用最广的储能技术之一。但研究表明,虽然电池单体可以达到近万次“满充满放”的循环寿命,但海量电池单体组成的大规模储能系统的循环寿命严重下降,可靠性不足成为电池储能系统广泛应用的主要瓶颈。
可知,作为由电池单体所构成的复杂系统,储能可靠性与电池状态密切相关。由于电池单体使用过程中涉及复杂的电化学反应,电池单体间存在无法避免的差异性。当电池成组后,单体差异在使用过程中会进一步放大,形成“短板效应”,意味着性能较弱的电池单体会被过度充电或过度放电。因此,考虑单体差异、运行工况、环境等不同因素影响,对储能系统运行状态下的可靠性进行分析评估是实现储能系统长寿命高效运行的关键所在。
目前,现有研究主要将电池健康状态(State of Health,SOH),即容量衰退状态作为衡量电池可靠性的指标,研究表明影响电池容量衰退的因素主要包括环境温度、放置时间、荷电状态、充放电深度等因素。但大部分研究认为当锂离子电池容量下降为额定容量的80%时,锂离子电池将无法正常使用,处于完全老化阶段。现有的检测模型通常无法直接应用到退役电池的容量衰退研究中,而电池制造商鲜少报道容量80%以下的数据。
此外,目前针对由大量差异电池构成的电池储能可靠性研究目前相对较少,常采用的方法包括故障树分析、Markov模型、通用函数生成法(Universal GenerationFunction,UGF)等方法。这些电池储能系统可靠性研究目前仍停留在相对简单的常规静态可靠性建模,其基本思路是将储能装备划分成电池模块、管理模块等功能子系统,统计停运率常用来表征储能设备的可靠性水平,作为配置储能装置的风光系统或者电网进行可靠性评估的依据。
但是,虽然此类可靠性模型对于长时间尺度的规划有着较好的参考价值,但在储能系统实际运行过程中,任何设备元件的可靠度具有时变性和不确定性,现有的对储能装备可靠性的简单建模方式并不适用于运行优化策略的制定。最后,可靠性评估的最终目标是能够有效辨识薄弱环节,分析不同电池可靠度变化对整体可靠性的影响,从而更准确的实现BESS可靠度提升,目前所提出的可靠性评估方法中往往并没有针对薄弱环节的精准辨识开展研究,衡量指标也相对缺失。
因此,目前亟需一种评估方案能够针对电池储能系统的运行可靠性评估需要充分将电池全生命周期的老化状态、不同的运行工况纳入范畴,同时精准地辨识运行中可能存在的薄弱环节。
发明内容
鉴于上述问题,本发明的目的是提供一种电池储能系统可靠性评估方法及系统,以解决目前对电池储能系统进行评估的方案存在的建模方式简答,不适用于制定运行优化策略,可靠性的衡量指标缺失,识别精度受限等问题。
本发明提供的电池储能系统可靠性评估方法,包括:获取待检测储能系统中的待检测电池的运行数据;基于运行数据获取与待检测电池对应的应力参数,并基于应力参数确定待检测电池的线性衰退率;基于生命周期衰退模型及线性衰退率,确定待检测电池的剩余容量,并基于剩余容量获取待检测电池的通用函数表达式;根据通用函数表达式及待检测电池的连接拓扑,确定储能系统的状态类指标以及状态变化类指标;根据状态类指标和状态变化类指标,确定储能系统的可靠性指标。
此外,优选的技术方案是,运行数据包括预设时间段内的每次循环的荷电状态、充放电深度、运行温度、运行时间和循环总数;其中,基于运行数据获取与待检测电池对应的应力参数的过程包括:基于运行数据获取与待检测电池对应的温度应力、时间应力、充放电深度应力和荷电状态应力;其中,温度应力的表达公式为:
其中,ST表示温度应力,Ti表示运行温度,kT表示温度应力系数,Tref表示参考温度,i表示当前循环次数。
此外,优选的技术方案是,时间应力的表达公式为:
St=ktti
其中,St表示时间应力,ti表示运行时间,kt表示时间应力系数,i表示当前循环次数;充放电深度应力的表达公式为:
其中,Sυ表示充放电深度应力,kυ1、kυ2和kυ3分别表示充放电深度应力系数、i表示当前循环次数,υi表示充放电深度;荷电状态应力的表达公式为:
其中,Sτ表示荷电状态应力,kτ表示荷电状态应力系数,τi表示荷电状态,τref表示参考荷电状态。
此外,优选的技术方案是,在预设时间段内的线性衰退率的表达公式为:
其中,N表示循环总数,i表示当前循环次数,ni表示第i次循环为全循环或板循环,dt,i表示日历老化衰退率,dc,i表示循环老化衰退率。
此外,优选的技术方案是,日历老化衰退率和循环老化衰退率的表达公式为:
其中,St表示时间应力,ti表示运行时间,Sτ表示荷电状态应力,τi表示荷电状态,ST表示温度应力,Ti表示运行温度,Sυ表示充放电深度应力,υi表示充放电深度。
此外,优选的技术方案是,待检测电池的剩余容量的表达公式为:
其中,dtotal表示线性衰退率,αsei表示在形成固态电解质膜过程中不可逆的容量减少比例,αsds表示形成固态电解质膜后和循环跳水前的稳定衰退阶段锂离子减少的比例,βsei表示在形成固态电解质膜阶段衰退率与线性衰退率的比值,βcps表示待检测电池在容量跳水阶段衰退率与线性衰退率的比值,κ为全生命周期衰退模型的参数。
此外,优选的技术方案是,基于剩余容量获取待检测电池的通用函数表达式的过程包括:基于剩余容量确定待检测电池的剩余容量分布概率的均值;基于剩余容量分布概率的均值确定待检测电池的剩余容量的正态概率分布;对剩余容量的正态概率分布进行归一化处理,确定与剩余容量对应的累积分布函数;基于累积分布函数确定待检测电池的通用函数表达式。
此外,优选的技术方案是,根据通用函数表达式及待检测电池的连接拓扑,确定储能系统的状态类指标以及状态变化类指标的过程包括:基于通用函数表达式及连接拓扑确定储能系统的容量分布的累积概率函数;基于累积概率函数确定储能系统的可靠性和期望容量;基于可靠性和期望容量,获取状态类指标以及状态变化类指标。
此外,优选的技术方案是,根据状态类指标和状态变化类指标,确定储能系统的可靠性指标的过程包括:对状态类指标和状态变化类指标进行标准化处理,获取样本值占各指标的比重;基于比重确定与比重对应的指标的熵值和信息熵冗余度;基于熵值和信息熵冗余度确定储能系统的可靠性指标。
根据本发明的另一方面,提供一种电池储能系统可靠性评估系统,包括:运行数据获取单元,用于获取待检测电池的储能系统的运行数据;线性衰退率确定单元,用于基于运行数据获取与待检测电池对应的应力参数,并基于应力参数确定待检测电池的线性衰退率;通用函数表达式确定单元,用于基于生命周期衰退模型及线性衰退率,确定待检测电池的剩余容量,并基于剩余容量获取待检测电池的通用函数表达式;指标确定单元,用于根据通用函数表达式及待检测电池的连接拓扑,确定储能系统的状态类指标以及状态变化类指标;可靠性指标确定单元,用于根据状态类指标和状态变化类指标,确定储能系统的可靠性指标。
利用上述电池储能系统可靠性评估方法及系统,能够基于运行数据获取与待检测电池对应的应力参数,并基于应力参数确定待检测电池的线性衰退率,进而确定待检测电池的剩余容量,并基于剩余容量获取待检测电池的通用函数表达式,根据通用函数表达式及待检测电池的连接拓扑,确定储能系统的状态类指标以及状态变化类指标,最终根据状态类指标和状态变化类指标,确定储能系统的可靠性指标,对电池全生命周期的老化过程进行建模,从而获取电池储能系统的可靠性水平时变特性,通过综合评估指标构建精准辨识薄弱环节,为电池储能系统优化运行提供准确、合理的决策依据,实现电池储能系统长寿命和高效运行。
为了实现上述以及相关目的,本发明的一个或多个方面包括后面将详细说明的特征。下面的说明以及附图详细说明了本发明的某些示例性方面。然而,这些方面指示的仅仅是可使用本发明的原理的各种方式中的一些方式。此外,本发明旨在包括所有这些方面以及它们的等同物。
附图说明
通过参考以下结合附图的说明,并且随着对本发明的更全面理解,本发明的其它目的及结果将更加明白及易于理解。在附图中:
图1为根据本发明实施例的电池储能系统可靠性评估方法的流程图;
图2为根据本发明实施例的电池储能系统可靠性评估系统的逻辑框图。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中,为了便于描述一个或多个实施例,公知的结构和设备以方框图的形式示出。
为详细描述本发明的电池储能系统可靠性评估方法及系统,以下将结合附图对本发明的具体实施例进行详细描述。
图1示出了根据本发明实施例的电池储能系统可靠性评估方法的流程。
如图1所示,本发明实施例的电池储能系统可靠性评估方法,具体包括以下步骤:
S110:获取待检测储能系统中的待检测电池的运行数据。
其中,该步骤获取的是待检测储能系统在并网后的预设时间段内的运行数据,该运行数据包括预设时间段内的每次循环的荷电状态τi、充放电深度υi、运行温度Ti、运行时间ti和循环总数N,各运行数据的下角标i表示预设时间段内的第i次循环。
S120:基于运行数据获取与待检测电池对应的应力参数,并基于应力参数确定待检测电池的线性衰退率。
在该步骤中,应力参数主要包括与待检测电池对应的温度应力、时间应力、充放电深度应力和荷电状态应力等。
具体地,温度应力的表达公式为:
其中,ST表示温度应力,Ti表示运行温度,kT表示温度应力系数,不同材料电池的温度应力系数不同,主要由电池生产商的循环试验提供,Tref表示参考温度,通常取25℃,i表示当前循环次数,即第i次循环。
此外,时间应力的表达公式为:
St=ktti
其中,St表示时间应力,ti表示运行时间,kt表示时间应力系数,该系数可通过电池生产商的循环实验来提供,i表示当前循环次数。
此外,充放电深度应力的表达公式为:
其中,Sυ表示充放电深度应力,kυ1、kυ2和kυ3分别表示充放电深度应力系数,该系数可通过电池生产商的循环实验来提供,i表示当前循环次数,υi表示充放电深度。
此外,荷电状态应力的表达公式为:
其中,Sτ表示荷电状态应力,kτ表示荷电状态应力系数,该系数可通过电池生产商的循环实验来提供,τi表示荷电状态,τref表示参考荷电状态,通常取40%或50%等。
进一步地,基于上述各应力参数可进一步获取在预设时间段内的线性衰退率,在预设时间段内的线性衰退率的表达公式为:
其中,N表示循环总数,i表示当前循环次数,ni表示第i次循环为全循环或板循环,当第i次循环为全循环时,ni取值为1,当地i次循环为半循环时,ni取值为0.5,dt,i表示日历老化衰退率,dc,i表示循环老化衰退率。
在上述公式中,日历老化衰退率和循环老化衰退率的表达公式为:
其中,St表示时间应力,ti表示运行时间,Sτ表示荷电状态应力,τi表示荷电状态,ST表示温度应力,Ti表示运行温度,Sυ表示充放电深度应力,υi表示充放电深度。
S130:基于生命周期衰退模型及线性衰退率,确定待检测电池的剩余容量,并基于剩余容量获取待检测电池的通用函数表达式。
需要说明的是,在获取上述线性衰退率后,可进一步利用全生命周期衰退模型计算此时各单体电池的剩余SOH(State of Health,电池健康状态或电池衰退状态),待检测电池的剩余容量的表达公式为:
其中,dtota表示线性衰退率,αsei表示在形成固态电解质膜(Solid electrolyteinterphase,SEI)过程中不可逆的容量减少比例,αsds表示形成固态电解质膜后和循环跳水前的稳定衰退阶段(Steady degradation stage,SDS)锂离子减少的比例,βsei表示在形成固态电解质膜阶段衰退率与线性衰退率的比值,βcps表示待检测电池在容量跳水阶段(Capacity plummeting stage,CPS)衰退率与线性衰退率的比值,κ为全生命周期衰退模型的参数,上述参数均可通过电池厂商的循环老化试验数据拟合得到,针对不同的电池材料,参数大小也不相同,具体在本发明中不做限制。
进一步地,基于剩余容量获取待检测电池的通用函数表达式的过程包括:基于剩余容量确定待检测电池的剩余容量分布概率的均值;基于剩余容量分布概率的均值确定待检测电池的剩余容量的正态概率分布;对剩余容量的正态概率分布进行归一化处理,确定与剩余容量对应的累积分布函数;基于累积分布函数确定待检测电池的通用函数表达式。
具体地,在确定上述各个单体电池的剩余容量后,可进行单体容量概率分布建模,此时可将单体电池的剩余容量作为该电池容量概率分布的均值,即μ=SOH,可得到单体电池容量的正态概率分布N(μ,σ2),其中分布的标准差σ=(1-μ)/6。根据SOH大小可将电池的容量分成M个等级,即G1=1,G2=2,…,GM=M(例如等级包括95%~100%,...,25%~20%,...),如第j等级有上下界为了使电池容量在每个等级的概率和为1,需要对正态概率分布的累积分布函数F(SOH)进行归一化调整,调整后的累积分布函数如下:
进而可根据上述公式确定单体电池落在第j个等级时的概率大小:
并进一步定义第k个单体电池的通用函数表达式如下:
其中,k表示第k个单体电池,UR表示通用函数,M表示等级个数,j表示第j等级,z为功率因子,Gj表示划分的等级。
S140:根据通用函数表达式及待检测电池的连接拓扑,确定储能系统的状态类指标以及状态变化类指标。
其中,根据通用函数表达式及待检测电池的连接拓扑,确定储能系统的状态类指标以及状态变化类指标的过程包括:1、基于通用函数表达式及连接拓扑确定储能系统的容量分布的累积概率函数/2、基于累积概率函数确定储能系统的可靠性和期望容量;3、基于可靠性和期望容量,获取状态类指标以及状态变化类指标。
在该步骤中,在计算整个储能系统的可靠性之前,需要定义一下计算乘子Ω,该乘子用于计算电池串并联后的整体通用函数,例如,两个电池单体j1、j2串联和两个电池单体并联的整体UGF(通用函数表达式)定义如下:
其中,储能系统中电池单体的连接拓扑为Ns*Np,(Np为电池储能系统并联支路数,Ns为每条支路上的电池串联数),因此对于储能系统中某一串联支路的UGF如下公式所示,作为具体示例,可由Ns个电池串联而成,两两串联的UGF如下公式计算,最后得到这条支路在每个容量等级Gs的概率大小ps。
其中,Ns个电池串联后的整体UGF的表达公式如下:
公式中各符号的意义可参考上述其他公式中的描述,此处不一一赘述。
然后,进一步对Np个电池串并联后的储能系统的整体UGF进行计算,得到储能系统在每个容量等级Gp的概率密度大小qp。Np个电池串并联后的储能系统的整体UGF的表达公式如下:
最后,可以得到储能系统的容量概率分布的累积概率函数(累积概率分布函数)如下:
然后,计算储能系统的可靠性RBES和期望容量EBES如下:
其中,Ψ(SOHB)表示储能系统中各个单体电池的SOH的集合,ω表示判断单体电池SOH是否合格的阈值,可根据需求设置为0~100%中的任意一个数,SOHGp表示第P个等级的平均SOH大小。
在上述基于可靠性和期望容量,获取状态类指标以及状态变化类指标的过程中,首先构建并计算第k个电池对应的状态类和状态变化类的薄弱环节评价指标。
第一,状态类指标的计算。
其中,状态类指标包括:第一个指标ISOH,该指标反映的是对应的电池SOH大小;第二个指标是该电池的可靠性概率灵敏度IRp(储能系统整体可靠性对该电池SOH的微分计算),该指标用来反映该电池SOH变化对整体储能系统可靠性指标的影响情况;第三个指标是该电池的可靠性关键灵敏度IRc,这是因为对于具有较高SOH的电池而言,几乎没有用较高SOH电池替换它们以改善BES可靠性的空间,因此在第二个指标基础上进一步乘以当前状态下的电池SOH大小SOHk和系统可靠性大小RBES;第四个指标是该电池的SOH概率灵敏度IEp,反映的是该电池SOH变化对整体储能系统的期望容量SOH的影响情况;类似的,第五个指标为电池的SOH关键灵敏度指标IEc。以上各指标的表达公式分别如下所示:
ISOH,k=SOHk
第二:状态变化类指标的计算。
其中,由于仅使用当前电池状态进行薄弱环节分析不能有效地考虑经过短期运行后的可靠性变化。因为尽管一些电池具有较高的SOH水平,但是在运行过程中其SOH可能会出现大幅降低,根据状态类指标的计算结果,这种电池往往不会被认定为薄弱环节,但其在实际运行中会对整体可靠性产生很大的负面影响。因此,还需要进一步计算状态类变化指标。
具体地,状态变化类指标包括:第一个指标IdSOH,k,该指标反映的是该电池SOH的变化大小;第二个指标IRcon,k,反映的是该电池SOH变化对整体可靠性变化的贡献度大小,表征的是该电池变化ΔSOHk后,对整体可靠性下降贡献了多少;第三个指标IEcon,k,反映的是该电池SOH变化对整体储能系统的期望容量SOH变化的贡献度大小。上述各指标的表达公式分别如下所示:
IdSOH,k=ΔSOHk
其中,Γ(ΔSOHk|Ψ(SOH))表示将第k个电池SOH增加ΔSOHk后,整个储能系统电池单体的SOH集合。
S150:根据状态类指标和状态变化类指标,确定储能系统的可靠性指标。
其中,根据状态类指标和状态变化类指标,确定储能系统的可靠性指标的过程包括:对状态类指标和状态变化类指标进行标准化处理,获取样本值占各指标的比重;基于比重确定与比重对应的指标的熵值和信息熵冗余度;基于熵值和信息熵冗余度确定储能系统的可靠性指标。
具体地,上述状态类指标和状态变化类指标的衡量侧重点不同,因此利用不同指标获取的薄弱环节排序可能会存在冲突,因此还需要利用熵权法计算可靠性重要度指标RIk。首先代表第k个电池的第m项指标,每个电池有状态类和状态变化类指标共8个,将以上所有指标进行标准化处理,标准化处理后的指标公式表示如下:
进一步地,计算第m项指标下第k个样本值占该指标的比重为:
然后,第m项指标的熵值em和熵冗余度dm的公式分别如下:
dm=1-em
最后,可根据以上内容计算各项指标的权重以及最后的储能系统的可靠性指标,例如,指标值越低,薄弱环节排名越高,表明该指标对储能系统的可靠性影响越大。
具体地,第m项指标的权重取值可表示为:
其中,S表示所有指标的个数,m表示当前指标。
最终,可获取第k个电池的可靠性重要度,具体表示如下:
需要说明的是,上述各公式中字母表示的含义可相互参考,在实际应用过程中,可根据以上电池的可靠性重要度对电池储能系统的可靠性进行评估及调整等。
与上述电池储能系统可靠性评估方法相对应,本发明还提供一种电池储能系统可靠性评估系统。其中,图2示出了根据本发明实施例的电池储能系统可靠性评估系统的示意逻辑。
如图2所示,本发明提供的电池储能系统可靠性评估系统200,包括
运行数据获取单元210,用于获取待检测电池的储能系统的运行数据;线性衰退率确定单元220,用于基于运行数据获取与待检测电池对应的应力参数,并基于应力参数确定待检测电池的线性衰退率;通用函数表达式确定单元230,用于基于生命周期衰退模型及线性衰退率,确定待检测电池的剩余容量,并基于剩余容量获取待检测电池的通用函数表达式;指标确定单元240,用于根据通用函数表达式及待检测电池的连接拓扑,确定储能系统的状态类指标以及状态变化类指标;可靠性指标确定单元250,用于根据状态类指标和状态变化类指标,确定储能系统的可靠性指标。
需要说明的是,电池储能系统可靠性评估系统的实施例可参考上述电池储能系统可靠性评估方法实施例中的描述,此处不再一一赘述。
根据上述本发明提供的电池储能系统可靠性评估方法及系统,将电池的平均荷电状态、充放电深度、运行温度等各类复杂的运行工况纳入评估范畴,对电池全生命周期的老化过程进行建模,从而获取电池储能系统的可靠性水平时变特性,通过综合评估指标构建精准辨识薄弱环节,为电池储能系统优化运行提供准确、合理的决策依据,实现电池储能系统长寿命和高效运行。
如上参照附图以示例的方式描述根据本发明的电池储能系统可靠性评估方法及系统。但是,本领域技术人员应当理解,对于上述本发明所提出的电池储能系统可靠性评估方法及系统,还可以在不脱离本发明内容的基础上做出各种改进。因此,本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (10)
1.一种电池储能系统可靠性评估方法,其特征在于,包括:
获取待检测储能系统中的待检测电池的运行数据;
基于所述运行数据获取与所述待检测电池对应的应力参数,并基于所述应力参数确定所述待检测电池的线性衰退率;
基于生命周期衰退模型及所述线性衰退率,确定所述待检测电池的剩余容量,并基于所述剩余容量获取所述待检测电池的通用函数表达式;
根据所述通用函数表达式及所述待检测电池的连接拓扑,确定所述储能系统的状态类指标以及状态变化类指标;
根据所述状态类指标和所述状态变化类指标,确定所述储能系统的可靠性指标。
7.如权利要求1所述的电池储能系统可靠性评估方法,其特征在于,所述基于所述剩余容量获取所述待检测电池的通用函数表达式的过程包括:
基于所述剩余容量确定所述待检测电池的剩余容量分布概率的均值;
基于所述剩余容量分布概率的均值确定所述待检测电池的剩余容量的正态概率分布;
对所述剩余容量的正态概率分布进行归一化处理,确定与所述剩余容量对应的累积分布函数;
基于所述累积分布函数确定所述待检测电池的通用函数表达式。
8.如权利要求7所述的电池储能系统可靠性评估方法,其特征在于,根据所述通用函数表达式及所述待检测电池的连接拓扑,确定所述储能系统的状态类指标以及状态变化类指标的过程包括:
基于所述通用函数表达式及所述连接拓扑确定所述储能系统的容量分布的累积概率函数;
基于所述累积概率函数确定所述储能系统的可靠性和期望容量;
基于所述可靠性和所述期望容量,获取所述状态类指标以及所述状态变化类指标。
9.如权利要求8所述的电池储能系统可靠性评估方法,其特征在于,根据所述状态类指标和所述状态变化类指标,确定所述储能系统的可靠性指标的过程包括:
对所述状态类指标和所述状态变化类指标进行标准化处理,获取样本值占各指标的比重;
基于所述比重确定与所述比重对应的指标的熵值和信息熵冗余度;
基于所述熵值和信息熵冗余度确定所述储能系统的可靠性指标。
10.一种电池储能系统可靠性评估系统,其特征在于,包括:
运行数据获取单元,用于获取待检测电池的储能系统的运行数据;
线性衰退率确定单元,用于基于所述运行数据获取与所述待检测电池对应的应力参数,并基于所述应力参数确定所述待检测电池的线性衰退率;
通用函数表达式确定单元,用于基于生命周期衰退模型及所述线性衰退率,确定待检测电池的剩余容量,并基于所述剩余容量获取所述待检测电池的通用函数表达式;
指标确定单元,用于根据所述通用函数表达式及所述待检测电池的连接拓扑,确定所述储能系统的状态类指标以及状态变化类指标;
可靠性指标确定单元,用于根据所述状态类指标和所述状态变化类指标,确定所述储能系统的可靠性指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110319732.7A CN113052464B (zh) | 2021-03-25 | 2021-03-25 | 电池储能系统可靠性评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110319732.7A CN113052464B (zh) | 2021-03-25 | 2021-03-25 | 电池储能系统可靠性评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113052464A CN113052464A (zh) | 2021-06-29 |
CN113052464B true CN113052464B (zh) | 2022-06-14 |
Family
ID=76515720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110319732.7A Active CN113052464B (zh) | 2021-03-25 | 2021-03-25 | 电池储能系统可靠性评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052464B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114118575A (zh) * | 2021-11-25 | 2022-03-01 | 西安西电电力系统有限公司 | 电化学储能系统的放电深度确定方法、装置和计算机设备 |
CN114742447A (zh) * | 2022-04-26 | 2022-07-12 | 哈尔滨理工大学 | 一种单体电池的梯次利用评价指标的估算方法、装置及储能电池系统 |
CN115980592A (zh) * | 2023-02-17 | 2023-04-18 | 华北电力大学 | 考虑电池热故障的电池储能系统可靠性评估方法及系统 |
CN117394484B (zh) * | 2023-10-18 | 2024-05-24 | 法罗电力(浙江)有限公司 | 一种储能装置中的电池管理方法与系统 |
CN117250547B (zh) * | 2023-11-20 | 2024-04-02 | 深圳市菲尼基科技有限公司 | 一种电池储能系统可靠性评估方法及系统 |
CN117421936A (zh) * | 2023-12-18 | 2024-01-19 | 中国华能集团清洁能源技术研究院有限公司 | 一种锂离子电池储能系统运行可靠性评估方法及装置 |
CN117540581B (zh) * | 2024-01-09 | 2024-04-02 | 华北电力大学 | 卡诺电池储能系统可靠性评估方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015180743A1 (en) * | 2014-05-28 | 2015-12-03 | Volvo Truck Corporation | Method for determining the reliability of state of health parameter values |
CN108957331A (zh) * | 2018-05-16 | 2018-12-07 | 蔚来汽车有限公司 | 电池性能检测方法及电池性能检测系统 |
CN111260185A (zh) * | 2020-01-08 | 2020-06-09 | 重庆大学 | 退役电动汽车电池作为大规模储能的发输电系统运行可靠性评估方法 |
-
2021
- 2021-03-25 CN CN202110319732.7A patent/CN113052464B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015180743A1 (en) * | 2014-05-28 | 2015-12-03 | Volvo Truck Corporation | Method for determining the reliability of state of health parameter values |
CN108957331A (zh) * | 2018-05-16 | 2018-12-07 | 蔚来汽车有限公司 | 电池性能检测方法及电池性能检测系统 |
CN111260185A (zh) * | 2020-01-08 | 2020-06-09 | 重庆大学 | 退役电动汽车电池作为大规模储能的发输电系统运行可靠性评估方法 |
Non-Patent Citations (3)
Title |
---|
Modeling and simulation of Battery Energy Storage System(BESS) used in power system;Tian Xia 等;《Preprints of the 5th international conference on Electric Utility Deregulation and Restructuring and Power Technologies》;20151129;全文 * |
Research on Lithium-ion Battery Safety Risk Assessment Based on Measured Information;Xuyan Zhou 等;《2020 IEEE Sustainable Power and Energy Conference (iSPEC)》;20201130;全文 * |
动力电池健康因子提取实验研究;熊平等;《湖北电力》;20200428(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113052464A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113052464B (zh) | 电池储能系统可靠性评估方法及系统 | |
CN109725266B (zh) | 一种电池健康状态soh的计算方法及装置 | |
CN106093778B (zh) | 电池状态预测方法及系统 | |
CN103792495B (zh) | 基于德尔菲法和灰色关联理论的电池性能评价方法 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN104813182B (zh) | 串联连接的电池元件中的异常充电事件的稳定状态检测 | |
CN107785624A (zh) | 一种评估锂电池性能的方法 | |
CN108089133A (zh) | 储能系统电池组一致性检测方法及检测装置 | |
CN109604186A (zh) | 动力电池性能柔性评估分选方法 | |
CN104316879B (zh) | 一种铅酸蓄电池组寿命的预测方法 | |
CN109061518A (zh) | 一种通信蓄电池健康度在线监测方法 | |
CN104813183B (zh) | 串联连接的电池元件中的异常充电事件的瞬态检测 | |
CN107132481B (zh) | 一种识别电池组中单体一致的方法及系统 | |
CN108205114A (zh) | 电池寿命的预测方法及系统 | |
CN111257770B (zh) | 一种电池包功率估算方法 | |
CN114865668A (zh) | 一种储能调度支撑评估方法 | |
Xu et al. | Safety warning analysis for power battery packs in electric vehicles with running data | |
CN117054892B (zh) | 一种储能电站电池健康状态的评估方法、装置及管理方法 | |
CN113687251A (zh) | 一种基于双模型的锂离子电池组电压异常故障诊断方法 | |
KR102159817B1 (ko) | 딥러닝을 통한 에너지저장장치 운영 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 | |
CN112937369A (zh) | 一种基于马氏过程的动力电池组主动均衡控制方法 | |
CN116819364A (zh) | 电池健康度的确定方法、应用方法、电子设备及存储介质 | |
CN116893366A (zh) | 用于运行系统以识别设备的电蓄能器的异常的方法和装置 | |
CN115800433A (zh) | 电池组一致性评估与等级评价方法及装置 | |
CN116068402A (zh) | 新能源汽车锂电池状态预测方法、装置、设备及存储介质 |
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 |