CN113176511B - 考虑健康状态的储能充放电优化方法及系统 - Google Patents

考虑健康状态的储能充放电优化方法及系统 Download PDF

Info

Publication number
CN113176511B
CN113176511B CN202110252880.1A CN202110252880A CN113176511B CN 113176511 B CN113176511 B CN 113176511B CN 202110252880 A CN202110252880 A CN 202110252880A CN 113176511 B CN113176511 B CN 113176511B
Authority
CN
China
Prior art keywords
battery pack
charging
discharging
battery
soc
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
CN202110252880.1A
Other languages
English (en)
Other versions
CN113176511A (zh
Inventor
周开乐
张增辉
杨善林
焦建玲
陆信辉
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Publication of CN113176511A publication Critical patent/CN113176511A/zh
Application granted granted Critical
Publication of CN113176511B publication Critical patent/CN113176511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • G01R31/371—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with remote indication, e.g. on external chargers
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • 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
    • 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
    • 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
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • 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
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • 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
    • H02J7/0025—Sequential battery discharge in systems with a plurality of batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提供一种考虑健康状态的储能充放电优化方法及系统，涉及充放电优化技术领域。本发明根据电池组SOC曲线获取电池组循环次数及对应DOD，然后获取电池组SOH，通过电池组SOH和电池组SOC以及电池组充放电状态获取电池组充放电的索引顺序，最后确定最佳充放电电池组数量及其最佳DOD，并按照最佳充放电电池组数量和最佳DOD，以及索引顺序执行电池组的充放电任务。该技术方案符合实际充放电真实情况，并按照获得的最佳充放电数量及相应最佳DOD，以及索引顺序执行充放电任务，最大程度减少了损耗电池寿命的行为，实现了对BESS的整体优化。

Description

考虑健康状态的储能充放电优化方法及系统
技术领域
本发明涉及充放电优化技术领域，具体涉及一种考虑健康状态的储能充放电优化方法及系统。
背景技术
在系统总容量和投资成本已经确定的情况下，最大程度延长电池储能系统(battery energy storage system，BESS)的使用年限可使BESS发挥最大价值。目前，通过降低BESS损耗、提升其使用寿命的最合理有效的方式是对BESS的电池组充放电行为进行合理的优化调度。
现有考虑BESS充放电优化的技术包括：根据电池荷电状态(state ofcharge,SOC)优化BESS的充放电行为，或根据电池健康状态(state of health，SOH)优化BESS的充放电行为，或者在优化过程中考虑BESS中电池组的电池组电池健康状态SOH、电池放电深度(depth of discharge，DOD)、电池组电池荷电状态SOC、充放电状态切换次数和充放电量中的两种或者三种因素，对BESS的充放电行为进行优化。
但是，仅根据电池荷电状态SOC对BESS进行优化会造成BESS中各电池组老化速度不同，使BESS使用年限大大缩短；而仅根据电池健康状态SOH对BESS进行优化会使新电池处于频繁的深度充放电过程中，同样不利于BESS的最优运行。由此可见，现有的BESS优化技术往往会顾此失彼，在优化某一因素的过程中会加大其他因素对BESS的负面影响，无法实现对BESS的整体优化。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种考虑健康状态的储能充放电优化方法及系统，解决了现有技术无法对BESS进行整体优化的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
第一方面，本发明首先提供一种考虑健康状态的储能充放电优化方法，该方法包括：
基于电力数据确定BESS输出功率，并基于所述BESS输出功率获取电池组SOC曲线；
基于所述电池组SOC曲线获取电池组循环次数及对应DOD；
基于所述电池组循环次数及对应DOD获取电池组SOH；
基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序；
基于所述电池组循环次数及对应DOD确定最佳充放电电池组数量及其对应DOD；
基于所述最佳充放电电池组数量及其对应DOD，按照所述索引顺序执行电池组充放电任务。
优选的，所述基于所述电池组SOC曲线获取电池组循环次数及对应DOD包括：基于电池组SOC曲线利用循环计数法获取电池组循环次数及对应DOD，所述循环计数法包括雨流计数法。
优选的，所述基于所述电池组循环次数及对应DOD获取电池组SOH包括：
S31、基于所述电池组循环次数获取不同DOD下电池组的寿命终点循环次数和等效损耗周期数；
S32、基于所述寿命终点循环次数和等效损耗周期数获取电池组总损耗值；
S33、基于所述电池组总损耗值获取电池组SOH。
优选的，所述基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序包括：
计算所有电池组SOC值，并对电池组SOC值和电池组SOH值进行规范化处理；
按照充放电状态对所有电池组进行分组，并基于规范化处理后的电池组SOC值和电池组SOH为所有电池组赋予编号；
按照所述编号降序排列确定电池组充放电的索引顺序。
优选的，所述基于所述电池组循环次数及对应DOD确定最佳充放电电池组数量及其对应DOD包括：基于所述电池组循环次数及对应DOD，以所有电池组寿命损耗之和最小为目标函数，运用启发式算法确定最佳充放电电池组数量及其对应DOD。
第二方面，本发明还提供了一种考虑健康状态的储能充放电优化系统，该系统包括：
数据采集模块，用于获取电力数据；
数据处理模块，用于基于电力数据确定BESS输出功率，并基于所述BESS输出功率获取电池组SOC曲线；基于所述电池组SOC曲线获取电池组循环次数及对应DOD；基于所述电池组循环次数及对应DOD获取电池组SOH；基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序；
优化调度模块，用于基于所述电池组循环次数及对应DOD确定最佳充放电电池组数量及其对应DOD；
行为调节模块，用于基于所述最佳充放电电池组数量及其对应DOD，按照所述索引顺序执行电池组充放电任务。
优选的，所述数据处理模块基于所述电池组SOC曲线获取电池组循环次数及对应DOD包括：基于电池组SOC曲线利用循环计数法获取电池组循环次数及对应DOD，所述循环计数法包括雨流计数法。
优选的，所述数据处理模块基于所述电池组循环次数及对应DOD获取电池组SOH包括：
S31、基于所述电池组循环次数获取不同DOD下电池组的寿命终点循环次数和等效损耗周期数；
S32、基于所述寿命终点循环次数和等效损耗周期数获取电池组总损耗值；
S33、基于所述电池组总损耗值获取电池组SOH。
优选的，所述数据处理模块基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序包括：
计算所有电池组SOC值，并对电池组SOC值和电池组SOH进行规范化处理；
按照充放电状态对所有电池组进行分组，并基于规范化处理后的电池组SOC值和电池组SOH为所有电池组赋予编号；
按照所述编号降序排列确定电池组充放电的索引顺序。
优选的，所述优化调度模块中所述基于所述电池组循环次数及对应DOD确定最佳充放电电池组数量及其对应DOD包括：基于所述电池组循环次数及对应DOD，以所有电池组寿命损耗之和最小为目标函数，运用启发式算法确定最佳充放电电池组数量及其对应DOD。
(三)有益效果
本发明提供了一种考虑健康状态的储能充放电优化方法及系统。与现有技术相比，具备以下有益效果：
本发明基于电力数据确定BESS输出功率，并确定电池组SOC曲线，然后根据电池组历史SOC曲线获取电池组循环次数及相应DOD，再通过电池组循环次数及对应DOD获取电池组SOH，通过电池组SOH和电池组SOC以及电池组充放电状态获取电池组充放电的索引顺序，最后确定最佳充放电电池组数量及其最佳DOD，并按照最佳充放电电池组数量和最佳DOD，以及上述索引顺序执行电池组充放电任务。该技术方案在计算BESS的SOH时综合考虑了电池组最大循环次数、DOD以及总放电周期数多方面因素，符合实际充放电真实情况，同时在确定电池组充放电索引顺序时综合考虑了SOH、SOC以及电池组充放电状态，最终按照获得的最佳充放电数量及相应最佳DOD，以及索引顺序执行充放电任务，最大程度减少了损耗电池寿命的行为，实现了对BESS的整体优化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明实施例中考虑健康状态的储能充放电优化方法的流程图；
图2为本发明实施例中利用粒子群算法寻找最佳充放电电池组数量及其最佳DOD的流程示意图；
图3为本发明实施例中考虑健康状态的储能充放电优化系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请实施例通过提供一种考虑健康状态的储能充放电优化方法及系统，解决了现有技术无法对BESS进行整体优化的问题，实现了BESS整体最优的目的。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
为了最大程度减少了损耗电池寿命的行为，实现对BESS的整体优化，本发明在对BESS的SOH的计算模型中综合考虑了电池组最大循环次数、DOD，以及总放电周期数多方面因素，符合频繁充放电状态切换会使电池组损耗增加的实际；另外，在确定电池组充放电索引时综合考虑了SOH、SOC以及电池组充放电状态，而充放电索引按照健康值、SOC、充放电先后顺序确定，并以启发式算法确定最佳充放电数量及相应最佳DOD，最后按照最佳充放电数量及相应最佳DOD执行充放电任务。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
为了便于理解，对相关名词和概念进行如下解释：
放电深度(depth ofdischarge，DOD)：放电深度是指从蓄电池取出电量占额定容量的百分比；
健康状态(state ofhealth，SOH)：电池健康状态反映的是电池当前的储电能力相对于新电池的储电能力的比值，以百分比的形式来表示；
荷电状态(state ofcharge,SOC)：电池或者单体电池的荷电状态(SOC)是指某个指定时刻，其可用电荷量与满充状态下可用电荷量的比值，SOC以百分数的形式表示，100％表示荷电状态为满，0表示荷电状态为空。
实施例1：
第一方面，本发明首先提出一种考虑健康状态的储能充放电优化方法，该方法包括：
S1、基于电力数据确定BESS输出功率，并基于上述BESS输出功率获取电池组SOC曲线；
S2、基于上述电池组SOC曲线获取电池组循环次数及对应DOD；
S3、基于上述电池组循环次数及对应DOD获取电池组SOH；
S4、基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序；
S5、基于上述电池组循环次数及对应DOD确定最佳充放电电池组数量及其对应DOD；
S6、基于上述最佳充放电电池组数量及其对应DOD，按照上述索引顺序执行电池组充放电任务。
可见，本实施例基于电力数据确定BESS输出功率，并确定电池组SOC曲线，然后根据电池组历史SOC曲线获取电池组循环次数及相应DOD，再通过电池组循环次数及对应DOD获取电池组SOH，通过电池组SOH和电池组SOC以及电池组充放电状态获取电池组充放电的索引顺序，最后确定最佳充放电电池组数量及其最佳DOD，并按照最佳充放电电池组数量和最佳DOD，以及上述索引顺序执行电池组充放电任务。该技术方案在计算BESS的SOH时综合考虑了电池组最大循环次数、DOD以及总放电周期数多方面因素，符合实际充放电真实情况，同时在确定电池组充放电索引顺序时综合考虑了SOH、SOC以及电池组充放电状态，最终按照获得的最佳充放电数量及相应最佳DOD，以及索引顺序执行充放电任务，最大程度减少了损耗电池寿命的行为，实现了对BESS的整体优化。
在本发明实施例的上述方法中，为了获取更准确的电池组循环次数及相应DOD，一种较佳的处理方式是，基于所述电池组SOC曲线获取电池组循环次数及对应DOD包括：基于电池组历史SOC曲线利用循环计数法获取电池组循环次数及相应DOD，所述循环计数法包括雨流计数法。
实际中，为了符合现实生活中频繁的充放电状态切换会使电池组损耗增加的实际情况，以获得更加准确的电池组SOH，一种较佳的处理方式是，所述基于所述电池组循环次数及对应DOD获取电池组SOH包括：
S31、基于所述电池组循环次数获取不同DOD下电池组的寿命终点循环次数和等效损耗周期数；
S32、基于所述寿命终点循环次数和等效损耗周期数获取电池组总损耗值；
S33、基于所述电池组总损耗值获取电池组SOH。
另外，为了最大程度减少损耗电池寿命的行为，在确定电池组充放电索引时需要综合考虑电池组的SOH、SOC以及电池组充放电状态，一种较佳的处理方式是基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序包括：
计算所有电池组SOC值，并对电池组SOC值和电池组SOH进行规范化处理；
按照充放电状态对所有电池组进行分组，并基于规范化处理后的电池组SOC值和电池组SOH为所有电池组赋予编号；
按照所述编号降序排列确定电池组充放电的索引顺序。
另外，为了在满足充放电需求的同时最大程度减少损耗电池寿命的行为，一种较佳的处理方式是基于所述电池组循环次数及对应DOD，以所有电池组寿命损耗之和最小为目标函数，运用启发式算法确定最佳充放电电池组数量及其对应DOD。
下面结合对步骤S1-S4的具体解释来详细说明本发明一个实施例的实现过程。参见图1，一种考虑健康状态的储能充放电优化方法，该方法包括：
S1、基于电力数据确定BESS输出功率，并基于所述BESS输出功率获取电池组SOC曲线。
根据风电、光伏出力数据，实时负荷数据，以及电网交易数据这些电力数据确定BESS的输出功率，BESS输出功率为所有电池组的总输出功率，即为需要满足的功率值。假设风机发电功率为PWT、光伏发电功率为PPV、系统负荷总功率为PE、向大电网售卖电量的功率为POUT，则BESS输出功率为：
P＝PWT+PPV-PE-POUT
当BESS输出功率P为正值时表示BESS处于蓄电状态，为负值时表示BESS处于放电状态。
然后根据BESS中不同电池组分得的功率绘制各电池组的SOC曲线，每个电池组的SOC曲线是根据自身所分配的功率值绘制的，具体地，以坐标轴横轴为时间轴，纵轴为电池组SOC，各时刻电池组分得功率为曲线斜率即可绘制出电池组SOC曲线，曲线随时间变化而变化。
S2、基于所述电池组SOC曲线获取电池组循环次数及对应DOD。
根据各电池组历史SOC曲线通过循环计数法计算各电池组循环次数及相应DOD。具体的，可使用雨流计数法计算各电池组循环次数及相应DOD。
雨流计数法(又叫塔尖法)，简称雨流法，属于循环计数法的一种，它能根据载荷历程计算出所有的载荷循环。首先把载荷的时间历程绘制成折线图，然后翻转九十度使时间坐标轴竖直向下，将数据记录视为一系列“屋顶”，根据雨点向下流动的轨迹确定出不同的载荷循环，从而分别计算出全循环的幅值和各幅值所对应的频次。电池作为一种储能材料，可以把电池的充放电过程中的充放电深度、充放电循环次数、充放电电流等视为这种特殊材料计算疲劳寿命时的载荷，通过计算得出其载荷幅值和对应的次数，即为储能电池在充放电历史过程中的DOD及对应次数。基于以上分析，可以用雨流计数法计算BESS中各电池组的循环次数及相应DOD。计算循环次数及相应DOD具体过程为：
电池放电深度DOD为电池在一次完整的充放电周期内电池的放电量占其额定电池容量的比值，一次完整的电池充放电过程包括电池的充电半周期和放电半周期，可通过充放电后的SOC值直接计算电池的DOD，即充电过程结束后达到的SOC峰值与放电过程达到的SOC谷值之差。
至此通过BESS充放电历史记录绘制每个电池组SOC曲线，并通过雨流计数法得到电池组循环次数及相应DOD。
S3、基于所述电池组循环次数及对应DOD获取电池组SOH。
根据电池组循环次数及相应DOD计算各电池组SOH，具体过程如下：
S31、基于上述电池组循环次数获取不同DOD下电池组的寿命终点循环次数和等效损耗周期数。
计算不同电池放电深度DOD下的寿命终点循环次数：
Nlife,i,j＝N0(DODi,j)-kp
其中，Nlife,i,j为电池组在某一具体DOD下对应的循环次数；N0为电池组在100％充放电循环的情况下的循环次数；DODi,j为BESS中第i个电池组第j次循环时的DOD；kp为BESS中电池组的固有参数，其只与电池类型有关；
根据循环次数确定等效损耗周期数：
Figure BDA0002966753860000101
其中，Nexpended,j为第j次循环等效的损耗周期数，当j＜N0时，每次循环等效为损耗一个周期，当j≥N0时，等效损耗周期数随j的增大而增大。
S32、基于上述寿命终点循环次数和等效损耗周期数获取电池组总损耗值。
每一次在不同DOD下的循环过程中，电池组损耗记为：
Bexpended,i,j＝Nexpended,j/Nlife,i,j
其中，i为电池组编号，j为循环周期编号，每一次循环对应一个DOD，从而可计算出一次损耗值。
从而电池组的总损耗值为：
Figure BDA0002966753860000102
其中，ni为雨流计数法统计的第i个电池组的循环次数。
S33、基于上述电池组总损耗值获取电池组SOH。
电池组SOH为：
SOHi＝1-Bexpended,i。
S4、基于电池组SOH和电池组SOC以及电池组充放电状态获取电池组充放电的索引顺序。
计算所有电池组SOC，并对电池组SOC和电池组SOH进行规范化处理；按照充放电状态对所有电池组进行分组，并基于规范化处理后的电池组SOC和电池组SOH为所有电池组赋予编号；然后按照所述编号降序排列确定电池组充放电的索引顺序。具体地：
将所有电池组划分为充电组、等待组和放电组，充电状态电池组归入充电组，放电状态电池组归入放电组，无充放电行为或充放电完成的电池组进入等待组。
计算所有电池组SOC：
Figure BDA0002966753860000111
其中，SOCi为第i个电池组电池荷电状态SOC值，Ci为该电池组当前电量，C0为电池组标准容量。
对所有电池组SOH值和SOC值进行规范化处理：
Figure BDA0002966753860000112
Figure BDA0002966753860000113
Figure BDA0002966753860000114
其中，Zi(SOH)为规范化后的SOH，易知规范化后的指标取值范围为[0,1]，且随着SOHi的增大而增大；Zi(SOC1)和Zi(SOC2)均为规范化后的SOC值，易知规范化后的指标取值范围均为[0,1]，其中Zi(SOC1)随着SOCi的增大而减小，Zi(SOC2)随着SOCi的增大而增大。实际中，当电池组SOH低于0.8时认为电池组不可继续使用，故取SOHi∈[0.8,1]，即对应保留SOHi∈[0.8,1]范围内的电池组，其余不满足上述条件的电池组被舍弃；同理，为保证BESS机组能够健康运行，取SOCi∈[0.2,0.8]，即对应保留SOCi∈[0.2,0.8]范围内的电池组，其余不满足上述条件的电池组被舍弃。
为了在充电时，确保充电优先级总体上从高到低分别为充电组、等待组和放电组，所以对应在充电组、等待组和放电组的取值范围后分别加上常数2、1.5和0，则充电时，为所有电池组赋予充电编号可表示为：
充电组内各电池组编号Zi＝Zi(SOH)+Zi(SOC1)+2∈[2,4]；
等待组内各电池组编号Zi＝Zi(SOH)+1.5∈[1.5,2.5]；
放电组内各电池组编号Zi＝Zi(SOH)+Zi(SOC1)∈[0,2]；
充电时，按照充电编号降序确定充电索引，由充电编号的取值范围可知充电优先级总体上从高到低分别为充电组、等待组和放电组；各组内SOH越大充电编号越大、SOC值越小充电编号越大，对应优先级越高；处于不同组间编号取值范围重叠部分的电池组优先级由SOH与SOC的大小关系确定，例如：在计算充电编号时，若充电组内一电池组SOH值和SOC值分别为0.82和0.74，则此电池组计算出来的充电编号为2.2，而如果等待组内一电池组SOH值为0.98，则此电池组计算出来的充电编号为2.4，此时等待组内的电池组充电优先级大于充电组内的电池组，这是因为等待组的电池组SOH值远大于充电组的电池组，且充电组的电池组SOC已较高，此时先充充电编号为2.4的等待组电池组，然后再充充电编号为2.2的充电组电池组。
同理，与充电情况类似，在放电时，为了确保放电优先级总体上从高到低分别为放电组、等待组和充电组，所以对应在放电组、等待组和充电组的取值范围后分别加上常数2、1.5和0，则放电时，为所有电池组赋予放电编号可表示为：
充电组内各电池组编号Zi＝Zi(SOH)+Zi(SOC2)∈[0,2]；
等待组内各电池组编号Zi＝Zi(SOH)+1.5∈[1.5,2.5]；
放电组内各电池组编号Zi＝Zi(SOH)+Zi(SOC2)+2∈[2,4]；
放电时按照放电编号降序确定放电索引，由放电编号的取值范围可知放电优先级总体上从高到低分别为放电组、等待组和充电组。
S5、基于上述电池组循环次数及对应DOD确定最佳充放电电池组数量及其对应DOD。
在确定最佳充放电电池组数量及其对应DOD时，利用启发式算法对该过程进行寻优。启发式算法包括但不限于粒子群算法、遗传算法、蚁群算法、蜂群算法，以及模拟退火算法。而在实际中，为了便于操作，提高算法收敛速度，跳出局部最优解，选择粒子群算法寻找最佳充放电电池组数量及其最佳DOD。
在算法执行过程中，设定变量如下：当充放电电池组数为n0时，变量为各电池组DOD，即
Figure BDA0002966753860000131
以所有电池组寿命损耗之和最小为目标函数，目标函数可用公式表示为：
Figure BDA0002966753860000132
其中，目标函数的约束条件包括：
输出功率约束：
Pmin≤|Pi|≤Pmax
其中，Pmin,Pmax分别为BESS各电池组输入输出功率的最小值和最大值，输入输出功率的最小值即为0，此时电池组处于未工作状态，而最大值为电池组的额定功率，为电池组固有参数；|Pi|为BESS第i个电池组输入输出功率的绝对值。
电池SOC约束：
SOCmin≤SOCi≤SOCmax
其中，SOCmin，SOCmax分别为BESS电池组SOC的最小值和最大值，为保证BESS机组能够健康运行，SOC最小值SOCmin和最大值SOCmax分别取0.2和0.8，处于放电状态的电池组当SOC达到最小值0.2时立即停止放电行为，转入等待状态或充电状态；同理，处于充电状态的电池组当SOC达到最大值0.8时便立即停止充电行为；SOCi为BESS第i个电池组SOC值。
充放电状态约束：
Figure BDA0002966753860000141
总电量平衡约束：
Ei(t+1)＝Ei(t)+I(t)×ΔEi(t)
其中，Ei(t+1),Ei(t)分别为第t+1时刻和第t时刻第i个电池组的总电量(总电量即该时刻电池组内所存储的电量)，ΔEi(t)为t时刻第i个电池组交易的电量(交易电量即为电池组在所计算时刻内的充(放)电量的绝对值)。
参见图2，利用粒子群算法寻找最佳充放电电池组数量及其最佳DOD的大致流程如下：
步骤1：取初始n0＝1。
步骤2：以
Figure BDA0002966753860000142
为变量，
Figure BDA0002966753860000143
为目标函数通过粒子群算法求解，若存在最优解，记
Figure BDA0002966753860000144
转入步骤3；若不存在最优解，直接进入步骤3。
步骤3：令n0＝n0+1，若n0≤N(N为电池组总数)，返回步骤2；否则，转入步骤4。
步骤4：比较所有的
Figure BDA0002966753860000145
输出最小的
Figure BDA0002966753860000146
时所对应的n0和
Figure BDA0002966753860000147
即为最优解。
S6、基于所述最佳充放电电池组数量及其对应DOD，按照所述索引顺序执行电池组充放电任务。
根据上述步骤4中求得的最优解，即最佳充放电电池组数量n0及其对应的DOD按照已确定的充放电索引执行充放电任务，此时所有电池组的总损耗最小，即可使得BESS使用寿命最长。
实施例2：
第二方面，本发明还提出了一种考虑健康状态的储能充放电优化系统，参见图3，该系统包括：
数据采集模块，用于获取电力数据；
数据处理模块，用于基于电力数据确定BESS输出功率，并基于所述BESS输出功率获取电池组SOC曲线；基于所述电池组SOC曲线获取电池组循环次数及对应DOD；基于所述电池组循环次数及对应DOD获取电池组SOH；基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序；
优化调度模块，用于基于所述电池组循环次数及对应DOD确定最佳充放电电池组数量及其对应DOD；
行为调节模块，用于基于所述最佳充放电电池组数量及其对应DOD，按照所述索引顺序执行电池组充放电任务。
可选的，所述数据处理模块基于所述电池组SOC曲线获取电池组循环次数及对应DOD包括：基于电池组SOC曲线利用循环计数法获取电池组循环次数及对应DOD，所述循环计数法包括雨流计数法。
可选的，所述数据处理模块基于所述电池组循环次数及对应DOD获取电池组SOH包括：
S31、基于所述电池组循环次数获取不同DOD下电池组的寿命终点循环次数和等效损耗周期数；
S32、基于所述寿命终点循环次数和等效损耗周期数获取电池组总损耗值；
S33、基于所述电池组总损耗值获取电池组SOH。
可选的，所述数据处理模块基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序包括：
计算所有电池组SOC值，并对电池组SOC值和电池组SOH进行规范化处理；
按照充放电状态对所有电池组进行分组，并基于规范化处理后的电池组SOC值和电池组SOH为所有电池组赋予编号；
按照所述编号降序排列确定电池组充放电的索引顺序。
可选的，所述优化调度模块中所述基于所述电池组循环次数及对应DOD确定最佳充放电电池组数量及其对应DOD包括：基于所述电池组循环次数及对应DOD，以所有电池组寿命损耗之和最小为目标函数，运用启发式算法确定最佳充放电电池组数量及其对应DOD。
可理解的是，本发明实施例提供的考虑健康状态的储能充放电优化系统与上述考虑健康状态的储能充放电优化方法相对应，其有关内容的解释、举例、有益效果等部分可以参考考虑健康状态的储能充放电优化方法中的相应内容，此处不再赘述。
综上所述，与现有技术相比，具备以下有益效果：
1、本发明获取电力数据确定BESS输出功率，并确定电池组SOC曲线，然后根据电池组历史SOC曲线获取电池组循环次数及相应DOD，再通过电池组循环次数及对应DOD获取电池组SOH，通过电池组SOH和电池组SOC以及电池组充放电状态获取电池组充放电的索引顺序，最后确定最佳充放电电池组数量及其最佳DOD，并按照最佳充放电电池组数量和最佳DOD，以及上述索引顺序执行电池组充放电任务。该技术方案在计算BESS的SOH时综合考虑了电池组最大循环次数、DOD以及总放电周期数多方面因素，符合实际充放电真实情况，同时在确定电池组充放电索引顺序时综合考虑了SOH、SOC以及电池组充放电状态，最终按照获得的最佳充放电数量及相应最佳DOD，以及索引顺序执行充放电任务，最大程度减少了损耗电池寿命的行为，实现了对BESS的整体优化；
2、本发明在优化过程中，对BESS的电池健康状态SOH的计算时，不仅考虑了电池组最大循环次数、电池放电深度DOD，还考虑了等效损耗周期数，这更加符合频繁充放电状态切换会使电池组损耗增加的实际，使得最终优化结果更加准确；
3、本发明在确定电池组充放电索引时综合考虑了电池健康状态SOH、电池荷电状态SOC以及电池组充放电状态，且充电索引按照健康值从高到低、电池荷电状态SOC从低到高、充电组到等待组再到放电组的顺序确定；放电索引按照健康值从高到低、电池荷电状态SOC从高到低、放电组到等待组再到充电组的顺序确定，同时又以粒子群算法确定最佳充放电数量及相应的最佳电池放电深度，最大程度避免了损耗电池寿命的行为，使优化更有效。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种考虑健康状态的储能充放电优化方法，其特征在于，
基于风电、光伏出力数据，实时负荷数据以及电网交易数据确定BESS输出功率，并确定电池组SOC曲线；
基于所述电池组SOC曲线获取电池组循环次数及对应DOD；
基于所述电池组循环次数及对应DOD获取电池组SOH；
基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序；
运用启发式算法寻找最佳充放电电池组数量及其对应DOD；
基于所述最佳充放电电池组数量及其对应DOD，按照所述索引顺序执行电池组充放电任务；
所述基于所述电池组循环次数及对应DOD获取电池组SOH包括：
S31、基于所述电池组循环次数获取不同DOD下电池组的寿命终点循环次数和等效损耗周期数；
S32、基于所述寿命终点循环次数和等效损耗周期数获取电池组总损耗值；
S33、基于所述电池组总损耗值获取电池组SOH；
所述基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序包括：
计算所有电池组SOC值，并对电池组SOC值和电池组SOH值进行规范化处理；
按照充放电状态对所有电池组进行分组，并基于规范化处理后的电池组SOC值和电池组SOH为所有电池组赋予编号；
按照所述编号降序排列确定电池组充放电的索引顺序；
所述计算所有电池组SOC值包括：
Figure FDA0003587048100000011
其中，SOCi为第i个电池组电池荷电状态SOC值，Ci为该电池组当前电量，C0为电池组标准容量。
2.如权利要求1所述的方法，其特征在于，所述基于所述电池组SOC曲线获取电池组循环次数及对应DOD包括：基于电池组SOC曲线利用循环计数法获取电池组循环次数及对应DOD，所述循环计数法包括雨流计数法。
3.如权利要求1所述的方法，其特征在于，所述启发式算法包括粒子群算法、遗传算法、蚁群算法、蜂群算法或模拟退火算法。
4.一种考虑健康状态的储能充放电优化系统，其特征在于，所述系统包括：
数据获取模块，用于获取风电、光伏出力数据，实时负荷数据以及电网交易数据；
数据处理模块，用于基于风电、光伏出力数据，实时负荷数据以及电网交易数据确定BESS输出功率，并确定电池组SOC曲线；基于所述电池组SOC曲线获取电池组循环次数及对应DOD；基于所述电池组循环次数及对应DOD获取电池组SOH；基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序；
优化调度模块，用于运用启发式算法寻找最佳充放电电池组数量及其对应DOD；
行为调节模块，用于基于所述最佳充放电电池组数量及其对应DOD，按照所述索引顺序执行电池组充放电任务；
所述数据处理模块基于所述电池组循环次数及对应DOD获取电池组SOH包括：
S31、基于所述电池组循环次数获取不同DOD下电池组的寿命终点循环次数和等效损耗周期数；
S32、基于所述寿命终点循环次数和等效损耗周期数获取电池组总损耗值；
S33、基于所述电池组总损耗值获取电池组SOH；
所述基于电池组SOH和电池组SOC值以及电池组充放电状态获取电池组充放电的索引顺序包括：
计算所有电池组SOC值，并对电池组SOC值和电池组SOH值进行规范化处理；
按照充放电状态对所有电池组进行分组，并基于规范化处理后的电池组SOC值和电池组SOH为所有电池组赋予编号；
按照所述编号降序排列确定电池组充放电的索引顺序；
所述计算所有电池组SOC值包括：
Figure FDA0003587048100000031
其中，SOCi为第i个电池组电池荷电状态SOC值，Ci为该电池组当前电量，C0为电池组标准容量。
5.如权利要求4所述的系统，其特征在于，所述数据处理模块基于所述电池组SOC曲线获取电池组循环次数及对应DOD包括：基于电池组SOC曲线利用循环计数法获取电池组循环次数及对应DOD，所述循环计数法包括雨流计数法。
6.如权利要求4所述的系统，其特征在于，所述优化调度模块中启发式算法包括粒子群算法、遗传算法、蚁群算法、蜂群算法或模拟退火算法。
CN202110252880.1A 2021-02-10 2021-03-09 考虑健康状态的储能充放电优化方法及系统 Active CN113176511B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2021101839076 2021-02-10
CN202110183907 2021-02-10

Publications (2)

Publication Number Publication Date
CN113176511A CN113176511A (zh) 2021-07-27
CN113176511B true CN113176511B (zh) 2022-07-12

Family

ID=76921899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110252880.1A Active CN113176511B (zh) 2021-02-10 2021-03-09 考虑健康状态的储能充放电优化方法及系统

Country Status (2)

Country Link
US (1) US11721994B2 (zh)
CN (1) CN113176511B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113391213B (zh) * 2021-07-30 2023-03-24 湖北工业大学 一种基于电池组一致性演变的电池微故障诊断方法
CN113625172B (zh) * 2021-08-11 2024-06-07 万克能源科技有限公司 锂电池储能运维优化影响因子分析方法
CN115877242A (zh) * 2021-09-26 2023-03-31 比亚迪股份有限公司 一种电池健康状态的评估方法、电子设备及可读存储介质
FR3131386B1 (fr) * 2021-12-28 2024-10-04 Commissariat A Lenergie Atomique Et Aux Energies Alternatives Détermination de l’état de santé d’un accumulateur électrique par conversion
CN115027321A (zh) * 2022-06-21 2022-09-09 三一重机有限公司 换电调度方法、系统及换电站
CN115389945B (zh) * 2022-08-30 2024-07-30 武汉理工大学 退役电池soh的确定方法、装置、电子设备以及存储介质
CN116191626B (zh) * 2023-03-31 2024-05-31 重庆博与精供应链管理有限公司 户用储能系统电池管理方法、装置及系统
CN116780689A (zh) * 2023-05-25 2023-09-19 广东博通新能源科技有限公司 多分支大容量储能电池簇均衡装置及协同控制方法
CN117129899B (zh) * 2023-08-31 2024-05-10 重庆跃达新能源有限公司 一种电池健康状态预测管理系统及方法
CN117665630B (zh) * 2024-02-01 2024-04-12 云储新能源科技有限公司 一种基于充放电循环数据的电池寿命预测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105226777A (zh) * 2015-09-22 2016-01-06 国网上海市电力公司 一种储能系统的功率控制方法
CN107408831A (zh) * 2015-03-23 2017-11-28 西门子公司 用于对储能器进行充电或放电的方法和装置
CN107465204A (zh) * 2017-08-31 2017-12-12 中国电力科学研究院 一种储能电站中多电池组功率优化分配方法和装置
CN109085507A (zh) * 2018-07-31 2018-12-25 中国电力科学研究院有限公司 一种评估储能电池健康状态的方法和系统
CN111049170A (zh) * 2019-12-20 2020-04-21 李喆骁 考虑温度损耗的调峰储能系统、运行优化方法和装置
CN111724080A (zh) * 2020-06-29 2020-09-29 南京工程学院 一种考虑电池组健康状态平衡的移动充电桩群体调度方法
CN111753471A (zh) * 2020-07-07 2020-10-09 国网江苏省电力有限公司经济技术研究院 一种储能电池的优化运行方法
CN112086975A (zh) * 2020-09-01 2020-12-15 东南大学 一种协调多储能单元参与二次调频的优化调度方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102332337B1 (ko) * 2015-01-30 2021-11-29 삼성에스디아이 주식회사 배터리 시스템 및 이를 포함하는 에너지 저장 시스템
CN104795831B (zh) 2015-05-12 2017-08-29 山东建筑大学 基于变下垂控制的电池储能系统充放电控制方法及系统
CN106451508B (zh) 2016-10-13 2020-02-04 深圳职业技术学院 分布式混合储能系统配置、充放电方法及装置
US11637331B2 (en) * 2017-11-20 2023-04-25 The Trustees Of Columbia University In The City Of New York Neural-network state-of-charge and state of health estimation
CN109103953B (zh) * 2018-08-23 2021-07-20 广州市香港科大霍英东研究院 一种电池组主动均衡控制方法、系统及装置
US11772512B2 (en) * 2018-08-27 2023-10-03 Panasonic Intellectual Property Management Co., Ltd. Vehicle power supply system and vehicle dispatch system
WO2021033481A1 (ja) * 2019-08-21 2021-02-25 パナソニックＩｐマネジメント株式会社 管理システム、管理プログラム、及び電動車両
CN110544950B (zh) 2019-09-05 2021-02-26 南方电网科学研究院有限责任公司 一种储能电池充放电控制方法、装置和设备
US11703548B2 (en) * 2020-04-03 2023-07-18 Cummins Inc. Methods and systems for accelerated determining of state of health using incremental capacity analysis
US20220111759A1 (en) * 2020-10-09 2022-04-14 Our Next Energy, Inc. Supplying power to an electric vehicle

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107408831A (zh) * 2015-03-23 2017-11-28 西门子公司 用于对储能器进行充电或放电的方法和装置
CN105226777A (zh) * 2015-09-22 2016-01-06 国网上海市电力公司 一种储能系统的功率控制方法
CN107465204A (zh) * 2017-08-31 2017-12-12 中国电力科学研究院 一种储能电站中多电池组功率优化分配方法和装置
CN109085507A (zh) * 2018-07-31 2018-12-25 中国电力科学研究院有限公司 一种评估储能电池健康状态的方法和系统
CN111049170A (zh) * 2019-12-20 2020-04-21 李喆骁 考虑温度损耗的调峰储能系统、运行优化方法和装置
CN111724080A (zh) * 2020-06-29 2020-09-29 南京工程学院 一种考虑电池组健康状态平衡的移动充电桩群体调度方法
CN111753471A (zh) * 2020-07-07 2020-10-09 国网江苏省电力有限公司经济技术研究院 一种储能电池的优化运行方法
CN112086975A (zh) * 2020-09-01 2020-12-15 东南大学 一种协调多储能单元参与二次调频的优化调度方法

Also Published As

Publication number Publication date
US11721994B2 (en) 2023-08-08
US20210234387A1 (en) 2021-07-29
CN113176511A (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
CN113176511B (zh) 考虑健康状态的储能充放电优化方法及系统
CN113043917B (zh) 一种多堆燃料电池混合动力系统分层控制方法
CN114123280B (zh) 一种考虑系统效率的电池储能电站能量管理方法
CN116388245A (zh) 光储充一体化电站储能容量配置方法及相关设备
CN116388252B (zh) 风电场储能容量优化配置方法、系统、计算机设备及介质
CN114865668A (zh) 一种储能调度支撑评估方法
CN110531269B (zh) 一种串并联组合式电池堆的soc估算方法及电池管理系统
CN114938035A (zh) 考虑储能退化成本的共享储能能量调度方法及系统
CN116545080A (zh) 电池充电控制方法、控制装置和储能系统、存储介质
CN113206508A (zh) 基于预测的微电网储能电池主动均衡方法
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
CN206925025U (zh) 一种采用三阶段法的锌银电池分选设备
CN117375048A (zh) 一种多目标优化储能系统功率分配方法
CN116258417A (zh) 一种基于nsga-2遗传算法的锂电池均衡指标优化方法
CN113608130B (zh) 电池簇荷电状态在线估算方法
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
CN114447963A (zh) 储能电池功率控制方法及系统
CN107332262B (zh) 一种多类型混合储能的能量优化管理方法
CN110729759B (zh) 一种微电网中分布式电源配置方案的确定方法及装置
Wang et al. Energy management of battery energy storage station considering system operation efficiency
Valladolid et al. Lithium-ion SOC optimizer consumption using accelerated particle swarm optimization and temperature criterion
CN106253316A (zh) 一种蓄电池充放电功率与荷电状态的预测方法
CN113595149A (zh) 一种基于氢光储联合发电系统的功率协调控制方法
Zheng et al. Optimal Energy Allocation Algorithm of Li-Battery/Super capacitor Hybrid Energy Storage System Based on Dynamic Programming Algorithm
Wilhelm et al. Energy management for a fuel cell/battery hybrid system

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