CN113777517B - 储能电站短板电芯筛选方法 - Google Patents

Abstract

本发明涉及一种储能电站短板电芯筛选方法，获取各电芯的电压极值、电压变化量、温度极值与升温最快速率；根据电压变化量与升温最快速率分别估算电芯容量与电芯内阻；根据各电芯的电芯容量、电压极值、电芯内阻与温度极值构建电芯筛选矩阵；对电芯筛选矩阵依次求方差与傅里叶变换，获得各电芯方差数据在横轴偏移量上的偏差值；判断偏差值是否大于设定阈值，若是，则视为短板电芯。上述储能电站短板电芯筛选方法，通过对每个电芯各种数据进行运算加权，建立以偏差值为基础的电芯筛选矩阵，能够对整个储能电站的上千枚电芯进行检测，通过对电芯多项数据偏差量进行计算，而并非简单筛选充放电终点电压，能够排除外界干扰，更准确的确定短板电芯。

Description

储能电站短板电芯筛选方法

技术领域

本发明涉及储能电池技术领域，特别是涉及一种储能电站短板电芯筛选方法。

背景技术

随着国家对新能源行业的政策倾斜，锂电池及BMS系统被大量应用在诸多领域。储能电池系统对锂电池一致性要求很高，在锂电池的制造过程中，虽然经过检测挑选，但目前工艺水平仍无法保证电芯完全一致，在储能电站运行过程中不可避免的会出现性能较差的短板电芯。短板电芯会对储能电站充放电一致性、总容量、热环境等造成不利影响。若无法及时发现短板电芯，使得储能电站在一段时间里性能变差，短板电芯在参与正常电芯的循环充放电过程中形成恶性循环，影响设备运行安全。

发明内容

基于此，有必要针对上述技术问题，提供一种可以筛选储能电站短板电芯的储能电站短板电芯筛选方法。

一种储能电站短板电芯筛选方法，所述方法包括：

获取各电芯的电压极值、电压变化量、温度极值与升温最快速率；

根据所述电压变化量与升温最快速率分别估算电芯容量与电芯内阻；

根据各电芯的电芯容量、电压极值、电芯内阻与温度极值构建电芯筛选矩阵；

对所述电芯筛选矩阵依次求方差与傅里叶变换，获得各电芯方差数据在横轴偏移量上的偏差值；

判断所述偏差值是否大于设定阈值，若是，则视为短板电芯。

进一步的，所述电压极值包括放电终止电压值与充电终止电压值，所述电压变化量包括充电电压变化量与放电电压变化量；所述获取各电芯的电压极值、电压变化量，包括：

分别采集电芯充放电过程中的放电起始电压、放电终止电压、充电起始电压与充电终止电压，所述充电电压变化量为所述充电终止电压与充电起始电压的差值，所述放电电压变化量为所述放电起始电压与放电终止电压的差值。

进一步的，所述温度极值为温度最大值，所述获取各电芯的升温最快速率，包括：

采集并记录电芯在充放电过程中的温度值；

对所述温度值进行微分运算，获得微分极大值。

进一步的，所述根据各电芯的电芯容量、电压极值、电芯内阻与温度极值构建电芯筛选矩阵，包括：

将各电芯的电芯容量、电压极值、电芯内阻与温度极值分别组成四个相应的数据矩阵；

分别对所述四个相应的数据矩阵求方差，获得四个相应的数据方差矩阵；

将所述四个相应的数据方差矩阵乘以对应的权重系数后进行相加，获得电芯筛选矩阵。

进一步的，所述判断所述偏差值是否大于设定阈值，包括：

若否，则将所述偏差值进行积累迭代，并回代至所述电芯筛选矩阵。

进一步的，所述若是，则为短板电芯之后，包括：

对储能电站充电至所有电芯满电；

对储能电站放电至低电压阈值；

判断所述短板电芯的终点电压是否为所有电芯的最低值，若是，则确定为短板电芯。

进一步的，所述判断所述短板电芯的终点电压是否为所有电芯的最低值，还包括：

上述储能电站短板电芯筛选方法，通过对每个电芯各种数据进行运算加权，建立以偏差值为基础的电芯筛选矩阵，能够对整个储能电站的上千枚电芯进行检测，通过对电芯多项数据偏差量进行计算，而并非简单筛选充放电终点电压，能够排除外界干扰，更准确的确定短板电芯。

附图说明

图1为一个实施例的储能电站短板电芯筛选方法流程图；

图2为短板电芯复检流程图。

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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，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做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。

如图1所示，在一个实施例中，一种储能电站短板电芯筛选方法，包括：

步骤S110，获取各电芯的电压极值、电压变化量、温度极值与升温最快速率。电压极值包括放电终止电压值与充电终止电压值。电压变化量包括充电电压变化量与放电电压变化量。获取各电芯的电压极值、电压变化量，包括：分别采集电芯充放电过程中的放电起始电压、放电终止电压、充电起始电压与充电终止电压。充电电压变化量为充电终止电压与充电起始电压的差值，放电电压变化量为所述放电起始电压与放电终止电压的差值。BMS采集储能电站中各电芯信息，在充电过程中，采集充电起始电压值与充电终止电压值，放电过程采集放电起始电压值与放电终止电压值，并且同时采集其起始温度及终止温度。各信号采集结束后，取得各电芯整个过程中电压变化量，充电过程的电压最大值，即充电终止电压值；放电过程的电压最小值，即放电终止电压值。温度极值为温度最大值。获取各电芯的升温最快速率，包括：采集并记录电芯在充放电过程中的温度值；对该温度值进行微分运算，获得微分极大值，即升温最快速率。

步骤S120，根据电压变化量与升温最快速率分别估算电芯容量与电芯内阻。由电压变化量可以估计电芯容量，由温度变化速率与升温最快速率可以估计电芯内阻。

步骤S130，根据各电芯的电芯容量、电压极值、电芯内阻与温度极值构建电芯筛选矩阵。具体的，将各电芯的电芯容量、电压极值、电芯内阻与温度极值分别组成四个相应的数据矩阵；分别对四个相应的数据矩阵求方差，获得四个相应的数据方差矩阵；将四个相应的数据方差矩阵乘以对应的权重系数后进行相加，获得电芯筛选矩阵。由于电芯容量，电压极值，电芯内阻，温度极值，对电芯的影响比例不同，选取适当的权重系数与每个矩阵相乘，并将矩阵相加，得到电芯筛选矩阵。在工程实施中，根据项目的不同，对电芯容量、电压极值、电芯内阻、温度极值的重视程度会有所不同。引入权重系数旨在突出某项参数对结果的影响，或减弱某项系数对结果的影响。权重系数的取值一般随项目侧重，依经验确定。举例说明：默认状态下，认为各项权重相同，全部取为1。若某项目需要对电压极值较为关注，对电芯内阻不关心，则可设置电芯容量的权重系数为1.1，电压极值的权重系数为1.9，电芯内阻的权重系数为0.8，温度极值的权重系数为1。

步骤S140，对电芯筛选矩阵依次求方差与傅里叶变换，获得各电芯方差数据在横轴偏移量上的偏差值。为体现每节电芯数据与平均数据的变化量，对筛选矩阵求方差，并对所得数据进行傅里叶变换。傅里叶变换将电芯筛选矩阵转化为各电芯方差数据在横轴偏移量上的数量分布，即偏差值。

步骤S150，判断偏差值是否大于设定阈值，若是，则视为短板电芯。若否，则判断为无短板电芯，将偏差值进行积累迭代，并回代至电芯筛选矩阵。若经傅里叶变换后，无电芯的偏差值超过设定阈值，则判断为无短板电芯，偏差值将作为积累数据回代电芯筛选矩阵。若有电芯的偏差值超过设定阈值则视为出现短板电芯。可能出现多个偏差值超过设定阈值，则说明出现多个短板电芯。

上述储能电站短板电芯筛选方法，通过对每个电芯各种数据进行运算加权，建立以偏差值为基础的电芯筛选矩阵，能够对整个储能电站的上千枚电芯进行检测，通过对电芯多项数据偏差量进行计算，而并非简单筛选充放电终点电压，能够排除外界干扰，更准确的确定短板电芯。

同时，能够对于偏差值接近阈值但未达到阈值的电芯做出短板电芯预警。针对电压，温度，容量等不同参数，对电芯矩阵采取不同的加权策略，消除外界影响带来的误差。

另外，引发储能电站容量下降的短板电芯往往只能体现为最短板电芯，但是，在储能电站的储能系统中，性能较差的短板电芯可能有多枚，传统的方法一般只能检测出最短板电芯，难以对其他短板电芯进行检测。本发明可以同时筛查出大于一个短板电芯。

在本实施例中，在步骤S150之后，包括：

步骤S151，对储能电站充电至所有电芯满电。出现短板电芯，系统即进入短板电芯复检流程。在下一次充电流程时，储能电站将充至满电，并且开启均衡，对所有电芯进行电压一致性均衡，保证所有电芯都充至满电。

步骤S152，对储能电站放电至低电压阈值。之后在下一次放电过程中，将设备放电至设备低电压阈值。

步骤S153，判断所述短板电芯的终点电压是否为所有电芯的最低值，若是，则确定为短板电芯。若否，则排除短板电芯。此时检测短板电芯终点电压，若其为所有电芯最低值，则可确定该电芯为短板电芯。若短板电芯终点电压并不是最低，则可排除该电芯，将该电芯数据重置，并返回电芯筛选矩阵重新迭代。

本发明为避免少数检测带来的误检测，设计了复检流程进行综合的判断，综合判定短板电芯。每次检测数据均成为积累数据，参加筛选矩阵运算，使得短板电芯离群数据积累放大，更精确的确定短板电芯。

以下为本发明的工作原理：

短板电芯是由于生产过程中电芯个体性能差异自然产生的，在多次循环充放电过程中，其性能劣化较其他电芯更为严重，具体体现为内阻显著变大，容量变小。则在实际充放电过程中，由于其内阻变大，发热量会显著增大，过热导致其内部化学反应产生不可逆劣化，导致其内阻继续变大，电芯容量变小。由于电芯容量变小，则在充电过程中更容易到达电压上限阈值，放电过程中更容易到达电压下限阈值。但由于无法保证充放电起始阶段每个电芯的电压一致性，仅检测充放电终点时刻的电芯极值是不可靠的。所以在BMS系统中，除了记录每次充放电过程中的极值电压，还需要检测每节电芯在充放电过程中的起始电压和终止电压，估算出电芯的容量。在充放电过程中，短板电芯由于其内阻增大，发热更大，其温度变化速率将更大，并且其温度极值也将更大，所以BMS系统需要记录一次充放电过程中的温度最大值，并且计算出温度微分极大值。

在储能电站中，为保证所需电压与容量，需要将上千枚电芯通过串联并联互相连接起来。所有电芯的数据按照规定的顺序排列，即可形成各项数据的数据矩阵。但由于各项数据单位和大小差别较大，无法直接比较，则需要对各数据矩阵进行方差计算，得到每节电芯较所有电芯平均值的偏差量，各偏差量间可以相互计算。由于终点电压、容量、电芯内阻、温度对电芯的影响程度并不相同，为了体现这种差异，需要为其定义各自的权重系数，每项数据矩阵乘以相应的权重系数后相加，即得到电芯筛选矩阵。

电芯筛选矩阵是各电芯各项数据与平均值偏差量的和，为了体现每节电芯与平均值间的偏差差异，需要对电芯筛选矩阵进行方差计算。此时的矩阵数据代表偏差值，对矩阵数据进行离散数据傅里叶变换，则可得到横轴为偏差值，纵轴为数据分布数量的图谱。定义某偏差值为短板阈值，则位于短板阈值右侧的数据所对应的电芯即为短板电芯。需要注意的是，位于短板阈值右侧的数据并不一定为唯一的，大于一个说明可能存在多个短板电芯。位于短板阈值附近但未超过阈值的数据可认为可能发展为短板电芯的数据，需予以预警。

若无数据位于短板阈值右侧，则认为无短板电芯，将矩阵数据作为积累数据回代至电芯筛选矩阵，以使其偏差值积累迭代，消除单次检测可能带来的误差。若能够确定疑似的短板电芯，则BMS系统进入短板电芯复检流程。在下次充电过程中，将整个充值满电。由于无法保证电芯间的电压一致性，需要进行均衡，保证各电芯间的电压值一直。在下一次放电过程中，将电芯充分放电，直到BMS检测到有电芯到达电压最低阈值结束放电。此时检测疑似短板电芯电压是否为电压最低值。若为最低值，则可以确认该电芯即为短板电芯。若不为最低值，则可排除短板电芯，将该电芯数据重置，并返回至电芯筛选矩阵重新迭代。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种储能电站短板电芯筛选方法，其特征在于，所述方法包括： 获取各电芯的电压极值、电压变化量、温度极值与升温最快速率；根据所述电压变化量与升温最快速率分别估算电芯容量与电芯内阻；

根据各电芯的电芯容量、电压极值、电芯内阻与温度极值构建电芯筛选 矩阵，包括：

将各电芯的电芯容量、电压极值、 电芯内阻与温度极值分别组成四个相 应的数据矩阵；

分别对所述四个相应的数据矩阵求方差，获得四个相应的数据方差矩 阵；

将所述四个相应的数据方差矩阵乘以对应的权重系数后进行相加， 获得 电芯筛选矩阵；

对所述电芯筛选矩阵依次求方差与傅里叶变换，获得各电芯方差数据在 横轴偏移量上的偏差值；

判断所述偏差值是否大于设定阈值，若是，则视为短板电芯。

2.根据权利要求 1所述的储能电站短板电芯筛选方法，其特征在于， 所述电压极值包括放电终止电压值与充电终止电压值，所述电压变化量包括 充电电压变化量与放电电压变化量；所述获取各电芯的电压极值、电压变化 量，包括：

分别采集电芯充放电过程中的放电起始电压、放电终止电压、充电起 始电压与充电终止电压，所述充电电压变化量为所述充电终止电压与充电起 始电压的差值，所述放电电压变化量为所述放电起始电压与放电终止电压的 差值。

3.根据权利要求 1所述的储能电站短板电芯筛选方法，其特征在于， 所述温度极值为温度最大值，所述获取各电芯的升温最快速率，包括：

采集并记录电芯在充放电过程中的温度值；

对所述温度值进行微分运算，获得微分极大值。

4.根据权利要求 1所述的储能电站短板电芯筛选方法，其特征在于， 所述若是，则为短板电芯之后，包括：对储能电站充电至所有电芯满电；

对储能电站放电至低电压阈值；

判断所述短板电芯的终点电压是否为所有电芯的最低值， 若是， 则确定 为短板电芯。

5.根据权利要求 4所述的储能电站短板电芯筛选方法，其特征在于， 所述判断所述短板电芯的终点电压是否为所有电芯的最低值，还包括：

若否，则排除短板电芯。