CN114742447A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114742447A CN114742447A CN202210465179.2A CN202210465179A CN114742447A CN 114742447 A CN114742447 A CN 114742447A CN 202210465179 A CN202210465179 A CN 202210465179A CN 114742447 A CN114742447 A CN 114742447A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- battery
- single battery
- evaluation index
- grade
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004146 energy storage Methods 0.000 title claims abstract description 35
- 230000002068 genetic effect Effects 0.000 claims description 11
- 230000036541 health Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 239000000178 monomer Substances 0.000 abstract 1
- 230000006870 function Effects 0.000 description 20
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 9
- 229910001416 lithium ion Inorganic materials 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation 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
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Physiology (AREA)
- Secondary Cells (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Genetics & Genomics (AREA)
- Operations Research (AREA)
Abstract
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，涉及电池梯次利用领域。本发明针对现有技术中的电池梯次利用评价时并未考虑电池各个状态参数的劣化过程，以至影响电池梯次利用效果。本发明选择单体电池的评价因素根据
得到单体电池的评价指标A(x)；根据所述评价指标确定该单体电池所属的等级。本发明考虑了电池状态参数的劣化过程，实现了电池梯次利用评价指标的准确估算。
Description
技术领域
本发明涉及电池梯次利用领域，特别是涉及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。
背景技术
随着科技的发展，锂离子电池因其优于传统电化学能源的特性成为满足电动汽车能源和动力需求的最具发展前景的能源体系。由于锂离子电池应用越来越为广泛，从电动汽车等大功率的应用领域退役的电池越来越多，为了实现物尽其用，将锂离子电池回收并采用梯次利用的方式使锂离子电池充分发挥剩余价值。当锂离子电池容量衰减至80％时，不能继续在电动汽车等大功率领域复议，通常将其应用在储能系统领域。储能电池系统是一个非常复杂的化学系统，储能系统中的单体电池的性能会对储能电池系统产生很大影响，而影响的因素有很多，比如：工作温度、充放电电流以及电压等。虽然这些电池的状态参数如：电压、电流及温度等可以实时测量，但是描述储能电池梯次利用的评价指标，如内阻、容量、SOC等参数需要通过对上述实测参数的计算而得到。此外，这些评价指标在储能电池全寿命周期在役期间，会受到多种因素影响而导致发生缓慢的劣化，现有技术中的电池梯次利用评价时并未考虑电池各个状态参数的劣化过程，以至影响电池梯次利用效果。
发明内容
为了解决上述问题，本发明提供了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，考虑了电池状态参数的劣化过程，实现了电池梯次利用评价指标的准确估算。
本发明提供了一种单体电池的梯次利用评价指标的估算方法，包括如下步骤：
S1、选择单体电池的评价因素；
S2、根据下式得到单体电池的评价指标A(x)为：
其中，A(x)表示单体电池x的评价指标，ai表示第i个评价因素的权重系数，fi(x)为单体电池x的第i个评价因素的目标函数，n为评价因素的个数；
S3、根据所述评价指标确定该单体电池所属的等级。
进一步的，所述评价因素为电池的额定容量、直流内阻、荷电状态、功率健康度、计划内阻、温度中的两种或两种以上的组合。
进一步的，评价因素为额定容量时的目标函数为：
f(x)＝Q(x)；
其中，Q(x)为单体电池x当前的实际容量。
进一步的，评价因素为直流内阻时的目标函数为：
其中，U(x)o为单体电池x的开路电压，U(x)r为单体电池x的负载电压，Ir为系统的负载电流。
进一步的，评价因素为荷电状态时的目标函数为：
式中，Q0为单体电池x的当前额定容量，I为单体电池x在上一次充满电以后，到t时刻期间的电流，t∫Idt表示流经负载的电流历经时间t的积分，即已经释放的容量。
进一步的，所述权重系数ai的获取方法包括：
S21、将各个目标函数中的变量进行标准化处理；
S22、利用遗传算法得到最优的各个权重系数：
进一步的，步骤S22包括：
S221、将储能系统单体电池的全部历史数据作为遗传算法的初始种群；
S222、将所述初始种群划分成n个子群体，对每一个子群体分配一个目标函数；
S223、计算各个子群体的适应度，提出适应度低的个体，剩余的个体构成新的子群体，新的子群体构成新的种群；
S224、进行交叉变异操作，生成下一代完整群体，判断是否到达结束条件，若是，生成最优解为各目标函数的权重系数，若否，重复执行S223。
进一步的，所述电池的等级划分方法包括：
当评价指标的数值在(0.8，1.0]范围内时，此时单体电池属于第一级，该等级的单体电池可以再成组使用；
当评价指标的数值在(0.7，0.8]范围内时，此时单体电池属于第二级，该等级的单体电池可用于储能领域；
当评价指标的数值在(0.6，0.7]范围内时，此时单体电池属于第三级，该等级的单体电池可用于小电流供电领域；
当评价指标的数值在(0.5，0.6]范围内时，此时单体电池属于第四级，该等级的单体电池可用于安全性要求不高的领域；
当评价指标的数值在(0，0.5]范围内时，此时单体电池属于第五级，该等级的单体电池淘汰处理。
本发明另一方面提供了一种单体电池的梯次利用评价指标的估算装置，包括：
选择模块，用以选择单体电池的评价因素；
指标估算模块，根据下式得到单体电池的评价指标A(x)：
其中，A(x)表示单体电池x的评价指标，ai表示第i个评价因素的权重系数，fi(x)为单体电池x的第i个评价因素的目标函数，n为评价因素的个数。
等级输出模块，根据所述评价指标确定该单体电池所属的等级。
一种储能电池系统，包括若干串联连接的单体电池，所述单体电池所属的等级相同或相邻。
如上所述，本发明提供的一种单体电池的梯次利用评价指标的估算方法及装置，具有如下效果：
1、本发明可以根据需要选择不用的评价因素，根据具体单体电池的具体情况灵活的选择不同的评价因素组合，并且采用遗传算法计算选择的评价因素的权重系数数值，对所选取的样本适应性很强，易于待机和计算，参数少，模型简单。
2、本发明中各个评价因素的获取方法简单，有些甚至可以直接通过直接测量的方法获取，简化了具体的计算过程。
3、本发明先对电池系统的使用情况进行量化，进而依据这些量化后的指标对储能电池系统开展梯次利用的评判，实现了储能电池梯次利用时的量化评价指标以及装置，可以对各种型号的电池进行评判，应用领域更为广泛，估算装置结构简单，搭建方便，适用各种应用场合，本发明对储能电池梯次利用评价指标的估算研究，对于预防电池安全事故的发生及电池梯次再利用处理提供了一种准确而行之有效的方法。
附图说明
图1为本发明具体实施例的储能电池系统梯次利用评判方法流程图；
图2为本发明具体实施例的储能电池系统梯次利用评判估算装置的原理框图；
图3为本发明具体实施例的电池恒流放电电压曲线图；
图4为本发明具体实施例的电池恒流放电电流曲线图；
图5为本发明具体实施例的储能电池系统梯次利用评判指标散点图；
图6为本发明具体实施例采用遗传算法开展权重系数寻优解的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1所示，本发明提供了一种单体电池的梯次利用评价指标的估算方法，包括如下步骤：
S1、选择n个单体电池的评价因素；
由于电池所述评价因素为电池的额定容量、直流内阻、荷电状态、功率健康度、极化内阻、温度中的两种或两种以上的组合，在实际使用过程中，评价因素根据实际的工程需要或实际的工程现状进行选择，所述工程现状包括例如测量方法、测试仪器所能获得的评价参数等，例如，选择的评价因素组合为额定容量Q(x)和直流内阻R(x)组合、额定容量Q(x)、直流内阻R(x)和荷电状态SOC(x)的组合、额定容量Q(x)和荷电状态SOC(x)的组合或直流内阻R(x)和荷电状态SOC(x)的组合，在评价指标估算过程中，评价因素选择的越多，评价指标的计算结果也就越精确。
S2、根据下式得到单体电池的评价指标A(x)：
其中，A(x)表示单体电池x的评价指标，ai表示第i个评价因素的权重系数，fi(x)为单体电池x的第i个评价因素的目标函数；
当评价因素为额定容量时，所述额定容量为单体电池x在离线模式下测得的当前时刻的实际容量Q(x)，额定容量的目标函数为：
f(x)＝Q(x)；
当评价因素为直流内阻时，所述的电池直流内阻R(x)为根据电池开路电压、负载电压和负载电流获取单体电池x的实际内阻，其目标函数为：
式中，U(x)o为单体电池x的开路电压，U(x)r为单体电池x的负载电压，Ir为系统的负载电流。
当评价因素为荷电状态时，所述的电池荷电状态SOC(x)为根据安时积分法计算所得到单体电池x在t时刻的荷电状态，其目标函数为：
式中，Q0为单体电池x的当前额定容量，I为单体电池x在上一次充满电以后，到t时刻期间的电流，t∫Idt表示流经负载的电流历经时间t的积分，即已经释放的容量。
其余评价因素的目标函数确定方法可以采用现有的方法进行测量或计算得到，在此不再赘述。
当选择的评价因素为额定容量Q(x)和直流内阻R(x)时，此时n＝2，根据额定容量Q(x)和直流内阻R(x)两个评价因素得到单体电梯电池的评价指标A(x)为：
A(x)＝a1f1(x)+a2f2(x)＝a1Q(x)+a2R(x)；
其中，α1为额定容量Q(x)的权重系数，α2为直流内阻R(x)的权重系数；
当选择的评价因素为额定容量Q(x)、直流内阻R(x)和荷电状态SOC(x)时，此时n＝3，根据额定容量Q(x)、直流内阻R(x)和荷电状态SOC(x)三个评价因素得到单体电池的评价指标A(x)为：
A(x)＝a1f1(x)+a2f2(x)+a3f3(x)＝a1Q(x)+a2R(x)+a3SOC(x)；
其中，α1为额定容量Q(x)的权重系数，α2为直流内阻R(x)的权重系数，α3为荷电状态SOC(x)的权重系数；
当选择的评价因素为额定容量Q(x)和荷电状态SOC(x)时，此时n＝2，根据额定容量Q(x)和荷电状态SOC(x)两个评价因素得到单体电池的评价指标A(x)为：
A(x)＝a1f1(x)+a2f2(x)＝a1Q(x)+a2SOC(x)；
其中，α1为额定容量Q(x)的权重系数，α2为荷电状态SOC(x)的权重系数；
当选择的评价因素为直流内阻R(x)和荷电状态SOC(x)时，此时n＝2，根据直流内阻R(x)和荷电状态SOC(x)两个评价因素得到单体电池的评价指标A(x)为：
A(x)＝a1f1(x)+a2f2(x)＝a1R(x)+a2SOC(x)；
其中，α1为直流内阻R(x)的权重系数，α2为荷电状态SOC(x)的权重系数；
选择的评价因素还可以包括功率健康度SOP、极化电阻Rp、温度Temp等，n个评价因素得到评价指标A(x)时，其相应的权重系数为α1～αn。
本实施例中所述权重系数ai的获取方法包括：
S21、将各个目标函数中的变量进行标准化处理；
S22、利用遗传算法得到最优的各个权重系数，具体包括：
S221、将储能系统单体电池的全部历史数据作为遗传算法的初始种群；
S222、将所述初始种群划分成n个子群体，对每一个子群体分配一个目标函数；
S223、计算各个子群体的适应度，提出适应度低的个体，剩余的个体构成新的子群体，新的子群体构成新的种群；
S224、进行交叉变异操作，生成下一代完整群体，判断是否到达结束条件，若是，生成最优解为各目标函数的权重系数，若否，重复执行S223。
S3、根据所述评价指标确定该单体电池所属的等级。
单体电池的评价指标A(x)代表着该单体电池在梯次利用时的综合得分，是综合考虑了电池各项参数之后的最优数值，仅描述的是电池评判等级，其数值与电池的任意一项参数例如容量、或内阻无关，该评价结果更为客观准确。通过本实施例的估算方法，估算得到单体电池x的评价指标A(x)的取值范围在0至1之间，评价指标的数值越接近1表示该单体电池的性能越好，反之，当评价指标的数值越接近0表示该单体电池的性能越差。
为了能够快速将单体电池进行分类应用，本发明将评价指标的数值划分成若干阶段，每个阶段代表单体电池x所属的等级，将单体电池划分成不同等级的电池组为后续的应用做准备。
在梯次利用时，若单体电池x的评价指标A(x)低于0.5，则推荐做报废处理，不建议进行梯次再利用；
所述电池的等级划分方法包括：
当评价指标的数值在(0.8，1.0]范围内时，此时单体电池属于第一级，该等级的单体电池可以推荐再成组使用；
当评价指标的数值在(0.7，0.8]范围内时，此时单体电池属于第二级，该等级的单体电池可推荐用于储能领域；
当评价指标的数值在(0.6，0.7]范围内时，此时单体电池属于第三级，该等级的单体电池可推荐用于小电流供电领域；
当评价指标的数值在(0.5，0.6]范围内时，此时单体电池属于第四级，该等级的单体电池可推荐用于安全性要求不高的领域；
当评价指标的数值在(0，0.5]范围内时，此时单体电池属于第五级，该等级的单体电池各方面性能已经不适合应用，建议淘汰处理。
上述电池等级的划分方法可以采用专家经验划分，也可以采用基于单体电池的评价指标数据和不同评价指标时电池的状态数据等进行机器学习而得到阶段划分，在此不再赘述。
在一具体实施例中，提供了一种储能电池系统，包括若干串联连接的单体电池，所述单体电池所属的等级相同或相邻。
将单体电池构成的储能系统时，选择将评价指标A(x)的数值所属等级相同时，在同一类的单体电池组成一组再利用，例如，选择评价指标A(x)数值都在(0.8，1.0]范围内的单体电池进组合成一个储能电池系统，将评价指标A(x)数值在(0.7，0.8]内的单体电池组合成一个储能电池系统。
在梯次利用过程中，单体电池通常为退役电池，各单体电池的评价指标所述等级可能不相同，在有些情况下，同一等级中的单体电池较少，为了满足不同的工作需要，在这种情况下可以将评价指标A(x)位于相邻等级的单体电池组合应用，例如，将单体电池的评价指标数值位于(0.7，0.8]∪(0.6，0.7]的单体电池组合构成储能电池系统，也可以采用评价指标位于(0.6，0.7]∪(0.7，0.8]∪(0.8，1.0]这种三个集合并集内的单体电池组合成储能电池系统。
为了提高储能电池系统的性能，本实施例中，储能电池系统中的单体电池所属等级为连续的并集，为了保证储能电池系统的性能，用于组合的单体电池评价指标所述的等级选择连续相邻等级，而不能采用间断的集合组合，例如：(0.8，1.0]∪(0.6，0.7]的集合组合。
在一具体实施例中，提供了一种单体电池的梯次利用评价指标的估算装置，包括：
选择模块，用以选择单体电池的评价因素；
指标估算模块，根据下式得到单体电池的评价指标A(x)：
其中，A(x)表示单体电池x的评价指标，ai表示第i个评价因素的权重系数，fi(x)为单体电池x的第i个评价因素的目标函数；
等级输出模块，根据所述评价指标确定该单体电池所属的等级。
上述模块可以选择硬件模块实现，也可以通过软件程序实现，或者通过软硬件结合实现，本实施例中的上述模块采用软件程序实现，如图2所示，本实施例所述的单体电池的梯次利用评价指标的估算装置包括电流采样单元200、电压采样单元300、通讯单元400、控制单元500和显示单元600，所述选择模块、指标估算模块和等级输出模块通过软件程序加载在控制单元中予以实现。
所述单体电池的种类为铅酸电池、镉镍电池、镍氢电池、锂离子电池、燃料电池、太阳能电池或化学电源，本实施例的所述电池采用3.7V/1250mAh三元材料18650型锂离子电池。
电流采集单元200用以采集电池电流数据，本实施例的电流采集单元为采样芯片ACS712；电压采集单元300用以实时采集电池电压数据，本实施例的电压采集单元为采样芯片LTC6802；通讯单元400，将所述电压采集单元采集的电池电压和所述电流采集单元采集的电流送至控制单元中，本实施例的通讯单元采用PCA82C250标准外接电路。
控制单元500采用国产EVBCM-8133电池管理主控模块，所述国产EVBCM-8133电池管理主控模块与通讯单元400采用CAN总线通讯方式建立通讯连接；在实际应用中，所述控制单元可以是MSP430单片机、51单片机、DSP、TMS单片机、STM32单片机、PIC单片机、AVR单片机、STC单片机、Freescale系列单片机等控制电池充放电源的充放电，所述单片机可以通过串口或总线的方式与充放电源连接。
显示单元600，用以显示电压、电流、报警信号、放电时间、容量、电池的评估指标和电池评价等级，本实施例采用车载模拟负载LB-42KW-230VDC，所述显示单元可以是台式机、笔记本电脑、LED液晶显示屏及UM12864液晶显示屏等，所述显示单元600与控制单元可以选择RS232、RS485、RS422串行通讯接口或以太网传输或者CAN总线传输。
为了验证本发明的具体实施例的单体电池的评估指标的方法，搭建上述单体电池评估指标的装置进行实验。电池作是一种复杂的电化学体系，当电池工作状态不同时，电池内部电化学反应不同，电池容量和内阻最能直观的反映出电阻自身性能，这两个指标的变化可以在很大程度上反应电池的反应异常程度，因此，本实施例的评价因素选择额定容量Q(x)、直流内阻R(x)，用以后续的电池梯次利用评判指标估算。
对待测电池进行恒流放电，并通过电压采集单元和电流采集单元记录恒流放电的完整过程的电压和电池电流数据，本实施例的电流采集单元200和电压采集单元300对电池信息的采集频率为10ms/次，控制单元500通过通讯单元400接收电压采集单元教案和电流采集单元采集到的相关数据，生成图3至图4所示的恒流放电电压曲线和恒流放电电流曲线，根据恒定电流和放电时间可得到电池的实际容量，也就是单体电池的实际容量，根据各单体电池开路电压为{U(1)0,U(2)0,…,U(x)0}、电池负载电压为{U(1)r,U(2)r,…,U(x)r}、电池恒流放电的电流值Ir，进而得到其直流内阻；
对采集的电压数据和电流数据进行滤波得到较为准确的实时电压和电流数据，所述滤波方法可以是算术平均值滤波、滑动平均滤波法和中位值平均滤波法以及各种基于数字信号的滤波方法，本实施例的滤波方法为：设定固定时间间隔为100ms，将在固定时间间隔100ms内采集的电池电压最大值和电池电压最小值去除，将剩余电池电压数据取平均值作为电池电压采集值并进行记录；将在固定时间间隔内采集的电池负载电流最大值和电池负载电流最小值去除，将剩余电池负载电流数据取平均值作为电池电流采集值并进行记录。
对上述电池数据进行标准化处理，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。本实施实例中选取数据归一化处理方法，即min-max标准化(Min-max normalization)也叫离差标准化法，对原始数据的线性变换，将数据统一映射到[0,1]区间上；
采用遗传算法求解权重系数的最优解：将标准化后的数据作为遗传算法的种群，子目标函数的数目定为2，将种群两等分为子群体，对每一个子群体分配一个目标函数f1(x)，f2(x)，设定两个目标函数的权重系数分别为α1，α2；使用matlab的遗传算法工具箱，进行多目标优化训练，各自选择出适应度高的个体组成一个新的子群体，然后将所有这些子群体合并成一个完整的群体，在这个群体里进行交叉变异操作，生成下一代完整群体，如此循环，最终生成最优的α1，α2解，从而根据A(x)＝a1f1(x)+a2f2(x)＝a1Q(x)+a2R(x)；
在实际的应用中，针对不同的动力电池系统，应采用不同的标准电压和标准电流，同时根据不同的电池选取不同的电压和电流阈值，才能得出更准确的储能电池梯次利用评判系数。通过采用分析电池工况下容量、内阻与标准值之间的差异，来进行储能电池系统梯次利用分析。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种单体电池的梯次利用评价指标的估算方法，其特征在于，包括如下步骤：
S1、选择单体电池的评价因素；
S2、根据下式得到单体电池的评价指标A(x)为：
其中，A(x)表示单体电池x的评价指标，ai表示第i个评价因素的权重系数，fi(x)为单体电池x的第i个评价因素的目标函数，n为评价因素的个数；
S3、根据所述评价指标确定该单体电池所属的等级。
2.根据权利要求1所述一种单体电池的梯次利用评价指标的估算方法，其特征在于，所述评价因素为电池的额定容量、直流内阻、荷电状态、功率健康度、计划内阻、温度中的两种或两种以上的组合。
3.根据权利要求1所述一种单体电池的梯次利用评价指标的估算方法，其特征在于，评价因素为额定容量时的目标函数为：
f(x)＝Q(x)；
其中，Q(x)为单体电池x当前的实际容量。
4.根据权利要求1所述一种单体电池的梯次利用评价指标的估算方法，其特征在于，评价因素为直流内阻时的目标函数为：
其中，U(x)o为单体电池x的开路电压，U(x)r为单体电池x的负载电压，Ir为系统的负载电流。
5.根据权利要求1所述一种单体电池的梯次利用评价指标的估算方法，其特征在于，评价因素为荷电状态时的目标函数为：
式中，Q0为单体电池x的当前额定容量，I为单体电池x在上一次充满电以后，到t时刻期间的电流，t∫Idt表示流经负载的电流历经时间t的积分，即已经释放的容量。
6.根据权利要求1所述一种单体电池的梯次利用评价指标的估算方法，其特征在于，所述权重系数ai的获取方法包括：
S21、将各个目标函数中的变量进行标准化处理；
S22、利用多目标优化遗传算法得到最优的各个权重系数。
7.根据权利要求6所述一种单体电池的梯次利用评价指标的估算方法，其特征在于，步骤S22包括：
S221、将储能系统单体电池的全部历史数据作为遗传算法的初始种群；
S222、将所述初始种群划分成n个子群体，对每一个子群体分配一个目标函数；
S223、计算各个子群体的适应度，提出适应度低的个体，剩余的个体构成新的子群体，新的子群体构成新的种群；
S224、进行交叉变异操作，生成下一代完整群体，判断是否到达结束条件，若是，生成最优解为各目标函数的权重系数，若否，重复执行S223。
8.根据权利要求1所述一种单体电池的梯次利用评价指标的估算方法，其特征在于，所述电池的等级划分方法包括：
当评价指标的数值在(0.8，1.0]范围内时，此时单体电池属于第一级，该等级的单体电池可以再成组使用；
当评价指标的数值在(0.7，0.8]范围内时，此时单体电池属于第二级，该等级的单体电池可用于储能领域；
当评价指标的数值在(0.6，0.7]范围内时，此时单体电池属于第三级，该等级的单体电池可用于小电流供电领域；
当评价指标的数值在(0.5，0.6]范围内时，此时单体电池属于第四级，该等级的单体电池可用于安全性要求不高的领域；
当评价指标的数值在(0，0.5]范围内时，此时单体电池属于第五级，该等级的单体电池淘汰处理。
9.一种单体电池的梯次利用评价指标的估算装置，其特征在于，包括：
选择模块，用以选择单体电池的评价因素；
指标估算模块，根据下式得到单体电池的评价指标A(x)：
其中，A(x)表示单体电池x的评价指标，ai表示第i个评价因素的权重系数，fi(x)为单体电池x的第i个评价因素的目标函数，n为评价因素的个数；
等级输出模块，根据所述评价指标确定该单体电池所属的等级。
10.一种储能电池系统，包括若干串联连接的单体电池，其特征在于，所述单体电池所属的等级相同或相邻。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210465179.2A CN114742447A (zh) | 2022-04-26 | 2022-04-26 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210465179.2A CN114742447A (zh) | 2022-04-26 | 2022-04-26 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114742447A true CN114742447A (zh) | 2022-07-12 |
Family
ID=82286331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210465179.2A Pending CN114742447A (zh) | 2022-04-26 | 2022-04-26 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114742447A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117388704A (zh) * | 2023-09-27 | 2024-01-12 | 希维科技(广州)有限公司 | 电池质量评估方法、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101969216A (zh) * | 2010-10-20 | 2011-02-09 | 洛阳乾禾仪器有限公司 | 一种串联电量储能系统均衡方法 |
| CN103785629A (zh) * | 2014-01-13 | 2014-05-14 | 国家电网公司 | 一种梯次利用锂电池筛选成组方法 |
| CN103927440A (zh) * | 2014-04-15 | 2014-07-16 | 国家电网公司 | 一种锂电池等效电路模型的参数辨识方法 |
| CN106953394A (zh) * | 2017-05-17 | 2017-07-14 | 宁波普瑞均胜汽车电子有限公司 | 一种基于锂离子电池单体soc和单体容量的均衡方法 |
| CN107785624A (zh) * | 2016-08-30 | 2018-03-09 | 郑州思辩科技有限公司 | 一种评估锂电池性能的方法 |
| CN109061516A (zh) * | 2018-10-10 | 2018-12-21 | 哈尔滨理工大学 | 一种基于模糊概率综合评判的电池健康状态评估方法 |
| CN109377068A (zh) * | 2018-11-02 | 2019-02-22 | 南京航空航天大学 | 一种直升机性能分析评估方法 |
| CN109856562A (zh) * | 2019-01-30 | 2019-06-07 | 华北电力大学 | 基于自适应“i-u-r”法的锂电池梯次利用检测方法 |
| CN113052464A (zh) * | 2021-03-25 | 2021-06-29 | 清华大学 | 电池储能系统可靠性评估方法及系统 |
-
2022
- 2022-04-26 CN CN202210465179.2A patent/CN114742447A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101969216A (zh) * | 2010-10-20 | 2011-02-09 | 洛阳乾禾仪器有限公司 | 一种串联电量储能系统均衡方法 |
| CN103785629A (zh) * | 2014-01-13 | 2014-05-14 | 国家电网公司 | 一种梯次利用锂电池筛选成组方法 |
| CN103927440A (zh) * | 2014-04-15 | 2014-07-16 | 国家电网公司 | 一种锂电池等效电路模型的参数辨识方法 |
| CN107785624A (zh) * | 2016-08-30 | 2018-03-09 | 郑州思辩科技有限公司 | 一种评估锂电池性能的方法 |
| CN106953394A (zh) * | 2017-05-17 | 2017-07-14 | 宁波普瑞均胜汽车电子有限公司 | 一种基于锂离子电池单体soc和单体容量的均衡方法 |
| CN109061516A (zh) * | 2018-10-10 | 2018-12-21 | 哈尔滨理工大学 | 一种基于模糊概率综合评判的电池健康状态评估方法 |
| CN109377068A (zh) * | 2018-11-02 | 2019-02-22 | 南京航空航天大学 | 一种直升机性能分析评估方法 |
| CN109856562A (zh) * | 2019-01-30 | 2019-06-07 | 华北电力大学 | 基于自适应“i-u-r”法的锂电池梯次利用检测方法 |
| CN113052464A (zh) * | 2021-03-25 | 2021-06-29 | 清华大学 | 电池储能系统可靠性评估方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117388704A (zh) * | 2023-09-27 | 2024-01-12 | 希维科技(广州)有限公司 | 电池质量评估方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | On the feature selection for battery state of health estimation based on charging–discharging profiles | |
| Motapon et al. | A generic cycle life model for lithium-ion batteries based on fatigue theory and equivalent cycle counting | |
| Li et al. | Battery life estimation based on cloud data for electric vehicles | |
| Ouyang et al. | A dynamic capacity degradation model and its applications considering varying load for a large format Li-ion battery | |
| Coleman et al. | State-of-charge determination from EMF voltage estimation: Using impedance, terminal voltage, and current for lead-acid and lithium-ion batteries | |
| Zhang et al. | Aging performance characterization and state-of-health assessment of retired lithium-ion battery modules | |
| Pan et al. | A health indicator extraction and optimization for capacity estimation of Li-ion battery using incremental capacity curves | |
| Zheng et al. | Fault identification and quantitative diagnosis method for series-connected lithium-ion battery packs based on capacity estimation | |
| CN102324582B (zh) | 一种多功能铅酸蓄电池智能维护装置及容量预测方法 | |
| Lyu et al. | A new method for lithium-ion battery uniformity sorting based on internal criteria | |
| CN111537899A (zh) | 一种梯次利用动力电池安全性评估方法 | |
| CN111142027A (zh) | 一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法 | |
| CN113030761B (zh) | 一种超大规模储能电站电池健康状态的评估方法及系统 | |
| CN108710087B (zh) | 一种纯电动汽车电池组健康状态测取装置及其测取方法 | |
| Li et al. | A novel state estimation approach based on adaptive unscented Kalman filter for electric vehicles | |
| CN103529397B (zh) | 一种估算电池电量的方法及电池电量管理系统 | |
| CN112433170B (zh) | 一种串联电池组单体参数差异辨识方法 | |
| Zhu et al. | The SOH estimation of LiFePO4 battery based on internal resistance with Grey Markov Chain | |
| Lu et al. | Modeling discharge characteristics for predicting battery remaining life | |
| Zhou et al. | Practical State of Health Estimation for LiFePO 4 Batteries Based on Gaussian Mixture Regression and Incremental Capacity Analysis | |
| Moore et al. | An empirically based electrosource horizon lead-acid battery model | |
| CN115616428A (zh) | 一种“充—检”一体电动汽车电池状态检测与评价方法 | |
| CN113567861A (zh) | 一种动力电池健康状态的估算方法 | |
| CN114742447A (zh) | 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 | |
| Cao et al. | Non-invasive characteristic curve analysis of lithium-ion batteries enabling degradation analysis and data-driven model construction: a review |
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 |