CN115032556A - 储能电池系统状态评估方法、装置、存储介质及电子设备 - Google Patents

储能电池系统状态评估方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN115032556A
CN115032556A CN202210743438.3A CN202210743438A CN115032556A CN 115032556 A CN115032556 A CN 115032556A CN 202210743438 A CN202210743438 A CN 202210743438A CN 115032556 A CN115032556 A CN 115032556A
Authority
CN
China
Prior art keywords
energy storage
storage battery
state
current
battery pack
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
CN202210743438.3A
Other languages
English (en)
Inventor
钱一民
丁凯
陈乔
王易
黄曾睿
郑剑
汪蓓
李伟
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.)
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Hubei Electric Power 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 Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Priority to CN202210743438.3A priority Critical patent/CN115032556A/zh
Publication of CN115032556A publication Critical patent/CN115032556A/zh
Pending legal-status Critical Current

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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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
    • 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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请提出一种储能电池系统状态评估方法、装置、存储介质及电子设备，包括：获取储能电池组的当前容量数据；通过预先配置的电池老化模型对当前容量数据和储能电池组的初始容量数据进行处理，以获取储能电池组的当前状态矩阵；基于当前状态矩阵确定储能电池系统的运行状态。本申请实施例提供的储能电池系统状态评估方法所需要的参数较少，运行效率高，可以很好地用于储能电池组的在线健康状态评估。很好地为电池管理系统服务，有利于提高电池管理的效率和有效性，从而提高安全性，具有在线评估、效率高和易于实现的特点。

Description

储能电池系统状态评估方法、装置、存储介质及电子设备
技术领域
本申请涉及储能领域，具体而言，涉及一种储能电池系统状态评估方法、装置、存储介质及电子设备。
背景技术
储能技术是指将电能、机械能、热能等不同形式的能量转化其他形式的能量存储起来，在需要的时候按照需求转换为相应能量形式释放出来。现有储能技术包括：机械储能、电化学储能、电气储能、热储能和化学储能。相比于其他储能技术而言，电化学储能具有良好的便携性和可拓展性，适合电动汽车和电网储能应用场景。电化学储能的一个典型案例是锂离子电池。锂离子电池具有明显的性能优势，在一定程度上代表了电动汽车和电网储能系统的未来发展趋势。
锂电池储能系统主要由电池包、储能变流器、换热设备等部件组成，除了储能变流器、换热设备等部件可能出现电气故障外，电池安全逐渐成为储能系统的最大安全隐患。电动汽车、电网储能的广泛使用，对储能单体提出了更高的安全要求。如何对储能系统中电池的健康状态进行评估，成为了本领域技术人员持续关注的难题。
发明内容
本申请的目的在于提供一种储能电池系统状态评估方法、装置、存储介质及电子设备，以至少部分改善上述问题。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供一种储能电池系统状态评估方法，所述方法包括：
获取储能电池组的当前容量数据；
通过预先配置的电池老化模型对所述当前容量数据和所述储能电池组的初始容量数据进行处理，以获取所述储能电池组的当前状态矩阵；
基于所述当前状态矩阵确定所述储能电池系统的运行状态。
第二方面，本申请实施例提供一种储能电池系统状态评估装置，所述装置包括：
信息获取单元，用于获取储能电池组的当前容量数据；
处理单元，用于通过预先配置的电池老化模型对所述当前容量数据和所述储能电池组的初始容量数据进行处理，以获取所述储能电池组的当前状态矩阵；
所述处理单元还用于基于所述当前状态矩阵确定所述储能电池系统的运行状态。
第三方面，本申请实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的方法。
第四方面，本申请实施例提供一种电子设备，所述电子设备包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现上述的方法。
相对于现有技术，本申请实施例所提供的一种储能电池系统状态评估方法、装置、存储介质及电子设备，包括：获取储能电池组的当前容量数据；通过预先配置的电池老化模型对当前容量数据和储能电池组的初始容量数据进行处理，以获取储能电池组的当前状态矩阵；基于当前状态矩阵确定储能电池系统的运行状态。本申请实施例提供的储能电池系统状态评估方法所需要的参数较少，运行效率高，可以很好地用于储能电池组的在线健康状态评估。很好地为电池管理系统服务，有利于提高电池管理的效率和有效性，从而提高安全性，具有在线评估、效率高和易于实现的特点。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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它相关的附图。
图1为本申请实施例提供的电子设备的结构示意图；
图2为本申请实施例提供的储能电池系统状态评估方法的流程示意图；
图3为本申请实施例提供的储能电池系统状态评估方法的流程示意图之一；
图4为本申请实施例提供的S103的子步骤示意图；
图5为本申请实施例提供的S103的子步骤示意图之一；
图6为本申请实施例提供的S105的子步骤示意图；
图7为本申请实施例提供的储能电池系统状态评估装置的单元示意图。
图中：10-处理器；11-存储器；12-总线；13-通信接口；201-信息获取单元；202-处理单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
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。
在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
本申请实施例提供了一种电子设备，可以是服务器设备、电脑设备、手机、电池管理系统(BMS，Battery Management System)或其他具备信号处理能力的终端设备等。请参照图1，电子设备的结构示意图。电子设备包括处理器10、存储器11、总线12。处理器10、存储器11通过总线12连接，处理器10用于执行存储器11中存储的可执行模块，例如计算机程序。
处理器10可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，储能电池系统状态评估方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器11可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
总线12可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示，但并不表示仅有一根总线12或一种类型的总线12。
存储器11用于存储程序，例如储能电池系统状态评估装置对应的程序。储能电池系统状态评估装置包括至少一个可以软件或固件(firmware)的形式存储于存储器11中或固化在电子设备的操作系统(operating system，OS)中的软件功能模块。处理器10在接收到执行指令后，执行所述程序以实现储能电池系统状态评估方法。
可能地，本申请实施例提供的电子设备还包括通信接口13。通信接口13通过总线与处理器10连接。
应当理解的是，图1所示的结构仅为电子设备的部分的结构示意图，电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例提供的一种储能电池系统状态评估方法，可以但不限于应用于图1所示的电子设备，具体的流程，请参考图2，储能电池系统状态评估方法包括：S103、S104以及S105，具体阐述如下。
S103，获取储能电池组的当前容量数据。
可选地，储能电池组包括多个电池单体，多个电池单体通过串联和/或并联的方式连接，并以储能电池组的形式为电动车等设备提供电能。
需要指出的是，对于电池老化机理研究时，储能电池组的电池参数信息可以包括两类。其中一类为通过异位拆解法，借助X射线、电子显微镜、等离子体光谱等技术对拆解的电池材料进行观测，分析电池老化机理和健康状态；但该测试流程十分复杂，并且破坏性拆解导致无法对同一颗电芯开展全生命周期的老化机理研究。另一类为通过原位观测法，在不拆解电池的情况下，通过信号分析、控制理论和机器学习等方法实现电池老化建模或健康评估。在本申请实施例中采用原位观测法对储能电池系统进行状态评估，直接关注外部应力对电池健康行为的影响规律，将储能电池组的各输入输出参数作为电池参数信息，便于更全面地表征储能电池组的状态。
应理解，当前容量数据也是一种电池参数信息。
S104，通过预先配置的电池老化模型对当前容量数据和储能电池组的初始容量数据进行处理，以获取储能电池组的当前状态矩阵。
需要指出的是，储能电池组的初始容量数据指的是储能电池组的出厂容量数据，而储能电池组的当前容量数据指的是储能电池组在运行一段时间后的当下时刻的容量数据。通过储能电池组的初始容量数据和当前容量数据可以获知在储能电池组使用过程中容量的损失，可以较好地反应出电池健康状态。
可选地，电池老化模型为：
X＝a*A+b*B+c*C；
其中，X表征当前状态矩阵，A表征电化学子模型，B表征等效电路子模型，C表征等效热子模型，a、b、c均为小于1且大于或等于0的常数，且a+b+c＝1。
可选地，电化学子模型是从电池工作机理角度出发，利用电化学原理描述电池工作过程的数学模型，可以包括Newman模型、P2D模型和SP模型中之一。等效电路子模型是一种由电压源、电阻、电容等电子器件搭建成的电池模拟电路，可以有效地模拟电池电压动态特性；等效电路子模型可以包括Rait模型、Thevenin模型、二阶RC模型、PNGV模型中之一。等效热子模型指的是锂离子电池在充放电过程中必可避免的伴随热量生成，在电芯、外壳和周围空气之间形成了热传递。可选地，电化学子模型采用SP模型，等效电路子模型采用Thevenin模型。
需要指出的是，对于上述的电化学子模型、等效电路子模型以及等效热子模型可以通过参数估计方法对参数进行优化调整。本申请实施例对于参数估计的方法不做具体要求和限定，比如选用最小二乘法、全局优化算法等。同时，也需要说明的是，对于本申请实施例来说，在储能电池组的工作过程中采集电池组的多组容量数据，在对电化学子模型、等效电路子模型以及等效热子模型的参数进行优化时，可以将先前获取的容量数据作为训练样本，实现有针对性地对模型参数进行优化，使模型参数与所研究的储能电池组相匹配，有利于提升储能电池组健康评估的准确性。
需要指出的是，在本申请实施例中，储能电池组的电池老化模型包括电化学子模型、等效电路子模型以及等效热子模型三者；也就是说，在本实施例中，综合考虑储能电池组的电化学特性、等效电路特性以及等效热特性，建立储能电池组的电池老化模型。同时，在进行具体计算时，可以在各模型前附加系数，具体可以参考以上算式。
S105，基于当前状态矩阵确定储能电池系统的运行状态。
应理解，运行状态表示储能电池系统当前的健康状态。
本申请实施例提供的储能电池系统状态评估方法所需要的参数较少，运行效率高，可以很好地用于储能电池组的在线健康状态评估。很好地为电池管理系统服务，有利于提高电池管理的效率和有效性，从而提高安全性，具有在线评估、效率高和易于实现的特点。
综上所述，本申请实施例提供了一种储能电池系统状态评估方法，包括：获取储能电池组的当前容量数据；通过预先配置的电池老化模型对当前容量数据和储能电池组的初始容量数据进行处理，以获取储能电池组的当前状态矩阵；基于当前状态矩阵确定储能电池系统的运行状态。本申请实施例提供的储能电池系统状态评估方法所需要的参数较少，运行效率高，可以很好地用于储能电池组的在线健康状态评估。很好地为电池管理系统服务，有利于提高电池管理的效率和有效性，从而提高安全性，具有在线评估、效率高和易于实现的特点。
在图2的基础上，对于如何获取初始容量数据，本申请实施例还提供了一种可能的实现方式，请参考图3，储能电池系统状态评估方法还包括：S101和S102，具体阐述如下。
S101，获取储能电池组的初始电压数据和初始电流数据。
S102，根据储能电池组的初始电压数据和初始电流数据，得到储能电池组的初始容量数据。
可选地，初始容量数据在第一次获取到后，可以存储在电子设备中，便于后续调用。
在图2的基础上，关于如何获取当前容量数据，本申请实施例还提供了一种可能的实现方式，请参考图4，S103包括：S103-1和S103-2，具体阐述如下。
S103-1，获取储能电池组的当前电压数据和当前电流数据。
可选地，按照预设的时间间隔，周期性地获取储能电池组的当前电压数据和当前电流数据。
S103-2，根据储能电池组的当前电压数据和当前电流数据，得到储能电池组的当前容量数据。
在图2的基础上，关于如何获取当前容量数据，本申请实施例还提供了一种可能的实现方式，请参考图5，S103包括：S103-3和S103-4，具体阐述如下。
S103-3，获取储能电池组的当前充电电压。
S103-4，将当前充电电压作为电池容量预测模型的输入，以确定当前容量数据。
可选地，可以提取特征参数实验数据中的充电电压V及充电容量Q的对应参数数据；再以电池容量增量值为纵坐标，对应的电池充电电压为横坐标，得到不同循环次数下的容量增量曲线；通过提取容量增量曲线中高峰位置数据，进行高斯函数拟合，得到电池在高峰位置内的容量增量与电池电压间的关系曲线；最后通过高斯拟合函数峰值与相应的电池容量间存在线型关系，建立峰值与电池容量的函数关系式，得到电池容量预测模型，进而得到当前容量预测值，即获得本申请实施例中储能电池组的当前容量数据。在本申请实施例中，首先得到电池容量预测模型，该模型的横坐标为电池充电电压，纵坐标为电池容量；在获取当前容量数据时，可以仅获取当前的充电电压即可预测当前容量数据，具有方便、快捷的特点。
在图2的基础上，关于如何获取运行状态，本申请实施例还提供了一种可能的实现方式，请参考图6，S105包括：S105-1、S105-2以及S105-3，具体阐述如下。
S105-1，基于算式：SOHk+l＝f(Xk，Xk+l)，获取储能电池系统的第一类状态估计值。
其中，SOHk+l表示储能电池系统的状态空间方程在第k+l步的储能电池系统的第一类状态估计值，Xk表示第k步对应的当前状态矩阵，Xk+l表示从当前的k步起，往后的第l步的预测状态矩阵，k和l均为正整数。
需要指出的是，对于Xk来说，可以通过S104中的式子获取，具体地：
Xk＝a*Ak+b*Bk+c*Ck。
S105-2，对获取到的第一类状态估计值进行滑动加权处理，以得到储能电池系统的第二类状态估计值。
可选地，通过以下算式对获取到的第一类状态估计值进行滑动加权处理；
Figure BDA0003715972360000111
ωi＝ωQ+d×(Q-i)
∑iωi＝1
其中，sohi表示第i个第一类状态估计值，SOHQ *表示第Q个第二类状态估计值，ωi表示第i个第一类状态估计值的权重，d表示权重的差值，win表示滑动窗口的大小。
S105-3，通过粒子滤波算法对第二类状态估计值进行健康状态评估，以得到储能电池系统的运行状态。
需要指出的是，在本申请实施例中，可以采用基于粒子滤波算法对SOH进行评估，粒子滤波算法主要思想是采用一群粒子近似系统后验概率分布，利用样本均值替代积分过程，从而实现系统状态最小方差估计，粒子滤波算法不受限于系统噪声类型，以很好地应用于非线性系统的状态估计。
请参阅图7，图7为本申请实施例提供的一种储能电池系统状态评估装置，可选的，该储能电池系统状态评估装置被应用于上文所述的电子设备。
储能电池系统状态评估装置包括：信息获取单元201和处理单元202。
信息获取单元201，用于获取储能电池组的当前容量数据；
处理单元202，用于通过预先配置的电池老化模型对当前容量数据和储能电池组的初始容量数据进行处理，以获取储能电池组的当前状态矩阵；
处理单元202还用于基于当前状态矩阵确定储能电池系统的运行状态。
可选地，信息获取单元201可以执行上述的S101至S103，处理单元202可以执行上述的S104和S105。
需要说明的是，本实施例所提供的储能电池系统状态评估装置，其可以执行上述方法流程实施例所示的方法流程，以实现对应的技术效果。为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。
本申请实施例还提供了一种存储介质，该存储介质存储有计算机指令、程序，该计算机指令、程序在被读取并运行时执行上述实施例的储能电池系统状态评估方法。该存储介质可以包括内存、闪存、寄存器或者其结合等。
下面提供一种电子设备，可以是服务器设备、电脑设备、手机、电池管理系统(BMS，Battery Management System)或其他具备信号处理能力的终端设备等，该电子设备如图1所示，可以实现上述的储能电池系统状态评估方法；具体的，该电子设备包括：处理器10，存储器11、总线12。处理器10可以是CPU。存储器11用于存储一个或多个程序，当一个或多个程序被处理器10执行时，执行上述实施例的储能电池系统状态评估方法。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种储能电池系统状态评估方法，其特征在于，所述方法包括：
获取储能电池组的当前容量数据；
通过预先配置的电池老化模型对所述当前容量数据和所述储能电池组的初始容量数据进行处理，以获取所述储能电池组的当前状态矩阵；
基于所述当前状态矩阵确定所述储能电池系统的运行状态。
2.如权利要求1所述的储能电池系统状态评估方法，其特征在于，在第一次获取储能电池组的当前容量数据之前，所述方法还包括：
获取所述储能电池组的初始电压数据和初始电流数据；
根据所述储能电池组的初始电压数据和初始电流数据，得到所述储能电池组的初始容量数据。
3.如权利要求1所述的储能电池系统状态评估方法，其特征在于，所述获取储能电池组的当前容量数据的步骤，包括：
获取所述储能电池组的当前电压数据和当前电流数据；
根据所述储能电池组的当前电压数据和当前电流数据，得到所述储能电池组的当前容量数据。
4.如权利要求1所述的储能电池系统状态评估方法，其特征在于，所述获取储能电池组的当前容量数据的步骤，包括：
获取所述储能电池组的当前充电电压；
将所述当前充电电压作为电池容量预测模型的输入，以确定所述当前容量数据。
5.如权利要求1所述的储能电池系统状态评估方法，其特征在于，所述电池老化模型为：
X＝a*A+b*B+c*C；
其中，X表征当前状态矩阵，A表征电化学子模型，B表征等效电路子模型，C表征等效热子模型，a、b、c均为小于1且大于或等于0的常数，且a+b+c＝1。
6.如权利要求1所述的储能电池系统状态评估方法，其特征在于，所述基于所述当前状态矩阵确定所述储能电池系统的运行状态的步骤，包括：
基于算式：SOHk+l＝f(Xk，Xk+l)，获取所述储能电池系统的第一类状态估计值；
其中，SOHk+l表示储能电池系统的状态空间方程在第k+l步的储能电池系统的第一类状态估计值，Xk表示第k步对应的当前状态矩阵，Xk+l表示从当前的k步起，往后的第l步的预测状态矩阵，k和l均为正整数；
对获取到的第一类状态估计值进行滑动加权处理，以得到所述储能电池系统的第二类状态估计值；
通过粒子滤波算法对所述第二类状态估计值进行健康状态评估，以得到所述储能电池系统的运行状态。
7.如权利要求6所述的储能电池系统状态评估方法，其特征在于，通过以下算式对获取到的第一类状态估计值进行滑动加权处理；
Figure FDA0003715972350000031
ωi＝ωQ+d×(Q-i)
∑iωi＝1
其中，sohi表示第i个第一类状态估计值，SOHQ*表示第Q个第二类状态估计值，ωi表示第i个第一类状态估计值的权重，d表示权重的差值，win表示滑动窗口的大小。
8.一种储能电池系统状态评估装置，其特征在于，所述装置包括：
信息获取单元，用于获取储能电池组的当前容量数据；
处理单元，用于通过预先配置的电池老化模型对所述当前容量数据和所述储能电池组的初始容量数据进行处理，以获取所述储能电池组的当前状态矩阵；
所述处理单元还用于基于所述当前状态矩阵确定所述储能电池系统的运行状态。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序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。
10.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。
CN202210743438.3A 2022-06-27 2022-06-27 储能电池系统状态评估方法、装置、存储介质及电子设备 Pending CN115032556A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210743438.3A CN115032556A (zh) 2022-06-27 2022-06-27 储能电池系统状态评估方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210743438.3A CN115032556A (zh) 2022-06-27 2022-06-27 储能电池系统状态评估方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN115032556A true CN115032556A (zh) 2022-09-09

Family

ID=83127324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210743438.3A Pending CN115032556A (zh) 2022-06-27 2022-06-27 储能电池系统状态评估方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115032556A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115291130A (zh) * 2022-10-09 2022-11-04 江苏正力新能电池技术有限公司 一种电池包参数监测方法、装置、存储介质及电子设备
CN116599191A (zh) * 2023-07-17 2023-08-15 深圳市菲尼基科技有限公司 基于储能逆变器的能量管理方法、装置、设备及存储介质
CN117310537A (zh) * 2023-10-18 2023-12-29 南方电网调峰调频(广东)储能科技有限公司 储能系统健康评估与优化方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106842045A (zh) * 2017-01-20 2017-06-13 北京理工大学 一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统
US20170288414A1 (en) * 2016-03-31 2017-10-05 Robert Bosch Gmbh Battery management system with multiple observers
CN109031153A (zh) * 2018-10-16 2018-12-18 北京交通大学 一种锂离子电池的健康状态在线估计方法
CN110988695A (zh) * 2019-12-24 2020-04-10 珠海银隆电器有限公司 动力电池健康状态评估方法、装置、存储介质及电子设备
CN111157897A (zh) * 2019-12-31 2020-05-15 国网北京市电力公司 评估动力电池的方法、装置、存储介质及处理器
US10992149B1 (en) * 2020-10-08 2021-04-27 Element Energy, Inc. Safe battery energy management systems, battery management system nodes, and methods
US20210288353A1 (en) * 2020-03-10 2021-09-16 Samsung Electronics Co., Ltd. Methods and electronic devices for obtaining information on a battery pack
WO2021226797A1 (zh) * 2020-05-11 2021-11-18 东莞新能德科技有限公司 电池容量预估方法、电子装置和存储介质
CN113702855A (zh) * 2021-08-31 2021-11-26 北京航空航天大学 一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法
CN114186437A (zh) * 2021-12-22 2022-03-15 北京航空航天大学 一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法
WO2022065346A1 (ja) * 2020-09-25 2022-03-31 株式会社Ｇｓユアサ 推定装置、推定方法、及びコンピュータプログラム
WO2022063236A1 (zh) * 2020-09-27 2022-03-31 比亚迪股份有限公司 基于析锂检测的电池充电方法、系统、汽车及介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170288414A1 (en) * 2016-03-31 2017-10-05 Robert Bosch Gmbh Battery management system with multiple observers
CN106842045A (zh) * 2017-01-20 2017-06-13 北京理工大学 一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统
CN109031153A (zh) * 2018-10-16 2018-12-18 北京交通大学 一种锂离子电池的健康状态在线估计方法
CN110988695A (zh) * 2019-12-24 2020-04-10 珠海银隆电器有限公司 动力电池健康状态评估方法、装置、存储介质及电子设备
CN111157897A (zh) * 2019-12-31 2020-05-15 国网北京市电力公司 评估动力电池的方法、装置、存储介质及处理器
US20210288353A1 (en) * 2020-03-10 2021-09-16 Samsung Electronics Co., Ltd. Methods and electronic devices for obtaining information on a battery pack
WO2021226797A1 (zh) * 2020-05-11 2021-11-18 东莞新能德科技有限公司 电池容量预估方法、电子装置和存储介质
WO2022065346A1 (ja) * 2020-09-25 2022-03-31 株式会社Ｇｓユアサ 推定装置、推定方法、及びコンピュータプログラム
WO2022063236A1 (zh) * 2020-09-27 2022-03-31 比亚迪股份有限公司 基于析锂检测的电池充电方法、系统、汽车及介质
US10992149B1 (en) * 2020-10-08 2021-04-27 Element Energy, Inc. Safe battery energy management systems, battery management system nodes, and methods
CN113702855A (zh) * 2021-08-31 2021-11-26 北京航空航天大学 一种基于多物理场仿真与神经网络的锂电池组健康状态在线预测方法
CN114186437A (zh) * 2021-12-22 2022-03-15 北京航空航天大学 一种面向电源系统可靠性仿真分析的多物理场耦合退化模型降阶方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
梁新成;张勉;黄国钧;: "基于BMS的锂离子电池建模方法综述", 储能科学与技术, no. 06 *
田佳强: "储能锂电池系统健康评估与故障诊断研究", 中国博士学位论文全文数据库工程科技Ⅱ辑, pages 3 *
田佳强: "储能锂电池系统健康评估与故障诊断研究", 中国博士学位论文全文数据库工程科技II辑, pages 3 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115291130A (zh) * 2022-10-09 2022-11-04 江苏正力新能电池技术有限公司 一种电池包参数监测方法、装置、存储介质及电子设备
CN115291130B (zh) * 2022-10-09 2023-01-20 江苏正力新能电池技术有限公司 一种电池包参数监测方法、装置、存储介质及电子设备
CN116599191A (zh) * 2023-07-17 2023-08-15 深圳市菲尼基科技有限公司 基于储能逆变器的能量管理方法、装置、设备及存储介质
CN116599191B (zh) * 2023-07-17 2023-09-08 深圳市菲尼基科技有限公司 基于储能逆变器的能量管理方法、装置、设备及存储介质
CN117310537A (zh) * 2023-10-18 2023-12-29 南方电网调峰调频(广东)储能科技有限公司 储能系统健康评估与优化方法及系统

Similar Documents

Publication Publication Date Title
Park et al. LSTM-based battery remaining useful life prediction with multi-channel charging profiles
Li et al. Lithium-ion battery capacity estimation—A pruned convolutional neural network approach assisted with transfer learning
CN115032556A (zh) 储能电池系统状态评估方法、装置、存储介质及电子设备
CN112858919B (zh) 一种基于聚类分析的电池系统在线故障诊断方法和系统
Wei et al. Remaining useful life prediction and state of health diagnosis for lithium-ion batteries using particle filter and support vector regression
Cui et al. A dynamic spatial-temporal attention-based GRU model with healthy features for state-of-health estimation of lithium-ion batteries
Faraji-Niri et al. Accelerated state of health estimation of second life lithium-ion batteries via electrochemical impedance spectroscopy tests and machine learning techniques
WO2016107246A1 (zh) 基于小波降噪和相关向量机的锂电池剩余寿命预测方法
CN108680861B (zh) 锂电池剩余循环寿命预测模型的构建方法及装置
CN112666480B (zh) 一种基于充电过程特征注意力的电池寿命预测方法
Kim et al. Impedance-based capacity estimation for lithium-ion batteries using generative adversarial network
Luo et al. A simple feature extraction method for estimating the whole life cycle state of health of lithium-ion batteries using transformer-based neural network
CN111832221B (zh) 基于特征筛选的锂电池寿命预测方法
CN109143074B (zh) 一种动力电池模型参数辨识方法及系统
Shi et al. A fast state-of-health estimation method using single linear feature for lithium-ion batteries
CN113219357A (zh) 电池包健康状态计算方法、系统及电子设备
CN113189495A (zh) 一种电池健康状态的预测方法、装置及电子设备
CN114578234A (zh) 一种考虑因果性特征的锂离子电池退化与容量预测模型
CN115270454A (zh) 电池寿命预测方法及相关设备
CN113721149A (zh) 一种基于半监督迁移学习的锂电池容量预测方法
CN113447821A (zh) 评估电池荷电状态的方法
CN115684936A (zh) 一种基于机器学习的动力电池健康失效概率计算与健康失效图谱建立方法
Zhang et al. A novel state-of-health prediction method based on long short-term memory network with attention mechanism for lithium-ion battery
Li et al. Remaining useful life prediction of lithium-ion batteries via an EIS based deep learning approach
Tao et al. State of charge estimation of lithium Batteries: Review for equivalent circuit model methods

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220909