CN116400239A - 一种铁铬液流电池的储能智能监测方法 - Google Patents

一种铁铬液流电池的储能智能监测方法 Download PDF

Info

Publication number
CN116400239A
CN116400239A CN202310671227.8A CN202310671227A CN116400239A CN 116400239 A CN116400239 A CN 116400239A CN 202310671227 A CN202310671227 A CN 202310671227A CN 116400239 A CN116400239 A CN 116400239A
Authority
CN
China
Prior art keywords
battery capacity
battery
value
sequence
temperature
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.)
Granted
Application number
CN202310671227.8A
Other languages
English (en)
Other versions
CN116400239B (zh
Inventor
周非
李薇
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.)
China Energy Wanjia Energy Co ltd
Original Assignee
China Energy Wanjia Energy 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 China Energy Wanjia Energy Co ltd filed Critical China Energy Wanjia Energy Co ltd
Priority to CN202310671227.8A priority Critical patent/CN116400239B/zh
Publication of CN116400239A publication Critical patent/CN116400239A/zh
Application granted granted Critical
Publication of CN116400239B publication Critical patent/CN116400239B/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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • 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
    • 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
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种铁铬液流电池的储能智能监测方法，包括：获取铁铬液流电池的环境温度序列、内部温度序列、电压序列及电流序列；获取电池容量序列，获取内部温度影响值；获取环境温度影响值；获取铁铬液流电池的额定容量，根据环境温度影响值、铁铬液流电池的额定容量、电池容量序列获取每一环境温度的电池容量判断因子，根据电池容量判断因子进行铁铬液流电池的储能智能监测。本发明根据电池工作环境温度对电池储能的影响进行铁铬液流电池的储能监测，同时去除电池内部温度带来的影响，提升直接根据电池储能与电池额定储能进行电池储能监测的准确性。

Description

一种铁铬液流电池的储能智能监测方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种铁铬液流电池的储能智能监测方法。
背景技术
铁铬液流电池是一种可以长期储存大量电能的储能设备，可应用于新能源和微电网等领域。铁铬液流电池的电极材料是可再生和可回收的，且在充放电时并不会发生相变，因此其寿命较长，通常可工作几十年甚至更长时间。为了实现对铁铬液流电池的储能情况进行智能监测，可以使用数据采集系统、数据处理系统和可视化监测系统等。将电池的重要参数信息如电压、电流、温度、液位、液质等数据通过传感器进行采集，采集的数据实时上传至云端，然后对采集到的数据进行处理和分析，监测电池状态的变化，同时对电池的状态进行预测和预警。
在现有技术中，对铁铬液流电池进行智能检测时，主要是通过传感器采集电池数据，然后根据电池数据的变化来判断电池的储能量是否发生了变化。但是因为电池的储能情况受到环境温度变化的影响程度很大，在夏季温度较高的情况下，电池的实际容量能够达到额定容量；但是冬天温度较低时，实际的容量会比额定储能小很多。因此直接根据采集得到的数据对电池的储能情况进行分析时，实际的监测容量比额定容量小，导致电池的检测状态出现异常。因此本发明根据电池的数据变化，预测在不同环境温度下电池的容量，从而判断电池的健康状况。
发明内容
本发明提供一种铁铬液流电池的储能智能监测方法，以解决现有的问题。
本发明的一种铁铬液流电池的储能智能监测方法采用如下技术方案：
本发明一个实施例提供了一种铁铬液流电池的储能智能监测方法，该方法包括以下步骤：
获取铁铬液流电池的环境温度序列、内部温度序列、电压序列及电流序列；
根据电压序列及电流序列获取电池容量序列，根据内部温度序列、环境温度序列及电池容量序列中每一采样时间点对应数值的变化关系获取内部温度影响值；
获取电池容量序列中每一电池容量的斜率值，根据环境温度序列与电池容量序列中每一采样时间点对应数值的变化差异及每一电池容量的斜率值获取环境序列中每一数据点的异常温度点概率，根据异常温度点概率及预设异常温度阈值对电池容量序列进行划分，得到若干个电池容量区段，获取每一电池容量区段的变化程度，根据不同电池容量区段的变化程度的差异及内部温度影响值获取环境温度影响值；
获取铁铬液流电池的额定容量，根据环境温度影响值、铁铬液流电池的额定容量、电池容量序列获取每一环境温度的电池容量判断因子，根据电池容量判断因子进行铁铬液流电池的储能智能监测。
可选的，所述根据内部温度序列、环境温度序列及电池容量序列中每一采样时间点对应数值的变化关系获取内部温度影响值，包括的具体步骤如下：
获取待分析电池容量值、起始环境温度、最终环境温度、起始内部温度及最终内部温度，根据待分析电池容量值、起始环境温度、最终环境温度、起始内部温度及最终内部温度及电池容量序列中电池容量的最大值获取内部温度影响值。
可选的，所述获取待分析电池容量值、起始环境温度、最终环境温度、起始内部温度及最终内部温度，包括的具体步骤如下：
设定电池正常工作温度范围
Figure SMS_1
，在环境温度序列中获取属于电池正常工作温度范围的数据点对应的采样时间点，记为正常采样时间点，获取正常采样时间点对应的电池容量，记为正常电池容量，在正常电池容量中获取若干个电池容量对，所述电池容量对由两个电池容量值相等的正常电池容量构成，获取每一电池容量对的采样时间点的差值的绝对值，记为每一电池容量对的时间间隔，将时间间隔最大的电池容量对记为待分析电池容量对，将待分析电池容量对的电池容量值记为待分析电池容量值，将待分析电池容量对按照所在的采样时间点对应的环境温度由小到大的顺序，依次记为起始电池容量与最终电池容量；将起始电池容量所在的采样时间点对应的环境温度记为起始环境温度，将最终电池容量所在的采样时间点对应的环境温度记为最终环境温度；将起始电池容量所在的采样时间点对应的内部温度记为起始内部温度，将最终电池容量所在的采样时间点对应的内部温度记为最终内部温度。
可选的，所述根据待分析电池容量值、起始环境温度、最终环境温度、起始内部温度及最终内部温度及电池容量序列中电池容量的最大值获取内部温度影响值，包括的具体步骤如下：
将电池容量序列中电池容量的最大值记为最大电池容量，将按照电池容量序列顺序，电池容量序列中最大电池容量的前一个电池容量记为第一对比电池容量，电池容量序列中最大电池容量的后一个电池容量记为第二对比电池容量；
Figure SMS_2
其中，
Figure SMS_3
表示内部温度影响值，/>
Figure SMS_8
表示最大电池容量，/>
Figure SMS_12
表示第一对比电池容量，/>
Figure SMS_4
表示第二对比电池容量，/>
Figure SMS_7
表示最大电池容量所在的采样时间点对应的内部温度，/>
Figure SMS_11
表示第一对比电池容量与第二对比电池容量所在的采样时间点对应的内部温度的均值，/>
Figure SMS_14
表示待分析电池容量值，/>
Figure SMS_5
表示起始内部温度，/>
Figure SMS_10
表示最终内部温度，/>
Figure SMS_13
表示起始环境温度，/>
Figure SMS_15
表示最终环境温度，/>
Figure SMS_6
表示以自然常数e为底的指数函数，/>
Figure SMS_9
表示取绝对值。
可选的，所述根据环境温度序列与电池容量序列中每一采样时间点对应数值的变化差异及每一电池容量的斜率值获取环境序列中每一数据点的异常温度点概率，计算公式如下：
Figure SMS_16
其中，
Figure SMS_18
表示第/>
Figure SMS_20
数据点的异常温度点概率，/>
Figure SMS_23
表示环境温度序列中第/>
Figure SMS_19
个数据点所在的采样时间点对应的电池容量值，/>
Figure SMS_22
表示环境温度序列中第/>
Figure SMS_25
个数据点所在的采样时间点对应的电池容量值，/>
Figure SMS_27
表示环境温度序列中第/>
Figure SMS_17
个数据点所在采样时间点对应的电池容量的斜率值，/>
Figure SMS_21
表示环境温度序列中第/>
Figure SMS_24
个数据点所在采样时间点对应的电池容量的斜率值，/>
Figure SMS_26
表示取绝对值。
可选的，所述获取每一电池容量区段的变化程度，包括的具体步骤如下：
Figure SMS_28
其中，
Figure SMS_39
表示第/>
Figure SMS_31
个电池容量区段的变化程度/>
Figure SMS_36
表示第/>
Figure SMS_43
个电池容量区段中电池容量的最大值，/>
Figure SMS_46
表示第/>
Figure SMS_45
个电池容量区段中电池容量的最小值，/>
Figure SMS_47
表示第/>
Figure SMS_37
个电池容量区段中电池容量的最大值所在采样时间点对应的环境温度，/>
Figure SMS_41
表示第/>
Figure SMS_29
个电池容量区段中电池容量的最小值所在采样时间点对应的环境温度，/>
Figure SMS_33
表示第/>
Figure SMS_32
个电池容量区段中电池容量的个数，/>
Figure SMS_34
表示第/>
Figure SMS_40
个电池容量区段中第/>
Figure SMS_44
个电池容量的斜率值，/>
Figure SMS_30
表示第/>
Figure SMS_35
个电池容量区段中第/>
Figure SMS_38
个电池容量的斜率值，/>
Figure SMS_42
表示内部温度影响值。
可选的，所述根据不同电池容量区段的变化程度的差异及内部温度影响值获取环境温度影响值，包括的具体步骤如下：
获取正常电池容量区段及非正常电池容量区段，根据正常电池容量区段及非正常电池容量区段的个数、变化程度及斜率值的差异获取环境温度影响值。
可选的，所述根据正常电池容量区段及非正常电池容量区段的个数、变化程度及斜率值的差异获取环境温度影响值，计算公式如下：
Figure SMS_48
其中，
Figure SMS_59
表示环境温度影响值，/>
Figure SMS_50
表示非正常电池容量区段的个数，/>
Figure SMS_55
表示第/>
Figure SMS_52
个非正常电池容量区段的变化程度，/>
Figure SMS_53
表示正常电池容量区段的个数，/>
Figure SMS_57
表示第/>
Figure SMS_61
个正常电池容量区段的变化程度，/>
Figure SMS_58
表示第/>
Figure SMS_62
个非正常电池容量区段的电池容量的个数，/>
Figure SMS_49
表示第/>
Figure SMS_54
个非正常电池容量区段的第/>
Figure SMS_63
个电池容量的斜率值，/>
Figure SMS_65
表示第/>
Figure SMS_64
个正常电池容量区段的电池容量的个数，/>
Figure SMS_66
表示第/>
Figure SMS_51
个正常电池容量区段的第/>
Figure SMS_56
个电池容量的斜率值，/>
Figure SMS_60
表示以自然常数e为底的指数函数。
可选的，所述根据环境温度影响值、铁铬液流电池的额定容量、电池容量序列获取每一环境温度的电池容量判断因子，包括的具体步骤如下：
将铁铬液流电池的额定容量及环境温度影响值的乘积与每一环境温度所在的采样时间点对应的电池容量的差值的绝对值记为每一环境温度的电池容量判断因子。
可选的，所述获取电池容量序列中每一电池容量的斜率值，包括的具体步骤如下：
以采集时间点为横坐标，电池容量序列中每一电池容量为纵坐标构建直角坐标系，得到电池容量散点图，将电池容量散点图上相邻两点相连，得到若干个电池容量线段，将第
Figure SMS_67
点与第/>
Figure SMS_68
点间的电池容量线段的斜率值记为第/>
Figure SMS_69
点对应的电池容量的斜率值。
本发明的技术方案的有益效果是：因此本发明根据电池的工作环境温度与电池储能情况即电池容量之间的变化关系来获得环境温度对电池容量的影响值即环境温度影响值，然后根据环境温度影响值来估测在实际储能过程中不同温度下电池的储能参考值，进而进行电池的储能异常监测；其中在获得环境温度对储能情况的影响时，通过分析电池内部对电池储能值的影响，获取内部温度影响值，去除电池内部温度带来的影响，然后根据环境温度数据的变化来对原始电容容量序列进行分段，根据不同分段区间内数据的变化获得环境温度对电池容量的影响值，由于电池容量的变化主要是受到环境温度的影响，因此将正常工作温度下的电池容量数据与非正常工作温度下的电池容量数据进行比较，排除电池内部温度的影响同时考虑环境温度对电池容量的影响，提升电池的储能监测的准确性。
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为本发明一种铁铬液流电池的储能智能监测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种铁铬液流电池的储能智能监测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种铁铬液流电池的储能智能监测方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种铁铬液流电池的储能智能监测方法的步骤流程图，该方法包括以下步骤：
步骤S001、获取铁铬液流电池的环境温度序列、内部温度序列、电压序列及电流序列。
需要说明的是，由于本实施例的目的是为了进行铁铬液流电池的储能智能监测，因此首先需要采集铁铬液流电池的相关数据。
通过布设的温度传感器、电压传感器、电流传感器获取铁铬液流电池的工作环境温度、电池内部温度、电池的电压数据及电流数据；需要说明的是，每一传感器的时间间隔相同即每一采样时间点对应一个铁铬液流电池的工作环境温度数据、电池内部温度、电池的电压数据及电流数据，传感器采集起始时间、停止时间及时间间隔由实施者根据具体实施情况进行设定，传感器采集起始时间为铁铬液流电池的储能监测时间。
将采集得到的铁铬液流电池的工作环境温度、电池内部温度、电池的电压数据及电流数据依次按照时序顺序排列，构成环境温度序列、内部温度序列、电压序列及电流序列。
至此，得到环境温度序列、内部温度序列、电压序列及电流序列。
步骤S002、根据电压序列及电流序列获取电池容量序列，根据内部温度序列、环境温度序列及电池容量序列的数值变化关系获取内部温度影响值。
需要说明的是，电池在进行储能时，会进行阴阳离子的交换，铁铬液流电池工作期间，铁液和铬液通过中间的隔膜来隔开，在充电期间，铁液和铬液分别负责电极的反应和电极的还原；在放电期间，铁液和铬液则通过中间的隔膜交换离子，经过纯铬、纯铁等反应后释放电能。而铁铬液流电池的储能情况会随环境温度的变化而变化，因为温度的变化会影响铁铬液体电池内部化学反应的速率、电池的电导率和电池电压等参数，影响电池的性能和寿命；当铁铬液流电池处于低温环境下时，由于化学反应的速率较慢，电池的放电电压会降低，此时会减少电池的可用容量，并可能使电池的寿命缩短；当铁铬液流电池处于高温环境下时，铁铬液流电池的电导率会增加，电池的电压也会增加，此时可能导致电池在短时间内产生大量热量，从而缩短电池的寿命；因此根据温度传感器采集得到的电池的工作环境温度数据，获得温度对电池容量的影响关系，然后根据当前的温度监测值来判断电池的可用容量，进而根据实际的容量来判断电池是否出现性能故障。
根据电压序列与电流序列利用内阻法获取每一采样时间点的电池容量，将每一采样时间点的电池容量按照采样时间点的时序顺序构成电池容量序列；需要说明的是，由于传统通常使用内阻法获取电池容量，因此本实施例也使用内阻法进行电池容量的获取，内阻法通过对电池的电流和电压进行测量，根据电流值与电压值计算出电池的内阻，并基于内阻值估算出电池的剩余电量，内阻法的主要原理是根据欧姆定律，通过测定电池在不同负载下的电压和电流变化，计算出电池内阻的大小，从而估计电池容量的多少；内阻法为现有公知技术，本实施例不再过多进行赘述。
至此，得到电池容量序列。
进一步需要说明的是，由于电池的额定容量是固定的，当电池在合适的工作温度下进行充放电时，会达到额定容量值，铁铬流液电池通常工作温度范围为
Figure SMS_70
到/>
Figure SMS_71
之间；在低于16/>
Figure SMS_72
的温度下，电池的输出功率和额定容量会下降；而在高于/>
Figure SMS_73
的温度下，电池的寿命和可靠性会受到影响；由于不同环境温度下电池的容量会出现变化，并且在电池的使用过程中，电池自身也会产生热量，会对电池的性能产生影响，因此在获得环境温度对电池的影响时，需要消除电池自身产生的温度即电池内部温度所带来的影响。
设定电池正常工作温度范围
Figure SMS_74
，本实施例设定/>
Figure SMS_75
，/>
Figure SMS_76
，在环境温度序列中获取属于电池正常工作温度范围的数据点对应的采样时间点，记为正常采样时间点，获取正常采样时间点对应的电池容量，记为正常电池容量，在正常电池容量中获取若干个电池容量对，电池容量对由两个电池容量值相等的正常电池容量构成，获取每一电池容量对的采样时间点的差值的绝对值，记为每一电池容量对的时间间隔，将时间间隔最大的电池容量对记为待分析电池容量对，将待分析电池容量对的电池容量值记为待分析电池容量值，将待分析电池容量对按照所在的采样时间点对应的环境温度由小到大的顺序，依次记为起始电池容量与最终电池容量；将起始电池容量所在的采样时间点对应的环境温度记为起始环境温度，将最终电池容量所在的采样时间点对应的环境温度记为最终环境温度；将起始电池容量所在的采样时间点对应的内部温度记为起始内部温度，将最终电池容量所在的采样时间点对应的内部温度记为最终内部温度。
至此，得到起始电池容量与最终电池容量构成的待分析电池容量对，得到起始环境温度、最终环境温度、起始内部温度及最终内部温度。
将电池容量序列中电池容量的最大值记为最大电池容量，将按照电池容量序列顺序，电池容量序列中最大电池容量的前一个电池容量记为第一对比电池容量，将按照电池容量序列顺序，电池容量序列中最大电池容量的后一个电池容量记为第二对比电池容量。
具体的，获取内部温度影响值
Figure SMS_77
的计算方法为：
Figure SMS_78
其中，
Figure SMS_80
表示最大电池容量，/>
Figure SMS_84
表示第一对比电池容量，/>
Figure SMS_87
表示第二对比电池容量，/>
Figure SMS_81
表示最大电池容量所在的采样时间点对应的内部温度，/>
Figure SMS_83
表示第一对比电池容量与第二对比电池容量所在的采样时间点对应的内部温度的均值，/>
Figure SMS_86
表示待分析电池容量值，/>
Figure SMS_89
表示起始内部温度，/>
Figure SMS_79
表示最终内部温度，/>
Figure SMS_85
表示起始环境温度，/>
Figure SMS_88
表示最终环境温度，/>
Figure SMS_90
表示以自然常数e为底的指数函数，/>
Figure SMS_82
表示取绝对值。
Figure SMS_91
表示最大电池容量的邻域数据的平均电池容量，
Figure SMS_92
表示最大电池容量与其邻域电池容量均值的差值，/>
Figure SMS_93
表示这两种电池容量下的电池内部温度的差异，/>
Figure SMS_94
表征在相同的环境温度下不同电池容量中电池内部温度的变化。
Figure SMS_95
表示在相同的电池容量下电池内部温度的变化，由于当电池容量相同时，此时环境温度不同则说明周围环境对电池的影响是很小的；例如，当环境温度分别为/>
Figure SMS_96
和
Figure SMS_97
时，此时的电池容量相等，因此导致在不同温度下电池容量相同的原因是由于电池内部的温度不相同。由于电池是主要靠热传递进行散热的，环境温度越高的情况下，热传递的效率越低，进而会造成在不同的环境温度下电池容量相同的情况；/>
Figure SMS_98
表示电池内部温度的变化产生的影响值。
至此，得到内部温度影响值，表征电池内部温度对于电池容量的影响程度。
步骤S003、获取环境序列中每一数据点的异常温度点概率，根据异常温度点概率及预设异常温度阈值对电池容量序列进行划分，得到若干个电池容量区段，获取每一电池容量区段的变化程度，根据电池容量区段的变化程度的差异获取环境温度影响值。
需要说明的是，由于环境温度与电池容量的变化呈现一定的线性关系，在正常工作温度下电池容量的衰减与非正常工作温度下电池容量的衰减趋势是不相同的，一般情况下，电池容量随着环境温度的增加而增加，当达到额定容量时电池的容量不再变化，此时对应的环境温度为最适电池工作的环境温度，当环境温度仍在持续增加时，由于超出了电池的正常工作环境，电池的容量会慢慢降低，因此根据不同环境温度下电池容量的变化来获得环境温度对电池容量的影响。
以采集时间点为横坐标，电池容量序列中每一电池容量为纵坐标构建直角坐标系，得到电池容量散点图，将电池容量散点图上相邻两点相连，得到若干个电池容量线段，将第
Figure SMS_99
点与第/>
Figure SMS_100
点间的电池容量线段的斜率值记为第/>
Figure SMS_101
点对应的电池容量的斜率值。
具体的，以环境温度序列中第
Figure SMS_102
个数据点为例，获取第/>
Figure SMS_103
数据点的异常温度点概率/>
Figure SMS_104
的计算方法为：
Figure SMS_105
其中，
Figure SMS_108
表示环境温度序列中第/>
Figure SMS_109
个数据点所在的采样时间点对应的电池容量值，
Figure SMS_112
表示环境温度序列中第/>
Figure SMS_107
个数据点所在的采样时间点对应的电池容量值，/>
Figure SMS_110
表示环境温度序列中第/>
Figure SMS_113
个数据点所在采样时间点对应的电池容量的斜率值，/>
Figure SMS_114
表示环境温度序列中第/>
Figure SMS_106
个数据点所在采样时间点对应的电池容量的斜率值，/>
Figure SMS_111
表示取绝对值。
Figure SMS_115
表示环境温度序列中相邻两个数据点所在的采样时间点对应的电池容量值之间的变化，/>
Figure SMS_116
表示相邻两个电池容量值变化程度的差异，由于在正常工作温度下电池的实际容量接近额定容量，但是当不在正常工作温度下时，电池的实际容量小于额定容量，因此根据相邻两个数据点所在的采样时间点对应的电池容量值之间的变化表示不同环境温度下电池容量的变化，进而得到数据点的异常温度点概率。
将环境温度序列中所有数据点的异常温度点概率进行线性归一化处理。
设定异常温度阈值
Figure SMS_117
，本实施例设定/>
Figure SMS_118
，在环境温度序列中获取异常温度点概率大于异常温度阈值的数据点，记为异常温度点，根据异常温度点对应的采样时间点对电池容量序列进行划分，得到若干个电池容量区段。
至此，得到若干个电池容量区段。
进一步的，根据每一电池容量区段所对应的采样时间点中环境温度与电池容量的变化获取环境温度影响值。
具体的，以第
Figure SMS_119
个电池容量区段为例，获取第/>
Figure SMS_120
个电池容量区段的变化程度/>
Figure SMS_121
的计算方法为：
Figure SMS_122
其中，
Figure SMS_133
表示第/>
Figure SMS_125
个电池容量区段中电池容量的最大值，/>
Figure SMS_129
表示第/>
Figure SMS_126
个电池容量区段中电池容量的最小值，/>
Figure SMS_130
表示第/>
Figure SMS_131
个电池容量区段中电池容量的最大值所在采样时间点对应的环境温度，/>
Figure SMS_135
表示第/>
Figure SMS_132
个电池容量区段中电池容量的最小值所在采样时间点对应的环境温度，/>
Figure SMS_136
表示第/>
Figure SMS_123
个电池容量区段中电池容量的个数，/>
Figure SMS_128
表示第/>
Figure SMS_134
个电池容量区段中第/>
Figure SMS_138
个电池容量的斜率值，/>
Figure SMS_137
表示第/>
Figure SMS_139
个电池容量区段中第/>
Figure SMS_124
个电池容量的斜率值，/>
Figure SMS_127
表示内部温度影响值。
Figure SMS_140
表示第/>
Figure SMS_141
个电池容量区段内电池容量的变化程度，由于在不同的电池容量区段内电池容量与环境温度间的变化关系是不一样的，因此根据电池容量随环境温度的变化来表示环境温度与电池容量之间的关系；/>
Figure SMS_142
表示第/>
Figure SMS_143
个电池容量区段内电池容量的平均斜率，表征电池容量的变化趋势，由于当电池处于正常工作温度下，电池容量的变化趋势较小，此时环境温度对电池容量的影响较小，而在非正常工作温度下，电池容量受到环境温度的影响程度较大，因此根据斜率值来表示电池受到环境温度的影响程度；/>
Figure SMS_144
是为了消除电池的内部温度的变化对电池容量的影响。
至此，得到每一电池容量区段的变化程度。
进一步的，根据每一电池容量区段的变化程度获取环境温度影响值，表征环境温度对电池容量的影响。
将每一电池容量均为正常电池容量的电池容量区段记为正常电池容量区段，将除正常电池容量区段外的电池容量区段记为非正常电池容量区段。
具体的，获取环境温度影响值
Figure SMS_145
的计算方法为：
Figure SMS_146
其中，
Figure SMS_158
表示非正常电池容量区段的个数，/>
Figure SMS_149
表示第/>
Figure SMS_154
个非正常电池容量区段的变化程度，/>
Figure SMS_157
表示正常电池容量区段的个数，/>
Figure SMS_161
表示第/>
Figure SMS_162
个正常电池容量区段的变化程度，/>
Figure SMS_163
表示第/>
Figure SMS_155
个非正常电池容量区段的电池容量的个数，/>
Figure SMS_159
表示第/>
Figure SMS_147
个非正常电池容量区段的第/>
Figure SMS_151
个电池容量的斜率值，/>
Figure SMS_150
表示第/>
Figure SMS_152
个正常电池容量区段的电池容量的个数，/>
Figure SMS_156
表示第/>
Figure SMS_160
个正常电池容量区段的第/>
Figure SMS_148
个电池容量的斜率值，/>
Figure SMS_153
表示以自然常数e为底的指数函数。
Figure SMS_164
表示非正常工作温度下电池容量区段的平均影响程度减去正常工作温度下电池容量区段的平均影响程度，表示在受到环境温度影响时，电池容量的变化程度；由于在正常工作温度下电池容量与非正常温度下电池容量的变化是由于环境温度的变化导致，因此/>
Figure SMS_165
表示非正常工作温度下电池容量受到环境温度变化引起的异常值；
Figure SMS_166
表示非正常工作温度下获得的电池容量的平均斜率与正常工作温度下电池容量的平均斜率的差值，表示电池容量的数值变化程度，数值变化程度越大，说明其受到环境温度影响的程度越大，那么环境温度对电池容量的影响程度就越大，因此/>
Figure SMS_167
值越大。
进一步需要说明的是，根据不同电池容量区段内数据的变化来获得环境温度对电池容量的影响值，由于电池容量的变化主要是受到环境温度的影响，因此将正常工作温度下的电池容量数据与非正常工作温度下的电池容量数据进行比较，进而获得电池容量由于受到环境温度的影响而产生的影响值，根据影响值来估测在不同的环境温度下电池容量，进而得到电池是否处于性能异常状态。
至此，得到环境温度影响值，表征环境温度对电池容量的影响程度。
步骤S004、根据环境温度影响值获取每一环境温度的电池容量判断因子，根据电池容量判断因子进行铁铬液流电池的储能智能监测。
需要说明的是，由于对铁铬液流电池的储能情况进行监测时，主要是监测在不同的环境温度下电池的实际储能值与标准的储能值是否相符，若电池的实际储能值小于标准的参考值时，说明电池存在故障，那么需要对电池进行检修或更换储能电池。
具体的，以第
Figure SMS_168
个环境温度为例，获取第/>
Figure SMS_169
个环境温度的电池容量判断因子/>
Figure SMS_170
的计算方法为：
Figure SMS_171
其中，
Figure SMS_172
表示铁铬液流电池的额定容量，/>
Figure SMS_173
表示第/>
Figure SMS_174
个环境温度所在的采样时间点对应的电池容量值即第/>
Figure SMS_175
个环境温度时的实际电池容量，/>
Figure SMS_176
表示环境温度影响值，/>
Figure SMS_177
表示取绝对值。
Figure SMS_178
表示在环境温度影响下的电池容量的参考值，当/>
Figure SMS_179
与/>
Figure SMS_180
的差异/>
Figure SMS_181
越趋近于0时，说明实际的电池容量与参考容量越相近。
将所有环境温度的电池容量判断因子进行线性归一化处理。
设定异常阈值
Figure SMS_182
，本实施例设定/>
Figure SMS_183
，当环境温度的电池容量判断因子大于异常阈值时，判定该环境温度下的电池容量出现异常，需要进行检修或者更换。
至此，完成铁铬液流电池的储能智能监测。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种铁铬液流电池的储能智能监测方法，其特征在于，该方法包括以下步骤：
获取铁铬液流电池的环境温度序列、内部温度序列、电压序列及电流序列；
根据电压序列及电流序列获取电池容量序列，根据内部温度序列、环境温度序列及电池容量序列中每一采样时间点对应数值的变化关系获取内部温度影响值；
获取电池容量序列中每一电池容量的斜率值，根据环境温度序列与电池容量序列中每一采样时间点对应数值的变化差异及每一电池容量的斜率值获取环境序列中每一数据点的异常温度点概率，根据异常温度点概率及预设异常温度阈值对电池容量序列进行划分，得到若干个电池容量区段，获取每一电池容量区段的变化程度，根据不同电池容量区段的变化程度的差异及内部温度影响值获取环境温度影响值；
获取铁铬液流电池的额定容量，根据环境温度影响值、铁铬液流电池的额定容量、电池容量序列获取每一环境温度的电池容量判断因子，根据电池容量判断因子进行铁铬液流电池的储能智能监测。
2.根据权利要求1所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述根据内部温度序列、环境温度序列及电池容量序列中每一采样时间点对应数值的变化关系获取内部温度影响值，包括的具体步骤如下：
获取待分析电池容量值、起始环境温度、最终环境温度、起始内部温度及最终内部温度，根据待分析电池容量值、起始环境温度、最终环境温度、起始内部温度及最终内部温度及电池容量序列中电池容量的最大值获取内部温度影响值。
3.根据权利要求2所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述获取待分析电池容量值、起始环境温度、最终环境温度、起始内部温度及最终内部温度，包括的具体步骤如下：
设定电池正常工作温度范围
Figure QLYQS_1
，在环境温度序列中获取属于电池正常工作温度范围的数据点对应的采样时间点，记为正常采样时间点，获取正常采样时间点对应的电池容量，记为正常电池容量，在正常电池容量中获取若干个电池容量对，所述电池容量对由两个电池容量值相等的正常电池容量构成，获取每一电池容量对的采样时间点的差值的绝对值，记为每一电池容量对的时间间隔，将时间间隔最大的电池容量对记为待分析电池容量对，将待分析电池容量对的电池容量值记为待分析电池容量值，将待分析电池容量对按照所在的采样时间点对应的环境温度由小到大的顺序，依次记为起始电池容量与最终电池容量；将起始电池容量所在的采样时间点对应的环境温度记为起始环境温度，将最终电池容量所在的采样时间点对应的环境温度记为最终环境温度；将起始电池容量所在的采样时间点对应的内部温度记为起始内部温度，将最终电池容量所在的采样时间点对应的内部温度记为最终内部温度。
4.根据权利要求2所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述根据待分析电池容量值、起始环境温度、最终环境温度、起始内部温度及最终内部温度及电池容量序列中电池容量的最大值获取内部温度影响值，包括的具体步骤如下：
将电池容量序列中电池容量的最大值记为最大电池容量，将按照电池容量序列顺序，电池容量序列中最大电池容量的前一个电池容量记为第一对比电池容量，电池容量序列中最大电池容量的后一个电池容量记为第二对比电池容量；
Figure QLYQS_2
其中，
Figure QLYQS_4
表示内部温度影响值，/>
Figure QLYQS_8
表示最大电池容量，/>
Figure QLYQS_11
表示第一对比电池容量，/>
Figure QLYQS_6
表示第二对比电池容量，/>
Figure QLYQS_10
表示最大电池容量所在的采样时间点对应的内部温度，/>
Figure QLYQS_13
表示第一对比电池容量与第二对比电池容量所在的采样时间点对应的内部温度的均值，/>
Figure QLYQS_15
表示待分析电池容量值，/>
Figure QLYQS_3
表示起始内部温度，/>
Figure QLYQS_9
表示最终内部温度，/>
Figure QLYQS_12
表示起始环境温度，/>
Figure QLYQS_14
表示最终环境温度，/>
Figure QLYQS_5
表示以自然常数e为底的指数函数，/>
Figure QLYQS_7
表示取绝对值。
5.根据权利要求1所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述根据环境温度序列与电池容量序列中每一采样时间点对应数值的变化差异及每一电池容量的斜率值获取环境序列中每一数据点的异常温度点概率，计算公式如下：
Figure QLYQS_16
其中，
Figure QLYQS_17
表示第/>
Figure QLYQS_21
数据点的异常温度点概率，/>
Figure QLYQS_24
表示环境温度序列中第/>
Figure QLYQS_19
个数据点所在的采样时间点对应的电池容量值，/>
Figure QLYQS_22
表示环境温度序列中第/>
Figure QLYQS_25
个数据点所在的采样时间点对应的电池容量值，/>
Figure QLYQS_27
表示环境温度序列中第/>
Figure QLYQS_18
个数据点所在采样时间点对应的电池容量的斜率值，/>
Figure QLYQS_20
表示环境温度序列中第/>
Figure QLYQS_23
个数据点所在采样时间点对应的电池容量的斜率值，/>
Figure QLYQS_26
表示取绝对值。
6.根据权利要求1所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述获取每一电池容量区段的变化程度，包括的具体步骤如下：
Figure QLYQS_28
其中，
Figure QLYQS_37
表示第/>
Figure QLYQS_31
个电池容量区段的变化程度/>
Figure QLYQS_33
表示第/>
Figure QLYQS_32
个电池容量区段中电池容量的最大值，/>
Figure QLYQS_36
表示第/>
Figure QLYQS_39
个电池容量区段中电池容量的最小值，/>
Figure QLYQS_42
表示第/>
Figure QLYQS_38
个电池容量区段中电池容量的最大值所在采样时间点对应的环境温度，/>
Figure QLYQS_41
表示第/>
Figure QLYQS_29
个电池容量区段中电池容量的最小值所在采样时间点对应的环境温度，/>
Figure QLYQS_35
表示第/>
Figure QLYQS_43
个电池容量区段中电池容量的个数，/>
Figure QLYQS_46
表示第/>
Figure QLYQS_45
个电池容量区段中第/>
Figure QLYQS_47
个电池容量的斜率值，/>
Figure QLYQS_30
表示第/>
Figure QLYQS_34
个电池容量区段中第/>
Figure QLYQS_40
个电池容量的斜率值，/>
Figure QLYQS_44
表示内部温度影响值。
7.根据权利要求1所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述根据不同电池容量区段的变化程度的差异及内部温度影响值获取环境温度影响值，包括的具体步骤如下：
获取正常电池容量区段及非正常电池容量区段，根据正常电池容量区段及非正常电池容量区段的个数、变化程度及斜率值的差异获取环境温度影响值。
8.根据权利要求7所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述根据正常电池容量区段及非正常电池容量区段的个数、变化程度及斜率值的差异获取环境温度影响值，计算公式如下：
Figure QLYQS_48
其中，
Figure QLYQS_57
表示环境温度影响值，/>
Figure QLYQS_51
表示非正常电池容量区段的个数，/>
Figure QLYQS_53
表示第/>
Figure QLYQS_59
个非正常电池容量区段的变化程度，/>
Figure QLYQS_63
表示正常电池容量区段的个数，/>
Figure QLYQS_61
表示第/>
Figure QLYQS_65
个正常电池容量区段的变化程度，/>
Figure QLYQS_58
表示第/>
Figure QLYQS_62
个非正常电池容量区段的电池容量的个数，/>
Figure QLYQS_49
表示第/>
Figure QLYQS_54
个非正常电池容量区段的第/>
Figure QLYQS_56
个电池容量的斜率值，/>
Figure QLYQS_60
表示第/>
Figure QLYQS_64
个正常电池容量区段的电池容量的个数，/>
Figure QLYQS_66
表示第/>
Figure QLYQS_50
个正常电池容量区段的第/>
Figure QLYQS_55
个电池容量的斜率值，/>
Figure QLYQS_52
表示以自然常数e为底的指数函数。
9.根据权利要求1所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述根据环境温度影响值、铁铬液流电池的额定容量、电池容量序列获取每一环境温度的电池容量判断因子，包括的具体步骤如下：
将铁铬液流电池的额定容量及环境温度影响值的乘积与每一环境温度所在的采样时间点对应的电池容量的差值的绝对值记为每一环境温度的电池容量判断因子。
10.根据权利要求1所述一种铁铬液流电池的储能智能监测方法，其特征在于，所述获取电池容量序列中每一电池容量的斜率值，包括的具体步骤如下：
以采集时间点为横坐标，电池容量序列中每一电池容量为纵坐标构建直角坐标系，得到电池容量散点图，将电池容量散点图上相邻两点相连，得到若干个电池容量线段，将第
Figure QLYQS_67
点与第/>
Figure QLYQS_68
点间的电池容量线段的斜率值记为第/>
Figure QLYQS_69
点对应的电池容量的斜率值。
CN202310671227.8A 2023-06-08 2023-06-08 一种铁铬液流电池的储能智能监测方法 Active CN116400239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310671227.8A CN116400239B (zh) 2023-06-08 2023-06-08 一种铁铬液流电池的储能智能监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310671227.8A CN116400239B (zh) 2023-06-08 2023-06-08 一种铁铬液流电池的储能智能监测方法

Publications (2)

Publication Number Publication Date
CN116400239A true CN116400239A (zh) 2023-07-07
CN116400239B CN116400239B (zh) 2023-08-11

Family

ID=87007972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310671227.8A Active CN116400239B (zh) 2023-06-08 2023-06-08 一种铁铬液流电池的储能智能监测方法

Country Status (1)

Country Link
CN (1) CN116400239B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117543780A (zh) * 2024-01-10 2024-02-09 深圳市鸿达顺科技开发有限公司 用于智能设备的充电功率自适应调整方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006147224A (ja) * 2004-11-17 2006-06-08 Nippon Telegr & Teleph Corp <Ntt> ニッケル水素蓄電池の容量推定法
CN115184809A (zh) * 2022-07-05 2022-10-14 燕山大学 一种基于温度角度对储能电池系统多维度评估方法
CN115214424A (zh) * 2021-04-16 2022-10-21 北京嘀嘀无限科技发展有限公司 电池热管理系统的温度确定方法、装置及电子设备
CN116111727A (zh) * 2023-04-13 2023-05-12 盛锋电力科技有限公司 基于动态温度阈值的综合配电箱异常监测方法
CN116125285A (zh) * 2023-01-09 2023-05-16 西安交通大学 基于单体间流量不均匀性的液流电池性能预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006147224A (ja) * 2004-11-17 2006-06-08 Nippon Telegr & Teleph Corp <Ntt> ニッケル水素蓄電池の容量推定法
CN115214424A (zh) * 2021-04-16 2022-10-21 北京嘀嘀无限科技发展有限公司 电池热管理系统的温度确定方法、装置及电子设备
CN115184809A (zh) * 2022-07-05 2022-10-14 燕山大学 一种基于温度角度对储能电池系统多维度评估方法
CN116125285A (zh) * 2023-01-09 2023-05-16 西安交通大学 基于单体间流量不均匀性的液流电池性能预测方法
CN116111727A (zh) * 2023-04-13 2023-05-12 盛锋电力科技有限公司 基于动态温度阈值的综合配电箱异常监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林靖等: "液态金属电池的温度特性", 中国电机工程学报, vol. 41, no. 4, pages 1458 - 1468 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117543780A (zh) * 2024-01-10 2024-02-09 深圳市鸿达顺科技开发有限公司 用于智能设备的充电功率自适应调整方法
CN117543780B (zh) * 2024-01-10 2024-04-02 深圳市鸿达顺科技开发有限公司 用于智能设备的充电功率自适应调整方法

Also Published As

Publication number Publication date
CN116400239B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
WO2018059074A1 (zh) 一种电池微短路的检测方法及装置
CN112834945A (zh) 评估模型建立方法、电池健康状态评估方法及相关产品
CN116502112B (zh) 一种新能源电源测试数据管理方法及系统
CN113075554B (zh) 一种基于运行数据的锂离子电池组不一致性辨识方法
CN116400239B (zh) 一种铁铬液流电池的储能智能监测方法
CN115511013B (zh) 一种大规模储能电站异常电池识别方法、设备及存储介质
CN117007979A (zh) 基于数据驱动的电源输出掉电异常预警方法
CN114722625B (zh) 锂电池的单体数字孪生模型建立方法、系统、终端和介质
CN112485693B (zh) 一种基于温度概率密度函数的电池健康状态快速评估方法
CN116609676A (zh) 一种基于大数据处理的混合储能电池状态监控方法及系统
CN115267555A (zh) 基于电池多点温度测量的储能系统电池soh评估系统
CN110927609B (zh) 梯次利用电池储能系统的衰退评估方法及装置
CN113866646B (zh) 基于极化阻抗压升的电池簇不一致性在线监测方法
CN114734874A (zh) 一种获取电芯重点检测区域的方法、电池智能安全检测方法、装置、系统及车辆
CN114646888A (zh) 一种动力电池容量衰减的评估方法及系统
CN112462288B (zh) 一种基于电池表面温度变化值的锂离子电池健康状态估算方法
CN117080624B (zh) 一种电池加热控制方法及系统
CN115825756B (zh) 分散式储能电站故障多级诊断方法及系统
CN117549795A (zh) 一种锂电池过热保护系统及方法
CN116644291A (zh) 一种基于云边协同的储能电池多风险类型预警方法
CN117007975A (zh) 一种通过采集储能电池电芯多点温度对电池容量衰减评估进行强化学习的方法
CN115498750B (zh) 一种光伏电源的智能充电管理方法及系统
CN204497784U (zh) 液流储能电池充放电控制系统
CN213986757U (zh) 一种非充电电池剩余电量估算系统和电子设备
CN115201681A (zh) 一种锂电池安全性能检测方法及系统

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