CN116559677A - 电化学储能电站储能电池温度监测异常的判别方法 - Google Patents
电化学储能电站储能电池温度监测异常的判别方法 Download PDFInfo
- Publication number
- CN116559677A CN116559677A CN202310525274.1A CN202310525274A CN116559677A CN 116559677 A CN116559677 A CN 116559677A CN 202310525274 A CN202310525274 A CN 202310525274A CN 116559677 A CN116559677 A CN 116559677A
- Authority
- CN
- China
- Prior art keywords
- battery
- temperature measuring
- measuring point
- temperature
- abnormal
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004146 energy storage Methods 0.000 title claims abstract description 17
- 238000012983 electrochemical energy storage Methods 0.000 title claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims abstract description 18
- 230000003068 static effect Effects 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 238000009529 body temperature measurement Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 3
- 239000000178 monomer Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000007599 discharging Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 3
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 3
- 238000013211 curve analysis Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/16—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements
- G01K7/22—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements the element being a non-linear resistance, e.g. thermistor
-
- 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)
- Nonlinear Science (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种电化学储能电站储能电池温度监测异常的判别方法,通过结合特征量分析,可以有效识别温度测点异常并且及时给出异常原因,依托本发明提出方法开发算法模型,可应用于电池管理系统的优化与开发,实现基于温度监测的早期预警。该方法逻辑清晰,判断准确,能够较快地识别出电池系统温度测点异常及原因分析,具有良好的社会和经济效益。
Description
技术领域
本发明涉及电化学储能电站储能电池温度监测技术领域,具体而言,是针对储能电池温度监测异常的判别方法。
背景技术
近几年,以磷酸铁锂电池为主的电化学储能电站应用越来越广泛。截至2022年12月,国内已规划或在建的新型储能项目中,磷酸铁锂电池储能占比超过90%,磷酸铁锂电池储能属于主流发展方向。
目前储能电池依靠电池管理系统(BMS)采集实时电压、电流、温度,设定安全阈值,采用阈值比较法实现电池状态评估。这种方式是目前储能电站的标准配置,评估比较粗糙,电池安全阈值无法自适应调整。温度作为储能电池监测的一个重要状态量,其异常变化一定程度上可以表征电池系统的潜在隐患。而现有的BMS系统仅给定温度的上下限报警值,缺少对数据本身的深度分析,无法对引起温度异常的原因进行及时有效辨识,会导致缺陷发现的滞后性,进而影响储能电站的检修运维。因此,其改进和创新势在必行。
发明内容
针对上述情况,为克服现有技术之不足,本发明之目的就是提供一种电化学储能电站储能电池温度监测异常的判别方法,可有效解决判别温度测点异常对应的原因的问题,实现基于温度监测的早期预警。
本发明解决的技术方案是:
一种电化学储能电站储能电池温度监测异常的判别方法,包括以下步骤:
第一步,基于温度测点的数据标签化
电池模组由若干个电池单体通过串、并联组成,温度测点布置在单体电池电极串、并联连接片部位,根据电池模组内温度测点数量及空间布局,建立温度测点编号与单体电池编号的空间映射关系;
第二步,电池温度测点数据采集记录
通过电池管理系统采集电池温度数值及对应的温度测点编号;
第三步,电池运行状态识别
通过电池管理系统识别电池充放电的状态,包括静置状态和运行状态两种;
第四步,温度测点数据实时监测与识别
以电池模组为单元进行监测与识别,若有该电池模组有n个温度测点,这些测点数据组成集合[t1,t2,…tn],根据统计学方法计算其极差、平均值、标准差,分别表示为tα、tavg、δ;该电池模组有m个单体电池,对电池单体进行编号并且组成集合[#1,#2,…#m];
第五步,电池异常判断
(1)首先通过极差值判断,设置极差预警值为5℃,当极差<5℃时,认为该单元内温度监测功能正常;
当极差≥5℃,则通过平均值和标准差构成判据区间[tavg-3δ,tavg+3δ],任一温度值超过该区间,判定该温度监测点为异常点,进入下一判断环节;
(2)通过电池管理系统对电池运行状态进行识别,区分静置状态和运行状态;
记录电池系统不同状态下温度数据的趋势,结合特征量对引起温度点监测异常的原因进行判别,同时结合第一步中温度测点与电池单体位置的映射关系,进一步准确判断电池系统存在的问题及故障部位,具体判据包括以下四类:
A、无论是在静置状态或运行状态,某一温度测点始终保持某个数值固定,判断该温度测点已损坏;
B、在静置状态下,某一温度测点出现随机跳变,其特征表现为在一定时间内温度数据忽高忽低,出现随机性波动,判断该温度测点或测温回路存在接触不良;
C、在静置状态下,某一温度测点异常造成该模组温度极差≥5℃,极差值记为tα,当进入运行状态后,极差值的变化量记为Δt,该值变化不超过2℃,无论电池系统处于何种状态,该异常温度测点变化趋势与正常温度测点一致,判断该温度测点显示异常与测温回路电阻值有关,属于测温回路电阻值异常故障;
D、在静置状态下,温度测点极差<5℃,当进入运行状态后,极差值的变化量Δt随电池系统充放电时间的延长而持续增加,判断该温度测点异常与电池运行状态有关,属于电池本体故障。
本发明方法提出一种基于统计分析模型的温度点异常识别方法,结合特征量分析,可以有效识别温度测点异常并且及时给出异常原因,依托本发明提出方法开发算法模型,可应用于电池管理系统的优化与开发,实现基于温度监测的早期预警。该方法逻辑清晰,判断准确,能够较快地识别出电池系统温度测点异常及原因分析,具有良好的社会和经济效益。
附图说明
图1为本发明应用例编号1-1电池舱第7簇温度测点编号14电池的特征量曲线。
图2为本发明应用例编号3-1电池舱第7簇温度测点编号36电池的特征量曲线。
图3位本发明应用例电池单体编号39或40号及邻近单体电池电压的曲线。
具体实施方式
以下结合附图及实施例对本发明的具体实施方式作进一步详细说明。
本发明一种电化学储能电站储能电池温度监测异常的判别方法,包括以下步骤:
第一步,基于温度测点的数据标签化
目前储能电池系统以电池模组为单元进行温度传感器布置,一般采用贴片式NTC型热敏电阻温度传感器,电池模组由若干个电池单体通过串、并联组成,温度测点布置在单体电池电极串、并联连接片部位,根据电池模组内温度测点数量及空间布局,建立温度测点编号与单体电池编号的空间映射关系,此类数据标签格式可采用[温度测点编号,电池单体编号];
第二步,电池温度测点数据采集记录
通过电池管理系统(BMS系统)采集电池温度数值及对应的温度测点编号,BMS系统产品可选用市场上已有产品,采集周期为1s-30s之间;
第三步,电池运行状态识别
通过电池管理系统识别电池充放电的状态,包括静置状态和运行状态(包括充电、放电)两种;
第四步,温度测点数据实时监测与识别
以电池模组为单元进行监测与识别,若有该电池模组有n个温度测点,这些测点数据组成集合[t1,t2,…tn],根据统计学方法计算其极差、平均值、标准差,分别表示为tα、tavg、δ;该电池模组有m个单体电池,对电池单体进行编号并且组成集合[#1,#2,…#m];
第五步,电池异常判断
(1)首先通过极差值判断,设置极差预警值为5℃,当极差<5℃时,认为该单元内温度监测功能正常;
当极差≥5℃,则通过平均值和标准差构成判据区间[tavg-3δ,tavg+3δ],任一温度值超过该区间,判定该温度监测点为异常点,进入下一判断环节;
(2)通过电池管理系统对电池运行状态进行识别,区分静置状态和运行状态;
记录电池系统不同状态下温度数据的趋势,结合特征量对引起温度点监测异常的原因进行判别,同时结合第一步中温度测点与电池单体位置的映射关系,进一步准确判断电池系统存在的问题及故障部位,温度是对电池系统运行状态的一项重要表征。引起温度点异常的原因主要包括两方面:一是测温回路本身存在故障。按照回路组成涉及到温度测点、测温导线回路两部分,任一部分出现故障均会导致温度测点数据异常,而其变化特征又具有一定规律。二是电池单体存在故障,造成电池系统充放电期间电池温度异常变化的情况。根据温度测点数据变化特征,可以有效辨识故障类型;具体判据包括以下四类:
A、无论是在静置状态或运行状态,某一温度测点始终保持某个数值固定,判断该温度测点已损坏;
B、在静置状态下,某一温度测点出现随机跳变,其特征表现为在一定时间内温度数据忽高忽低,出现随机性波动,而正常测点应基本保持不变,一定时间一般指不低于10个温度点采集周期,判断该温度测点或测温回路存在接触不良;
C、在静置状态下,某一温度测点异常造成该模组温度极差≥5℃,极差值记为tα,当进入运行状态后,极差值的变化量记为Δt,该值变化不超过2℃(考虑外部干扰及采集精度影响),无论电池系统处于何种状态,该异常温度测点变化趋势与正常温度测点一致,判断该温度测点显示异常与测温回路电阻值有关,属于测温回路电阻值异常故障;
D、在静置状态下,温度测点极差<5℃,当进入运行状态后,极差值的变化量Δt随电池系统充放电时间的延长而持续增加,判断该温度测点异常与电池运行状态有关,属于电池本体故障。
本发明经实际应用,均取得了良好的技术效果,以下结合某电化学储能电站运行期间案例进一步说明。
某电化学储能电站电池舱,其组成架构从小到大依次为电池单体-电池模组-电池簇-电池舱,44个电池单体串联组成一个电池模组,9个模组串联组成一个电池簇,9个电池簇并联组成一个电池舱。每个电池模组有40个温度测点和44个电池单体。温度测点编号形成集合[T1,T2,…T40],电池单体编号形成集合[#1,#2,…#44],对温度测点与电池单体之间建立映射关系,单个模组内电池单体编号和温度测点编号的映射分布如下表所示。
案例一:电池温度测点测温回路异常
2023年1月11日,运行人员在进行电化学储能电站后台监盘中发现,编号1-1电池舱第7簇温度测点编号14的数据值偏高,较其它温度测点高12℃左右,此时该电池舱处于静置状态,由于现有电池管理系统对类似温度异常现象无法有效判别,通过调取该点及邻近正常温度测点的历史数据曲线,同时按照本发明方法所给出流程,绘制曲线如图1所示;根据图中曲线分析,绘制曲线呈现以下典型特征:
1)静置状态下,该异常点较临近正常点高出12℃左右,同时模组内极差值约为12℃。
2)在放电运行状态下,该温度测点仍可以正常变化,且变化趋势与正常点基本一致,然而该异常温度测点已经超出判据区间[tavg-3δ,tavg+3δ]。
3)无论是在静置或者运行状态下,对应模组内的极差tα的变化量不超过Δt不超过2℃,从极差曲线上来看基本无明显变化。
该数据分析趋势与判据c内容吻合,判断造成该温度测点异常原因应为测温回路异常所致。
后期通过打开模组对该偏大测温点及回路、临近正常温度点及回路进行检查,发现该温度点偏高的测温回路所测电阻值较大,属于测温回路电阻值异常偏大故障。
案例二:电池本体故障
2023年1月12日,运行人员在进行电化学储能电站后台监盘中,及时发现编号3-1电池舱第7簇温度测点编号36的数据在放电期间偏高,最大较其它正常温度高出13℃左右,调取该点及邻近正常温度测点的历史数据曲线,同时按照本发明方法所给出分析流程,绘制曲线如图2所示。根据图中曲线分析,曲线特征呈现以下典型特征:
1)静置状态下该点与相邻测点差别不大,具有较好一致性,温度测点极差<5℃。
2)放电运行状态期间,根据其模组内极差变化趋势,可以看出在放电的前大半部分时间内缓慢增加,在放电的末端其极差迅速增加且超过5℃,这段时间可以称为突变增加阶段,总体来看极差值的变化量Δt随电池系统充放电时间的延长而持续增加,而这种极差的快速变化是由测点温度迅速上升所致。
3)在极差超过5℃的时候,异常点温度值已超过判据区间[tavg-3δ,tavg+3δ]。
该数据分析趋势与判据d内容吻合,判断造成该温度测点异常原因应为电池本体故障所致。结合电池单体编号和温度测点编号的映射分布表,可以判定故障电池单体应为39号或40号电池单体。
通过打开该电池模组对39号及40号单体电池进行检查验证,检查发现40号单体电池充放电性能异常,存在电池单体故障。
进一步对该问题进行验证,结合单体电池编号对应的单体电压值,调取该时间段内电池单体编号39或40号及邻近单体电池电压的曲线,如图3所示,从图中可以看出,放电期间单体电池编号40号的电压与其它相邻电池放电电压曲线均不一致,且在放电末端电池单体电压下降较快,因此通过电压曲线的验证,基于温度测点变化特征,基本可以准确判定故障电池单体的位置。
本发明方法提出一种基于统计分析模型的温度点异常识别方法,结合特征量分析,可以有效识别温度测点异常并且及时给出异常原因,依托本发明提出方法开发算法模型,可应用于电池管理系统的优化与开发,实现基于温度监测的早期预警。该方法逻辑清晰,判断准确,能够较快地识别出电池系统温度测点异常及原因分析,具有良好的社会和经济效益。
Claims (1)
1.一种电化学储能电站储能电池温度监测异常的判别方法,其特征在于,包括以下步骤:
第一步,基于温度测点的数据标签化
电池模组由若干个电池单体通过串、并联组成,温度测点布置在单体电池电极串、并联连接片部位,根据电池模组内温度测点数量及空间布局,建立温度测点编号与单体电池编号的空间映射关系;
第二步,电池温度测点数据采集记录
通过电池管理系统采集电池温度数值及对应的温度测点编号;
第三步,电池运行状态识别
通过电池管理系统识别电池充放电的状态,包括静置状态和运行状态两种;
第四步,温度测点数据实时监测与识别
以电池模组为单元进行监测与识别,若有该电池模组有n个温度测点,这些测点数据组成集合[t1,t2,…tn],根据统计学方法计算其极差、平均值、标准差,分别表示为tα、tavg、δ;该电池模组有m个单体电池,对电池单体进行编号并且组成集合[#1,#2,…#m];
第五步,电池异常判断
(1)首先通过极差值判断,设置极差预警值为5℃,当极差<5℃时,认为该单元内温度监测功能正常;
当极差≥5℃,则通过平均值和标准差构成判据区间[tavg-3δ,tavg+3δ],任一温度值超过该区间,判定该温度监测点为异常点,进入下一判断环节;
(2)通过电池管理系统对电池运行状态进行识别,区分静置状态和运行状态;
记录电池系统不同状态下温度数据的趋势,结合特征量对引起温度点监测异常的原因进行判别,同时结合第一步中温度测点与电池单体位置的映射关系,进一步准确判断电池系统存在的问题及故障部位,具体判据包括以下四类:
A、无论是在静置状态或运行状态,某一温度测点始终保持某个数值固定,判断该温度测点已损坏;
B、在静置状态下,某一温度测点出现随机跳变,其特征表现为在一定时间内温度数据忽高忽低,出现随机性波动,判断该温度测点或测温回路存在接触不良;
C、在静置状态下,某一温度测点异常造成该模组温度极差≥5℃,极差值记为tα,当进入运行状态后,极差值的变化量记为Δt,该值变化不超过2℃,无论电池系统处于何种状态,该异常温度测点变化趋势与正常温度测点一致,判断该温度测点显示异常与测温回路电阻值有关,属于测温回路电阻值异常故障;
D、在静置状态下,温度测点极差<5℃,当进入运行状态后,极差值的变化量Δt随电池系统充放电时间的延长而持续增加,判断该温度测点异常与电池运行状态有关,属于电池本体故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525274.1A CN116559677A (zh) | 2023-05-11 | 2023-05-11 | 电化学储能电站储能电池温度监测异常的判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525274.1A CN116559677A (zh) | 2023-05-11 | 2023-05-11 | 电化学储能电站储能电池温度监测异常的判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116559677A true CN116559677A (zh) | 2023-08-08 |
Family
ID=87485662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310525274.1A Pending CN116559677A (zh) | 2023-05-11 | 2023-05-11 | 电化学储能电站储能电池温度监测异常的判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559677A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116989897A (zh) * | 2023-09-26 | 2023-11-03 | 山东聚亨源环保科技有限公司 | 一种低功耗的可车载式危废库远程异常监测系统 |
-
2023
- 2023-05-11 CN CN202310525274.1A patent/CN116559677A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116989897A (zh) * | 2023-09-26 | 2023-11-03 | 山东聚亨源环保科技有限公司 | 一种低功耗的可车载式危废库远程异常监测系统 |
CN116989897B (zh) * | 2023-09-26 | 2023-12-22 | 山东聚亨源环保科技有限公司 | 一种低功耗的可车载式危废库远程异常监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3557269B1 (en) | Online detection method for internal short-circuit of battery | |
CN111036575B (zh) | 一种基于温度变化分析的锂离子电池分选方法 | |
CN111579121B (zh) | 在线诊断新能源汽车电池包内温度传感器故障的方法 | |
CN109738811B (zh) | 基于双级模型预测的锂离子电池组外部短路故障诊断方法 | |
CN116559677A (zh) | 电化学储能电站储能电池温度监测异常的判别方法 | |
CN104813182A (zh) | 串联连接的电池元件中的异常充电事件的稳定状态检测 | |
CN116973782B (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
CN112379285B (zh) | 一种电池包自放电筛选方法 | |
CN104813183A (zh) | 串联连接的电池元件中的异常充电事件的瞬态检测 | |
CN112319308A (zh) | 一种动力电池多故障检测方法与系统 | |
CN111562508A (zh) | 在线检测电池包内部单体电池内阻异常的方法 | |
CN112505557A (zh) | 一种动态评价电芯一致性的方法 | |
Yu et al. | Multi-Fault Diagnosis of Lithium-Ion battery systems based on correlation Coefficient and similarity Approaches | |
CN109092717B (zh) | 一种动力电池组故障模块的判定方法 | |
Wu et al. | Research on short-circuit fault-diagnosis strategy of lithium-ion battery in an energy-storage system based on voltage cosine similarity | |
CN108711643A (zh) | 集成式bms+gsm一体机 | |
CN115684975A (zh) | 一种基于均衡电量量化电池微短路的方法及系统 | |
CN115343630A (zh) | 动力电池的电池压降识别方法 | |
CN115902629A (zh) | 一种锂离子电池安全状态评估及安全故障分级方法 | |
CN115902635A (zh) | 基于电池ocv数据库的电池不均衡度评估方法 | |
CN115774200A (zh) | 一种锂离子电池串联模组微/内短路检测方法 | |
CN111948544B (zh) | 一种动力电池组连接故障的检测方法及系统 | |
CN115608653A (zh) | 电池系统中异常电池单元筛选的方法及筛选装置 | |
CN210090570U (zh) | 一种电池管理系统工装检测系统 | |
CN115980596B (zh) | 一种在线检测动力电池内短路的方法 |
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 |