CN116699445B - 一种电池储能系统的容量预测方法及其系统 - Google Patents
一种电池储能系统的容量预测方法及其系统 Download PDFInfo
- Publication number
- CN116699445B CN116699445B CN202310985220.3A CN202310985220A CN116699445B CN 116699445 B CN116699445 B CN 116699445B CN 202310985220 A CN202310985220 A CN 202310985220A CN 116699445 B CN116699445 B CN 116699445B
- Authority
- CN
- China
- Prior art keywords
- capacity
- battery
- attenuation
- curve
- sample
- 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.)
- Active
Links
Landscapes
- Secondary Cells (AREA)
Abstract
本发明涉及一种电池储能系统的容量预测方法及其系统,该方法包括:A.对电芯进行单体测试,构建在不同温度下的循环衰减曲线,表征电芯随循环次数变化的容量保持率;B.根据系统需要,构造由所述电芯构成的系统样本;C.根据出厂不一致性参数为各电芯赋予初始衰减,包括最大可充容量和最大可放容量;D.获取系统样本的温场分布,基于温场分布确定单体最高工作温度,并基于此得到系统的循环衰减曲线,表征系统随循环次数变化的容量保持率;E.根据木桶效应,计算初始系统容量;F.预测系统容量=初始系统容量*根据至待预测时刻循环次数和系统循环衰减曲线得到的容量保持率。本发明可以完成电芯到系统,从生产到运行的全周期复杂工况的寿命预测。
Description
技术领域
本发明属于电池容量预测技术领域,尤其是涉及一种电池储能系统的容量预测方法及其系统。
背景技术
储能电池的性能随着使用会出现不可逆转的老化现象,直接影响储能产品的性能和使用价值。在现有的储能电池系统使用过程中对其进行状态监测和寿命预测,可以应对情况做出诊断,确定最佳维护或更换时间或者更换运行策略,从而延长电池寿命,提升储能产品使用价值,带来直观经济价值。随着储能行业的兴起,市场对电池的循环利用提出越来越高的要求。目前,储能企业对电池寿命的研究都有所深入,从电池建模和数据分析两个角度建立了完善的电池管理系统和数据监测平台。
电池系统健康度表征电池相对于新电池存储电能和能量的能力,是定量描述电池性能状态的指标。随着充放电的进行,健康度呈不断下降趋势。目前针对健康度的研究思路主要包括三类:1.从电池老化机理角度,描述电池容量衰减和阻抗增加;2.从实验角度,描述电池容量衰减与阻抗增加关系;3基于电池模型,采用如最小二乘,KF等算法对电池等效模型的电容电阻等参数进行识别。当前技术方案,在研究电池系统的衰减预测时,多从电池系统数据出发,进行系统级别的预测,但是遇到大系统集成这种难以进行实际测试的情况时,预测就难以进行。
发明内容
本发明的目的是针对上述问题,提供一种电池储能系统的容量预测方法。
为达到上述目的,本发明采用了下列技术方案:
一种电池储能系统的容量预测方法,该方法包括:
A.对电芯进行单体测试,构建电芯在不同温度下的循环衰减曲线,表征电芯随循环次数变化的容量保持率;
B.根据系统需要,构造由所述电芯构成的系统样本;
C.根据出厂不一致性参数为各电芯赋予初始衰减,包括最大可充容量和最大可放容量;
D.获取系统样本的温场分布,基于温场分布确定单体最高工作温度,并基于此得到系统的循环衰减曲线,表征系统随循环次数变化的容量保持率;
E.根据木桶效应,计算初始系统容量=(最小单体最大可充容量+最小单体最大可放容量)*单体数量;
F.预测系统容量=初始系统容量*根据至待预测时刻循环次数和系统循环衰减曲线得到的容量保持率。
在上述的电池储能系统的容量预测方法中,A具体包括:
A1.对电芯进行单体测试,分别得到电芯在至少两个不同温度下的循环衰减曲线;
A2.基于至少两个不同温度下的循环衰减曲线,根据改进型Arrhenius公式构建电芯于各种不同温度下的循环衰减曲线。
在上述的电池储能系统的容量预测方法中,A2中,通过如下方式构建各种不同温度下的循环衰减曲线:
改进型Arrhenius公式如下:
ln(Qloss)=ln(B)-ln(Ea/RT)+zln(Ah)
根据Arrhenius等效方程,不同温度曲线下的ln(Qloss)可视作是关于ln(Ah)的同斜率一次函数;z为斜率,ln(B)-ln(Ea/RT)为常数,根据拟合不同温度曲线,求得z;
根据不同温度下,ln(B)-ln(Ea/RT)的值构造二元一次方程组,求解获取Ea和B的值;Ea为实验活化能,T为绝对温度,R为摩尔气体常数。
在上述的电池储能系统的容量预测方法中,A1中,对电芯进行同条件恒工况多组充放电循环对比测试实验,采集至少两组温度情况下充放电循环首末端的数据,拟合获取电芯容量保持率随循环次数的变化曲线,即循环衰减曲线。
在上述的电池储能系统的容量预测方法中,A中,同时对电芯进行常温下的长时间静置实验,采集常温下电芯容量保持率随时间的变化,拟合获取电芯容量保持率随静置时间的变化曲线,即静置衰减曲线。
在上述的电池储能系统的容量预测方法中,E中,所述的出厂不一致性参数包括电芯所在批次的额定容量、残容容量极差、成组容差;
基于经验假设批次的标准差,并基于出厂不一致性参数和标准差构建该批次的标准正态分布;
基于标准正态分布的随机概率赋予系统样本中各电芯最大可充容量和最大可放容量。
在上述的电池储能系统的容量预测方法中,F中,电芯静置衰减曲线即系统静置衰减曲线,根据至待预测时刻的静置时间和系统静置衰减曲线得到系统静置容量衰减率,根据至待预测时刻的循环次数和系统循环衰减曲线得到系统循环容量衰减率,100%-系统静置容量衰减率-系统循环容量衰减率即系统容量保持率,预测系统容量=初始系统容量*系统容量保持率。
在上述的电池储能系统的容量预测方法中,还包括电芯容量预测方法:根据各不同温度下的循环衰减曲线和电芯在系统样本中的位置及系统样本的温场分布得到相应电芯的循环衰减,根据静置衰减曲线得到电芯的静置衰减,根据基于出厂不一致性的正态分布得到电芯的初始衰减,电芯的容量预测结果=100%-(电芯循环衰减+电芯静置衰减+电芯初始衰减)。
在上述的电池储能系统的容量预测方法中,由电芯构成电池包样本,由电池包样本构成电池簇样本,由电池簇样本构成所述的系统样本;
本方法还包括:
同时计算电池包层级和电池簇层级的衰减预测结果:
电池包容量=(最小单体最大可充容量+最小单体最大可放容量)*电池包的单体数量;
电池簇容量=(最小单体最大可充容量+最小单体最大可放容量)*电池簇的单体数量。
在上述的电池储能系统的容量预测方法中,重复C、D、E、F若干次,求得多个预测系统容量,取平均值作为系统输出结果;
通过系统真实运行或仿真运行不断获取随着运行衰减后的系统容量,与通过本方法预测的结果进行对比,若多次比对精确率超过设定值,则对包括标准差的经验值进行修正和优化。
一种用于实现电池储能系统的容量预测方法的容量预测系统,包括衰减曲线获取模块、样本构造模块、单体最高工作温度确定模块、初始系统容量确定模块,系统曲线获取模块、系统容量预测模块,其中,
衰减曲线获取模块,用于对电芯进行单体测试,构建电芯在不同温度下的循环衰减曲线;
样本构造模块,用于根据系统需要,构造由所述电芯构成的系统样本;
单体最高工作温度确定模块,用于获取所述系统样本的温场分布,并基于所述温场分布确定系统样本的单体最高工作温度;
系统曲线获取模块,用于根据出厂不一致性参数为各电芯赋予初始衰减,包括最大可充容量和最大可放容量,同时基于单体最高工作温度得到系统的循环衰减曲线;
初始系统容量确定模块,用于根据木桶效应计算初始系统容量,初始系统容量=(最小单体最大可充容量+最小单体最大可放容量)*单体数量;
系统容量预测模块,用于通过如下方式预测系统容量,预测系统容量=初始系统容量*根据至待预测时刻循环次数和系统循环衰减曲线得到的容量保持率。
本发明的优点在于:
1.本方案可以完成电芯到系统,从生产到运行的全周期复杂工况的寿命预测;
2.本方案根据参数进行所求系统的样本构造,把不一致性,自放电等参数回归到单体衰减,使系统中单体可视化;
3.本方案量化耦合多种衰减因素,将电芯生产因素,自放电因素、运行一致性因素进行分析,构造出对应不同规模的样本,并通过算法获取整体容量衰减,保证预测结果的全面性;
4. 本方案对单体构建电芯衰减曲线,并结合系统样本的结构实现从单体角度出发的系统容量衰减预测,可避免大型储能系统的直接数据测试,节约成本的同时也不存在遇到大系统集成难以进行预测的问题。
附图说明
图1为本发明用于实现电池储能系统的容量预测方法的容量预测系统的系统结构框图;
图2为本发明一种电池储能系统的容量预测方法的总体流程图;
图3为本发明一种电池储能系统的容量预测方法的详细流程图;
图4为同一批次电芯最大可充可放容量差异示意图;
图5为本发明所提供的一种应用场景下的预测结果;
图6为单时刻容量保持率汇总表。
附图标记:衰减曲线获取模块1、样本构造模块2、单体最高工作温度确定模块3、系统曲线获取模块4、初始系统容量确定模块5、系统容量预测模块6。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细的说明。
本发明提供了一种电池储能系统的容量预测系统及基于该容量预测系统实现的容量预测方法。
如图1所示,用于实现电池储能系统的容量预测方法的容量预测系统,包括衰减曲线获取模块1、样本构造模块2、单体最高工作温度确定模块3、系统曲线获取模块4、初始系统容量确定模块5、系统容量预测模6,其中,
衰减曲线获取模块1,用于对电芯进行单体测试,构建电芯在不同温度下的循环衰减曲线,表征电芯随循环次数变化的容量保持率;
样本构造模块2,用于根据系统需要,构造由所述电芯构成的系统样本;
单体最高工作温度确定模块3,用于获取所述系统样本的温场分布,并基于所述温场分布确定系统样本的单体最高工作温度;
系统曲线获取模块4,用于根据出厂不一致性参数为各电芯赋予初始衰减,包括最大可充容量和最大可放容量,同时基于单体最高工作温度得到系统的循环衰减曲线;
初始系统容量确定模块5,用于根据木桶效应计算初始系统容量,初始系统容量=(最小单体最大可充容量+最小单体最大可放容量)*单体数量;
系统容量预测模块6,用于通过如下方式预测系统容量,预测系统容量=初始系统容量*根据至待预测时刻循环次数和系统循环衰减曲线得到的容量保持率。
具体地,如图2和图3所示,基于上述容量预测系统实现的容量预测方法包括:
A.对电芯进行同条件恒工况多组充放电循环对比测试实验,采集至少两组温度情况下充放电循环首末端的数据,如,也可以采集三组或四组等数据,经过预处理后,拟合获取电芯容量保持率随循环次数的变化曲线,即循环衰减曲线,有几组数据将会得到几条循环衰减曲线,然后通过算法推算出任意不同温度下的循环衰减曲线,具体方式将在下方详述;
对电芯进行常温下的长时间静置实验。环境温度对静置衰减影响很小,故这里只测试常温25摄氏度下的静置衰减变化。
在实际应用中,若有条件进行更多温度下的长时间静置实验测得不同温度下的静置衰减变化,当然也可以根据系统将所处位置环境温度考虑进去。如可以测得四组温度下的静置衰减变化分别对应春、夏、秋、冬,根据时间变化,赋予不同的静置衰减曲线。如,还可以根据地理位置的不同,基于不同地理位置及四季温度变化特点赋予系统不同的静置衰减曲线。
B.根据系统需要,构造由电芯构成的系统样本,系统有多少电芯,就由多少电芯构成系统样本,电芯的位置根据系统的需求设置,总得来说,就是根据系统需求构造系统样本;
C.根据电芯的出厂不一致性参数,为构成系统样本的各电芯赋予初始衰减,赋予各电芯的初始衰减主要指赋予它的最大可充容量和最大可放容量。
如图4所示,每批次的电芯最大可充容量和最大可放容量会有所不同,电芯厂家在生产电芯时,会对每批次的电芯提供额定容量、残容容量极差、成组容差等参数,残容容量极差就是本批次放空下限,即最大可放容量的上下边界最大差值,成组容差就是本批次可充上限,即最大可充容量的上下边界的最大差值。
批次的标准差采用经验假定,本实施例假定为0.03,批次内电芯的放空下限、可充上限直接视为0%和100%,然后放空下限的正态分布均值=0+残容极差/额定容量/2,可充上限的正态分布均值=100%-成组容差/额定容量/2。基于经验假设批次的标准差,以及出厂不一致性参数构造该批次的标准正态分布;构造的正态分布满足0.99置信度的情况下分布尽量处在放空下限的上下边界内,可充上限的上下边界内。通过正态分布的随机概率可以大致确定每个电芯的最大可充容量和最大可放容量。
一般一个系统样本所采用的电芯同属于一个批次,但是也有不属于同一批次的情况,不属于同一批次的,对各电芯按照其所处的批次为其赋予最大可充容量和最大可放容量即可。
D.获取系统样本的温场分布,基于温场分布可以确定单体的最高工作温度,因为温度越高衰减越快,所以根据木桶效应,可以将单体最高温度的循环衰减率等效为系统的循环衰减率,基于此得到系统的循环衰减曲线,表征系统随循环次数变化的容量保持率。
E.根据木桶效应,计算初始系统容量=(最小单体最大可充容量+最小单体最大可放容量)*电芯单体数量;假如由图4中三个电芯组成的系统,其系统容量=84%*额定容量*3。
F.预测系统容量=初始系统容量*根据至待预测时刻循环次数和系统循环衰减曲线得到的容量保持率;
若考虑静置衰减,电芯静置衰减曲线即系统静置衰减曲线,根据至待预测时刻的静置时间和系统静置衰减曲线得到系统静置容量衰减率,根据至待预测时刻的循环次数和系统循环衰减曲线得到系统循环容量衰减率,100%-系统静置容量衰减率-系统循环容量衰减率=系统容量保持率,预测系统容量=初始系统容量*系统容量保持率。
重复C、D、E、F若干次,具体次数由本领域技术人员根据实际情况确定,至少3次,可以为5次、6次、乃至10次等,并反复构造多次标准正态分布,求得多个预测系统容量,取平均值作为系统输出结果。反复构造多次的原因是,最小单体最大可充容量+最小单体最大可放容量是存在同一时刻不同电芯上的,并且由于电芯在不同温度下衰减快慢的不同,这个最小单体最大可充和最小单体最大可放的电芯是有可能会更换的;同时,因为这部分的不一致性均为随机分配的正态分布,所以此处通过多次验证的方式以防止特殊值的出现,进而避免因此导致较大的预测偏差。
当用本方案方法预测电池系统的当前容量衰减情况时,直接调取历史数据获取电池系统的循环次数,静置时间等参数即可实现预测。而当预测未来某时刻的电池容量衰减情况时,根据系统的使用场景预测待预测时间点的循环次数,静置时间等参数,然后对待预测时间点输出衰减预测结果。
木桶效应:盛水的木桶是由多块木板箍成的,盛水量也是由这些木板共同决定的。若其中一块木板很短,则此木桶的盛水量就被限制,该短板就成了这个木桶盛水量的“限制因素”(或称“短板效应”)。若要使此木桶盛水量增加,只有换掉短板或将其加长才行。人们把这一规律总结为“木桶原理”,或“木桶定律”,又称“短板理论”。
根据系统的结构,如电芯排列方式、电池包排列方式、电池簇排列方式,组合方式、散热方式、散热能力等获取系统样本的温场分布,可以基于各种影响因素采用热仿真的方式获得温场分布,包括温升、温差等参数。热仿真方式采用现有技术即可,具体不在此赘述。针对一种系统(同样的系统结构由同样的电芯构成),温场分布经过反复试验,反复确认确定,以提高系统的预测准确率。
电芯容量预测方法:通过热仿真方式可确定每个构成系统样本的电芯的工作温度,根据各不同温度下的循环衰减曲线和电芯在系统样本中的位置及系统样本的温场分布进而得到相应电芯的循环衰减,根据静置衰减曲线得到电芯的静置衰减,根据基于出厂不一致性的正态分布为电芯随机赋予初始衰减,电芯的容量预测结果=100%-(电芯循环衰减+电芯静置衰减+电芯初始衰减)。各电芯的初始衰减=100%-最大可充容量+最大可放容量。将温度因素导致的不一致性量化并耦合,并按照结构,位置等因素赋值给单体样本。具体地说,在一个储能系统中,靠近风口的,靠近边缘的电芯普遍更容易散热,而远离风口,处在角落的普遍伴随很高的温升,通过偏态分布的赋值,还原因为结构或者位置导致的温度差异引起的衰减差异。循环衰减曲线和静置衰减曲线可以作为过程量用于预测系统的衰减和容量。而单体容量预测可作为单体与系统的对比,以反映电芯容量利用率等数值。
根据系统样本的循环次数/时间,静置时间,对各电芯叠加循环衰减曲线和静置衰减曲线得到电芯的衰减预测曲线,即以电芯处在静置或者循环状态下随着时间的累计变化,将这两部分求和即可,进而得到电芯层级的衰减预测结果。
进一步地,A具体包括:
A1.对电芯进行单体测试,分别得到电芯在至少两个不同温度下的循环衰减曲线;
A2.基于至少两个不同温度下的循环衰减曲线,根据改进型Arrhenius公式构建电芯于各种不同温度下的循环衰减曲线。
其中,通过如下方式构建各种不同温度下的循环衰减曲线:
改进型Arrhenius公式如下:
ln(Qloss)=ln(B)-ln(Ea/RT)+zln(Ah)
根据Arrhenius等效方程,不同温度曲线下的ln(Qloss)可视作是关于ln(Ah)的同斜率一次函数;z为斜率,ln(B)-ln(Ea/RT)为常数,根据拟合不同温度曲线,求得z;
根据不同温度下,ln(B)-ln(Ea/RT)的值构造二元一次方程组,求解获取Ea和B的值;Ea为实验活化能,T为绝对温度,R为摩尔气体常数。
根据获取的Arrhenius三个参数可构建完整的任意不同温度下的循环衰减曲线。
具体地,电芯不同温度的衰减计算公式推导包括了求对数过程和参数分解过程,具体如下:
Qloss为衰减电量;D为DOD,DOD为放电深度;Ncycle为循环圈数;Q0为单位放电量;Ah为累计放电量;Crate为充放电倍率;
k,表示温度T时的反应速度常数;
A,表示前因子,即阿伦尼乌斯常数,单位与k相同;
Ea,实验活化能,是一个与温度无关的常数,单位J·mol-1或·J·mol-1·K-1;
e,自然对数底数。
进一步地,通过系统真实运行或仿真运行不断获取随着运行衰减后的系统容量,与通过本方法预测的结果进行对比,若多次比对精确率超过设定值,则对包括标准差的经验值进行修正和优化,多次的具体次数以及设定值均由本领域技术人员根据实际情况确定。基于修正和优化的经验值重新进行热仿真获得温场分布,并基于新的温场分布预测系统容量。温场分布的赋予会使短板电芯出现变更可能,比如初始状态被认为是短板的电芯在运行中温度较温和,而另一电芯因为持续高温衰减量大,而出现在某一时间节点取代之前的短板电芯。
具体地,由电芯构成电池包样本,由电池包样本构成电池簇样本,由电池簇样本构成所述的系统样本;
本方法还包括:
同时计算电池包层级和电池簇层级的衰减预测结果:
电池包容量=(最小单体最大可充容量+最小单体最大可放容量)*电池包的电芯单体数量;
电池簇容量=(最小单体最大可充容量+最小单体最大可放容量)*电池簇的电芯单体数量。
电池系统的电池容量还可以根据最小电池包最大可充放电量和确定,也可以根据最小电池簇最大可可充放电量和确定,通过比较使用单体预测的系统电池容量和使用电池包预测的电池容量,以及使用电池簇预测的电池容量偏差来实现相互推导与作证的效果,可通过单体到系统各层级衰减的相互推导与佐证,提高精确性。
图5和图6分别给出了一种应用场景下的预测结果和单时刻容量汇总表,图中CELL表示单体电芯,PACK表示由单体电芯构成的电池包,RACK表示由电池包构成的电池簇,SYSTEM表示由电池簇构成的电池系统,图5中,以最右边为准,最上面一条曲线对应于单体电芯,然后依次是电池包、电池簇和电池系统。举个例子,1个PACK包含10个电芯,1个RACK包含400个电芯,一个系统有5000个电芯,通过不同层级的样本构造,我们可以找到1个PACK/RACK/系统中的最小可充放电量并作为PACK/RACK/系统的容量进行结果输出。可以体现电芯不一致性在系统不同层级衰减影响效果的具体差异,为系统的组串方式,系统配置优化提供数据支持。
需要说明的是,本文提到的ABCDEF各编号没有先后顺序的限定,只是为了描述方便所加。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (11)
1.一种电池储能系统的容量预测方法,其特征在于,该方法包括:
A.对电芯进行单体测试,构建电芯在不同温度下的循环衰减曲线,表征电芯随循环次数变化的容量保持率;
B.根据系统需要,构造由所述电芯构成的系统样本;
C.根据出厂不一致性参数为各电芯赋予初始衰减,包括最大可充容量和最大可放容量;
D.获取系统样本的温场分布,基于温场分布确定单体最高工作温度,并基于此得到系统的循环衰减曲线,表征系统随循环次数变化的容量保持率;
E.根据木桶效应,计算初始系统容量=(最小单体最大可充容量+最小单体最大可放容量)*单体数量;
F.预测系统容量=初始系统容量*根据至待预测时刻循环次数和系统循环衰减曲线得到的容量保持率。
2.根据权利要求1所述的电池储能系统的容量预测方法,其特征在于,A具体包括:
A1.对电芯进行单体测试,分别得到电芯在至少两个不同温度下的循环衰减曲线;
A2.基于至少两个不同温度下的循环衰减曲线,根据改进型Arrhenius公式构建电芯于各种不同温度下的循环衰减曲线。
3.根据权利要求2所述的电池储能系统的容量预测方法,其特征在于,A2中,通过如下方式构建各种不同温度下的循环衰减曲线:
改进型Arrhenius公式如下:
ln(Qloss)=ln(B)−ln(Ea/RT)+zln(Ah)
根据Arrhenius等效方程,不同温度曲线下的ln(Qloss)可视作是关于ln(Ah)的同斜率一次函数;z为斜率,ln(B)−ln(Ea/RT)为常数,根据拟合不同温度曲线,求得z;
根据不同温度下,ln(B)−ln(Ea/RT)的值构造二元一次方程组,求解获取Ea和B的值;Ea为实验活化能,T为绝对温度,R为摩尔气体常数。
4.根据权利要求3所述的电池储能系统的容量预测方法,其特征在于,A1中,对电芯进行同条件恒工况多组充放电循环对比测试实验,采集至少两组温度情况下充放电循环首末端的数据,拟合获取电芯容量保持率随循环次数的变化曲线,即循环衰减曲线。
5.根据权利要求4所述的电池储能系统的容量预测方法,其特征在于,A中,同时对电芯进行常温下的长时间静置实验,采集常温下电芯容量保持率随时间的变化,拟合获取电芯容量保持率随静置时间的变化曲线,即静置衰减曲线。
6.根据权利要求5所述的电池储能系统的容量预测方法,其特征在于,E中,所述的出厂不一致性参数包括电芯所在批次的额定容量、残容容量极差、成组容差;
基于经验假设批次的标准差,并基于出厂不一致性参数和标准差构建该批次的标准正态分布;
基于标准正态分布的随机概率赋予系统样本中各电芯最大可充容量和最大可放容量。
7.根据权利要求6所述的电池储能系统的容量预测方法,其特征在于,F中,当考虑静置衰减时,电芯静置衰减曲线即系统静置衰减曲线,根据至待预测时刻的静置时间和系统静置衰减曲线得到系统静置容量衰减率,根据至待预测时刻的循环次数和系统循环衰减曲线得到系统循环容量衰减率,100%-系统静置容量衰减率-系统循环容量衰减率=系统容量保持率,预测系统容量=初始系统容量*系统容量保持率。
8.根据权利要求7所述的电池储能系统的容量预测方法,其特征在于,还包括电芯容量预测方法:根据各不同温度下的循环衰减曲线和电芯在系统样本中的位置及系统样本的温场分布得到相应电芯的循环衰减,根据静置衰减曲线得到电芯的静置衰减,根据基于出厂不一致性的正态分布得到电芯的初始衰减,电芯的容量预测结果=100%-(电芯循环衰减+电芯静置衰减+电芯初始衰减)。
9.根据权利要求8所述的电池储能系统的容量预测方法,其特征在于,由电芯构成电池包样本,由电池包样本构成电池簇样本,由电池簇样本构成所述的系统样本;
本方法还包括:
同时计算电池包层级和电池簇层级的衰减预测结果:
电池包容量=(最小单体最大可充容量+最小单体最大可放容量)*电池包的单体数量;
电池簇容量=(最小单体最大可充容量+最小单体最大可放容量)*电池簇的单体数量。
10.根据权利要求6所述的电池储能系统的容量预测方法,其特征在于,重复C、D、E、F若干次,求得多个预测系统容量,取平均值作为系统输出结果;
通过系统真实运行或仿真运行不断获取随着运行衰减后的系统容量,与通过本方法预测的结果进行对比,若多次比对精确率超过设定值,则对包括标准差的经验值进行修正和优化。
11.一种用于实现电池储能系统的容量预测方法的容量预测系统,其特征在于,包括衰减曲线获取模块、样本构造模块、单体最高工作温度确定模块、系统曲线获取模块、初始系统容量确定模块、系统容量预测模块,其中,
衰减曲线获取模块,用于对电芯进行单体测试,构建电芯在不同温度下的循环衰减曲线;
样本构造模块,用于根据系统需要,构造由所述电芯构成的系统样本;
单体最高工作温度确定模块,用于获取所述系统样本的温场分布,并基于所述温场分布确定系统样本的单体最高工作温度;
系统曲线获取模块,用于根据出厂不一致性参数为各电芯赋予初始衰减,包括最大可充容量和最大可放容量,同时基于单体最高工作温度得到系统的循环衰减曲线;
初始系统容量确定模块,用于根据木桶效应计算初始系统容量,初始系统容量=(最小单体最大可充容量+最小单体最大可放容量)*单体数量;
系统容量预测模块,用于通过如下方式预测系统容量,预测系统容量=初始系统容量*根据至待预测时刻循环次数和系统循环衰减曲线得到的容量保持率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310985220.3A CN116699445B (zh) | 2023-08-07 | 2023-08-07 | 一种电池储能系统的容量预测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310985220.3A CN116699445B (zh) | 2023-08-07 | 2023-08-07 | 一种电池储能系统的容量预测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116699445A CN116699445A (zh) | 2023-09-05 |
CN116699445B true CN116699445B (zh) | 2023-10-20 |
Family
ID=87824363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310985220.3A Active CN116699445B (zh) | 2023-08-07 | 2023-08-07 | 一种电池储能系统的容量预测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116699445B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117436287B (zh) * | 2023-12-20 | 2024-04-19 | 天津力神电池股份有限公司 | 电池组寿命预测方法、装置及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969585A (zh) * | 2013-01-31 | 2014-08-06 | 国际商业机器公司 | 评估电池的使用状况的方法和装置、相关系统和车辆 |
KR20160107093A (ko) * | 2015-03-03 | 2016-09-13 | 삼성전자주식회사 | 배터리의 잔존 유효 수명을 예측하는 방법 및 시스템 |
CN107894571A (zh) * | 2017-11-06 | 2018-04-10 | 北京长城华冠汽车科技股份有限公司 | 车载电池组寿命估算方法 |
CN107957562A (zh) * | 2018-01-05 | 2018-04-24 | 广西大学 | 一种锂离子电池剩余寿命在线预测方法 |
WO2019009530A1 (ko) * | 2017-07-06 | 2019-01-10 | 주식회사 엘지화학 | 이차 전지의 용량유지율을 추정하는 장치 및 방법 |
CN112363075A (zh) * | 2019-11-21 | 2021-02-12 | 万向一二三股份公司 | 一种锂离子电池老化的评估方法 |
CN115184830A (zh) * | 2022-09-13 | 2022-10-14 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
CN115291131A (zh) * | 2022-07-28 | 2022-11-04 | 欣旺达电子股份有限公司 | 锂离子电池的循环寿命和使用温度预测方法及系统 |
CN115754772A (zh) * | 2022-11-29 | 2023-03-07 | 广东电网有限责任公司 | 一种电池容量衰减处理方法、装置、设备和存储介质 |
CN116381531A (zh) * | 2023-05-11 | 2023-07-04 | 江苏天合储能有限公司 | 电池容量的预测方法 |
WO2023130776A1 (zh) * | 2022-01-07 | 2023-07-13 | 国网浙江省电力有限公司电力科学研究院 | 储能电站电池工况健康状态预测方法及系统 |
CN116482541A (zh) * | 2023-04-19 | 2023-07-25 | 湖北亿纬动力有限公司 | 预测电池循环寿命的方法、装置及计算机可读存储介质 |
-
2023
- 2023-08-07 CN CN202310985220.3A patent/CN116699445B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969585A (zh) * | 2013-01-31 | 2014-08-06 | 国际商业机器公司 | 评估电池的使用状况的方法和装置、相关系统和车辆 |
KR20160107093A (ko) * | 2015-03-03 | 2016-09-13 | 삼성전자주식회사 | 배터리의 잔존 유효 수명을 예측하는 방법 및 시스템 |
WO2019009530A1 (ko) * | 2017-07-06 | 2019-01-10 | 주식회사 엘지화학 | 이차 전지의 용량유지율을 추정하는 장치 및 방법 |
CN109964137A (zh) * | 2017-07-06 | 2019-07-02 | 株式会社Lg化学 | 用于估计二次电池的容量保持率的装置和方法 |
CN107894571A (zh) * | 2017-11-06 | 2018-04-10 | 北京长城华冠汽车科技股份有限公司 | 车载电池组寿命估算方法 |
CN107957562A (zh) * | 2018-01-05 | 2018-04-24 | 广西大学 | 一种锂离子电池剩余寿命在线预测方法 |
CN112363075A (zh) * | 2019-11-21 | 2021-02-12 | 万向一二三股份公司 | 一种锂离子电池老化的评估方法 |
WO2023130776A1 (zh) * | 2022-01-07 | 2023-07-13 | 国网浙江省电力有限公司电力科学研究院 | 储能电站电池工况健康状态预测方法及系统 |
CN115291131A (zh) * | 2022-07-28 | 2022-11-04 | 欣旺达电子股份有限公司 | 锂离子电池的循环寿命和使用温度预测方法及系统 |
CN115184830A (zh) * | 2022-09-13 | 2022-10-14 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
CN115754772A (zh) * | 2022-11-29 | 2023-03-07 | 广东电网有限责任公司 | 一种电池容量衰减处理方法、装置、设备和存储介质 |
CN116482541A (zh) * | 2023-04-19 | 2023-07-25 | 湖北亿纬动力有限公司 | 预测电池循环寿命的方法、装置及计算机可读存储介质 |
CN116381531A (zh) * | 2023-05-11 | 2023-07-04 | 江苏天合储能有限公司 | 电池容量的预测方法 |
Non-Patent Citations (2)
Title |
---|
储能用磷酸铁锂电池循环寿命的能量分析;高飞;杨凯;惠东;李大贺;;中国电机工程学报(05);8+61-65 * |
商用Li_4Ti_5O_(12)电池的温度特性及容量衰减模型;赵俊年;金翼;王绥军;郭晓君;;中国电机工程学报(17);192-198+349 * |
Also Published As
Publication number | Publication date |
---|---|
CN116699445A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111239630A (zh) | 一种储能电池寿命预测方法及管理系统 | |
CN116699445B (zh) | 一种电池储能系统的容量预测方法及其系统 | |
CN105634063B (zh) | 一种基于电池历史数据的主动均衡方法 | |
CN108089133A (zh) | 储能系统电池组一致性检测方法及检测装置 | |
CN108037462A (zh) | 蓄电池健康状况量化方法及系统 | |
CN108732499B (zh) | 一种检测锂离子电池循环寿命的方法和系统 | |
CN110190347A (zh) | 一种应用于通信基站的锂电池管理系统 | |
CN112014735A (zh) | 一种基于全寿命周期的电芯老化寿命预测方法及装置 | |
CN107422265A (zh) | 一种单体电池一致性的检测方法 | |
CN116502112A (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN116933666B (zh) | 一种集装箱储能系统的热管理优化方法、系统及介质 | |
CN113794254B (zh) | 一种热管理策略配置方法、装置、计算机设备和存储介质 | |
CN115267555A (zh) | 基于电池多点温度测量的储能系统电池soh评估系统 | |
CN111487532B (zh) | 一种基于层次分析法和熵值法的退役电池筛选方法及系统 | |
CN113112114A (zh) | 一种储能电站在线评估方法和装置 | |
CN114325446A (zh) | 电池组循环寿命的测试方法、装置、电子设备和存储介质 | |
CN111965557A (zh) | 一种后备电源可靠性的评估方法和装置 | |
CN116401585A (zh) | 一种基于大数据的储能电池失效风险评估方法 | |
CN111257770A (zh) | 一种电池包功率估算方法 | |
CN115800433A (zh) | 电池组一致性评估与等级评价方法及装置 | |
CN114447455A (zh) | 一种温度测量方法及装置 | |
CN114696005A (zh) | 一种动力电池的液冷系统的温差测试方法、系统及装置 | |
CN108321447B (zh) | 基于荷电状态均衡逼近算法的多电池调度方法及系统 | |
CN113325324B (zh) | 基于车辆行驶工况的动力电池瞬态产热率的测算方法 | |
CN108808794A (zh) | 一种电池组均衡方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |