CN117148171A - 一种储能电池数据处理方法及系统 - Google Patents
一种储能电池数据处理方法及系统 Download PDFInfo
- Publication number
- CN117148171A CN117148171A CN202311421791.0A CN202311421791A CN117148171A CN 117148171 A CN117148171 A CN 117148171A CN 202311421791 A CN202311421791 A CN 202311421791A CN 117148171 A CN117148171 A CN 117148171A
- Authority
- CN
- China
- Prior art keywords
- battery
- temperature
- sequence
- battery temperature
- data
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 64
- 238000003672 processing method Methods 0.000 title abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims abstract description 123
- 238000000034 method Methods 0.000 claims abstract description 104
- 230000003321 amplification Effects 0.000 claims abstract description 67
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 48
- 238000009499 grossing Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 21
- 229910001416 lithium ion Inorganic materials 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 18
- 230000001932 seasonal effect Effects 0.000 claims description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000007774 longterm Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000010405 anode material Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000010406 cathode material Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 239000000126 substance Substances 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
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及储能电池数据处理技术领域,提出了一种储能电池数据处理方法及系统,具体步骤包括:获取电池温度序列、充电电流序列和充电电压序列,进而获取充电电流和充电电压的电池温度关联系数,根据充电电流序列获取电池温度电流增幅因子和电池温度电压增幅因子,进而获取电池温度综合增幅系数;根据电池温度序列获取电池异常温度疑似度和电池异常温度距离,进而获取电池温度异常干扰因子;根据电池温度综合增幅系数和电池温度异常干扰因子获取输出电压的平滑系数,根据平滑系数对电池温度序列进行预测,获取预测时刻的电池温度预测值、实现对储能电池的充电过程的监测。本发明解决储能电池在充电过程中状态监测不准确的问题。
Description
技术领域
本发明涉及储能电池数据处理技术领域,具体涉及一种储能电池数据处理方法及系统。
背景技术
储能电池是一种能将电能转化为化学能或其他形式的能量,并在需要时将其释放出来供电使用的装置。储能电池在能源领域具有重要的应用价值,可以平衡能源供需、整合可再生能源,有助于提高能源利用率、降低能源的消耗和减少碳排放。通过对储能电池的数据进行监测和处理,可以对储能电池在充电过程中的电池温度进行预测,有助于评估储能电池的性能和寿命,保障储能电池在充电时的安全性并优化充电策略,对提高储能电池的使用效率、延长使用寿命,并推动储能技术的应用和发展具有重要意义。
在储能电池的充电过程中,电池温度会伴随着充电过程逐渐变化,所以,可以根据储能电池在充电过程中的温度变化情况监测储能电池的充电状态。可使用指数移动平均算法对储能电池在充电过程中的温度进行处理,获取预测温度,当预测温度与实际温度差异较大或者温度的变化趋势出现明显异常时,认为储能电池的充电过程出现问题。指数移动平均算法是一种给予近期数据更高权重的平均方法,具有灵敏的趋势反映和平滑的预测结果,被广泛用于时间序列的数据预测。但指数移动平均算法的性能和结果取决于算法中平滑系数的选择,而平滑系数通常是由经验值选取的一个定值,对于较复杂的场景,由经验值进行设置的平滑系数可能会导致过度平滑或过度敏感的预测结果,使储能电池在充电过程中状态监测不准确。
发明内容
本发明提供一种储能电池数据处理方法及系统,以解决储能电池在充电过程中状态监测不准确的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种储能电池数据处理方法,该方法包括以下步骤:
使用传感器采集储能电池的电池温度、充电电流和充电电压,获取电池温度序列、充电电流序列和充电电压序列;
根据电池温度序列、充电电流序列和充电电压序列之间的相关关系获取充电电流和充电电压的电池温度关联系数,根据充电电流序列获取充电电流季节性序列,进而获取充电电流季节性序列中包含的数据的电流局部波动幅度和电流局部波动幅度序列,根据电流局部波动幅度序列中数据的数值变化趋势获取电流局部增幅稳定性,进而获取电池温度电流增幅因子和电池温度电压增幅因子,获取电池温度综合增幅系数;
根据电池温度序列获取电池温度序列中包含的数据的电池异常温度疑似度,根据电池异常温度疑似度获取第一温度疑似度均值,根据电池异常温度疑似度和第一温度疑似度均值之间的大小关系获取电池异常温度疑似度对应的数据的电池异常温度距离,根据电池温度序列中包含的数据的电池异常温度距离和电池异常温度疑似度获取电池温度异常干扰因子;
根据电池温度综合增幅系数和电池温度异常干扰因子获取输出电压的平滑系数,根据电池温度序列和输出电压的平滑系数获取预测时刻的电池温度预测值,根据预测时刻的电池温度预测值获取对储能电池的充电过程的监测结果。
进一步,所述根据电池温度序列、充电电流序列和充电电压序列之间的相关关系获取充电电流和充电电压的电池温度关联系数的获取方法为:
将电池温度序列和充电电流序列之间的相关系数记为第一相关系数,将电池温度序列和充电电压序列之间的相关系数记为第二相关系数,将第一相关系数与第二相关系数的和记为第一相关系数和;
将第一相关系数与第一相关系数和的比值记为充电电流的电池温度关联系数,将第二相关系数与第一相关系数和的比值记为充电电压的电池温度关联系数。
进一步,所述根据充电电流序列获取充电电流季节性序列,进而获取充电电流季节性序列中包含的数据的电流局部波动幅度和电流局部波动幅度序列的获取方法为:
对充电电流序列使用时间序列分解算法,获取充电电流季节性序列;
将充电电流季节性序列中包含的每个数据分别作为待分析数据,以待分析数据为中心建立时间窗口;
将待分析数据的时间窗口内包含的所有数据的标准差记为待分析数据的电流局部波动幅度;
将电流局部波动幅度按照电流局部波动幅度对应的获取时间的先后顺序排列,获取电流局部波动幅度序列。
进一步,所述根据电流局部波动幅度序列中数据的数值变化趋势获取电流局部增幅稳定性的获取方法为:
将电流局部波动幅度序列的赫斯特指数与第一比较阈值的差值的绝对值记为第一绝对值;
将以自然常数为底数、以第一绝对值为指数的幂记为电流局部增幅稳定性。
进一步,所述进而获取电池温度电流增幅因子和电池温度电压增幅因子,获取电池温度综合增幅系数的方法为:
将充电电流序列中所有数据点进行线性拟合得到拟合曲线的斜率记为第一斜率;
将以自然常数为底数、以第一斜率为指数的幂与电流局部波动幅度序列中最后一个数据对应的时间窗口中包含的所有数据的均值的乘积记为第一乘积;
将第一乘积与电流局部增幅稳定性的比值记为电池温度电流增幅因子;
将电池温度电流增幅因子与充电电流的电池温度关联系数的乘积记为第二乘积;
将电池温度电压增幅因子与充电电压的电池温度关联系数的乘积记为第三乘积;
将第二乘积与第三乘积的和记为电池温度综合增幅系数。
进一步,所述根据电池温度序列获取电池温度序列中包含的数据的电池异常温度疑似度,根据电池异常温度疑似度获取第一温度疑似度均值的方法为:
将电池温度序列中包含的数据位于电池温度序列的位次记为数据的编号;
对电池温度序列使用时间序列分解算法,获取电池温度残差序列;
将电池温度残差序列中包含的每个数据分别作为第一数据;
将第一数据与电池温度残差序列中包含的所有数据的差值的平方的均值记为第一数据的电池异常温度疑似度;
将所有电池异常温度疑似度的均值记为第一温度疑似度均值。
进一步,所述根据电池异常温度疑似度和第一温度疑似度均值之间的大小关系获取电池异常温度疑似度对应的数据的电池异常温度距离,根据电池温度序列中包含的数据的电池异常温度距离和电池异常温度疑似度获取锂离子电池的电池温度异常干扰因子的方法为:
将电池温度残差序列中包含的数据的总数量与数据的编号的差值与数字1的和记为数据的编号的第一和值;
当电池温度序列中包含的数据的电池异常温度疑似度大于第一温度疑似度均值时,将电池异常温度疑似度对应的数据记为疑似异常温度,将疑似异常温度的电池异常温度距离记为疑似异常温度的第一和值的倒数;
当电池温度序列中包含的数据的电池异常温度疑似度小于等于第一温度疑似度均值时,将电池异常温度疑似度对应的数据的电池异常温度距离记为第二预设阈值;
将电池温度序列中包含的所有数据的电池异常温度疑似度的均值与所有电池异常温度距离的均值的乘积记为电池温度异常干扰因子。
进一步,所述根据电池温度综合增幅系数和电池温度异常干扰因子获取输出电压的平滑系数的方法为:
将电池温度异常干扰因子与第一调参因子的和记为第二和值;
将电池温度综合增幅系数与第二和值的比值的线性归一化值记为第一归一化值;
将第一归一化值与第一取值常数的乘积与第二取值常数的和记为输出电压的平滑系数。
进一步,所述根据电池温度序列和输出电压的平滑系数获取预测时刻的电池温度预测值,根据预测时刻的电池温度预测值获取对储能电池的充电过程的监测结果的方法为:
以输出电压的平滑系数作为指数移动平均算法中平滑系数的取值,对电池温度序列使用指数移动平均算法获取预测时刻的电池温度预测值;
当预测时刻的电池温度预测值与贴片式温度传感器在预测时刻获取的电池温度的差异大于等于温度差异阈值时,认为储能电池的充电过程出现问题;
当预测时刻的电池温度预测值与贴片式温度传感器在预测时刻获取的电池温度的差异小于温度差异阈值时,认为储能电池的充电过程保持正常。
第二方面,本发明实施例还提供了一种储能电池数据处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明的有益效果是:
本发明提出一种储能电池数据处理方法及系统,针对使用传统指数移动平均算法实现储能电池充电过程状态监测的过程中,由于平滑系数的取值不当而导致储能电池在充电过程中状态监测不准确的问题进行分析,首先,通过对在锂离子电池的充电过程中影响电池充电温度的相关因素进行分析,基于充电电流和充电电压的数据分布情况,构建电池温度电流增幅因子和电池温度电压增幅因子,然后,结合充电电流和充电电压对电池温度的不同影响程度,构建电池温度综合增幅系数,便于后续根据电池温度综合增幅系数的取值确定平滑系数的自适应取值,实现为电池温度综合增幅系数较大的电池温度序列赋予较小的平滑系数的目的,使电池温度综合增幅系数较大的电池温度序列的预测结果更好地反映近期数据的趋势和波动;然后,基于电池温度数据的中噪声数据和异常数据的分布情况构建电池温度异常干扰因子,对电池温度异常干扰因子较大的电池温度序列赋予较大的平滑系数,以降低近期数据的权重,使电池温度异常干扰因子较大的序列可以预测结果更好地反映数据长期的变化趋势,以降低噪声的影响;最后,基于电池温度综合增幅系数和电池温度异常干扰因子自适应确定指数移动平均算法中的平滑系数,并使用指数移动平均算法完成对锂离子电池充电过程中的电池温度的预测,使电池温度的预测结果更准确,根据预测时刻的电池温度预测值获取对储能电池的充电过程的监测结果,提高储能电池充电过程状态监测的精准性。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种储能电池数据处理方法的流程示意图;
图2为电池温度综合增幅系数获取流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的一种储能电池数据处理方法流程图,该方法包括以下步骤:
步骤S001,使用传感器采集储能电池的电池温度、充电电流和充电电压,获取电池温度序列、充电电流序列和充电电压序列。
储能电池种类繁多,主要包括铅酸类电池和锂电池,本实施例选取锂离子电池进行监测。在锂离子电池的表面分别安装贴片式温度传感器、电流传感器和电压传感器,分别用以监测锂离子电池在充电过程中的电池温度、充电电流和充电电压。分别将采集的电池温度、充电电流和充电电压按照采集时间的先后顺序进行排列,获取电池温度序列、充电电流序列和充电电压序列。
其中,贴片式温度传感器、电流传感器和电压传感器采集数据的时刻、两个相邻采集时刻之间的时间间隔和传感器采集的数据量均相同;两个相邻采集时刻之间的时间间隔的经验值为1秒,传感器采集的数据量的经验值为300个。
在采集和传输数据的过程中,会出现数据缺失的问题,因此,使用分别对电池温度序列、充电电流序列和充电电压序列使用均值填充法进行处理,填充序列中缺失的数据。对填充后的电池温度序列、充电电流序列和充电电压序列分别使用离差标准化方法进行去量纲处理,分别使用去量纲处理后的序列对原电池温度序列、充电电流序列和充电电压序列进行更新。其中,均值填充法和离差标准化方法为公知技术,不再赘述。
至此,获取电池温度序列、充电电流序列和充电电压序列。
步骤S002,根据电池温度序列、充电电流序列和充电电压序列之间的相关关系获取充电电流和充电电压的电池温度关联系数,根据充电电流序列获取充电电流季节性序列,进而获取充电电流季节性序列中包含的数据的电流局部波动幅度和电流局部波动幅度序列,根据电流局部波动幅度序列中数据的数值变化趋势获取电流局部增幅稳定性,进而获取电池温度电流增幅因子和电池温度电压增幅因子,获取电池温度综合增幅系数。
在锂离子电池的充电过程中,通常以恒压、恒流或者恒压恒流的方式进行充电,通过提高充电电流和充电电压来缩短其充电时间,但过高的充电电流和充电电压会导致电池升温过快。这是因为,在锂离子电池的充电过程中,充电电流通过电池内部的电解液和正负极材料时,会遇到内部的电阻,导致功率损耗,功率损耗越大,电池内部产生的热量就越多,电池升温就越快;同时,充电电压的增加可以促进电池内部的电化学反应速率,即电荷的嵌入和脱嵌过程,而反应速率的加快会产生更多的热量,导致电池温度升温越快。
平滑系数是指数移动平均算法在使用过程中的、一个需要人为进行设定的参数,指数移动平均算法通过平滑系数来对当前数据点和过去数据点进行权重的分配,平滑系数的取值越大时,当前数据点的权重越大,过去数据点的权重越小,使预测结果更关注时间较近的数据,从而更好地反映近期数据的趋势和波动,但是,越大的平滑系数越会增加异常值和噪声的影响;而平滑系数的取值越小时,会增大历史数据对预测结果的影响程度,从而更好地反映数据长期的变化趋势,能够降低异常值和噪声的影响,但是,越小的平滑系数越会导致预测结果对近期数据的变化越迟钝。因此,可通过在锂离子电池的充电过程中电池温度的变化情况和影响电池温度的各个影响因素的影响情况,自适应地选取指数移动平均算法中的平滑系数,进而对锂离子电池在充电过程中的电池温度进行更准确地预测。
首先,获取电池温度序列和充电电流序列之间的皮尔逊相关系数,获取电池温度序列和充电电压序列之间的皮尔逊相关系数。其中,皮尔逊相关系数的获取为公知技术,不再赘述。
根据电池温度序列和充电电流序列之间的皮尔逊相关系数以及电池温度序列和充电电压序列之间的皮尔逊相关系数获取充电电流和充电电压的电池温度关联系数。
式中,表示充电电流的电池温度关联系数;/>表示充电电压的电池温度关联系数;/>表示电池温度序列和充电电流序列之间的皮尔逊相关系数,/>表示电池温度序列和充电电压序列之间的皮尔逊相关系数。
当电池温度序列和充电电流序列之间的皮尔逊相关系数的绝对值相对于电池温度序列和充电电压序列之间的皮尔逊相关系数的绝对值越大时,在锂离子电池的充电过程中,充电电流对电池温度的影响程度越大;当电池温度序列和充电电流序列之间的皮尔逊相关系数的绝对值相对于电池温度序列和充电电压序列之间的皮尔逊相关系数的绝对值越小时,在锂离子电池的充电过程中,充电电压对电池温度的影响程度越大。
对充电电流序列使用STL分解算法,获取充电电流趋势性序列。其中,充电电流趋势性序列反映充电电流整体的变化趋势,充电电流季节性序列反映充电电流局部的波动情况;STL分解算法为公知技术,不再赘述。
将充电电流季节性序列中包含的每个数据分别作为待分析数据,以待分析数据为中心建立长度为第一预设阈值的时间窗口,将待分析数据的时间窗口内包含的所有数据的标准差记为待分析数据的电流局部波动幅度。其中,第一预设阈值的经验值为11。
电流局部波动幅度可以反映其对应的时间窗口内包含的数据点的电流波动情况,当电流局部波动幅度越大时,电流局部波动幅度越大。
将充电电流季节性序列中各数据对应的电流局部波动幅度按照时间的先后顺序排列,获取电流局部波动幅度序列。
获取电流局部波动幅度序列的Hurst指数。其中,Hurst指数的获取为公知技术,不再赘述。当Hurst指数越接近0.5时,电流局部波动幅度序列中数据的变化越不具有长期的趋势性,即充电电流序列中各数据的局部波动幅度的变化越趋于一致,充电电流序列中各数据的局部波动幅度的变化越为稳定。
根据电流局部波动幅度序列的Hurst指数,得到锂离子电池的充电电流的电流局部增幅稳定性,电流局部增幅稳定性的计算方法为:
式中,表示电流局部增幅稳定性;/>表示电流局部波动幅度序列的Hurst指数;/>表示第一比较阈值,经验值取0.5;/>表示自然常数。
当电流局部波动幅度序列的Hurst指数越接近0.5时,电流局部增幅稳定性的值越大,即电流局部波动幅度序列中数据的变化越不具有长期的趋势性,充电电流序列中各数据的局部波动幅度的变化越趋于一致,充电电流序列中各数据的局部波动幅度变化的越稳定。
对充电电流序列中包含的所有数据使用最小二乘法,将充电电流序列中包含的所有数据与直线进行线性拟合,得到的拟合曲线的斜率。
当电流序列中所有数据点进行线性拟合得到拟合曲线的斜率越大时,充电电流序列整体递增的趋势越大,在采集储能数据的最后时刻附近的充电电流变化越大。
根据电流局部波动幅度序列中包含的数据、电流局部增幅稳定性和拟合曲线的斜率获取锂离子电池的电池温度电流增幅因子。
式中,表示电池温度电流增幅因子;/>表示对充电电流序列中所有数据点进行线性拟合得到拟合曲线的斜率;/>表示电流局部波动幅度序列中最后一个数据对应的时间窗口中包含的所有数据的均值;/>表示电流局部增幅稳定性;/>表示自然常数。
当电流序列中所有数据点进行线性拟合得到拟合曲线的斜率越大时,充电电流序列整体递增的趋势越大,在采集储能数据的最后时刻附近的充电电流变化越大;同时,当电流局部波动幅度序列中最后一个数据越大时,表示在采集储能数据的最后时刻附近的电池温度的变化越剧烈;而当电流局部增幅稳定性越小时,表示在采集储能数据的最后时刻附近的充电电流的变化幅度越不一致,说明预测时刻附近充电电流的变化越剧烈,则在预测时刻附近的电池温度的变化也越剧烈,即锂离子电池的充电电流对电池温度的增幅越剧烈,电池温度电流增幅因子的值越大。
同理,获取电池温度电压增幅因子。
进一步的,基于电池温度电流增幅因子、电池温度电压增幅因子/>、电池温度关联系数/>和电池温度关联系数/>,得到锂离子电池的电池温度综合增幅系数/>,其计算方法为:
式中,表示电池温度综合增幅系数;/>表示电池温度电流增幅因子;/>表示电池温度电压增幅因子;/>表示充电电流的电池温度关联系数;/>表示充电电压的电池温度关联系数。
当电池温度电流增幅因子、电池温度电压增幅因子、电池温度关联系数和电池温度关联系数越大时,电池温度综合增幅系数越大,即电池温度受到电压和电流的影响越大。
至此,获取电池温度综合增幅系数,电池温度综合增幅系数获取流程图如图2所示。
步骤S003,根据电池温度序列获取电池温度序列中包含的数据的电池异常温度疑似度,根据电池异常温度疑似度获取第一温度疑似度均值,根据电池异常温度疑似度和第一温度疑似度均值之间的大小关系获取电池异常温度疑似度对应的数据的电池异常温度距离,根据电池温度序列中包含的数据的电池异常温度距离和电池异常温度疑似度获取锂离子电池的电池温度异常干扰因子。
对电池温度序列使用STL分解算法获取电池温度序列中的残差项序列,将电池温度序列中的残差项序列记为电池温度残差序列,电池温度残差序列反映了电池温度序列中噪声数据和异常数据的分布情况。
将电池温度序列中包含的数据位于电池温度序列的位次记为数据的编号。
根据电池温度序列和电池温度残差序列中包含的数据获取电池温度序列中包含的数据的电池异常温度疑似度。
式中,表示电池温度序列中编号为/>的数据的电池异常温度疑似度,其中,;/>、/>分别表示电池温度残差序列中编号为/>和/>的数据的取值;/>表示电池温度残差序列中包含的数据的总数量,电池温度残差序列中包含的数据的总数量等于电池温度序列中包含的数据的总数量。
一般情况下,锂离子电池的电池温度序列中噪声数据和异常数据的占比是低于正常数据的,因此,第个数据/>的值与其余数据之间的差值越大时,第/>个数据与其余数据之间的差异越大,电池温度序列中的第/>个数据点越疑似为噪声数据或异常数据,即/>的值越大。
将电池温度序列中包含的所有数据的电池异常温度疑似度的均值记为第一温度疑似度均值。
根据电池异常温度疑似度和第一温度疑似度均值之间的大小关系获取电池异常温度疑似度对应的数据的电池异常温度距离。
式中,表示电池温度序列中编号为/>的数据的电池异常温度距离;/>表示电池温度序列中编号为/>的数据的电池异常温度疑似度;/>表示第一温度疑似度均值;/>表示电池温度残差序列中包含的数据的总数量;/>表示第二预设阈值,经验值为0。
当电池温度序列中包含的数据的电池异常温度疑似度大于第一温度疑似度均值时,认为电池异常温度疑似度对应的数据为疑似异常温度,根据上式对疑似异常温度对应的数据的电池异常温度距离进行取值,当疑似异常温度获取时刻与预测时刻之间的时间间隔越大时,疑似异常温度对应的数据的电池异常温度距离越小;当电池温度序列中包含的数据的电池异常温度疑似度小于等于第一温度疑似度均值时,根据上式对疑似异常温度对应的数据的电池异常温度距离进行取值,认为电池异常温度疑似度对应的数据的电池异常温度距离最小。
根据电池温度序列中包含的数据的电池异常温度距离和电池异常温度疑似度获取锂离子电池的电池温度异常干扰因子。
式中,表示电池温度异常干扰因子;/>表示电池温度序列中包含的所有数据的电池异常温度疑似度的均值;/>表示电池温度序列中编号为/>的数据的电池异常温度距离;/>表示电池温度残差序列中包含的数据的总数量。
当电池温度序列中包含的所有数据的电池异常温度疑似度的均值越大时,电池温度残差序列中各数据之间的差异越大,电池温度序列中包含的疑似异常电池温度越多,即电池温度异常干扰因子的值越大;当电池温度序列中编号为的数据的电池异常温度距离越大时,电池温度序列中疑似异常电池温度与预测时刻之间的时间间隔越短,预测时刻附近的数据点中疑似为异常电池温度的数据点越多,即电池温度异常干扰因子/>的值越大;当电池温度异常干扰因子/>越大时,说明在锂离子电池的充电过程中,预测时刻附近的温度数据中噪声和异常数据的所占比例越高,越应该降低平滑系数的取值,增加历史数据对预测结果的影响以降低异常值和噪声的影响。
至此,获取电池温度异常干扰因子。
步骤S004,根据电池温度综合增幅系数和电池温度异常干扰因子获取输出电压的平滑系数,根据电池温度序列和输出电压的平滑系数获取预测时刻的电池温度预测值,根据预测时刻的电池温度预测值获取对储能电池的充电过程的监测结果。
进一步的,得到输出电压的平滑系数:
式中,表示输出电压的平滑系数;/>表示电池温度综合增幅系数;/>表示电池温度异常干扰因子;/>表示第一调参因子,作用为防止分母为0,经验取值为1;/>表示第一取值常数,经验取值为0.1;/>表示第二取值常数,经验取值为0.9;/>表示第一取值函数,作用为取括号内的线性归一化值。
当电池温度综合增幅系数越大时,表示在锂离子电池的充电过程中,其余因素对临近电池的预测时刻的温度影响程度越大,即在临近电池的预测时刻中,电池温度数据变化越大,则应对输出电压的平滑系数赋予较大的取值,使预测结果更好地反映近期数据的趋势和波动;当电池温度异常干扰因子越大时,表示在锂离子电池的充电过程中,电池温度数据中噪声数据干扰程度越大,即应减小输出电压的平滑系数的取值,使预测结果更好地反映数据长期的变化趋势,以降低噪声的影响。
以输出电压的平滑系数作为指数移动平均算法中平滑系数的取值,对电池温度序列使用指数移动平均算法获取预测时刻的电池温度预测值。其中,预测时刻即为最后一个传感器采集数据的时刻之后一个时间间隔对应的时刻。其中,指数移动平均算法为公知技术,不再赘述。
当预测时刻的电池温度预测值与贴片式温度传感器在预测时刻获取的电池温度的差异大于等于温度差异阈值时,认为储能电池的充电过程出现问题;当预测时刻的电池温度预测值与贴片式温度传感器在预测时刻获取的电池温度的差异小于温度差异阈值时,认为储能电池的充电过程保持正常。其中,温度差异阈值的经验值为0.2℃。
至此,完成对储能电池的数据处理和对储能电池的充电过程的监测。
基于与上述方法相同的发明构思,本发明实施例还提供了一种储能电池数据处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种储能电池数据处理方法中任意一项所述方法的步骤。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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)
1.一种储能电池数据处理方法,其特征在于,该方法包括以下步骤:
使用传感器采集储能电池的电池温度、充电电流和充电电压,获取电池温度序列、充电电流序列和充电电压序列;
根据电池温度序列、充电电流序列和充电电压序列之间的相关关系获取充电电流和充电电压的电池温度关联系数,根据充电电流序列获取充电电流季节性序列,进而获取充电电流季节性序列中包含的数据的电流局部波动幅度和电流局部波动幅度序列,根据电流局部波动幅度序列中数据的数值变化趋势获取电流局部增幅稳定性,进而获取电池温度电流增幅因子和电池温度电压增幅因子,获取电池温度综合增幅系数;
根据电池温度序列获取电池温度序列中包含的数据的电池异常温度疑似度,根据电池异常温度疑似度获取第一温度疑似度均值,根据电池异常温度疑似度和第一温度疑似度均值之间的大小关系获取电池异常温度疑似度对应的数据的电池异常温度距离,根据电池温度序列中包含的数据的电池异常温度距离和电池异常温度疑似度获取电池温度异常干扰因子;
根据电池温度综合增幅系数和电池温度异常干扰因子获取输出电压的平滑系数,根据电池温度序列和输出电压的平滑系数获取预测时刻的电池温度预测值,根据预测时刻的电池温度预测值获取对储能电池的充电过程的监测结果。
2.根据权利要求1所述的一种储能电池数据处理方法,其特征在于,所述根据电池温度序列、充电电流序列和充电电压序列之间的相关关系获取充电电流和充电电压的电池温度关联系数的获取方法为:
将电池温度序列和充电电流序列之间的相关系数记为第一相关系数,将电池温度序列和充电电压序列之间的相关系数记为第二相关系数,将第一相关系数与第二相关系数的和记为第一相关系数和;
将第一相关系数与第一相关系数和的比值记为充电电流的电池温度关联系数,将第二相关系数与第一相关系数和的比值记为充电电压的电池温度关联系数。
3.根据权利要求1所述的一种储能电池数据处理方法,其特征在于,所述根据充电电流序列获取充电电流季节性序列,进而获取充电电流季节性序列中包含的数据的电流局部波动幅度和电流局部波动幅度序列的获取方法为:
对充电电流序列使用时间序列分解算法,获取充电电流季节性序列;
将充电电流季节性序列中包含的每个数据分别作为待分析数据,以待分析数据为中心建立时间窗口;
将待分析数据的时间窗口内包含的所有数据的标准差记为待分析数据的电流局部波动幅度;
将电流局部波动幅度按照电流局部波动幅度对应的获取时间的先后顺序排列,获取电流局部波动幅度序列。
4.根据权利要求1所述的一种储能电池数据处理方法,其特征在于,所述根据电流局部波动幅度序列中数据的数值变化趋势获取电流局部增幅稳定性的获取方法为:
将电流局部波动幅度序列的赫斯特指数与第一比较阈值的差值的绝对值记为第一绝对值;
将以自然常数为底数、以第一绝对值为指数的幂记为电流局部增幅稳定性。
5.根据权利要求1所述的一种储能电池数据处理方法,其特征在于,所述进而获取电池温度电流增幅因子和电池温度电压增幅因子,获取电池温度综合增幅系数的方法为:
将充电电流序列中所有数据点进行线性拟合得到拟合曲线的斜率记为第一斜率;
将以自然常数为底数、以第一斜率为指数的幂与电流局部波动幅度序列中最后一个数据对应的时间窗口中包含的所有数据的均值的乘积记为第一乘积;
将第一乘积与电流局部增幅稳定性的比值记为电池温度电流增幅因子;
将电池温度电流增幅因子与充电电流的电池温度关联系数的乘积记为第二乘积;
将电池温度电压增幅因子与充电电压的电池温度关联系数的乘积记为第三乘积;
将第二乘积与第三乘积的和记为电池温度综合增幅系数。
6.根据权利要求1所述的一种储能电池数据处理方法,其特征在于,所述根据电池温度序列获取电池温度序列中包含的数据的电池异常温度疑似度,根据电池异常温度疑似度获取第一温度疑似度均值的方法为:
将电池温度序列中包含的数据位于电池温度序列的位次记为数据的编号;
对电池温度序列使用时间序列分解算法,获取电池温度残差序列;
将电池温度残差序列中包含的每个数据分别作为第一数据;
将第一数据与电池温度残差序列中包含的所有数据的差值的平方的均值记为第一数据的电池异常温度疑似度;
将所有电池异常温度疑似度的均值记为第一温度疑似度均值。
7.根据权利要求6所述的一种储能电池数据处理方法,其特征在于,所述根据电池异常温度疑似度和第一温度疑似度均值之间的大小关系获取电池异常温度疑似度对应的数据的电池异常温度距离,根据电池温度序列中包含的数据的电池异常温度距离和电池异常温度疑似度获取锂离子电池的电池温度异常干扰因子的方法为:
将电池温度残差序列中包含的数据的总数量与数据的编号的差值与数字1的和记为数据的编号的第一和值;
当电池温度序列中包含的数据的电池异常温度疑似度大于第一温度疑似度均值时,将电池异常温度疑似度对应的数据记为疑似异常温度,将疑似异常温度的电池异常温度距离记为疑似异常温度的第一和值的倒数;
当电池温度序列中包含的数据的电池异常温度疑似度小于等于第一温度疑似度均值时,将电池异常温度疑似度对应的数据的电池异常温度距离记为第二预设阈值;
将电池温度序列中包含的所有数据的电池异常温度疑似度的均值与所有电池异常温度距离的均值的乘积记为电池温度异常干扰因子。
8.根据权利要求1所述的一种储能电池数据处理方法,其特征在于,所述根据电池温度综合增幅系数和电池温度异常干扰因子获取输出电压的平滑系数的方法为:
将电池温度异常干扰因子与第一调参因子的和记为第二和值;
将电池温度综合增幅系数与第二和值的比值的线性归一化值记为第一归一化值;
将第一归一化值与第一取值常数的乘积与第二取值常数的和记为输出电压的平滑系数。
9.根据权利要求8所述的一种储能电池数据处理方法,其特征在于,所述根据电池温度序列和输出电压的平滑系数获取预测时刻的电池温度预测值,根据预测时刻的电池温度预测值获取对储能电池的充电过程的监测结果的方法为:
以输出电压的平滑系数作为指数移动平均算法中平滑系数的取值,对电池温度序列使用指数移动平均算法获取预测时刻的电池温度预测值;
当预测时刻的电池温度预测值与贴片式温度传感器在预测时刻获取的电池温度的差异大于等于温度差异阈值时,认为储能电池的充电过程出现问题;
当预测时刻的电池温度预测值与贴片式温度传感器在预测时刻获取的电池温度的差异小于温度差异阈值时,认为储能电池的充电过程保持正常。
10.一种储能电池数据处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311421791.0A CN117148171B (zh) | 2023-10-31 | 2023-10-31 | 一种储能电池数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311421791.0A CN117148171B (zh) | 2023-10-31 | 2023-10-31 | 一种储能电池数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117148171A true CN117148171A (zh) | 2023-12-01 |
CN117148171B CN117148171B (zh) | 2024-01-26 |
Family
ID=88903054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311421791.0A Active CN117148171B (zh) | 2023-10-31 | 2023-10-31 | 一种储能电池数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117148171B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117368744A (zh) * | 2023-12-07 | 2024-01-09 | 苏州普林新能源有限公司 | 一种户用储能电池在线评估方法 |
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 |
CN117638325A (zh) * | 2024-01-25 | 2024-03-01 | 武汉理工大学 | 一种动力电池低温热管理方法及系统 |
CN117741450A (zh) * | 2024-02-21 | 2024-03-22 | 新风光电子科技股份有限公司 | 一种电参数分析的储能电池检测方法 |
CN117890815A (zh) * | 2024-01-16 | 2024-04-16 | 北京绿能环宇低碳科技有限公司 | 一种电池模组组装质量检测方法及系统 |
CN118117717A (zh) * | 2024-04-28 | 2024-05-31 | 张家港格居信息科技有限公司 | 一种基于不稳定电源的蓄电池匹配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110518634A (zh) * | 2019-08-19 | 2019-11-29 | 国网山东省电力公司经济技术研究院 | 基于改进指数平滑法的蓄电池储能系接入风电场控制方法 |
CN114083987A (zh) * | 2021-11-09 | 2022-02-25 | 一汽解放汽车有限公司 | 电池监测参数的修正方法、装置和计算机设备 |
CN114169575A (zh) * | 2021-11-12 | 2022-03-11 | 国网湖北省电力有限公司电力科学研究院 | 一种充电状态汽车电池温度的大数据预测系统 |
CN116679218A (zh) * | 2023-06-13 | 2023-09-01 | 楚能新能源股份有限公司 | 锂离子电池容量的补偿修正方法 |
WO2023172735A1 (en) * | 2022-03-10 | 2023-09-14 | Electra Vehicles, Inc. | Systems and methods for using adaptive modeling to predict energy system performance |
-
2023
- 2023-10-31 CN CN202311421791.0A patent/CN117148171B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110518634A (zh) * | 2019-08-19 | 2019-11-29 | 国网山东省电力公司经济技术研究院 | 基于改进指数平滑法的蓄电池储能系接入风电场控制方法 |
CN114083987A (zh) * | 2021-11-09 | 2022-02-25 | 一汽解放汽车有限公司 | 电池监测参数的修正方法、装置和计算机设备 |
CN114169575A (zh) * | 2021-11-12 | 2022-03-11 | 国网湖北省电力有限公司电力科学研究院 | 一种充电状态汽车电池温度的大数据预测系统 |
WO2023172735A1 (en) * | 2022-03-10 | 2023-09-14 | Electra Vehicles, Inc. | Systems and methods for using adaptive modeling to predict energy system performance |
CN116679218A (zh) * | 2023-06-13 | 2023-09-01 | 楚能新能源股份有限公司 | 锂离子电池容量的补偿修正方法 |
Non-Patent Citations (2)
Title |
---|
周强 蔡嘉炜 江修波 郑文迪: "基于指数平滑与CEEMDAN的混合储能控制策略研究", 可再生能源, no. 2020 * |
桑林;李志明;董晨;朱金大;: "基于灰序列预测模型的电动汽车充电控制研究", 电力电子技术, no. 09 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117368744A (zh) * | 2023-12-07 | 2024-01-09 | 苏州普林新能源有限公司 | 一种户用储能电池在线评估方法 |
CN117368744B (zh) * | 2023-12-07 | 2024-02-09 | 苏州普林新能源有限公司 | 一种户用储能电池在线评估方法 |
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 |
CN117890815A (zh) * | 2024-01-16 | 2024-04-16 | 北京绿能环宇低碳科技有限公司 | 一种电池模组组装质量检测方法及系统 |
CN117638325A (zh) * | 2024-01-25 | 2024-03-01 | 武汉理工大学 | 一种动力电池低温热管理方法及系统 |
CN117638325B (zh) * | 2024-01-25 | 2024-04-16 | 武汉理工大学 | 一种动力电池低温热管理方法及系统 |
CN117741450A (zh) * | 2024-02-21 | 2024-03-22 | 新风光电子科技股份有限公司 | 一种电参数分析的储能电池检测方法 |
CN117741450B (zh) * | 2024-02-21 | 2024-05-14 | 新风光电子科技股份有限公司 | 一种电参数分析的储能电池检测方法 |
CN118117717A (zh) * | 2024-04-28 | 2024-05-31 | 张家港格居信息科技有限公司 | 一种基于不稳定电源的蓄电池匹配方法 |
CN118117717B (zh) * | 2024-04-28 | 2024-07-05 | 张家港格居信息科技有限公司 | 一种基于不稳定电源的蓄电池匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117148171B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117148171B (zh) | 一种储能电池数据处理方法及系统 | |
CN112666464B (zh) | 电池健康状态预测方法、装置、电子设备和可读存储介质 | |
CN108107372B (zh) | 基于soc分区估算的蓄电池健康状况量化方法及系统 | |
CN108037462B (zh) | 蓄电池健康状况量化方法及系统 | |
CN113049962B (zh) | 一种基于lstm的储能装置运行态势推演方法 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN115902647B (zh) | 一种电池状态智能监测方法 | |
CN114372417A (zh) | 基于充电网的电动汽车电池健康状态和剩余寿命评估方法 | |
CN112986831A (zh) | 一种基于相关系数粒子滤波的锂离子电池寿命预测方法 | |
CN117368744B (zh) | 一种户用储能电池在线评估方法 | |
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 | |
CN114471418A (zh) | 一种连续式造粒反应釜的釜内温度控制方法、系统和介质 | |
CN115267555A (zh) | 基于电池多点温度测量的储能系统电池soh评估系统 | |
CN113657360A (zh) | 锂电池健康状态估计方法、装置、设备及可读存储介质 | |
CN113125967A (zh) | 一种基于温升预测的锂电池soe计算方法 | |
CN116953547A (zh) | 一种储能电池健康度评估方法、系统、设备及存储介质 | |
CN115986874A (zh) | 一种电池充电安全监测预警方法及系统 | |
CN115291131A (zh) | 锂离子电池的循环寿命和使用温度预测方法及系统 | |
CN109164397B (zh) | 考虑充电速率和环境温度的锂电池寿命损耗评估方法 | |
CN116743180B (zh) | 一种储能电源数据智能存储方法 | |
CN116699445B (zh) | 一种电池储能系统的容量预测方法及其系统 | |
CN116992311B (zh) | 基于机器学习的储能电源状态分析方法 | |
CN110531281B (zh) | 用于估计动力蓄电池单元的健康状态的方法及系统 | |
CN116381531A (zh) | 电池容量的预测方法 | |
CN116400239A (zh) | 一种铁铬液流电池的储能智能监测方法 |
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 |