CN117420468A - 电池状态评估方法、装置、设备及存储介质 - Google Patents
电池状态评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117420468A CN117420468A CN202311486909.8A CN202311486909A CN117420468A CN 117420468 A CN117420468 A CN 117420468A CN 202311486909 A CN202311486909 A CN 202311486909A CN 117420468 A CN117420468 A CN 117420468A
- Authority
- CN
- China
- Prior art keywords
- battery
- historical
- model
- discharge
- determining
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004146 energy storage Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 52
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000013210 evaluation model Methods 0.000 claims description 15
- 238000005311 autocorrelation function Methods 0.000 claims description 14
- 230000036541 health Effects 0.000 abstract description 20
- 238000004590 computer program Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000001134 F-test Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 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]
- G01R31/392—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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明实施例公开了一种电池状态评估方法、装置、设备及存储介质。其中,该方法包括:获取储能设施中所配置电池组的额定放电信息以及所述电池组在历史放电事件下对应的历史实际放电信息;根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在所设定评估时刻对应的电池状态评估结果。本技术方案,可以在实际工况下对电池健康状态进行评估,对测量仪器并无高精度要求,采用非侵入式对电池参数进行测量,有利于电池后续运行,提高了电池健康状态评估的准确性。
Description
技术领域
本发明涉及电池管理技术领域,尤其涉及一种电池状态评估方法、装置、设备及存储介质。
背景技术
随着电力系统中可再生能源发电的兴起,可再生能源发稿的参透率节节攀升,其出力的波动性及不确定行为电力系统的稳定运行带来挑战。目前众多针对可再生能源发电的平抑策略往往需要储能设施实现,而储能设施中对电池的广泛应用能够解决可再生能源波动性问题。
然而,在长期运行中,储能设施中的电池组运行状态影响着储能设施的运行稳定性,由此需要对储能设施中电池组运行状态的健康与否提前给出评估。以降低电池组自身状态对储能设施稳定性的影响。
目前的电池状态评估方法,如电化学分析法,本身可能存在破坏性、侵入性不适合在电池运行中进行状态评估,又如安时法,本身需要在实验室环境下评估电池状态,但其实验室环境与电池实际运行环境出入较大,影响评估结果;再如阻抗法有对运行状态评估时所采用测量工具的精度要求较高,因此也存在局限性。
发明内容
本发明提供了一种电池状态评估方法、装置、设备及存储介质,可以在实际工况下对电池健康状态进行评估,对测量仪器并无高精度要求,采用非侵入式对电池参数进行测量,有利于电池后续运行,提高了电池健康状态评估的准确性。
根据本发明的一方面,提供了一种电池状态评估方法,包括:
获取储能设施中所配置电池组的额定放电信息以及所述电池组在历史放电事件下对应的历史实际放电信息;
根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在所设定评估时刻对应的电池状态评估结果。
可选的,所述根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在所设定评估时刻对应的电池状态评估结果,包括:
根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在不同历史检测时刻下对应的历史电池使用寿命;
获取预确定的目标电池寿命评估模型,并从所述历史电池使用寿命中确定模型输入数据;
将所述模型输入数据输入至所述目标电池寿命评估模型,获得所述电池组在所设定评估时刻对应的使用寿命预测值,并作为电池状态评估结果。
可选的,所述根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在不同历史检测时刻下对应的历史电池使用寿命,包括:
根据所述额定放电信息,确定所述电池组的总有效吞吐量;
针对每个历史检测时刻,确定所述历史检测时刻所属的电池历史运行周期,并确定所述电池历史运行周期下包括的目标历史放电事件;
根据各所述目标历史放电事件对应的目标历史实际放电信息,确定所述电池组在所述目标历史放电事件下的有效安培小时数;
根据所述总有效吞吐量以及各所述有效安培小时数,确定所述电池组在所述历史检测时刻下对应的历史电池使用寿命。
可选的,所述根据所述额定放电信息,确定所述电池组的总有效吞吐量,包括:
提取所述额定放电信息中包括的额定放电深度、额定放电电流下的额定放电容量,以及在额定放电深度和额定放电电流的的放电循环次数;
将所述额定放电深度、额定放电容量以及所述放电循环次数的乘积值确定为所述电池组的总有效吞吐量。
可选的,所述根据各所述目标历史放电事件对应的目标历史实际放电信息,确定所述电池组在所述目标历史放电事件下的有效安培小时数,包括:
针对每个目标历史放电事件,从相应目标历史实际放电信息中提取实际放电深度、实际放电容量、实际放电电流下的实际安培小时数;
确定所述实际放电深度与所述额定放电信息中额定放电深度的第一比值,以及确定所述实际放电容量与所述额定放电信息中额定放电容量的第二比值;
将所述第一比值、第二比值以及所述实际安培小时数代入设定关系式,获得所述目标历史放电事件下的有效安培小时数。
可选的,所述目标电池寿命评估模型的确定方法包括:
获取预先构建的初始电池寿命评估模型,所述初始电池寿命评估模型中包括待确定的模型阶数以及待辨识的模型参数;
将电池使用寿命作为模型训练基线,并选定设定数量的历史电池使用寿命作为模型训练样本;
根据所述模型训练样本及给定的模型阶数确定关系式,确定所述模型阶数;
根据相对所述模型训练基线构建的自相关函数以及约束条件,结合给定的递推算法及所述模型训练样本,确定所述模型参数;
将确定的所述模型阶数及模型参数代入所述初始电池寿命评估模型,获得所述目标电池寿命评估模型。
可选的,所述从所述历史电池使用寿命中确定模型输入数据,包括:
根据所述所设定评估时刻,确定所述目标电池寿命评估模型中包括的目标历史检测时刻;
将各所述目标历史检测时刻对应的历史电池使用寿命确定为模型输入数据。
根据本发明的另一方面,提供了一种电池状态评估装置,包括:
信息获取模块,用于获取储能设施中所配置电池组的额定放电信息以及所述电池组在历史放电事件下对应的历史实际放电信息;
评估结果确定模块,用于根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在所设定评估时刻对应的电池状态评估结果。
根据本发明的另一方面,提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任一实施例所述的电池状态评估方法。
根据本发明的另一方面,提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明任一实施例所述的电池状态评估方法。
本发明实施例的技术方案,通过获取储能设施中所配置电池组的额定放电信息以及所述电池组在历史放电事件下对应的历史实际放电信息;根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在所设定评估时刻对应的电池状态评估结果。本技术方案,可以在实际工况下对电池健康状态进行评估,对测量仪器并无高精度要求,采用非侵入式对电池参数进行测量,有利于电池后续运行,提高了电池健康状态评估的准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是根据本发明实施例一提供的一种电池状态评估方法的流程图;
图2是根据本发明实施例二提供的一种电池状态评估方法的流程图;
图3是根据本发明实施例三提供的一种电池状态评估方法的流程图;
图4是根据本发明实施例三提供的在不同放电时间下的AIC值与模型阶数的关系曲线示例图;
图5是根据本发明实施例三提供的在不同额定功率下的AIC值与模型阶数的关系曲线示例图;
图6是根据本发明实施例三提供的初始电池寿命评估模型参数辨识的流程示例图;
图7是根据本发明实施例四提供的一种电池状态评估装置的结构示意图;
图8是根据本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”以及“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”、“具有”以及“等”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种电池状态评估方法的流程图,本实施例可适用于储能设施中的电池组健康状态进行评估的情况,该方法可以由一种电池状态评估装置来执行,该一种电池状态评估装置可以采用硬件和/或软件的形式实现,该一种电池状态评估装置可配置于具有数据处理能力的电子设备中。如图1所示,该方法包括:
S110、获取储能设施中所配置电池组的额定放电信息以及电池组在历史放电事件下对应的历史实际放电信息。
其中,电池组可以理解为储能设施中基于实际需求配置的电池组。电池组可以包括多个电池。示例性的,本实施例中的电池组可以是蓄电池组。本实施例中额定放电信息可以是储能设施中配置好的额定信息。具体的,额定放电信息可以包括电池组的额定放电深度、额定放电电流下的额定放电容量,以及在额定放电深度和额定放电电流的放电循环次数等信息。历史放电事件可以理解为电池组在过去时间内进行放电的事件。本实施例中储能设施运行时,电池组会发生多次放电事件。历史实际放电信息可以包括实际放电深度、实际放电容量、实际放电电流下的实际安培小时数等信息。
本实施例中的历史实际放电信息可以是通过传感器采集得到的。本实施例中可以获取储能设施中配置的电池组配置的额定放电深度、额定放电电流下的额定放电容量,以及在额定放电深度和额定放电电流的的放电循环次数等信息,以及电池组在历史放电事件下对应的实际放电深度、实际放电容量、实际放电电流下的实际安培小时数等信息。
S120、根据额定放电信息及历史实际放电信息,确定电池组在所设定评估时刻对应的电池状态评估结果。
其中,设定评估时刻可以是根据实际需求设定的。电池状态评估结果可以理解为电池组的使用寿命预测值。本实施例中可以根据电池组的额定放电信息以及历史实际放电信息,通过设定好的电池寿命评估模型评估出设定评估时刻对应的电池组的使用寿命预测值。
在本实施例中,可选的,根据额定放电信息及历史实际放电信息,确定电池组在所设定评估时刻对应的电池状态评估结果,包括:根据额定放电信息及历史实际放电信息,确定电池组在不同历史检测时刻下对应的历史电池使用寿命;获取预确定的目标电池寿命评估模型,并从历史电池使用寿命中确定模型输入数据;将模型输入数据输入至电池寿命评估模型,获得电池组在所设定评估时刻对应的使用寿命预测值,并作为电池状态评估结果。
其中,历史检测时刻可以是预先设定的时刻,还可以是周期性设置的检测时刻。历史使用寿命可以理解为电池已经使用过程中的寿命。本实施例中不同历史检测时刻下对应的历史电池使用寿命不同。本实施例中的电池使用寿命可以由电池健康因子表征。本实施例中的历史使用寿命可以根据电池组的额定放电信息以及历史实际放电信息通过对应的运算公式计算得到电池组在不同历史检测时刻下对应的历史电池使用寿命。
本实施例中影响电池使用寿命的主要因素可以有放电深度、放电速率及充放电次数等。电池在每次放电过程都会造成电池寿命不可逆转损耗直至电池寿命结束。
其中,目标电池寿命评估模型可以是预先确定好的评估模型,可以用于对电池寿命进行评估。模型输入数据可以是从电池组的历史使用寿命中选取的数据。本实施例中可以将从历史电池使用寿命中确定出的模型输入数据输入到获取的预先确定好的目标电池寿命评估模型中,可以获得电池组在设定评估时刻对应的使用寿命的预测值,并将使用寿命预测值作为电池状态评估结果。
本实施例中通过这样的设置,可以将历史电池使用寿命输入预先确定好的目标电池寿命评估模型中,以输出电池组在设定评估时刻对应的电池使用寿命的预测值,能够适合实际工况,对测量仪器并无高精度要求,不仅可以评估电池的当下健康状态,还可以对电池寿命进行预测,从而可以合理安排储能设施中的电池组的运行状态。
本发明实施例的技术方案,通过获取储能设施中所配置电池组的额定放电信息以及电池组在历史放电事件下对应的历史实际放电信息;根据额定放电信息及历史实际放电信息,确定电池组在所设定评估时刻对应的电池状态评估结果。本技术方案,可以在实际工况下对电池健康状态进行评估,对测量仪器并无高精度要求,采用非侵入式对电池参数进行测量,有利于电池后续运行,提高了电池健康状态评估的准确性。
实施例二
图2是根据本发明实施例二提供的一种电池状态评估方法的流程图,本实施例以上述实施例为基础进行优化。具体优化为:根据额定放电信息及历史实际放电信息,确定电池组在不同历史检测时刻下对应的历史电池使用寿命,包括:根据额定放电信息,确定电池组的总有效吞吐量;针对每个历史检测时刻,确定历史检测时刻所属的电池历史运行周期,并确定电池历史运行周期下包括的目标历史放电事件;根据各目标历史放电事件对应的目标历史实际放电信息,确定电池组在目标历史放电事件下的有效安培小时数;根据总有效吞吐量以及各有效安培小时数,确定电池组在历史检测时刻下对应的历史电池使用寿命。如图2所示,该方法包括:
S210、获取储能设施中所配置电池组的额定放电信息以及电池组在历史放电事件下对应的历史实际放电信息。
S220、根据额定放电信息,确定电池组的总有效吞吐量。
其中,有效吞吐量可以是电池在额定放电速率及额定放电深度下释放的电能,其单位为安培小时。总有效吞吐量可以理解为电池组中各个电池的有效吞吐量的总和。本实施例中可以通过额定放电信息通过计算的方式确定出电池组的总有效吞吐量。
在本实施例中,可选的,根据额定放电信息,确定电池组的总有效吞吐量,包括:提取额定放电信息中包括的额定放电深度、额定放电电流下的额定放电容量,以及在额定放电深度和额定放电电流的的放电循环次数;将额定放电深度、额定放电容量以及放电循环次数的乘积值确定为电池组的总有效吞吐量。
本实施例中可以提取额定放电信息中的包括的额定放电深度、额定放电电流下的额定放电容量,以及在额定放电深度和额定放电电流的放电循环次数,将提取出的额定放电深度、额定放电容量以及放电循环次数进行相乘,得到的乘积值可以确定为电池组的总有效吞吐量。
具体的,总有效吞吐量表达式可以如下:
τR=NRDRCR
其中,τR为总有效吞吐量,NR为在额定放电深度和额定放电电流下的循环次数;DR为额定放电深度;CR为额定放电电流下的额定容量(单位为Ah)。
本实施例中通过这样的设置,可以根据额定放电信息通过计算确定出电池组的总有效吞吐量,便于后续进行确定电池的历史使用寿命。
S230、针对每个历史检测时刻,确定历史检测时刻所属的电池历史运行周期,并确定电池历史运行周期下包括的目标历史放电事件。
其中,历史检测时刻可以是具体的检测时间点。电池历史运行周期可以理解为设定的电池运行周期。本实施例中的历史检测时刻可以是技术人员设定的检测时刻,还可以是周期性设置的时刻,或者是不定时的时刻,可以根据需求进行确定历史检测时刻。本实施例中的电池历史运周期可以根据实际需求进行设定,本实施例对此不作限定。本实施例中电池历史运行周期可以包括多个历史检测时刻。本实施例中的电池历史运行周期下可以包括多个电池放电事件。目标历史放电事件可以理解为在运行周期下电池组发生的历史放电事件。
本实施例中储能设施运行时,电池组会发生多次放电事件,可以根据设定好的每个历史检测时刻确定出该历史检测时刻所属于的历史运行周期下,将该历史运行周期下电池发生的历史放电事件,作为目标历史放电事件。
S240、根据各目标历史放电事件对应的目标历史实际放电信息,确定电池组在目标历史放电事件下的有效安培小时数。
其中,目标历史实际放电信息可以是每个历史检测时刻确定出的目标历史放电事件对应的实际放电信息。具体的,目标历史实际放电信息可以包括实际放电深度、实际放电容量以及实际放电电流下的实际安培小时数等信息。有效安培小时数可以是通过电池组的放电事件通过设定关系式计算得到的。
本实施例中可以根据各个目标历史放电事件对应的实际放电深度、实际放电容量以及实际放电电流下的实际安培小时数信息,将实际放电深度、实际放电容量以及实际放电电流下的实际安培小时数信息通过设定关系式可以计算得到目标历史放电事件下的有效安培小时数。
在本实施例中,可选的,根据各目标历史放电事件对应的目标历史实际放电信息,确定电池组在目标历史放电事件下的有效安培小时数,包括:针对每个目标历史放电事件,从相应目标历史实际放电信息中提取实际放电深度、实际放电容量、实际放电电流下的实际安培小时数;确定实际放电深度与额定放电信息中额定放电深度的第一比值,以及确定实际放电容量与额定放电信息中额定放电容量的第二比值;将第一比值、第二比值以及实际安培小时数代入设定关系式,获得目标历史放电事件下的有效安培小时数。
其中,第一比值可以是实际放电深度和额定放电深度的比值。第二比值可以是实际放电容量和额定放电容量的比值。设定关系式可以是预先设定好的关系式。
可以理解的,每个目标历史放电时间对应的目标实际放电信息不同。本实施例中可以针对每个目标历史放电事件,从目标历史放电时间对应的目标历史时间放电信息中提取出实际放电深度、实际放电容量以及实际放电电流下的实际安培小时数,通过将实际放电深度与额定放电信息中的额定放电深度的比值作为第一比值,以及将实际放电信息中实际放电容量与额定放电信息中的额定放电容量的比值作为第二比值,然后将第一比值、第二比值以及实际小时数代入到设定好的关系式中,可以计算得到目标历史放电事件下的有效安培小时数。
具体的,本实施例中的设定关系式可以如下:
其中,Def可以为有效安培小时数,DA为实际放电深度;DR为额定放电深度;dact为实际放电电流下的安培小时数(单位为Ah);u0和u1为拟合参数,可以通过厂商提供的放电深度与失效循环次数的关系曲线进行拟合得到;CA为实际放电容量(单位为Ah);CR为额定放电电流下的额定容量。
本实施例中通过这样的设置,可以根据目标历史放电事件对应的实际放电信息和额定放电信息通过设定关系式进行计算得到有效安培小时数,使得基于有效安培小时数获得的电池寿命更为准确可靠。
S250、根据总有效吞吐量以及各有效安培小时数,确定电池组在历史检测时刻下对应的历史电池使用寿命。
本实施例中可以根据电池组的总有效吞吐量以及电池组在目标历史放电事件下的有效安培小时数,通过设定逻辑关系式可以计算得到电池组在每个历史检测时刻下对应的历史电池使用寿命。
具体的,结合有效安培小时数的设定关系式以及总有效吞吐量表达式,若运行周期T内包含n次放电事件,那么实际使用过程中的历史电池使用寿命可以通过如下方式确定:
式中:Y为电池组的历史电池使用寿命(单位可以为年);τef为运行周期T内电池组的有效安培小时数。
S260、获取预确定的目标电池寿命评估模型,并从历史电池使用寿命中确定模型输入数据。
在本实施例中,可选的,从历史电池使用寿命中确定模型输入数据,包括:根据所设定评估时刻,确定目标电池寿命评估模型中包括的目标历史检测时刻;将各目标历史检测时刻对应的历史电池使用寿命确定为模型输入数据。
其中,设定评估时刻可以为设定的需要进行评估的时刻。目标检测时刻可以是由设定评估时刻确定的。目标检测时刻可以有多个。目标历史检测时刻可以与目标电池寿命评估模型的阶数相关。具体的,设定评估时刻可以为n,则根据设定评估时刻确定的目标历史检测时刻可以为n-1、n-2以及n-3这三个目标时刻。
本实施例中可以根据设定评估时刻,确定目标电池寿命评估模型中包括的目标历史检测时刻,将各个目标历史检测时刻对应的历史电池使用寿命作为目标电池寿命评估模型的输入数据。本实施例中通过这样的设置,可以基于设定评估时刻,确定出目标电池寿命评估模型的输入数据,使评估的电池寿命更为准确,更为方便。
S270、将模型输入数据输入至目标电池寿命评估模型,获得电池组在所设定评估时刻对应的使用寿命预测值,并作为电池状态评估结果。
本发明实施例的技术方案,通过获取储能设施中所配置电池组的额定放电信息以及电池组在历史放电事件下对应的历史实际放电信息;根据额定放电信息,确定电池组的总有效吞吐量;针对每个历史检测时刻,确定历史检测时刻所属的电池历史运行周期,并确定电池历史运行周期下包括的目标历史放电事件;根据各目标历史放电事件对应的目标历史实际放电信息,确定电池组在目标历史放电事件下的有效安培小时数;根据总有效吞吐量以及各有效安培小时数,确定电池组在历史检测时刻下对应的历史电池使用寿命;获取预确定的目标电池寿命评估模型,并从历史电池使用寿命中确定模型输入数据;将模型输入数据输入至目标电池寿命评估模型,获得电池组在所设定评估时刻对应的使用寿命预测值,并作为电池状态评估结果。本技术方案,可以在实际工况下对电池健康状态进行评估,对测量仪器并无高精度要求,采用非侵入式对电池参数进行测量,有利于电池后续运行,提高了电池健康状态评估的准确性。
实施例三
图3是根据本发明实施例三提供的一种电池状态评估方法的流程图,本实施例以上述实施例为基础进行优化。具体优化为:目标电池寿命评估模型的确定方法包括:获取预先构建的初始电池寿命评估模型,初始电池寿命评估模型中包括待确定的模型阶数以及待辨识的模型参数;将电池使用寿命作为模型训练基线,并选定设定数量的历史电池使用寿命作为模型训练样本;根据模型训练样本及给定的模型阶数确定关系式,确定模型阶数;根据相对模型训练基线构建的自相关函数以及约束条件,结合给定的递推算法及模型训练样本,确定模型参数;将确定的模型阶数及模型参数代入初始电池寿命评估模型,获得目标电池寿命评估模型。如图3所示,该方法包括:
S310、获取预先构建的初始电池寿命评估模型,初始电池寿命评估模型中包括待确定的模型阶数以及待辨识的模型参数。
其中,初始电池寿命评估模型可以是基于电池使用寿命构建的评估模型。本实施例中的初始电池寿命评估模型可以是自回归电池寿命模型。模型阶数可以理解为模型的具体阶数。本实施例中可以通过常用的设定准则确定模型阶数。设定准则可以为常用的准则有最终预报误差准则(Final Prediction Error Criterian,FPE)、方差齐性检验准则(F-test,F)和赤池信息量准则(Akaike information criterion,AIC)等。待辨识的模型参数可以选取的模型训练样本以及递推算法确定得到。本实施例可以通过模型训练样本以及设定算法进行训练得到最佳的模型阶数以及模型参数。
进一步的,由于本实施例中的电池寿命评估模型对实测基线数据的拟合程度,通常利用似然函数判定,似然函数值越大,模型对数据的描述程度越精确;另一方面是模型的计算复杂度,由于本模型预测电池寿命数据用于实时传递对准,所以在提高模型对数据描述能力的同时,模型参数越少越好。
具体的,本实施例中当前评估时刻的电池使用寿命与历史若干时刻的电池使用寿命相关联,可以利用传感器对电池SOH进行测量评估,然后通过模态重构法将离散应变数据转换为基线数据。基于此,待估计时刻的使用寿命X(n),可以利用初始电池寿命评估模型得到,其初始电池寿命评估模型表达式可以为:
其中,X(n)代表预测的x(n),x(n)为电池寿命评估模型在评估时刻n时的实际测量基准值,ai为电池寿命评估模型中待辨识的参数,p代表电池寿命评估模型的待确定的模型阶数,en为满足E(en)=0及的白噪声序列,式中Q为白噪声方差。该式反映了柔性基线之间的先后影响关系,根据基线的前后时刻数据自相关性对基线进行合理预测。
本实施例可以获取预先构建的包括待确定的模型阶数以及待辨识的模型参数的初始电池寿命评估模型。
S320、将电池使用寿命作为模型训练基线,并选定设定数量的历史电池使用寿命作为模型训练样本。
其中,模型训练基线可以是电池使用寿命。设定数量可以是设定好的数量,可以基于实际需求进行设定。示例性的,设定数量可以为50个。模型训练样本可以用于对初始电池寿命评估模型进行训练。本实施例中可以将电池使用寿命作为模型训练基线,可以选择50个历史电池使用寿命作为模型训练样本。
S330、根据模型训练样本及给定的模型阶数确定关系式,确定模型阶数。
其中,模型阶数确定关系式可以是设定好的关系式,用于确定模型阶数。示例性的,本实施例中可以采用AIC准则作为给定的模型阶数确定关系式。本实施例可以根据模型训练样本以及给定的模型阶数确定关系式进行训练以及计算得到最佳的模型阶数。
具体的,本实施例中由于AIC准则适用于样本数据较少的情况,电池寿命评估模型对电池寿命进行预测的前提是需要利用历史电池寿命数据确定待辨识的模型参数,因此需要初始化时间,而初始化时间取决于用于确定模型参数的样本数据长度,故样本数据一般不宜过多。增加自由参数提高了拟合的优良性,AIC准则在鼓励数据拟合优良性的同时,尽量避免出现过度拟合的情况,所以优先考虑的模型应满足使AIC取最小值。
因此,利用AIC准则给定的模型阶数确定关系式如下:
AIC(p)=Nlnσ2+2p
其中,N为模型基线数据序列的长度,S为建模所用基线数据的残差平方和。
本实施例中可以根据给定的模型阶数确定关系式与选择的模型训练样本,观察在不同维度条件下的模型阶数的效果,选择最合适的模型阶数。
示例性的,可以通过训练样本得到在不同放电时间下的AIC值与模型阶数的关系以及在不同放电功率下的AIC值与模型阶数的关系,来确定出最佳的模型阶数。本实施例可以初步选取50个的历史电池使用寿命作为模型训练样本用于确定待确定的模型阶数以及待辨识的模型参数,可以选取电池出场状态及电池实际运行180天的两测点之间的历史电池使用寿命数据。可以选取电池放电时间分别为10分钟、20分钟以及30分钟时的电池使用寿命数据,利用AIC准则确定阶数。其中,在不同放电时间下的AIC值与模型阶数的关系曲线示例图如图4所示。图4中A、B以及C三条线分别表示电池放电时间分别为10分钟、20分钟以及30分钟。由图4可以看出AIC值的减小速度在模型阶数为3阶、5阶以及19阶时放缓,各放电时间条件下表现出变化趋势的一致性,因此不同放电时间对模型阶数的影响较小。
本实施例中依据AIC准则,AIC取最小值时计算出的模型阶数为最佳值。下表1列出了不同模型阶数下对应的耗时的关系表,由表1可知,模型阶数越大,耗时越长。
表1
进一步,选取电池放电功率为额定功率2倍、3倍以及4倍时的电池寿命数据,利用AIC准则确定阶数。在不同额定功率下的AIC值与模型阶数的关系曲线示例图如图5所示。图5中a、b以及c三条线分别表示额定功率2倍、额定功率3倍以及额定功率4倍。由图5可以看出额定功率2倍时AIC值变化缓慢,变化幅度不大,且16阶出现极小值;额定功率3倍时AIC值在3阶、5阶和19阶模型处变化放缓,在估计速度允许条件下,19阶模型更佳,其次为3阶和5阶模型;而额定功率3倍时AIC值在3阶以及13阶模型处变化放缓,在不考虑预测速度情况下,13阶模型更佳,其次为3阶。
本实施例中可以根据50个的历史电池使用寿命作为模型训练样本建立出模型阶数为3阶的电池寿命评估模型的表达式可以如下:
X(n)=1.3054x(n-1)-0.4387x(n-2)-0.0357x(n-3)
本实施例中基于以上分析可知,电池运行时充放电功率对模型阶数存在一定程度的影响,且基本不存在模型过拟合的情况,但是在用于模型参数辨识的数据长度相同的条件下,显然模型的待估参数越多,各参数估计的准确度越低,这就需要综合考虑确定待辨识参数的样本数据数量和模型阶数之间的关系对于AIC值单调递减的时间序列,可考虑随阶次升高AIC值下降缓慢的点,再综合考虑建模复杂度与估计快速性等因素,后续根据预测电池寿命效果进行调整。
S340、根据相对模型训练基线构建的自相关函数以及约束条件,结合给定的递推算法及模型训练样本,确定模型参数。
其中,自相关函数可以是基于模型训练基线数据构建的自相关函数。约束条件可以是对模型训练基线设置的约束条件,可以根据实际需求进行设置。通常,判断预测结果准确程度的标准是使得预测误差的平方和最小,因此,本实施例中可以将预测平方误差最小作为约束条件。递推算法可以是预先设定好的算法,可以根据实际需求进行设定。本实施例中给定的递推算法可以是莱文逊Levinson-Durbin递推算法。本实施例中可以根据模型训练基线构建的自相关函数以及约束条件,通过给定的递推算法和模型训练样本通过训练和递推计算得到模型参数。
示例性的,初始电池寿命评估模型参数辨识的流程示例图如图6所示。本实施例采用基于实测模型训练基线数据序列,通过计算自相关函数,以预测平方误差最小作为约束条件,找出模型参数和自相关函数之间的关系,并借助Levinson-Durbin递推算法求解矩阵方程,以对模型参数进行辨识,以得到各个模型参数。本实施例中预测平方误差的表达式可以为:
为了使预测平方误差R最小,系数ai应满足条件如下:
根据预测平方误差公式以及系数满足条件可以得到如下表达式:
对上式再进行简化可得:
由于简化后的式子是一个含有p个未知数的方程组,求解该方程组即可得到各项系数a1,a2,a3…ap。
本实施例中对该方程组求解的方法可以为设x(n)在0≤n≤N-1范围以外的值为0。加窗后x(n)的自相关函数为:
则上式的自相关函数可改写为:
利用Levinson-Durbin递推算法对上述矩阵方程进行解算,得到a1,a2,a3…ap的值,也就可以标识出模型参数的值。
S350、将确定的模型阶数及模型参数代入初始电池寿命评估模型,获得目标电池寿命评估模型。
本实施例中可以通过模型训练基线、模型训练样本及给的模型阶数关系式确定的模型阶数,以及基于模型训练基线构建的自相关函数和约束条件,通过递推算法及模型训练样本计算得到的模型参数,代入到初始电池寿命评估模型,可以获得目标电池寿命评估模型。
此外,本实施例中通过获得的目标电池寿命评估模型,选取三组电池作为实验对象,根据其实时检测的放电SOH与自回归模型对比发现目标电池寿命评估模型可有效评估电池健康状况,其评估结果与SOH拟合度均达95%以上。本实施例的电池寿命评估方法,可有效缩短测试时间,并验证了健康评估指标的有效性,比现有的SOH拟合度更好,误差更小,对电池健康评估更为准确。
本发明实施例的技术方案,通过获取预先构建的初始电池寿命评估模型,初始电池寿命评估模型中包括待确定的模型阶数以及待辨识的模型参数;将电池使用寿命作为模型训练基线,并选定设定数量的历史电池使用寿命作为模型训练样本;根据模型训练样本及给定的模型阶数确定关系式,确定模型阶数;根据相对模型训练基线构建的自相关函数以及约束条件,结合给定的递推算法及模型训练样本,确定模型参数;将确定的模型阶数及模型参数代入初始电池寿命评估模型,获得目标电池寿命评估模型。本技术方案,确定出的目标电池寿命模型可有效缩短测试时间,拟合度更好,误差更小,对电池健康评估更为准确,还可以在实际工况下对电池健康状态进行评估,对测量仪器并无高精度要求,采用非侵入式对电池参数进行测量,有利于电池后续运行,提高了电池健康状态评估的准确性。
实施例四
图7是根据本发明实施例四提供的一种电池状态评估装置的结构示意图。如图7所示,该装置包括:
信息获取模块710,用于获取储能设施中所配置电池组的额定放电信息以及电池组在历史放电事件下对应的历史实际放电信息。
评估结果确定模块720,用于根据额定放电信息及历史实际放电信息,确定电池组在所设定评估时刻对应的电池状态评估结果。
可选的,评估结果确定模块720,包括:
历史电池使用寿命确定单元,用于根据额定放电信息及历史实际放电信息,确定电池组在不同历史检测时刻下对应的历史电池使用寿命;
输入数据确定单元,用于获取预确定的目标电池寿命评估模型,并从历史电池使用寿命中确定模型输入数据;
使用寿命预测值获取单元,用于将模型输入数据输入至目标电池寿命评估模型,获得电池组在所设定评估时刻对应的使用寿命预测值,并作为电池状态评估结果。
可选的,历史电池使用寿命确定单元,包括:
总有效吞吐量确定子单元,用于根据额定放电信息,确定电池组的总有效吞吐量;
放电事件确定子单元,用于针对每个历史检测时刻,确定历史检测时刻所属的电池历史运行周期,并确定电池历史运行周期下包括的目标历史放电事件;
有效安培小时数确定子单元,用于根据各目标历史放电事件对应的目标历史实际放电信息,确定电池组在目标历史放电事件下的有效安培小时数;
历史电池使用寿命确定子单元,用于根据总有效吞吐量以及各有效安培小时数,确定电池组在历史检测时刻下对应的历史电池使用寿命。
可选的,总有效吞吐量确定子单元,具体用于提取额定放电信息中包括的额定放电深度、额定放电电流下的额定放电容量,以及在额定放电深度和额定放电电流的的放电循环次数;将额定放电深度、额定放电容量以及放电循环次数的乘积值确定为电池组的总有效吞吐量。
可选的,有效安培小时数确定子单元,具体用于针对每个目标历史放电事件,从相应目标历史实际放电信息中提取实际放电深度、实际放电容量、实际放电电流下的实际安培小时数;确定实际放电深度与额定放电信息中额定放电深度的第一比值,以及确定实际放电容量与额定放电信息中额定放电容量的第二比值;将第一比值、第二比值以及实际安培小时数代入设定关系式,获得目标历史放电事件下的有效安培小时数。
在上述方案的基础上,可选的,评估结果确定模块,还可以包括如下单元以确定目标电池寿命评估模型;
初始模型获取单元,用于获取预先构建的初始电池寿命评估模型,初始电池寿命评估模型中包括待确定的模型阶数以及待辨识的模型参数;
模型训练样本选定单元,用于将电池使用寿命作为模型训练基线,并选定设定数量的历史电池使用寿命作为模型训练样本;
模型阶数确定单元,用于根据模型训练样本及给定的模型阶数确定关系式,确定模型阶数;
模型参数确定单元,用于根据相对模型训练基线构建的自相关函数以及约束条件,结合给定的递推算法及模型训练样本,确定模型参数;
目标模型确定单元,用于将确定的模型阶数及模型参数代入初始电池寿命评估模型,获得目标电池寿命评估模型。
可选的,输入数据确定单元,具体用于根据所设定评估时刻,确定目标电池寿命评估模型中包括的目标历史检测时刻;
将各目标历史检测时刻对应的历史电池使用寿命确定为模型输入数据。
本发明实施例所提供的一种电池状态评估装置可执行本发明任意实施例所提供的一种电池状态评估方法,具备执行方法相应的功能模块和有益效果。
实施例五
图8是根据本发明实施例五提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图8所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、处理器、微处理器等。处理器11执行上文所描述的各个方法和处理,例如电池状态评估方法。
在一些实施例中,电池状态评估方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的电池状态评估方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电池状态评估方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种电池状态评估方法,其特征在于,包括:
获取储能设施中所配置电池组的额定放电信息以及所述电池组在历史放电事件下对应的历史实际放电信息;
根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在所设定评估时刻对应的电池状态评估结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在所设定评估时刻对应的电池状态评估结果,包括:
根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在不同历史检测时刻下对应的历史电池使用寿命;
获取预确定的目标电池寿命评估模型,并从所述历史电池使用寿命中确定模型输入数据;
将所述模型输入数据输入至所述目标电池寿命评估模型,获得所述电池组在所设定评估时刻对应的使用寿命预测值,并作为电池状态评估结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在不同历史检测时刻下对应的历史电池使用寿命,包括:
根据所述额定放电信息,确定所述电池组的总有效吞吐量;
针对每个历史检测时刻,确定所述历史检测时刻所属的电池历史运行周期,并确定所述电池历史运行周期下包括的目标历史放电事件;
根据各所述目标历史放电事件对应的目标历史实际放电信息,确定所述电池组在所述目标历史放电事件下的有效安培小时数;
根据所述总有效吞吐量以及各所述有效安培小时数,确定所述电池组在所述历史检测时刻下对应的历史电池使用寿命。
4.根据权利要求3所述的方法,其特征在于,所述根据所述额定放电信息,确定所述电池组的总有效吞吐量,包括:
提取所述额定放电信息中包括的额定放电深度、额定放电电流下的额定放电容量,以及在额定放电深度和额定放电电流的的放电循环次数;
将所述额定放电深度、额定放电容量以及所述放电循环次数的乘积值确定为所述电池组的总有效吞吐量。
5.根据权利要求3所述的方法,其特征在于,所述根据各所述目标历史放电事件对应的目标历史实际放电信息,确定所述电池组在所述目标历史放电事件下的有效安培小时数,包括:
针对每个目标历史放电事件,从相应目标历史实际放电信息中提取实际放电深度、实际放电容量、实际放电电流下的实际安培小时数;
确定所述实际放电深度与所述额定放电信息中额定放电深度的第一比值,以及确定所述实际放电容量与所述额定放电信息中额定放电容量的第二比值;
将所述第一比值、第二比值以及所述实际安培小时数代入设定关系式,获得所述目标历史放电事件下的有效安培小时数。
6.根据权利要求2所述的方法,其特征在于,所述目标电池寿命评估模型的确定方法包括:
获取预先构建的初始电池寿命评估模型,所述初始电池寿命评估模型中包括待确定的模型阶数以及待辨识的模型参数;
将电池使用寿命作为模型训练基线,并选定设定数量的历史电池使用寿命作为模型训练样本;
根据所述模型训练样本及给定的模型阶数确定关系式,确定所述模型阶数;
根据相对所述模型训练基线构建的自相关函数以及约束条件,结合给定的递推算法及所述模型训练样本,确定所述模型参数;
将确定的所述模型阶数及模型参数代入所述初始电池寿命评估模型,获得所述目标电池寿命评估模型。
7.根据权利要求2所述的方法,其特征在于,所述从所述历史电池使用寿命中确定模型输入数据,包括:
根据所述所设定评估时刻,确定所述目标电池寿命评估模型中包括的目标历史检测时刻;
将各所述目标历史检测时刻对应的历史电池使用寿命确定为模型输入数据。
8.一种电池状态评估装置,其特征在于,包括:
信息获取模块,用于获取储能设施中所配置电池组的额定放电信息以及所述电池组在历史放电事件下对应的历史实际放电信息;
评估结果确定模块,用于根据所述额定放电信息及所述历史实际放电信息,确定所述电池组在所设定评估时刻对应的电池状态评估结果。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的电池状态评估方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的电池状态评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311486909.8A CN117420468A (zh) | 2023-11-08 | 2023-11-08 | 电池状态评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311486909.8A CN117420468A (zh) | 2023-11-08 | 2023-11-08 | 电池状态评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117420468A true CN117420468A (zh) | 2024-01-19 |
Family
ID=89526381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311486909.8A Pending CN117420468A (zh) | 2023-11-08 | 2023-11-08 | 电池状态评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117420468A (zh) |
-
2023
- 2023-11-08 CN CN202311486909.8A patent/CN117420468A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2851700B1 (en) | Method and terminal for displaying capacity of battery | |
WO2021208079A1 (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
WO2018112818A1 (zh) | 一种电池循环寿命的快速预测方法及其快速预测装置 | |
CN110888065B (zh) | 电池包荷电状态修正方法和装置 | |
WO2023184824A1 (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
CN112907128A (zh) | 基于ab测试结果的数据分析方法、装置、设备及介质 | |
CN115932634A (zh) | 一种对电池健康状态评估的方法、装置、设备及存储介质 | |
CN115630502A (zh) | 电池膨胀力确定方法、电子设备及存储介质 | |
CN111025041A (zh) | 电动汽车充电桩监测方法及其系统、计算机设备、介质 | |
CN115932586A (zh) | 一种电池荷电状态在线估算方法、装置、设备及介质 | |
CN115718265A (zh) | 电池直流电阻测试值的修正方法、电子设备及存储介质 | |
CN115392134A (zh) | 车辆动力电池综合性能评估方法及相关装置 | |
JP2023016707A (ja) | 蓄電池の容量損失を算定する方法、装置およびコンピュータプログラム製品 | |
JP2023016707A5 (zh) | ||
CN115754772A (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
CN117420468A (zh) | 电池状态评估方法、装置、设备及存储介质 | |
CN115271450A (zh) | 主焦煤性价比评估方法、装置、设备及存储介质 | |
CN105656453B (zh) | 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法 | |
CN114779109A (zh) | 电池健康状态的确定方法、装置、电子设备及存储介质 | |
CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 | |
CN114814602A (zh) | 一种soc测量系统评估方法、装置及系统 | |
CN115640706B (zh) | 锂电池的可靠性测试方法、设备及计算机可读存储介质 | |
WO2023238636A1 (ja) | 製造方法、製造装置及びプログラム | |
CN114966439A (zh) | 一种电池分容测试方法、装置、电子设备及存储介质 | |
CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 |
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 |