CN118151013A - 磷酸铁锂电池集装箱电池不一致性在线评估方法及装置 - Google Patents

Abstract

一种磷酸铁锂电池集装箱电池不一致性在线评估方法，方法包括：根据磷酸铁锂电池不同SOC区间内阻不同，将储能系统在不同SOC区间启停过程中单体电压变化的影响作为衡量不一致性的标准；建立VAR模型，进行稳定性检验，确定电池单体与电池簇之间存在协整关系；根据电池簇在不同SOC区间的启停，得到各单体电压和电池簇的响应情况，并通过Wasserstein距离对电池不同SOC区间响应的不一致性进行评估；通过方差分解计算各电池单体对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度；确定不同SOC区间下不一致性故障阈值，将电池簇一致性较差时对电池簇电压波动贡献度最大的电池单体认为是破坏一致性的故障单体。

Description

磷酸铁锂电池集装箱电池不一致性在线评估方法及装置

技术领域

本发明涉及电化学储能领域，具体为提供一种基于VAR模型算法在线锁定磷酸铁锂电池簇早期电压不一致故障单体。

背景技术

近年来，随着新能源技术的发展，储能行业相关安全问题也面临巨大的挑战，因此其安全评估已成为目前关注的重点问题。但是由于电池单体制造工艺以及应用工况的差异，不同储能电池之间会存在一定程度的不一致情况。随着运行时间的增加和运行环境的差异，这种不一致性情况会变得更加明显，具体表现为电池的电压、内阻以及容量的变化，导致储能电池的可用容量下降，使用寿命减小，直接影响到设备的经济性、稳定性以及安全性。随着储能电池规模的逐渐扩大，电池串并联单体的数量逐渐增多，实时监测每个单体电池的状态会大大增大电池模块所占体积并提高系统复杂度。因此如何研究并监测大规模储能电池一致性问题是目前最大的难点之一，本专利针对磷酸铁锂集装储能箱在启停过程中电池内阻引起的电压变化来研究电池一致性问题并定位故障单体。

现有技术文件(CN114720883A)提及一种基于孤立森林算法的锂电池故障识别方法，该方案采用对数据集进行训练的方式识别电池故障，通过对训练集A的电池进行外部短路，人为模拟得到演化性故障电池，从而可以快速稳定的获得所需的故障电池的基础数据，为后续步骤提供可靠信息；建立关于电压、温度和阻抗三个参数的孤立森林，根据电压、温度和阻抗的临界的异常值分布对异常信息进行分析和处理。然而该方法采用的“iForest算法”需要用到较大的算力，对控制端硬件要求较高的同时，对所采集数据的数量和质量均有较高要求；同时，该方案需要通过对数据集的反复训练才能实现预期效果，计算量较大，判断时间较长。

发明内容

为解决现有技术中存在的不足，本发明提供一种磷酸铁锂电池集装箱电池不一致性在线评估方法及装置，首先构建VAR模型并确定模型最优滞后阶数，然后进行协整检验以及稳定性检验确定各电池单体与电池簇之间存在长期协整关系；然后基于各电池单体在储能电站启停过程中的脉冲响应得到电池簇的不一致性情况；最后根据方差分解分析各电池单体贡献度，将对电池簇有显著影响且波动贡献度最大电池单体认定为破坏电池簇一致性的单体，通过实时监测数据的不断积累以实现对电池一致性的监测和为储能电站智能运维和单体电池更换提供依据，能够有效提高储能电池一致性评估的准确性和可靠性。

本发明采用如下的技术方案。

步骤1，建立电池单体电压与电池簇电压变化关模型，并建立向量自回归模型，即VAR模型，对VAR模型构建单位根检验统计量进行回归分析，对其特征根进行稳定性检验，确定电池单体与电池簇之间是否存在协整关系，若所有特征根倒数小于1，则模型稳定性良好，进入步骤3；若存在特征根倒数大于等于1，则该模型稳定性较差，对电池簇及各单体电池的电压变化值进行差分或取对数后再返回步骤2进行稳定性检验，重复操作直到该模型稳定；

步骤2，根据电池簇在不同SOC区间的启停，得到的各单体电池电压变化和电池簇电压变化的响应情况，并通过推土机距离即Wasserstein距离对电池不同SOC区间下启停时对电池簇电压变化响应的不一致性进行评估，Wasserstein距离值越大，各单体电压变化值偏离越严重，此时对电池簇不一致情况的影响也越严重；

步骤3，通过方差分解计算各电池单体电压对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度；

步骤4，确定不同SOC区间下不一致性故障阈值，通过方差分解得到的对各电池单体对电池簇电压变化情况的贡献率整定阈值，将电池簇一致性较差时对电池簇电压波动贡献度最大的电池单体认为是破坏一致性的故障单体。

优选的，步骤1中，电池簇由电池串联组成，电池单体电压与电池簇电压变化关系为：

式中：ΔU_r为电池簇电压变化量幅值；Δu_rj为第j个电池单体电压变化量幅值；n为电池单体数量，i为流过电池簇的电流，R电池簇的总电阻，R_j为为第j个电池单体电阻。

优选的，步骤1中，建立的VAR模型，其特征在于：

通过皮尔逊相关系数法单体电池电压变化情况Δu与电池老化相关性系数，得出电压变化情况Δu可以用来间接表示电池内阻变化与电池健康状态情况，从而用于判断电池组不一致性；其中皮尔逊系数的计算方式如下：

式中，Δu_ri表示第i个循环周期的电压变化幅值；r_mi表示在第i个循环周期实际内阻值；为电压变化平均值；/>为内阻平均值。

除用于表征电压变化情况Δu与与电池老化相关性系数外，还需要明确包括电池内阻影响电池电压变化的参数，方法如下：

在放电起始阶段，放电电流突增，内阻R_o分压使电池端电压出现一个阶跃上升U_Ro；在放电结束阶段，放电电流为0，内阻R_o电压消失为0使端电压下降，该单体电压幅值变化量Δu＝U_Ro-0与单体电池内阻大小相关。

优选的，步骤1中，通过向量误差修正的方法将变量之间的长期协整向量作为非均衡误差项，确保各个序列之间存在协整关系，包含如下算法：

首先，对变量进行差分处理防止变量波动：

ΔY_t＝Y_t-Y_t-1

确保各个序列间存在协整关系的公式为：

式中：t＝1,2,…,T，其中T为第T个周期；ΔY_t为长期协整向量，m个电池单体电压变化量幅值和1个电池簇电压变化量幅值组成的k维向量；r为滞后期的阶数；α为序列受短期影响冲击后向长期均衡值调整的速度参数，其绝对值的大小反映了序列受短期影响冲击后向长期均衡值调整的速度，其值越大，则调整的速度越快；β^TY_t-1是误差修正向量，是对变量短期变动的修正，用变量在上个周期对长期均衡的偏离来修正变量在本期的短期变动，；ε_t是k维随机扰动向量。

优选的，步骤1中，在进行协整检验前，首先通过赤池信息准则AIC、施瓦兹准则SC和HQ信息准则确定模型最优滞后期数阶数r；

对VAR的稳定性进行检验，通过构建单位根检验统计量，将时间序列进行差分，然后对差分后的序列进行回归分析；若所有特征根倒数的绝对值均能位于单位圆内，即单位根的倒数均小于1，则认为该模型稳定性良好；若有结果至于单位圆上或者置于单位圆外，则说明该模型稳定性很差，需要对模型进行调整，对电池簇及各单体电池的电压变化值进行差分或取对数后再进行稳定性检验，重复次步骤直到该模型稳定性良好；最后以下算法进行协整检验：

在确定最优滞后期阶数后，设原假设不存在协整关系，若得到根轨迹检验的P值为0时，则表示拒绝原假设，即存在协整关系，存在协整关系的电池单体与电池簇电压变化之间具有长期稳定关系；

确定电池单体与电池簇两者之间的协整关系，即电池簇电压变化是由各单体电压变化所致且两变量之间具有长期稳定关系，然后根据储能系统在不同SOC区间启停过程中各单体电池电压的变化程度来衡量电池簇的不一致性。

优选的，步骤2中，根据权利要求1中所述的Wasserstein距离，求取方法如下：

分析电池簇在低SOC区间以及平稳SOC区间下启停时对电池簇电压变化ΔU_r以及各单体电池电压变化Δu_ri的冲击响应，该响应分布按照正态分布分析；

Wasserstein距离用来度量两个概率分布之间的差异并衡量两个概率分布之间差异的量的大小，表示概率分布p转变为另一个概率分布q所需的最小移动量，即：

式中，γ∈Π[p,q]指的是p,q的联合分布；它的边缘分布p,q分别为电池单体脉冲响应数据Δu_rj/(ΔU_r/n)的分布和标准正态分布；γ(x,y)为脉冲响应数据x与概率密度y的联合分布；

求两个分布p(x)和q(x)的Wasserstein距离的方法为：

其中，p(x)为电池单体脉冲响应数据Δu_rj/(ΔU_r/n)的分布，q(x)为标准正态分布；γ(x,y)为脉冲响应数据x与概率密度y的联合分布。

优选的，步骤3中，方差分解计算各电池单体对电池簇电压变化的贡献度，包括：

基于方差分解的方法对所述VAR模型的输入参数和输出参数的结果进行评价，输出结果对输入变量的敏感性通过相对应的所述输入参数在输出结果中引起的方差量来度量，具体方法：

式中，

其中，中第i行第j列元素表示为在保持其他时期的扰动不变的条件下，当第j个变量对应的误差项在t个周期受到一个单位的冲击后对第i个内生变量在t+q个周期造成的影响；RVC_j→i(s)是第j个变量基于冲击的方差与Yi方差的相对贡献度的比值来分析变量间的影响。

优选的，电池单体对电池簇电压变化的贡献度，其特征在于，在放电起始阶段，电池簇端电压与各电池单体端电压关系为：

式中，ΔU_r为电池簇电压变化量幅值；Δu_ri为第i个电池单体电压变化量幅值；n为电池单体数量。

优选的，电池电压变化情况，在放电过程中，电池簇与各电池单体的电压变化情况可视为一致，可通过电池簇与各电池单体的电压变化情况进行实时监测，通过分析电池簇与各电池单体电压的相互关系反映储能电池堆工作过程中电池不一致性的情况。

优选的，步骤4中，确定不同SOC区间下不一致性故障阈值：

获取电池放电工况下的SOC区间；将所述SOC区间分成多个分段，获取所述分段中电池电压数据，确定所述有效电池电压数据的条数；将对电池簇电压波动贡献度最大的电压数据视为破坏一致性的故障单体。

优选的，将磷酸铁锂电池在不同SOC区间内阻不同作为衡量不一致性的标准，其特征在于，具体包括以下步骤：

步骤a：对磷酸铁锂电池在恒流工况下重复进行充放电试验，并采样记录试验过程中电池的电压、电流、温度以及内阻；

步骤b：选择储能系统启停阶段的数据，计算电压的相对偏差和绝对偏差；

步骤c：将相对偏差转化为内阻的异常率。

优选的，将磷酸铁锂电池在不同SOC区间内阻不同作为衡量不一致性的标准，其特征在于：步骤b中所述的相对偏差和绝对偏差的计算公式为：

δ_n＝(ε_n-ε_0.5)/(ε_0.9-ε_0.1)

式中，ε_n表示第n个单体在该阶段内的绝对偏差，V_t,n表示该阶段内t时刻第n个单体的电压值，表示该阶段内t时刻所有单体电压的均值；δ_n表示第n个单体在该阶段内的相对偏差，ε_0.1、ε_0.5、ε_0.9分别表示绝对偏差ε_n数值的10％、50％、90％。

本发明还包含一种应用于上述任一所述方法的充电桩性能评估装置，其特征在于，包括：

电压采集模块，用于采集电池簇启停前后电池簇电压以及各单体电压；

VCR建立模块，用于对电池簇及各电池单体进行协整检验后，得到相应估计方程的边限检验，说明电池簇与各电池单体存在协整关系；之后对存在协整关系的电池簇与电池单体构建VECM模型，反映各单体电压与电池簇电压之间的长期动态互动关系；

脉冲响应分析模块，用于分析各单体电池与电池簇的标准信息响应；根据各电池单体脉冲响应情况组成一个分布，根据Wasserstein距离得到该电池簇的电池单体分布与标准正态分布的相似度；

方差分解计算模块，方差分解能阐明电池簇变化情况受各电池单体的影响情况，通过计算各电池单体对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度，以此来判断需要重点关注的电池单体；

隐患单体定位模块，用于对比电池簇不一致性与所设置的阈值，将影响程度大的电池状态为劣化，此时需立即对劣化的电池单体对应进行拆卸与检测，做到及时更换。

本发明的有益效果在于，与现有技术相比，本发明具有以下技术优势：

1)本发明相较现有技术，使用的算法更为简化，仅通过协整检验和稳定性检验即可确定各电池簇与单体电池之间存在的长期协整关系，基于此可快速判断故障单体电池；

2)因采集数据和计算过程的精简，本方案需要采集的数据少，计算过程更简单。因而不需要过多传感器进行数据采集，也不需要高算力的CPU辅助进行数据训练，节省了保护成本；

3)同样基于计算更为简便的优点，对电网储能电站的超大规模聚合电池簇而言，本技术方案更具有可行性。现有技术在处理如车载磷酸铁锂电池簇这种规模的聚合电池组时尚可使用，而电网的超大规模聚合电池簇中电池数量的上升会带来的计算与迭代次数呈指数上升。本专利技术方案计算相对简单，迭代次数少，可行性更高。

附图说明

图1是本发明提供的一种磷酸铁锂电池集装箱电池不一致性在线评估方法流程图。

图2是本发明提供的磷酸铁锂电池内阻特性曲线。

图3是本发明提供的各单体电池脉冲响应数据分布

图4是本发明提供的磷酸铁锂电池集装箱电池不一致性在线评估装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本发明的保护范围。

本发明提供了一种磷酸铁锂电池集装箱电池不一致性在线评估方法及装置，能够有效提高储能电池一致性评估的准确性和可靠性。

一种磷酸铁锂电池集装箱电池不一致性在线评估方法，包括：

根据磷酸铁锂电池在不同荷电状态下内阻不同，即不同SOC区间内阻不同的原理，将储能系统在不同SOC区间启停过程中单体电池电压变化量作为衡量不一致性的标准，采取以下方法进行磷酸铁锂电池集装箱电池不一致性在线评估：

建立向量自回归模型即VAR模型，通过时间序列来分析变量之间的动态关系进行稳定性检验，确定电池单体与电池簇之间存在协整关系；建立VAR模型首先对时间序列进行平稳性检测，通过构建单位根检验统计量，将时间序列进行差分，然后对差分后的序列进行回归分析；若所有特征根倒数的绝对值均能位于单位圆内，即单位根的倒数均小于1，则认为该模型稳定性良好；若有结果至于单位圆上或者置于单位圆外，则说明该模型稳定性很差，需要对模型进行调整，对电池簇及各单体电池的电压变化值进行差分或取对数后再进行稳定性检验，重复次步骤直到该模型稳定性良好；根据AIC、SC和HQ信息准则确定模型最优滞后期数，然后在VAR模型估计的基础上，设原假设不存在协整关系，若得到迹检验的P值为0时，则表示拒绝原假设，即存在协整关系，存在协整关系的电池单体与电池簇电压变化之间具有长期稳定关系，进而确定各电池单体与电池簇之间存在长期协整关系。

根据电池簇在不同SOC区间的启停，得到各电池单体电压和电池簇的电压的响应情况，并通过Wasserstein距离对电池不同SOC区间响应的不一致性进行评估；

通过Wasserstein距离把单体电池的脉冲响应分布与标准正态分布进行相似度对比，其值越大，则电池簇不一致情况越严重；

通过方差分解计算各电池单体对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度；

确定不同SOC区间下不一致性故障阈值，即通过方差分解得到的对各电池单体对电池簇电压变化情况的贡献率来确定阈值。贡献率越大说明该单体电压变化越大，对贡献率大的单体进行重点监测，将电池簇一致性较差时对电池簇电压波动贡献度最大的电池单体认为是破坏一致性的故障单体。

步骤1：根据磷酸铁锂电池不同SOC区间内阻不同，将储能系统在不同SOC区间启停过程中单体电压变化的影响作为衡量不一致性的标准。

目前储能电站多以单体电池通过串并联组成电池组，然后电池组串联连接组成电池簇，因此在电池簇启停过程中，电池单体电压与电池簇电压变化关系可以描述为：

式中：ΔU_r为电池簇电压变化量幅值；Δu_rj为第j个电池单体电压变化量幅值；n为电池单体数量。

为进一步量化电压变化量与内阻之间的相关性程度，通过皮尔逊相关系数法计算电压变化情况Δu与电池老化相关性系数。得出电压变化情况Δu可以用来间接表示电池内阻变化与电池健康状态情况，从而用于判断电池组不一致性；电池的健康特征与电池老化情况呈现正相关，并且电池在启停过程中的电压变化Δu₁会随着电池老化情况而变化。在实际运行过程中，直接计算所有单体电池的内阻是不切实际的，因此可以通过电池内阻导致的电压变化情况来分析电池的健康状态。

磷酸铁锂在充放电过程中，随着锂离子的嵌入与脱出，电池内阻R_i是在不断发生变化的，其随SOC的变化曲线如图2所示。磷酸铁锂电池欧姆内阻在SOC为10％-100％区间中变化较平稳，只有在低于10％SOC下有较大幅度的变化，主要由于放电末期电池内部反应活性降低，所以根据不同SOC区间电池内阻的变化分为低SOC区间与平稳SOC区间两类。电池内阻大小的变化就会影响到单体电池在启停过程中的电压响应以及后续对电池簇的影响，因此为了精准定位故障单体电压Δu_ri的不一致性变化，需要选取在不同SOC区间下进行研究。

步骤2：建立VAR模型，进行稳定性检验，确定电池单体与电池簇之间存在协整关系，具体为：

VAR模型原理，本发明采用的是向量自回归模型，即VAR模型。

为了确保建立VAR模型时不丢失非均衡信息，通过向量误差修正的方法将变量之间的长期协整向量作为非均衡误差项，首先，对变量进行差分处理防止变量波动：

ΔY_t＝Y_t-Y_t-1

确保各个序列之间存在协整关系，表达式为：

式中：t＝1,2,…,T；ΔY_t为长期协整向量，m个电池单体电压变化量幅值和1个电池簇单体电压变化量幅值组成的k维向量；r为滞后期阶数；α绝对值的大小反映了序列受短期影响冲击后向长期均衡值调整的速度，其值越大，则调整的速度越快；β^TY_t-1是误差修正向量；是对变量短期变动的修正，用变量在上期对长期均衡的偏离来修正变量在本期的短期变动，为使变量的短期变动与长期均衡保持一致；ε_t是k维随机扰动向量。

在进行协整检验前，首先通过赤池信息准则AIC、施瓦兹准则SC和HQ信息准则确定模型最优滞后期数r；然后对VAR的稳定性进行检验，若所有特征根倒数的绝对值均能位于单位圆内，即单位根的倒数均小于1，则认为该模型稳定性良好；若有结果至于单位圆上或者置于单位圆外，则说明该模型稳定性很差，需要对模型进行调整，对电池簇及各单体电池的电压变化值进行差分或取对数后再进行稳定性检验，重复次步骤直到该模型稳定性良好；最后通过以下算法进行协整检验，在确定最优滞后期阶数后，设原假设不存在协整关系，若得到迹检验的P值为0时，则表示拒绝原假设，即存在协整关系，存在协整关系的电池单体与电池簇电压变化之间具有长期稳定关系；，然后就可以根据储能系统在不同SOC区间启停过程中各单体电池电压的变化程度来衡量电池簇的不一致性。

步骤3：根据电池簇在不同SOC区间的启停，得到各单体电压和电池簇的响应情况，并通过Wasserstein距离对电池不同SOC区间响应的不一致性进行评估。

分析电池簇在低SOC区间以及平稳SOC区间下启停时对电池簇电压变化ΔU_r以及各单体电池电压变化Δu_ri的冲击响应，得到各电池单体的响应分布与正态分布类似，如图3所示。

Wasserstein距离被用于衡量2个概率分布之间的差异，也被称为推土机距离，表示从一个概率分布p转变为另一个概率分布q所需的最小移动量。

式中，γ∈Π[p,q]指的是p,q的联合分布；它的边缘分布p,q分别为电池单体脉冲响应数据Δu_rj/(ΔU_r/n)的分布和标准正态分布；γ为脉冲响应数据x与概率密度y的联合分布。

求两个分布p(x)和q(x)的Wasserstein距离的方法为：

其中，p(x)为电池单体脉冲响应数据Δu_rj/(Δu_r/n)的分布，q(x)为标准正态分布。

通过Wasserstein距离可以将电压变化的响应分布与标准正态分布进行相似度对比，其值越大，说明各单体电压变化值偏离越严重，此时对电池簇不一致情况的影响也越严重。

在分析VAR模型时，不分析一个变量的变化对另一个变量的影响，只分析当模型受到某种冲击时对系统的动态影响。对于一个VAR模型可以表示成为一个无限的向量MA过程：

式中，C_s中第i行第j列元素表示为在其他时期的扰动项ε_t保持不变前提下，当第j个变量对应的误差项在t期受到一个单位的冲击后对第i个内生变量在t+s期造成的影响；Y_t+s为滞后s期的k维内生变量向量；ε_t+s为滞后s期的扰动项。

上式为脉冲响应函数，描述了其他变量在t期以及以前各期保持不变的前提下，y_i,t+s对y_j,t时一次冲击的响应过程。

随着储能电站不断运行，通过Wasserstein距离计算电池簇的电池单体分布的不一致情况变化，由于各单体电池与电池簇之间存在长期协整关系，因此可以通过脉冲响应函数得到储能电站运行期间启停带来的单体电压变化是如何影响电池簇电压的。

步骤4：通过方差分解计算各电池单体对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度。

方差分解法是一种典型的全局敏感性分析方法，核心是把模型分解为单个属性及属性之间相互组合的函数。假设不考虑其他因素，在一个电池簇中，由n个单体电池串联组成，每个单体电池对电池簇的贡献率应为1/n，即每个单体电池对电池簇的贡献程度是均等的。通过方差分解的结果就可以进一步解释电池单体与电池簇之间的相互作用过程和程度，找出对电池簇贡献程度最大的单体电池。

通过方差分解法评估VAR模型的参数敏感性，对电池的循环周期、内阻及电压变化进行评价，且电压变化对循环周期和内阻的敏感性通过后两者在电压变化中引起的方差量来度量。

式中，

其中，中第i行第j列元素表示为在保持其他时期的扰动不变的条件下，当第j个变量对应的误差项在t期受到一个单位的冲击后对第i个内生变量在t+q期造成的影响。RVC_j→i(s)是第j个变量基于冲击的方差与Y_i方差的相对贡献度的比值来分析变量间的影响。

方差Y_i可以分解为k个不相关的影响，通过计算每个变量对Y_i方差的贡献，得到相对方差贡献率RVC。RVC主要用于分析变量之间的影响关系，它是第i个变量基于冲击对Y_i方差的相对贡献度与总方差的比值。RVC越大，表示第i个变量对其他变量的影响越显著；RVC越小，表示第i个变量对其他变量的影响越不显著。

方差分解法能阐明电池簇变化情况受各电池单体的影响情况。通过计算各电池单体对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度，以此来判断需要重点关注的电池单体。

步骤5：确定不同SOC区间下不一致性故障阈值，将电池簇一致性较差时对电池簇电压波动贡献度最大的电池单体认为是破坏一致性的故障单体。

根据不同SOC区间内阻的变化对电池单体以及电池簇电压的影响情况设定不同的阈值，公开阈值设定方法按照通过方差分解得到的对各电池单体对电池簇电压变化情况的贡献率整定阈值，贡献率越大说明该单体电压变化越大，对贡献率大的单体进行重点监测。

然后根据Wasserstein距离计算出的不一致情况分析是否有劣化的电芯需要更换。

当电池簇不一致情况远低于设定的阈值时，表示电芯状态为“健康”，此时所有单体均可以继续工作；当电池簇不一致性接近所设置的阈值时，对影响程度大的电池单体以示警告，其他单体可以正常工作；当电池簇不一致情况超过所设置的阈值，此时电池簇不能继续工作，影响程度大的电池状态为劣化，此时需立即对劣化的电池单体对应进行拆卸与检测，做到及时更换。

本发明还包括一种应用于上述所述方法的一种磷酸铁锂电池集装箱电池不一致性在线评估装置，其特征在于，包括：

电压采集模块，用于采集电池簇启停前后电池簇电压以及各单体电压；

VCR建立模块，用于对电池簇及各电池单体进行协整检验后，得到相应估计方程的边限检验，说明电池簇与各电池单体存在协整关系；之后对存在协整关系的电池簇与电池单体构建VECM模型，反映各单体电压与电池簇电压之间的长期动态互动关系；

脉冲响应分析模块，用于分析各单体电池与电池簇的标准信息响应；根据各电池单体脉冲响应情况组成一个分布，根据Wasserstein距离得到该电池簇的电池单体分布与标准正态分布的相似度；

方差分解计算模块，方差分解能阐明电池簇变化情况受各电池单体的影响情况，通过计算各电池单体对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度，以此来判断需要重点关注的电池单体；

隐患单体定位模块，用于对比电池簇不一致性与所设置的阈值，将影响程度大的电池状态为劣化，此时需立即对劣化的电池单体对应进行拆卸与检测，做到及时更换。

本发明的有益效果在于，与现有技术相比，本发明具有以下技术优势：

1)本发明相较现有技术，使用的算法更为简化，仅通过协整检验和稳定性检验即可确定各电池簇与单体电池之间存在的长期协整关系，基于此可快速判断故障单体电池；

2)因采集数据和计算过程的精简，本方案需要采集的数据少，计算过程更简单。因而不需要过多传感器进行数据采集，也不需要高算力的CPU辅助进行数据训练，节省了保护成本；

3)同样基于计算更为简便的优点，对电网储能电站的超大规模聚合电池簇而言，本技术方案更具有可行性。现有技术在处理如车载磷酸铁锂电池簇这种规模的聚合电池组时尚可使用，而电网的超大规模聚合电池簇中电池数量的上升会带来的计算与迭代次数呈指数上升。本专利技术方案计算相对简单，迭代次数少，可行性更高。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (13)

1.一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于，所述方法具体包括以下步骤：

步骤1，建立电池单体电压与电池簇电压变化关模型，并建立向量自回归模型，即VAR模型，对VAR模型构建单位根检验统计量进行回归分析，对其特征根进行稳定性检验，确定电池单体与电池簇之间是否存在协整关系，若所有特征根倒数小于1，则模型稳定性良好，进入步骤3；若存在特征根倒数大于等于1，则该模型稳定性较差，对电池簇及各单体电池的电压变化值进行差分或取对数后再返回步骤2进行稳定性检验，重复操作直到该模型稳定；

步骤2，根据电池簇在不同SOC区间的启停，得到的各单体电池电压变化和电池簇电压变化的响应情况，并通过推土机距离即Wasserstein距离对电池不同SOC区间下启停时对电池簇电压变化响应的不一致性进行评估，Wasserstein距离值越大，各单体电压变化值偏离越严重，此时对电池簇不一致情况的影响也越严重；

步骤3，通过方差分解计算各电池单体电压对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度；

步骤4，确定不同SOC区间下不一致性故障阈值，通过方差分解得到的对各电池单体对电池簇电压变化情况的贡献率整定阈值，将电池簇一致性较差时对电池簇电压波动贡献度最大的电池单体认为是破坏一致性的故障单体。

2.根据权利要求1所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

步骤1中，电池簇由电池串联组成，电池单体电压与电池簇电压变化关系为：

式中：ΔU_r为电池簇电压变化量幅值；Δu_rj为第j个电池单体电压变化量幅值；n为电池单体数量，i为流过电池簇的电流，R电池簇的总电阻，R_j为为第j个电池单体电阻。

3.根据权利要求1所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

步骤1中，建立的VAR模型，其特征在于：

通过皮尔逊相关系数法单体电池电压变化情况Δu与电池老化相关性系数，得出电压变化情况Δu可以用来间接表示电池内阻变化与电池健康状态情况，从而用于判断电池组不一致性；其中皮尔逊系数的计算方式如下：

式中，Δu_ri表示第i个循环周期的电压变化幅值；r_mi表示在第i个循环周期实际内阻值；为电压变化平均值；/>为内阻平均值。

4.根据权利要求1所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

步骤1中，通过向量误差修正的方法将变量之间的长期协整向量作为非均衡误差项，确保各个序列之间存在协整关系，包含如下算法：

首先，对变量进行差分处理防止变量波动：

ΔY_t＝Y_t-Y_t-1

确保各个序列间存在协整关系的公式为：

式中：t＝1,2,…,T，其中T为第T个周期；ΔY_t为长期协整向量，m个电池单体电压变化量幅值和1个电池簇电压变化量幅值组成的k维向量；r为滞后期的阶数；α为序列受短期影响冲击后向长期均衡值调整的速度参数，其绝对值的大小反映了序列受短期影响冲击后向长期均衡值调整的速度，其值越大，则调整的速度越快；β^TY_t-1是误差修正向量，是对变量短期变动的修正，用变量在上个周期对长期均衡的偏离来修正变量在本期的短期变动，；ε_t是k维随机扰动向量。

5.根据权利要求1所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

步骤1中，在进行协整检验前，首先通过赤池信息准则AIC、施瓦兹准则SC和HQ信息准则确定模型最优滞后期数阶数r；

对VAR的稳定性进行检验，通过构建单位根检验统计量，将时间序列进行差分，然后对差分后的序列进行回归分析；若所有特征根倒数的绝对值均能位于单位圆内，即单位根的倒数均小于1，则认为该模型稳定性良好；若有结果至于单位圆上或者置于单位圆外，则说明该模型稳定性很差，需要对模型进行调整，对电池簇及各单体电池的电压变化值进行差分或取对数后再进行稳定性检验，重复次步骤直到该模型稳定性良好；最后以下算法进行协整检验：

在确定最优滞后期阶数后，设原假设不存在协整关系，若得到根轨迹检验的P值为0时，则表示拒绝原假设，即存在协整关系，存在协整关系的电池单体与电池簇电压变化之间具有长期稳定关系；

确定电池单体与电池簇两者之间的协整关系，即电池簇电压变化是由各单体电压变化所致且两变量之间具有长期稳定关系，然后根据储能系统在不同SOC区间启停过程中各单体电池电压的变化程度来衡量电池簇的不一致性。

6.根据权利要求1所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

步骤2中，根据权利要求1中所述的Wasserstein距离，求取方法如下：

分析电池簇在低SOC区间以及平稳SOC区间下启停时对电池簇电压变化ΔU_r以及各单体电池电压变化Δu_ri的冲击响应，该响应分布按照正态分布分析；

Wasserstein距离用来度量两个概率分布之间的差异并衡量两个概率分布之间差异的量的大小，表示概率分布p转变为另一个概率分布q所需的最小移动量，即：

式中，γ∈Π[p,q]指的是p,q的联合分布；它的边缘分布p,q分别为电池单体脉冲响应数据Δu_rj/(ΔU_r/n)的分布和标准正态分布；γ(x,y)为脉冲响应数据x与概率密度y的联合分布；

求两个分布p(x)和q(x)的Wasserstein距离的方法为：

其中，p(x)为电池单体脉冲响应数据Δu_rj/(ΔU_r/n)的分布，q(x)为标准正态分布；γ(x,y)为脉冲响应数据x与概率密度y的联合分布。

7.根据权利要求1所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

步骤3中，方差分解计算各电池单体对电池簇电压变化的贡献度，包括：

基于方差分解的方法对所述VAR模型的输入参数和输出参数的结果进行评价，输出结果对输入变量的敏感性通过相对应的所述输入参数在输出结果中引起的方差量来度量，具体方法：

式中，

其中，中第i行第j列元素表示为在保持其他时期的扰动不变的条件下，当第j个变量对应的误差项在t个周期受到一个单位的冲击后对第i个内生变量在t+q个周期造成的影响；RVC_j→i(s)是第j个变量基于冲击的方差与Y_i方差的相对贡献度的比值来分析变量间的影响。

8.根据权利要求6所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

电池单体对电池簇电压变化的贡献度，其特征在于，在放电起始阶段，电池簇端电压与各电池单体端电压关系为：

式中，ΔU_r为电池簇电压变化量幅值；Δu_ri为第i个电池单体电压变化量幅值；n为电池单体数量。

9.根据权利要求7所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

电池电压变化情况，在放电过程中，电池簇与各电池单体的电压变化情况可视为一致，可通过电池簇与各电池单体的电压变化情况进行实时监测，通过分析电池簇与各电池单体电压的相互关系反映储能电池堆工作过程中电池不一致性的情况。

10.根据权利要求1中所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

步骤4中，确定不同SOC区间下不一致性故障阈值：

获取电池放电工况下的SOC区间；将所述SOC区间分成多个分段，获取所述分段中电池电压数据，确定所述有效电池电压数据的条数；将对电池簇电压波动贡献度最大的电压数据视为破坏一致性的故障单体。

11.根据权利要求1中所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

将磷酸铁锂电池在不同SOC区间内阻不同作为衡量不一致性的标准，其特征在于，具体包括以下步骤：

步骤a：对磷酸铁锂电池在恒流工况下重复进行充放电试验，并采样记录试验过程中电池的电压、电流、温度以及内阻；

步骤b：选择储能系统启停阶段的数据，计算电压的相对偏差和绝对偏差；

步骤c：将相对偏差转化为内阻的异常率。

12.根据权利要求11中所述一种磷酸铁锂电池集装箱电池不一致性在线评估方法，其特征在于：

将磷酸铁锂电池在不同SOC区间内阻不同作为衡量不一致性的标准，其特征在于：步骤b中所述的相对偏差和绝对偏差的计算公式为：

δ_n＝(ε_n-ε_0.5)/(ε_0.9-ε_0.1)

式中，ε_n表示第n个单体在该阶段内的绝对偏差，V_t,n表示该阶段内t时刻第n个单体的电压值，表示该阶段内t时刻所有单体电压的均值；δ_n表示第n个单体在该阶段内的相对偏差，ε_0.1、ε_0.5、ε_0.9分别表示绝对偏差ε_n数值的10％、50％、90％。

13.一种应用于如权利要求1-13任一所述方法的一种磷酸铁锂电池集装箱电池不一致性在线评估装置，其特征在于，包括：

电压采集模块，用于采集电池簇启停前后电池簇电压以及各单体电压；

VCR建立模块，用于对电池簇及各电池单体进行协整检验后，得到相应估计方程的边限检验，说明电池簇与各电池单体存在协整关系；之后对存在协整关系的电池簇与电池单体构建VECM模型，反映各单体电压与电池簇电压之间的长期动态互动关系；

脉冲响应分析模块，用于分析各单体电池与电池簇的标准信息响应；根据各电池单体脉冲响应情况组成一个分布，根据Wasserstein距离得到该电池簇的电池单体分布与标准正态分布的相似度；

方差分解计算模块，方差分解能阐明电池簇变化情况受各电池单体的影响情况，通过计算各电池单体对电池簇电压变化的贡献度来分析各电池单体对电池簇的影响程度，以此来判断需要重点关注的电池单体；

隐患单体定位模块，用于对比电池簇不一致性与所设置的阈值，将影响程度大的电池状态为劣化，此时需立即对劣化的电池单体对应进行拆卸与检测，做到及时更换。