【技术实现步骤摘要】
本专利技术涉及电池，尤其涉及一种电池架构及其控制方法和电池系统。
技术介绍
1、在实际的储能产品中，一般是由多颗电芯经过串联与并联形成物理上的package，多个package再经过并联和串联形成物理上的rack，rack经过多个串联与并联组成对应的电柜，再由电柜进行并联组成集装箱或储能产品。
2、在实际的储能产品运行中，由于生产工艺、生产设备在生产中固有的“误差”决定了电芯出厂时本身可能存在不一致性问题，再加上日常使用，如储能产品运用于电动汽车储能电站，储能设备中，经历复杂的使用工况，设备老化等问题导致电芯寿命衰减，从而导致同一个package中的各颗电芯的soc不一致性，在日常运行中出现的问题如，木桶效应，整个rack或电柜出现充不满的情况，这将影响整个储能产品的利用效率。
3、由于整个储能产品是经过电芯的串联，并联等多个串并的结构组成，当一颗电芯出现故障时，将导致故障电芯所在package组，甚至rack组出现故障，不能进行正常工作。上述储能组成架构相对来说比较复杂，存在相应的灵活性差等问题。
4、在实际使用过程中，bms控制着电芯的主放电策略，bms策略由人为进行设定，相对来说，bms策略的优劣决定电芯的使用寿命。
5、综合来看，现有的储能产品(电池)主要存在以下三个问题：1.soc不一致性问题，影响电池利用效率。2.电池不能自愈，即不能隔离故障电芯。3.bms策略非最优，影响电池寿命。
技术实现思路
1、本专利技术的目的之一
2、为了实现上述目的，本专利技术采用如下技术方案：一种电池架构，所述电池架构由r个box模块组成，每个box模块由m个cluster模块组成，每个cluster模块由n个stack模块组成，每个stack模块由若干个电芯以及层控制板组成，所述层控制板内置串联电路与并联电路，所述串联电路与并联电路上设若干接口且串并联电路上的接口一一对应成组，每组接口对应一个电芯并通过一个电子控制开关与之相连，所述电子控制开关能够对电芯进行串并联电路切换。
3、本专利技术的目的之二在于提供一种电池架构的控制方法，其包括以下步骤：
4、s1.采集包括温度、电压、电流在内的电芯数据；
5、s2.对采集到的数据进行数据清洗；
6、s3.利用大数据算法对异常数据进行分类检测，并进行数据预警和记录；
7、s4.利用开路电压法或回归类预测算法计算soh，得出电芯的实际健康状态，并利用安时积分法计算出soc值；
8、s5.对数据清洗后的电压、电流数据、分类检测后的温度数据以及计算出的soh、soc值进行组合；
9、s6.对电压电流值、soh与soc值进行归一化处理，离散再embedding编码处理，对温度离散类别特征进行embedding编码处理，对充放电倍率进行离散化再embedding编码处理；
10、s7.利用深度强化学习算法进行分析处理，以确定电芯最佳组合方案(并实现对拓扑的动态切换)；
11、s8.按照电芯最佳组合方案对电芯进行组网并令各电芯执行相应的动作指令。
12、进一步地，步骤s5中，按照以下方式对数据进行组合：
13、
14、其中，为在j时刻第k颗电芯的状态；vk为第k颗电芯的电压，ik为第k颗电芯的电流，tk为第k颗电芯的温度，sock为第k颗电芯的soc值，sk,cs为第k颗电芯的充电倍率，sk,ds为第k颗电芯的放电倍率，sohk为第k颗电芯的寿命状态，wk为电芯工作状态。
15、进一步地，步骤s8中，执行的电芯动作为：
16、
17、其中，为各颗电芯在j时刻执行的动作，ck,dk分别表示电芯充电和放电状态，ck＝1表示当前电芯执行充电动作，dk＝1表示当前电芯执行放电动作，vk,ik分别为电芯执行电压与电流值，sk,cs,sk,ds分别为电芯执行的充电倍率与放电倍率。
18、进一步地，步骤s7中，所述深度强化学习算法为a3c算法，其包括一个全局网络和多个副本网络，并执行以下步骤：
19、step1.重置全局网络与副本网络；
20、step2.副本网络与环境进行交互，令每个副本网络按照不同的探索政策进行学习，以学习各自的最优策略；
21、step3.计算策略损失的梯度，并在全局网络中进行参数更新；
22、step4.待所有副本网络中参数在全局网络中更新完成后，将全局网络的参数同步到所有副本网络中，并重复进行step2到step3的步骤；
23、step5.直到满足迭代停止条件，使全局网络模型收敛到最优；
24、step6.向全局网络输入状态特征，即可根据全局网络模型推断得到电芯最佳组合方案。
25、进一步地，每个副本网络与全局网络架构相同，均由策略函数π(s)、值函数v(s)、network以及输入组成，每个副本网络与全局网络的初始参数相同。
26、进一步地，步骤step3中，按照下述公式(4)-(8)计算策略损失的梯度：
27、fr＝rj+γrj-1+γ2rj-2+...+γj-1r1 (4)
28、其中，fr为回报函数，γ为折扣函数，rj为初始奖励值；
29、a(s,a)＝q(s,a)-v(s) (5)
30、其中，a(s,a)为优势函数，s为电芯的状态值，a为电芯的动作；
31、奖励函数代替q函数值，则优势函数为
32、a(s，a)＝fr-v(s) (6)
33、策略损失为lp，loss：
34、lp，loss＝log(π(s，a))a(s，j)+h(π(s，θ)) (7)
35、其中，h为π函数对应的熵；
36、network利用对应的lp，loss来更新网络中所有节点的参数；
37、梯度更新为
38、
39、其中，θ为network中网络节点参数，α为更新步长，c为熵系数。
40、进一步地，奖励函数，回报函数fr与评价函数成正相关关系，评价函数fm为
41、fm＝ρ/fc+σ/fe+τ/fu (9)
42、其中，fc、fe、fμ分别为成本函数、经济收益、剩余使用价值，ρ、σ、τ为稀疏参数；
43、当评价函数越大时，奖励函数越大，通过合理的设定相关参数，以最大化奖励值。
44、本专利技术的目的之三在于提供一种基于深度强化学习的电池系统，其包括：
45、数据采集模块，用于采集包括温度、电压、电流在内的电芯数据；
46、数据清洗模块，用于对采集到的数据进行数据清洗；
47、温度监测预警模块，用于利用大数据算法对异常数据进行分类检测，并进行数据本文档来自技高网...
【技术保护点】
1.一种电池架构，其特征在于：所述电池架构由R个Box模块组成，每个Box模块由M个Cluster模块组成，每个Cluster模块由N个Stack模块组成，每个Stack模块由若干个电芯以及层控制板组成，所述层控制板内置串联电路与并联电路，所述串联电路与并联电路上设若干接口且串并联电路上的接口一一对应成组，每组接口对应一个电芯并通过一个电子控制开关与之相连，所述电子控制开关能够对电芯进行串并联电路切换。
2.权利要求1所述的电池架构的控制方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的电池架构的控制方法，其特征在于，步骤S5中，按照以下方式对数据进行组合：
4.根据权利要求2所述的电池架构的控制方法，其特征在于，步骤S8中，执行的电芯动作为：
5.根据权利要求2所述的电池架构的控制方法，其特征在于，步骤S7中，所述深度强化学习算法为A3C算法，其包括一个全局网络和多个副本网络，并执行以下步骤：
6.根据权利要求5所述的电池架构的控制方法，其特征在于：每个副本网络与全局网络架构相同，均由策略函数π(s)、值函数V
7.根据权利要求6所述的电池架构的控制方法，其特征在于，步骤Step3中，按照下述公式(4)-(8)计算策略损失的梯度：
8.根据权利要求7所述的电池架构的控制方法，其特征在于：奖励函数，回报函数fr与评价函数成正相关关系，评价函数fm为
9.一种基于深度强化学习的电池系统，其特征在于，包括：
...【技术特征摘要】
1.一种电池架构，其特征在于：所述电池架构由r个box模块组成，每个box模块由m个cluster模块组成，每个cluster模块由n个stack模块组成，每个stack模块由若干个电芯以及层控制板组成，所述层控制板内置串联电路与并联电路，所述串联电路与并联电路上设若干接口且串并联电路上的接口一一对应成组，每组接口对应一个电芯并通过一个电子控制开关与之相连，所述电子控制开关能够对电芯进行串并联电路切换。
2.权利要求1所述的电池架构的控制方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的电池架构的控制方法，其特征在于，步骤s5中，按照以下方式对数据进行组合：
4.根据权利要求2所述的电池架构的控制方法，其特征在于，步骤s8中，执行的电芯动作为：
【专利技术属性】
技术研发人员：彭志强，段移敏，洪俊，贺卫，李嘉仪，黄涛，黄运莱，蒋毅，
申请(专利权)人：湖南工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。