【技术实现步骤摘要】
一种基于建模仿真的化学电池储能应用分析方法
本专利技术涉及动力电池领域，尤其是一种基于建模仿真的化学电池储能应用分析方法。
技术介绍
建模仿真通常运用在发电行业，通过建模仿真来直观判断电池容量。与作为发电行业中频繁充放电的电池类似的，轨道交通或者电动车中的动力电池也存在输入、输出频繁，且输入、输出时间、功率都非常不稳定的情况。现有技术通常通过实时监测电池的电压、电流、温度等指标来查看电池是否正常运行。显而易见地，这样并不能真实的感知电池内的储能还有多少，也无法预知何时储能无法继续正常输出。
技术实现思路
针对现有技术的不足，本专利技术提供一种通过建模仿真直观查看电池储能情况并通过特定算法预估未来一定时间内可能出现的状况的方法。本专利技术的技术方案为：一种基于建模仿真的化学电池储能应用分析方法，它包括以下步骤：步骤一，电池数学建模，该模型中的电池电压表示为：V＝a*e(b*SOC)+c+d*SOC+d*SOC2+a*SOC3其中a、b、c、d、e分别为系数，SOC为电...
【技术保护点】
1.一种基于建模仿真的化学电池储能应用分析方法，它包括以下步骤：/n步骤一，电池数学建模，该模型中的电池电压表示为：/nV＝a*e(b*SOC)+c+d*SOC+d*SOC
【技术特征摘要】
1.一种基于建模仿真的化学电池储能应用分析方法，它包括以下步骤：
步骤一，电池数学建模，该模型中的电池电压表示为：
V＝a*e(b*SOC)+c+d*SOC+d*SOC2+a*SOC3
其中a、b、c、d、e分别为系数，SOC为电池荷电状态，
SOC＝C/Cr*δ
其中C为电池存储容量，Cr为电池额定容量，δ为电池容量损耗因子；
电池容量为：C＝∫Idt，其中I为电流、t为时间；
步骤二，储能建模，电池输出有功功率为P＝e*i，e为电压，i为电流，设定有功功率在[Pmin，Pmax]之间，电池使用时，P小于Pmin，电池在输出电能做功，P大于Pmax时，电池在充电；
步骤三，仿真，导入运作中的动力电池的电压、电流和有功功率代入上述模型，得到电池的电池容量和SOC；
步骤四，清洗数据；
步骤五，数据特征化；
步骤六，建立预测模型；
步骤七，训练模型。
2.根据权利要求1所述的一种基于建模仿真的化学电池储能应用分析方法，其特征在于：其中步骤四，所述数据整理首先要对数据进行清洗，清理规则包括：空余赋值：电池数据在传输过程中，很容易发生掉包导致变量缺失，在本发明中，主要采用取一段行程该变量的平均值或中间值或相邻插值进行空余变量的赋值，错值去除：通过设定电动汽车电池使用相关数据的每个变量的合理取值范围，即阈值，检查数据是否合乎要求，将超出正常范围的数据予以删除或纠正，交叉检验：通过设定电动汽车电池使用相关数据的相互约束和依赖关系，将逻辑上不合理或者相互矛盾的数据予以删除或纠正。
3.根据权利要求1所述的一种基于建模仿真的化学电池储能应用分析方法，其特征在于：其中步骤五，数据特征化采用滚动聚合，所述滚动聚合是指设定一个时间窗口，计算在预定的变量在该时间窗口内的聚合值，所述聚合值可以是数据的总和、平均值或者是标准差。
4.根据权利要求1所述的一种基于建模仿真的化学电池储能应用分析方法，其特征在于：其中步骤六，采用非线性混合效应模型，生存模型和随机森林模型来建立所述电池预测SOE模型。
该模型从一组样本数据出发，确定变量之间的数学关系式对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著，
以t时刻的SOEt作为Y，对每个数据从时间上进行标签化；经过步骤S001、S002和S003后得到的数据设为x，建立模型Y＝f(x)，其中f()为机器基于大数据学习得到的模型；在电动汽车实际的运行和使用过程中，电池SOE是难以实时监测的，目前传统的方法主要是基于现有的经验公式来大致预测SOE，此种方法主要的缺点为，首先不能实时计算SOE且精度不高，而且由于单体差异性，不能对每一个单体SOE很好地预测。基于大数据建立的模型可以很好地解决以上的问题。模型的输入为时间t以及t时刻采集的数据，模型的输出为t时刻电池SOEt，在电动汽车实时运行和使用过程中，依据采集的数据x即可以准确的利用模型推出SOEt。
5.根据权利要求4述的一种基于建模仿真的化学电池储能应用分析方法，其特征在于：其中非线性混...
【专利技术属性】
技术研发人员：魏小鹏，常伟，
申请(专利权)人：沃特威广州电子科技有限公司，
类型：发明
国别省市：广东;44
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。