云边协同的锂电池储能电站安全管控系统及方法技术方案

本发明专利技术公开了一种云边协同的锂电池储能电站安全管控系统及方法，其中系统包括电池监测分析子系统、本地计算决策子系统、云计算存储子系统及电

【技术实现步骤摘要】
云边协同的锂电池储能电站安全管控系统及方法


[0001]本专利技术属于电化学储能电站管控
，特别涉及一种基于云边协同的锂电池储能电站安全管控系统及方法。

技术介绍

[0002]随着国家《关于加快推动新型储能发展的指导意见》发布，储能行业开始从商业化初期向规模化发展迈进。与传统的物理储能技术(压缩空气、抽水蓄能、飞轮)相比，以锂离子电池为主的电化学储能系统因其能量效率高、响应速度快等优点发展迅猛，已成为智慧能源网络建设、终端用能电气化和可再生能源大规模接入等能源战略的有效解决方案，而频发的储能事故使得储能系统的安全性已成为制约其规模化应用的关键。
[0003]现有的锂电储能系统，采用本地监测参数进行安全管控的系统无法判断电池的演化性故障，极易随着使用时长转化为严重的内部短路，毫无征兆的发生安全事故；采用云端服务器来存储本地监测参数进行故障诊断，受上传数据量和上传频率影响，分析低效且仅能通过数据计算后进行故障分析，延迟滞后。并且现有的储能系统电池组由于温度监测点数量有限，电池并联难避免和管控参数静态化的特征，难以识别系统内温度的极点位置、电池的老化状态以及管控参数的影响，准确性及可靠性有待提升。

技术实现思路

[0004]专利技术目的：本专利技术的目的是提出一种云边协同的锂电池储能电站安全管控系统，通过云边结合，本地计算决策子系统根据实时参数结合锂电池的机理模型仿真获得单体电池的底层参数，并根据实时参数和仿真参数判断瞬发性安全故障和一些渐变性故障，同时云计算存储子系统采用数据驱动模型识别其他渐变性故障，云边结合提高安全管控的准确性及可靠性。
[0005]本专利技术的另一目的是提出一种上述云边协同的锂电池储能电站安全管控系统的控制方法。
[0006]本专利技术所述的云边协同的锂电池储能电站安全管控系统，包括：电池监测分析子系统，用于实时监测储能电站的电、热、气、烟及力学参数；本地计算决策子系统，设置有整舱尺度的锂电池机理模型，用于根据所述电池监测分析子系统监测的实时储能电站的参数进行仿真，获取单体电池级别的底层参数，从机理上识别瞬发性安全故障和渐变性故障，下发管控指令并进行预警；云计算存储子系统，设置有数据驱动模型及训练算法，接收所述本地计算决策子系统上传的储能电站的实时监测参数及仿真获得的单体电池级别的底层参数，用于根据数据驱动模型计算单体电池级的健康状态，并从数据层面上识别电池的渐变性故障，向所述本地计算决策子系统反馈单体电池级的健康状态及渐变性故障；电
‑
热
‑
安全协同执行子系统，用于接收所述本地计算决策子系统下发的管控指令，对整站或局部电池组进行管理和调节。
[0007]进一步的，所述电池监测分析子系统包括用于监测储能电站的电和热参数的电池
系统总管理系统、能量管理系统，以及分别用于监测储能电站的气、烟及力学参数的气体传感器、烟雾传感器及力矩传感器。
[0008]进一步的，所述电池系统总管理系统下并联有多个电池组管理单元，所述电池组管理单元下并联有多个电池单体管理单元。
[0009]进一步的，所述电
‑
热
‑
安全协同执行子系统包括储能逆变器系统、空调制冷系统、液冷循环系统及消防灭火系统。
[0010]进一步的，所述空调制冷系统、液冷循环系统及消防灭火系统为一体化设计，所述液冷循环系统的冷源由所述空调制冷系统的冷媒蒸发前换热提供，所述液冷循环系统的热源由所述空调制冷系统的冷媒冷凝前换热提供，所述消防灭火系统的消防喷头设置于所述液冷循环系统延伸至各个电池架或电池柜的液冷管道的末端。
[0011]进一步的，所述本地计算决策子系统中设置的锂电池机理模型包括电池热模型、电池电
‑
热模型、电池电化学
‑
热模型、电池电
‑
热
‑
流体模型和/或开路电势
‑
荷电状态曲线。
[0012]进一步的，所述本地计算决策子系统包括边缘计算终端、仿真用计算机及综合管理系统，所述边缘计算终端用于接收所述电池监测分析子系统监测的实时数据及仿真用计算机仿真获得的底层数据，并将接收到的数据预处理后上传至所述云计算存储子系统；所述仿真用计算机用于根据实时数据及锂电池的机理模型仿真获得电池的底层参数；所述综合管理系统用于根据实时数据及底层数据判断瞬发性故障和渐变性故障，并结合所述云计算存储子系统评估的电池健康状态及渐变性故障控制所述电
‑
热
‑
安全协同执行子系统对储能电站进行调节。
[0013]本专利技术所述的一种云边协同的锂电池储能电站安全管控方法，包括如下步骤：
[0014]S1：电池监测分析子系统监测储能电站的电、热、气、烟及力学参数并传递给本地计算决策子系统；
[0015]S2：本地计算决策子系统通过锂电池的机理模型仿真获取单体电池级别的底层参数，并将接收到的储能电站的实时参数和仿真获得的底层参数预处理后上传至云计算存储子系统；
[0016]S3：云计算存储子系统采用数据驱动模型根据本地计算决策子系统上传的实时参数和底层参数评估个单体电池的健康状态，并识别电池的渐变性故障，将健康状态及渐变性故障下发给本地计算决策子系统；
[0017]S4：本地计算决策子系统根据实时参数和底层参数与对应的设定阈值比较，判断电池的瞬发性故障，根据实时参数和底层参数的变化趋势判断电池的渐变性故障；
[0018]S5：本地计算决策子系统将自身判断的故障结合云计算存储子系统评估的健康状态及识别的渐变性故障，指示电
‑
热
‑
安全协同执行子系统对储能电站进行调节。
[0019]进一步的，所述步骤S3中，云计算存储子系统通过离群检测算法识别电池的渐变性故障。
[0020]进一步的，所述步骤S4中各参数对应的设定阈值为动态阈值，根据电池的健康状态设定。
[0021]有益效果：与现有技术相比，本专利技术具有如下优点：1、通过本地部署的机理模型和云端部署的数据驱动模型两种方式识别渐变性故障，提升了识别的可靠性及安全性，弥补了传统储能电站仅管控瞬发性故障的不足。2、本地部署的机理模型获得的仿真数据与采集
的实时数据结合，解决了传统储能电站监测有限的问题，加快了故障的识别和诊断，提升电站的安全性和运维能力。3、一体化设计的空调、液冷和消防系统，便于解决电池过热后的快速冷却、液冷+消防协同作用，实现热失控前期电站安全性的有效管控。4、机理模型还可以用于对老化的电池状态仿真，获得老化状态下电池关键参数的阈值边界，保证电池物性老化变化情况下的瞬态故障判断的准确性和可靠性。
附图说明
[0022]图1为本专利技术实施例的云边协同的锂电储能站安全管控系统的系统框图。
[0023]图2为本专利技术实施例的预警和管控流程示意图。
具体实施方式
[0024]下面结合附图对本专利技术的技术方案作进一步说明。
[0025]参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云边协同的锂电池储能电站安全管控系统，其特征在于，包括：电池监测分析子系统，用于实时监测储能电站的电、热、气、烟及力学参数；本地计算决策子系统，设置有整舱尺度的锂电池机理模型，用于根据所述电池监测分析子系统监测的实时储能电站的参数进行仿真，获取单体电池级别的底层参数，从机理上识别瞬发性安全故障和渐变性故障，下发管控指令并进行预警；云计算存储子系统，设置有数据驱动模型及训练算法，接收所述本地计算决策子系统上传的储能电站的实时监测参数及仿真获得的单体电池级别的底层参数，用于根据数据驱动模型计算单体电池级的健康状态，并从数据层面上识别电池的渐变性故障，向所述本地计算决策子系统反馈单体电池级的健康状态及渐变性故障；电
‑
热
‑
安全协同执行子系统，用于接收所述本地计算决策子系统下发的管控指令，对整站或局部电池组进行管理和调节。2.根据权利要求1所述的云边协同的锂电池储能电站安全管控系统，其特征在于，所述电池监测分析子系统包括用于监测储能电站的电和热参数的电池系统总管理系统、能量管理系统，以及分别用于监测储能电站的气、烟及力学参数的气体传感器、烟雾传感器及力矩传感器。3.根据权利要求2所述的云边协同的锂电池储能电站安全管控系统，其特征在于，所述电池系统总管理系统下并联有多个电池组管理单元，所述电池组管理单元下并联有多个电池单体管理单元。4.根据权利要求1所述的云边协同的锂电池储能电站安全管控系统，其特征在于，所述电
‑
热
‑
安全协同执行子系统包括储能逆变器系统、空调制冷系统、液冷循环系统及消防灭火系统。5.根据权利要求4所述的云边协同的锂电池储能电站安全管控系统，其特征在于，所述空调制冷系统、液冷循环系统及消防灭火系统为一体化设计，所述液冷循环系统的冷源由所述空调制冷系统的冷媒蒸发前换热提供，所述液冷循环系统的热源由所述空调制冷系统的冷媒冷凝前换热提供，所述消防灭火系统的消防喷头设置于所述液冷循环系统延伸至各个电池架或电池柜的液冷管道的末端。6.根据权利要求1所述的云边协同的锂电池储能电站安全管控系统，其特征在于，所述本地计算决策子系统中设置的锂电池机理模型包括电池热模型、电池电
‑
热模型、电池电化学

【专利技术属性】
技术研发人员：王伟，李欣，杨冬梅，王智，杨肖，王启阳，杨波，刘杨，蒋方明，董缇，
申请(专利权)人：中国科学院广州能源研究所，
类型：发明
国别省市：