一种储能电池健康状态SOH估算方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种储能电池健康状态SOH估算方法、装置及存储介质，所述方法包括获取电池恒流

【技术实现步骤摘要】
一种储能电池健康状态SOH估算方法、装置及存储介质


[0001]本专利技术涉及一种储能电池健康状态SOH估算方法、装置及存储介质，属于储能电站电池健康状态评估


技术介绍

[0002]锂离子电池以其重量轻便、稳定性好、无记忆效应、能量密度大等优点在清洁能源的储存与使用过程中发挥着至关重要的作用。然而，随着充放电次数的增加，锂离子电池会由于各种物理、化学机制发生老化，影响电气设备的正常运行，甚至会引发灾难性事故。
[0003]对于锂离子电池而言，荷电状态(SOC)和健康状态(SOH)是最关键的状态量。其中，SOC被定义为剩余容量与最大可用容量之比，准确的SOC估算能够提高锂离子电池容量和能量利用率，防止电池过充电或过放电。SOH通常以锂离子电池容量和内阻的变化来定义，其能够定量描述锂离子电池老化情况，准确的SOH估算直接影响锂离子电池性能的发挥，并为老化锂离子电池的更换提供重要参考依据，对于锂离子电池最佳性能的发挥和安全运行具有重大意义。
[0004]目前，电池SOH的估算方法主要可以分为两类：基于模型的估算方法和数据驱动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种储能电池健康状态SOH估算方法，其特征在于，包括：获取电池恒流
‑
恒压满充过程中采集到的电压、电流、温度测量值；将所述电压、电流、温度测量值输入至预先训练过的基于快速回归算法的卷积神经网络中，输出SOH估算值。2.根据权利要求1所述的储能电池健康状态SOH估算方法，其特征在于，将所述SOH估算值与恒流满放过程中记录的SOH进行分析比较，评价该卷积神经网络的有效性。3.根据权利要求1所述的储能电池健康状态SOH估算方法，其特征在于，所述基于快速回归算法的卷积神经网络的构建方法，包括：搭建卷积神经网络输入层、卷积层、池化层、全连接层、输出层结构，其中：所述输入层用于选取电池t时刻的电压、电流、温度测量值；所述卷积层用于执行卷积运算提取电池的老化特征；所述池化层用于特征参数的降维，压缩数据量；所述全连接层用于将经过多次卷积后高度抽象化的电池特征进行整合，然后归一化，对提取的特征进行分类；所述输出层用于将电池健康状态进行输出。4.根据权利要求3所述的储能电池健康状态SOH估算方法，其特征在于，针对输入层，首先将数据进行规范化处理，分割数据块，每个数据块是一个n
×
3的矩阵，3是相关变量的数量，n表示每个变量的连续数据点个数，两个相邻的数据块有c个重叠的数据点，最终将每个数据块转化为一个的三维矩阵。5.根据权利要3所述的储能电池健康状态SOH估算方法，其特征在于，所述卷积层包括第一卷积层C1和第二卷积层C2，所述第一卷积层C1包括a个卷积特征，通过对输入层矩阵进行卷积操作提取内在特征，得到每个特征状态的尺寸大小，然后通过池化层进行降采样操作，将降采样后的输出放入第二卷积层C2，以此类推，得到经过多级卷积池化后的输出，该输出通过全连接层与输出层相连。6.根据权利要求3所述的储能电池健康状态SOH估算方法，其特征在于，所...

【专利技术属性】
技术研发人员：周琦，高磊，袁晓冬，杨毅，袁宇波，李鹏，孔祥平，王晨清，易文飞，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院江苏省电力试验研究院有限公司，
类型：发明
国别省市：