储能电池异常识别方法技术

本发明专利技术公开了一种用于储能站的储能电池异常识别方法

【技术实现步骤摘要】
储能电池异常识别方法、系统、装置及储能站


[0001]本专利技术涉及储能电池状态识别
，具体而言，涉及一种储能电池异常识别方法
、
系统
、
装置及储能站
。

技术介绍

[0002]本专利技术提到的储能电池是指储存来自电网或新能源网的电能，并在适当的时间将储存的电能输出给用电设备使用的电池，其类型包括梯次利用电池和专用储能电池包
。
近年来，我国新能源产业不断发展，储能市场呈爆发式增长，其中又以电化学储能的发展最为迅速
。
[0003]然而，现阶段电化学储能仍处于发展期，储能电池的安全性是发展过程中的重中之重
。
由于各种储能电池的使用时间
、
生产工艺及电池材料与结构的不统一
(
一致性问题
)
，即使是相同的储能电池也会存在充放电性能差异，因此在使用过程中存在一定的安全隐患
。
[0004]其中，特别是针对梯次电池应用中，退役动力电池也是在一致性
、
安全性
、
逆源跟踪等方面有更多的需求
。
[0005]现有的储能电池评估方法主要包括安时积分法
、
基于模型的评估方法
、
机器学习等，其主要针对普通的蓄电池并且需要足够长的检测时间和数据分析时间，评估方法复杂，数据计算量大，无法快速
、
准确
、
及时地识别储能电池在使用过程中的异常，容易形成安全隐患
。
[0006]有鉴于此，针对上述问题，有必要设计一种可适用于储能电池的异常识别方法
、
系统
、
装置及储能站，可以快速准确地识别出现异常的储能电池，及时地确保储能电池在使用过程中的安全性
。

技术实现思路

[0007]本专利技术的目的在于提供一种储能电池异常识别方法
、
系统
、
装置及储能站，以解决现有技术中无法快速
、
准确
、
及时地识别储能电池的异常，从而确保储能电池在使用过程中的安全性
。
[0008]为实现上述目的，本专利技术提供一种用于储能站的储能电池异常识别方法，包括以下步骤：
[0009]获取储能电池的充放电状态数据；
[0010]基于充放电状态数据，使用内阻评估方法，评估储能电池的充电内阻
Rc
和放电内阻
Rd
；
[0011]基于充电内阻
Rc
以及放电内阻
Rd
，计算储能电池的充电内阻评分
Sc、
放电内阻评分
Sd
以及电池内阻评分
St
；
[0012]基于充电内阻评分
Sc、
放电内阻评分
Sd
及电池内阻评分
St
，识别出现异常的储能电池
。
[0013]采用本专利技术所公开的技术方案，能够快速
、
及时
、
准确地检测出现异常的储能电池，使储能安全管理过程实现安全监控与风险报警，及时发现安全问题
。
[0014]上述用于储能站的储能电池异常识别方法的一个实施方式中，储能电池包括至少一种梯次利用动力电池和
/
或专用储能电池包；或者，整车退役动力电池包或安装在托架上的退役动力电池包
。
[0015]上述用于储能站的储能电池异常识别方法的一个实施方式中，内阻评估方法为动态周期内阻加权平均法
。
[0016]上述用于储能站的储能电池异常识别方法的一个实施方式中，动态周期内阻加权平均法进一步包括以下步骤：
[0017]获取储能电池最近
T
周期的充电状态数据，内含
m
个充电过程，并进行有效性过滤，其中
T、m
为大于1的整数；
[0018]获取储能电池最近
T
周期的放电状态数据，内含
n
个放电过程，并进行有效性过滤，其中
T、n
为大于1的整数；
[0019]针对每个充电过程
m
，获取充电内阻序列
Rc1,...,Rcm
，对充电内阻序列取加权平均，公式为
Rc
＝
sum(i/m*Rci)/sum(i/m),1≤i≤m,
得到充电内阻
Rc,
其中
sum
为求和公式，
i
为整数；
[0020]针对每个放电过程
n
，获取放电内阻序列
Rd1,...,Rdn
，对放电内阻序列取加权平均，公式为
Rd
＝
sum(j/n*Rdj)/sum(j/n),1≤j≤n
，得到放电内阻
Rd
，其中
sum
为求和公式，
j
为整数
。
[0021]上述的用于储能站的储能电池异常识别方法的一个实施方式中，获取充电和放电内阻序列的方法为全电路欧姆定率法
。
[0022]上述的用于储能站的储能电池异常识别方法的一个实施方式中，全电路欧姆定率法进一步包括：
[0023]获取充电过程
m
或放电过程
n
中一个相邻时刻的有效观测点处最高单体电压
U1
和
U2
，以及整包电流
I1
和
I2
，通过公式
R_point
＝
(U1
‑
U2)/(I1
‑
I2)
或
R_point
＝
(U1
‑
U2)/((I1+I2)/2)
得到所述充电或放电内阻序列，其中，
R_point
为一个相邻时刻的有效观测点的电阻；或者，
[0024]获取充电过程
m
或放电过程
n
中
k
个相邻时刻的有效观测点处最高单体电压
U1
和
U2
，以及整包电流
I1
和
I2
，通过公式
R_point
＝
(U1
‑
U2)/(I1
‑
I2)
或
R_point
＝
(U1
‑
U2)/((I1+I2)/2)
得到
k
个相邻时刻的有效观测点的充电或放电内阻，再通过公式
R_pross
＝
avg(R_point1,...,R_pointk)
得到充电或放电内阻序列，其中，
k
为整数，
...

【技术保护点】

【技术特征摘要】
1.
一种用于储能站的储能电池异常识别方法，其特征在于，包括以下步骤：获取储能电池的充放电状态数据；基于所述充放电状态数据，使用内阻评估方法，评估所述储能电池的充电内阻
Rc
和放电内阻
Rd
；基于所述充电内阻
Rc
以及所述放电内阻
Rd
，计算所述储能电池的充电内阻评分
Sc、
放电内阻评分
Sd
以及电池内阻评分
St
；基于所述充电内阻评分
Sc、
所述放电内阻评分
Sd
及所述电池内阻评分
St
，识别出现异常的储能电池
。2.
根据权利要求1所述的用于储能站的储能电池异常识别方法，其特征在于，所述储能电池包括至少一种梯次利用动力电池和
/
或专用储能电池包；或者，整车退役动力电池包或安装在托架上的退役动力电池包
。3.
根据权利要求1或2所述的用于储能站的储能电池异常识别方法，其特征在于，所述内阻评估方法为动态周期内阻加权平均法
。4.
根据权利要求3所述的用于储能站的储能电池异常识别方法，其特征在于，所述动态周期内阻加权平均法进一步包括以下步骤：获取所述储能电池最近
T
周期的充电状态数据，内含
m
个充电过程，并进行有效性过滤，其中
T、m
为大于1的整数；获取所述储能电池最近
T
周期的放电状态数据，内含
n
个放电过程，并进行有效性过滤，其中
T、n
为大于1的整数；针对每个所述充电过程
m
，获取充电内阻序列
Rc1,...,Rcm
，对所述充电内阻序列取加权平均，公式为
Rc
＝
sum(i/m*Rci)/sum(i/m),1≤i≤m,
得到所述充电内阻
Rc,
其中
sum
为求和公式，
i
为整数；针对每个所述放电过程
n
，获取放电内阻序列
Rd1,...,Rdn
，对所述放电内阻序列取加权平均，公式为
Rd
＝
sum(j/n*Rdj)/sum(j/n),1≤j≤n
，得到所述放电内阻
Rd
，其中
sum
为求和公式，
j
为整数
。5.
根据权利要求4所述的用于储能站的储能电池异常识别方法，其特征在于，所述获取充电和放电内阻序列的方法为全电路欧姆定率法
。6.
根据权利要求5所述的用于储能站的储能电池异常识别方法，其特征在于，所述全电路欧姆定率法进一步包括：获取所述充电过程
m
或放电过程
n
中一个相邻时刻的有效观测点处最高单体电压
U1
和
U2
，以及整包电流
I1
和
I2
，通过公式
R_point
＝
(U1
‑
U2)/(I1
‑
I2)
或
R_point
＝
(U1
‑
U2)/((I1+I2)/2)
得到所述充电或放电内阻序列，其中，
R_point
为一个相邻时刻的有效观测点的电阻；或者，获取所述充电过程
m
或放电过程
n
中
k
个相邻时刻的有效观测点处最高单体电压
U1
和
U2
，以及整包电流
I1
和
I2
，通过公式
R_point
＝
(U1
‑
U2)/(I1
‑
I2)
或
R_point
＝
(U1
‑
U2)/((I1+I2)/2)
得到所述
k
个相邻时刻的有效观测点的充电或放电内阻，再通过公式
R_pross
＝
avg(R_point1,...,R_pointk)
得到所述充电或放电内阻序列，其中，
k
为整数，
R_point
为一个相邻时刻的有效观测点的电阻，
R_pross
为
k
个有效观测点的平均电阻值，
avg
为求平均值的公式，
R_pointk
为第
k
个相邻时刻的有效观测点处的电阻
。
7.
根据权利要求1或2所述的用于储能站的储能电池异常识别方法，其特征在于，所述计算所述储能电池的充电内阻评分
Sc、
放电内阻评分
Sd
以及电池内阻评分
St
的方法为基准内阻计算法
。8.
根据权利要求7所述的用于储能站的储能电池异常识别方法，其特征在于，所述基准内阻计算法进一步包括：根据所述充电内阻
Rc
计算得出所述充电内阻评分
Sc
，公式为
Sc
＝1‑
Rc/Rcbase
，其中，
Rcbase
为一个预设参数；根据所述放电内阻
Rd
计算得出所述放电内阻评分
Sd
，公式为
Sd
＝1‑
Rd/Rdbase
，其中，
Rdbase
为一个预设参数；获取所述充电内阻
Rc
及所述放电内阻
Rd
中的最小值为所述电池内阻评分
St
，公式为
St
＝
min(Sc,Sd)
，其中
min
为求最小值公式
。9.
根据权利要求1或2所述的用于储能站的储能电池异常识别方法，其特征在于，所述识别出现异常的储能电池的方法为，若所述充电内阻评分
Sc
小于一个预设参数阈值
alpha_c
或所述放电内阻评分
Sd
小于一个预设参数阈值
alpha_d
或所述电池内阻评分
St
小于一个预设参数阈值
alpha_t
，则判断所述储能电池为异常
。10.
一种用于储能站的储能电池异常识别系统，其特征在于，包括：数据获取模块，用于获取储能电池的充放电状态数据；内阻评估模块，用于基于所述充放电状态数据，使用内阻评估方法，评估所述储能电池的充电内阻
Rc
和放电内阻
Rd
；内阻评分模块，用于基于所述充电内阻
Rc
以及所述放电内阻
Rd
，计算所述储能电池的充电内阻评分
Sc、
放电内阻评分
Sd
以及电池内阻评分
St
；状态识别模块，用于基于所述充电内阻评分
Sc、
所述放电内阻评分
Sd
及所述电池内阻评分
St
，识别出现异常的储能电池
。11.
根据权利要求
10
所述的用于储能站的储能电池异常识别系统，其特征在于，所述储能电池包括至少一种梯次利用动力电池和
/
或专用储能电池包；或者，整车退役动力电池包或安装在托架上的退役动力电池包
。12.
根据权利要求
11
...

【专利技术属性】
技术研发人员：项宝庆，黄伟，鞠强，魏亮，朱诗严，潘博存，
申请(专利权)人：青岛特来电大数据有限公司，
类型：发明
国别省市：