【技术实现步骤摘要】
适用于用户侧储能的锂离子电池SOH估计方法及装置
[0001]本专利技术属于储能锂离子电池健康状态估计
,尤其涉及适用于用户侧储能的锂离子电池
SOH
估计方法及装置
。
技术介绍
[0002]储能技术在当今世界日益发展的电力系统中扮演着至关重要的角色
。
随着可再生能源的快速发展和智能电网的建设,需要可靠
、
高效的储能设备来平衡能源供需,并确保系统的稳定性和可持续性
。
在各种储能技术中,锂离子电池因其高能量密度
、
较长的循环寿命和良好的环境适应性而备受关注
。
然而,推进这些技术的一个关键障碍是电池退化的不可预测性:需要准确预测电池的健康状态
(SOH)
,以告知用户是否应该更换电池,并避免意外的容量下降
。SOH
代表锂离子电池的老化程度,通常以容量和内阻为特征
。
因此,
SOH
通常被定义为当前最大可用容量与初始容量的比率
。
准确的
SOH
估计还可以帮助估计其他状态,如电荷的状态
(SOC)、
能量的状态和功率的状态
。
[0003]电池是一个复杂的电化学系统,电压输出
‑
电流输入的响应关系可以反映电池老化过程中的内部机理变化
。
因此,研究在特定电流
(
或运行
)
条件下电池电压的变化规律是实现< ...
【技术保护点】
【技术特征摘要】
1.
一种适用于用户侧储能的锂离子电池
SOH
估计方法,其特征在于,包括:采集用户侧储能系统在随机放电场景中的电压
、
电流
、
时间信息,在固定的时期内进行放电容量测试;截取电池在达到放电截止电压前的两个随机放电阶段和达到截止电压后的间歇阶段的电压电流实时采集数据作为样本,提取老化特征作为样本输入;将样本点前后的容量测试结果按循环圈数进行插值,得到该样本时刻的容量,计算该样本的
SOH
作为样本输出;在训练数据中提取多个训练样本,利用高斯过程回归方法进行训练,优化超参数;利用训练好的模型在新的数据集中对电池健康状态进行估计和评价
。2.
根据权利要求1所述适用于用户侧储能的锂离子电池
SOH
估计方法,其特征在于,所述采集用户侧储能系统在随机放电场景中的电压
、
电流
、
时间信息,在固定的时期内进行放电容量测试具体步骤如下:用户侧储能系统工作模式为“充电
‑
放电
‑
间歇”循环过程;其中,充电过程为多种工作模式,放电过程按多个相邻的随机步方式进行,各随机步均为恒流放电模式,不同随机步的电流大小在一定范围内随机选取,随机步的放电时间固定为
Δ
t
,若在随机过程中,达到截止电压则该随机步提前终止,同时该循环的整个随机放电过程结束,进入间歇过程;截止时的随机步为最终放电过程,记为
S0
步,之前的放电过程为前期放电过程,前期放电过程的第一个随机步记为
S1
,第二个随机步记为
S2
,依次类推;间歇过程时间持续
1h
以上进入下一循环;实验样品在一定循环圈数后进行标准的充放电测试
。3.
根据权利要求2所述适用于用户侧储能的锂离子电池
SOH
估计方法,其特征在于,所述截取电池在达到放电截止电压前的两个随机放电阶段和达到截止电压后的间歇阶段的电压电流实时采集数据作为样本,提取老化特征作为样本输入包括以下具体步骤:在前期放电步
S1
中提取随机电流大小
I
S1
和最小电压
V
S1
两个特征,在最终放电步
S0
中提取电流
I
S0
和持续时间
t
S0
两个特征;将间歇阶段分为次暂态阶段
、
暂态阶段和稳态阶段,通过构建锂离子二阶等效电路,利用瞬态电压电流变化量提取电池内阻
R0特征,利用最小二乘法提取次暂态过程和暂态过程中的时间常数
τ1、
τ2两个特征,取稳态过程的电压
V
st
作为最后一个特征,表示电池老化过程中的极化增大
。4.
根据权利要求1所述适用于用户侧储能的锂离子电池
SOH
估计方法,其特征在于,所述将样本点前后的容量测试结果按循环圈数进行插值,得到该样本时刻的容量,计算该样本的
SOH
作为样本输出包括以下具体步骤:按样本前后接近的容量测试数据
c
k
和
c
k+1
,
c
k
表示第
k
次测量,
c
k+1
表示第
k+1
次测量,该样本所在循环数
j
进行线性插值获取该样本的容量为:其中,
J
为两次容量测量之间的循环数;计算该样本时刻的电池健康状态作为样本输出;
5.
根据权利要求1所述适用于用户侧储能的锂离子电池
SOH
估计方法,其特征在于,所
述在训练数据中提取多个训练样本,利用高斯过程回归方法进行训练,优化超参数包括以下具体步骤:使用高斯过程回...
【专利技术属性】
技术研发人员:蒯春光,柯学,郭宇峥,杨军,洪华伟,郑鹏,朱玲玲,李智诚,张伟骏,张抒凌,
申请(专利权)人:国网福建省电力有限公司国网福建省电力有限公司电力科学研究院,
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。