适用于用户侧储能的锂离子电池制造技术

本发明专利技术涉及储能锂离子电池健康状态估计技术，具体涉及适用于用户侧储能的锂离子电池

【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<br/>SOH
估计的主要方法
。
电池的运行工况主要有充电
、
放电
、
间歇过程
。
在电动汽车驾驶领域，与受驾驶行为和道路环境影响的随机放电过程相比，电池充电存在固定的策略和协议，即广泛采用的恒流恒压充电
(CC
‑
CV)。
因此，目前的研究方法主要从充电过程中获取特征
。
然而，在储能领域，充电过程可能受到需求响应或计划曲线的调控，因此同样会存在动态电压电流变化，以往基于充电过程的特征提取方法难以应用到用户侧储能领域
。
[0004]与基于充电电压的方法相比，从间歇电压中提取特征的研究较少
。
由于间歇电压与电池内部的反应速率有关，因此可以用作评估电池性能和健康状态的指标
。
较大的间歇电压通常表示电池内部存在反应速率较慢
、
电荷迁移受限或其他缺陷
。
通过监测电池的间歇电压，可以评估电池的性能衰减情况和剩余寿命，并为电池的使用和维护提供指导
。
从间歇电压提取特征来评估老化现象通常假定存在统一的前置过程，如标准充电或放电
。
[0005]当前用户侧储能的盈利模式主要依靠峰谷电价差，大多数的国家实行了“峰谷平”三级阶梯电价
。
用户侧储能通过在价格谷时选择充电，在价格峰时通过储能供电，在价格平时盈利能力较弱，因此主要处于间歇阶段
。
用户侧储能受价格调节，而价格制定者主要依据用电习惯和负荷规律，因此用户侧储能通常为一天“一充多放”或“两充多放”模式
。
平峰中存在大量的间歇时段，可以用作
SOH
估计的信号
。
目前在探索的需求侧响应等方式将进一步挖掘用户侧储能的盈利能力，但带来了前置过程的随机性，为准确预测
SOH
带来了挑战，传统仅考虑间歇过程的特征提取方法已不适用
。
[0006]间歇电压的本质是极化电压，受到前置过程的影响较大，因此在实际应用中需要将前置过程的影响纳入考量，提取相应的特征
。

技术实现思路

[0007]本专利技术提供一种适用于用户侧储能的锂离子电池健康状态估计方法，解决现有用户侧储能在随机充放电条件下难以评估电池健康状态的问题
。
[0008]本专利技术解决其技术问题采用的技术方案是：提取电池在随机放电结束前的随机步特征和结束后的间歇电压特征，利用高斯过程回归
(GPR)
模型来估计电池
SOH。
[0009]具体实施步骤如下：
[0010]S1.
采集用户侧储能系统在随机放电场景中的电压
、
电流
、
时间等信息，并在一定固定的时期内进行放电容量测试
。
[0011]进一步，用户侧储能系统工作模式为“充电
‑
放电
‑
间歇”循环过程，如图2所示；其中，充电过程可选多种工作模式，例如标准恒流恒压充电模式
、
快速充电模式
、
随机充电模式等；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；截止时的随机步称为最终放电过程，记为
S0
步，之前的放电过程统称为前期放电过程，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，以保证达到或接近开路电压，随后进入下一循环；为了了解实际的老化过程，实验样品在一定循环圈数后需要进行标准的充放电测试
。
[0012]S2.
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，如图3所示
。
[0013]进一步，本专利技术仅需放电截止前后的少部分电压
、
电流
、
时间等实时采集数据作为样本，即可提取反映该时刻电池老化的特征信息，该部分数据包括；放电结束后的间歇过程和影响间歇过程的最终放电步
S0
和前期放电步
S1
；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，如图4所示，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，然后取稳态过程的电压
V
st
作为最后一个特征，以反映电池老化过程中的极化增大
。
[0014]S3.
将样本点前后的容量测试结果按循环圈数进行插值，得到该样本文档来自技高网...

【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：