一种储能系统SOH估计方法、装置及设备制造方法及图纸

本申请提供了一种储能系统SOH估计方法、装置及设备，涉及储能系统的技术领域，通过获取储能系统实际工况运行的充放电的实际数据；将实际数据输入预先构建的实际工况特征提取模型，得到实际时序特征，实际工况特征提取模型是通过迁移学习和对抗训练结合训练得到的；将实际时序特征输入预设的SOH预测模型，得到储能系统的SOH估计值，所述SOH预测模型是在训练完成实际工况特征提取模型时对应得到的。如此能够，通过迁移学习和对抗训练，实现对实验室标定有SOH的少量数据学习到的特征，不依赖专家主观判断，也无需依赖大量有SOH标定的数据，提升模型在跨工况数据上的表现能力，提升SOH预测模型的鲁棒性和泛化能力。

【技术实现步骤摘要】

本申请涉及储能系统，尤其涉及一种储能系统soh估计方法、装置及设备。

技术介绍

1、储能系统的健康度(soh)反应了储能系统当前的健康状态，对储能系统的运行维护及安全预警等方面具有重要的参考价值。因此，对于储能系统当前soh的准确估计是储能系统运维的重要一环。

2、目前，针对储能soh的估计，可以基于专家经验对电芯进行拆解，根据电芯各部件材料的退化程度，从机理上分析和估计当前soh。但十分依赖专家知识，且无法对大量运行中的电芯进行拆解，因此，确定储能系统当前的soh不够便捷，实用性较低。此外，也可以根据外特性时序特征回归估计电芯当前soh。该方法依赖大量有准确soh标定值的数据(即当前电芯进行满充满放的最大容量)，而在实际储能系统运行时，充放电循环均不会采用满充满放的方式，因此，大量运行数据无准确soh标定值。在实验室中对电芯进行满充满放，获取有soh标定值的数据对，由实验室数据优化出模型，但由于实际工况比实验室中可进行实验的工况要复杂很多，导致实验室数据训练出的soh估计机器学习模型在实际工况中表现很差，误差很大。因此，获取准确的soh标定值本文档来自技高网...

【技术保护点】

1.一种储能系统SOH估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述实验室工况特征提取模型的训练方法，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述实验室训练数据和所述SOH标定值，训练所述实验室工况特征提取模型以及所述SOH预测模型，更新所述实验室工况特征提取模型的参数、所述SOH预测模型的参数以及最新从所述实验室训练数据中提取的时序特征一，包括：

4.根据权利要求2所述的方法，其特征在于，所述将所述时序特征一和所述时序特征二输入鉴别器，得到所述时序特征一以及时序特征二的分类预测概率，并基于所述时...

【技术特征摘要】

1.一种储能系统soh估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述实验室工况特征提取模型的训练方法，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述实验室训练数据和所述soh标定值，训练所述实验室工况特征提取模型以及所述soh预测模型，更新所述实验室工况特征提取模型的参数、所述soh预测模型的参数以及最新从所述实验室训练数据中提取的时序特征一，包括：

4.根据权利要求2所述的方法，其特征在于，所述将所述时序特征一和所述时序特征二输入鉴别器，得到所述时序特征一以及时序特征二的分类预测概率，并基于所述时序特征一以及所述时序特征二的分类实际概率调整所述鉴别器参数，包括：

5.根据权利要求2所述的方法，其特征在于，

6.根据权利要求1所述的方法，其特征在于，所述实验...

【专利技术属性】
技术研发人员：余兴泓，方日，曹伟，
申请(专利权)人：阳光电源股份有限公司，
类型：发明
国别省市：