【技术实现步骤摘要】
本专利技术专利涉及储能系统的，具体而言，涉及在线数据融合降阶机理储能系统状态估计与预测方法。
技术介绍
1、锂电池储能技术是推动世界能源清洁化、电气化和高效化，破解能源资源和环境约束，实现全球能源转型升级的核心技术之一。然而，电化学储能系统具有本征不安全性，安全问题已逐渐成为锂电池储能系统的首要问题，对系统进行准确高效的状态估计及预测对于锂电池储能系统的合理管控与安全运行至关重要。
2、现有技术中，关于锂电池安全管理主要通过判断电压、电流、温度等监测数据是否超出阈值范围来判定电池是否安全，然而，储能系统采集传感器数量有限，无法快速获取全域状态，难以实时评估系统运行状况，且阈值判断方法仅当故障演化到一定程度甚至触发电池热失控链式反应后才能触发告警，此时已很难进行有效的安全管控。
3、目前，储能系统状态估计采用的方法有两种，第一种方法是将系统运行历史数据结合机理模型进行离线估计，此时储能系统处于静置状态，无法起到故障预测的作用，只能在系统发生故障后才能进行有效的识别，若电池故障未显现，则无法主动识别并做出判断；另一种...
【技术保护点】
1.在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，所述步骤6)中，预处理后的在线数据以及在线评估及预测数据传送至历史数据库中，以供数字孪生体训练与更新。
3.如权利要求1所述的在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，所述步骤6)中，将所述评估及预测数据、故障单体以及系统状态进行三维可视化展示。
4.如权利要求1至3任一项所述的在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，所述步骤2)中，选...
【技术特征摘要】
1.在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，所述步骤6)中，预处理后的在线数据以及在线评估及预测数据传送至历史数据库中，以供数字孪生体训练与更新。
3.如权利要求1所述的在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，所述步骤6)中，将所述评估及预测数据、故障单体以及系统状态进行三维可视化展示。
4.如权利要求1至3任一项所述的在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，所述步骤2)中，选取电池仿真模型后，提取特征参数以及调整边界条件进行机理模型仿真，获得降阶机理模型的训练集原数据。
5.如权利要求1至3任一项所述的在线数据融合降阶机理储能系统状态估计与预测方法，其特征在于，所述步骤3)中，通过k近邻算法、半径最近邻搜索、局部敏感哈希搜索算法找寻距离降阶后节点最近的多个原节点；通过样条插值、多项式插值、径向基函数插值插值方法，获得所有节点的节点状态值，完成...
【专利技术属性】
技术研发人员：曹文炅，王贝贝，董缇，李帅兵，康永强，
申请(专利权)人：兰州交通大学，
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。