【技术实现步骤摘要】
本专利技术涉及锂电池储能管理，更具体地说，本专利技术涉及一种锂电池储能自适应管理系统。
技术介绍
1、申请公开号为cn112721906a的专利公开了一种基于锂电池功率估计的混合储能控制系统及其能量管理方法，其中能量管理方法为：采集锂电池组的开路电压、电流和soc；根据锂电池组的开路电压、电流，对锂电池组进行参数辨识，估计当前锂电池组的最大充放电功率；将当前锂电池组的最大充放电功率作为自适应控制的上限和下限，进而采用自适应下垂控制策略对锂电池组的分配功率进行限制；根据混合储能系统的总需求功率和锂电池组的分配功率，对超级电容组进行功率分配；生成锂电池组和超级电容组各自dc/dc模块的控制信号，以各自输出功率为各自的分配功率，综合为电动汽车提供总需求功率，可以保护锂电池组受到尖峰充放电功率的影响，提高锂电池组的使用寿命。
2、但是现有系统对电池单元的监测和数据处理能力依然有限，传统的监测方式往往只关注部分关键参数，无法全面感知电池的运行状态，其次，现有系统的电池均衡管理缺乏灵活性和针对性，大多数采用统一的均衡控制方式，无法针对不同电池单元的特点进行个性化的均衡需求判断和管理，这就导致难以最大限度地满足各电池单元的个性化需求，影响了整体的均衡效果，然后在均衡效率方面也存在一定局限性，这就使得难以在保证均衡效果的同时，最大化提升整体的均衡效率，限制了储能系统的性能和使用寿命。
3、鉴于此，本专利技术提出一种锂电池储能自适应管理系统以解决上述问题。
技术实现思路
1、
2、中央综合模块，用于将每个电池单元的综合特征数据作为输入，通过基于模糊逻辑的自适应控制策略，确定每个电池单元对应的均衡需求等级；
3、均衡管理模块，基于均衡需求等级，将所有电池单元划分为m个均衡组；对于每个均衡组，采用自适应均衡策略算法进行电量均衡；各个模块之间通过有线和/或无线的方式进行连接。
4、进一步地，所述电池综合数据包括电压数据、电流数据、温度数据、内阻数据、容量数据和均衡数据；
5、电压数据包括电池充电截止电压、电池放电截止电压和电池平均电压；电流数据包括最大充电电流和最大放电电流；温度数据包括最高工作温度、最低工作温度和平均工作温度；内阻数据包括实时内阻值和内阻变化率；容量数据包括额定容量和容量衰减率；均衡数据包括均衡电流、均衡时间和均衡能量转移量。
6、进一步地，所述将电池综合数据进行预处理的方式包括：
7、构建基于图神经网络的缺失值估计模型，利用缺失值估计模型获取电池综合数据中的缺失值，将缺失值进行填充得到完善特征数据；将完善特征数据进行标准化/归一化，得到综合特征数据。
8、进一步地，所述缺失值估计模型的构建方式包括：
9、采集历史固定时间内电池单元的电池综合数据，记作历史电池综合数据；将历史电池综合数据建模为一个异构图；其中，为节点集合，为边集合，节点集合中的节点表示不同的特征值；边集合表示特征之间的关联关系；
10、采用基于图卷积的图神经网络架构作为缺失值估计模型的基础架构，利用异构图训练缺失值估计模型；
11、所述利用异构图训练缺失值估计模型的方式包括：
12、对于异构图中的每个节点，初始化一个特征向量，特征向量为原始的值构成的向量；
13、对于每个节点，收集其邻居节点的特征向量信息，得到更新后特征向量；对特征向量信息进行非线性变换，将当前层节点的更新后特征向量作为下一层的输入，在最后一层，对每个节点的更新后特征向量进行变换，得到对应缺失值的估计值；
14、定义一个损失函数，对已知的电池特征值和估计值计算损失函数的值，通过反向传播算法，计算损失函数对缺失值估计模型的参数的梯度，使用优化算法根据梯度更新缺失值估计模型的参数，通过迭代最小化损失函数的值，即完成缺失值估计模型的训练。
15、进一步地，所述特征向量信息的收集公式为：
16、；
17、其中，表示节点在图神经网络架构第层的特征向量，表示在图神经网络架构第层的权重矩阵；表示节点对节点的注意力权重，表示节点在图神经网络架构第层的特征向量，表示激活函数，表示节点的邻居节点集合；
18、其中的获取方式包括：
19、定义注意力函数，则得到，将注意力函数通过多层感知机进行参数化，得到；其中，为节点的特征，为节点的特征，为节点和节点的边特征。
20、进一步地，所述将缺失值进行填充的方式包括：
21、将定义一个二值掩码向量，对于未缺失的值，对应位置的值为1，对于缺失值，对应位置的值为0，将所有电池综合数据、二值掩码向量和估计值堆叠为3d张量，将3d张量执行一次批量填充操作；批量填充操作为将缺失值估计模型输出的估计值与原始的数据进行逐元素缩放，
22、所述进行逐元素缩放的公式为：
23、；
24、其中，表示缺失值估计模型输出的对节点的缺失值的估计值，表示原始节点的特征值，表示二值掩码向量中对应节点的值。
25、进一步地，所述均衡需求等级的确定方式包括：
26、定义输入模糊变量集合，输入模糊变量集合内的输入模糊变量对应综合特征数据，定义输出模糊变量，表示均衡需求等级，对每个输入模糊变量，确定其语言值集合；对输出模糊变量，确定其语言值集合；
27、采集历史数据，基于历史数据构建if-then形式的模糊规则，模糊规则的形式为：
28、if x1 is a1 and x2 is a2 and ... and xn is an then y is bk；
29、其中，x1为第一个输入模糊变量，x2为第二个输入模糊变量，a1为第一个输入的语言值，a2为第二个输入的语言值，xn为第n个输入模糊变量，bk为语言值集合；对每个输入模糊变量，计算其隶属于各语言值的隶属度；
30、基于隶属度，采用模糊推理方法，对每条模糊规则进行推理，得到每条模糊规则的模糊推理结果；将所有模糊规则的模糊推理结果进行合成，得到综合输出模糊集b'，通过解模糊化方法，将b'映射到输出空间y*，y*即为电池单元对应的均衡需求等级的模糊值，即均衡需求等级。
31、进一步地，所述隶属度的计算方式包括：
32、从综合特征数据中，确定与均衡需求相关且相互影响的n1个特征集，特征集内的数据即为相关特征；
33、隶属度的第一函数公式为：
34、；
35、其中，为第个相关特征的均值，为第个相关特征的均值，为第个相关特征的标准差，为第个相关特征的标准差，为第个相关特征和第个相关特征的隶属度；
36、针对每个特征集，对其内数据的取值本文档来自技高网...
【技术保护点】
1.一种锂电池储能自适应管理系统，其特征在于，包括：
2.根据权利要求1所述的锂电池储能自适应管理系统，其特征在于，所述电池综合数据包括电压数据、电流数据、温度数据、内阻数据、容量数据和均衡数据；
3.根据权利要求2所述的锂电池储能自适应管理系统，其特征在于，所述将电池综合数据进行预处理的方式包括：
4.根据权利要求3所述的锂电池储能自适应管理系统，其特征在于，所述缺失值估计模型的构建方式包括：
5.根据权利要求4所述的锂电池储能自适应管理系统，其特征在于，所述特征向量信息的收集公式为：
6.根据权利要求5所述的锂电池储能自适应管理系统，其特征在于，所述将缺失值进行填充的方式包括：
7.根据权利要求6所述的锂电池储能自适应管理系统，其特征在于，所述均衡需求等级的确定方式包括：
8.根据权利要求7所述的锂电池储能自适应管理系统，其特征在于，所述隶属度的计算方式包括：
9.根据权利要求8所述的锂电池储能自适应管理系统，其特征在于，所述均衡组的划分方式包括：
10.根据权利要求9
...【技术特征摘要】
1.一种锂电池储能自适应管理系统，其特征在于，包括：
2.根据权利要求1所述的锂电池储能自适应管理系统，其特征在于，所述电池综合数据包括电压数据、电流数据、温度数据、内阻数据、容量数据和均衡数据；
3.根据权利要求2所述的锂电池储能自适应管理系统，其特征在于，所述将电池综合数据进行预处理的方式包括：
4.根据权利要求3所述的锂电池储能自适应管理系统，其特征在于，所述缺失值估计模型的构建方式包括：
5.根据权利要求4所述的锂电池储能自适应管理系统，其特征在于，所述特征向量信息的收集公...
【专利技术属性】
技术研发人员：姚宾波，王志强，
申请(专利权)人：科维特能源深圳有限公司，
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。