【技术实现步骤摘要】
本申请涉及新能源电力，特别涉及一种基于电池健康状态的新能源电站智能充放电控制方法。
技术介绍
1、随着全球新能源产业的蓬勃发展，电动汽车和电储能得到广泛应用。动力电池和储能电池的健康状态监测和寿命预测成为业界关注的重点，对电池管理系统bms提出了更高要求。
2、授权公告号为cn117674369b的中国专利公开了一种新能源储能电池组充放电安全管理系统，涉及智能能源管理
，该系统通过响应时间调控，预防了不同充电桩区域电池组响应不一致的问题，确保电池组协同工作，降低了性能下降和安全隐患的风险。电池组衰退调控延长了电池组的使用寿命，降低了因电池老化引起的安全风险。实时负荷调控避免了电池组在高负荷状态下运行，减少了过载风险。环境调控通过智能监测，降低了电池组在极端环境下的工作风险。这些调控策略不仅使系统能够及时响应潜在风险，还通过优化电池组的运行状态，提高了其整体安全性和可靠性。系统的智能管理和及时干预，有效保护了电池组免受损害，为新能源储能电池组的安全运行提供了全面的解决方案。
3、现有技术未考虑电池单体之间在容量、内阻等特性参数上存在差异，电池状态差异导致电池组性能不均衡问题，难以最大化电池组使用寿命。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出一种基于电池健康状态的新能源电站智能充放电控制方法，实现了新能源电站的电池智能充放电控制。
2、本申请的一个方面提供了一种基于电池健康状态的
3、步骤s100：收集不同类型、不同使用阶段的电池的储能数据，所述储能数据包括容量、内阻、自放电率和循环次数，训练电池健康状态评估模型，以电池的储能数据作为输入数据，输出soh值；
4、步骤s200：收集电池在充放电循环过程中的soh值、充放电倍率、温度和放电深度，构建电池训练样本用于训练电池寿命预测模型，基于训练好的电池寿命预测模型预测电池的剩余循环寿命；
5、步骤s300：定义优化目标和约束条件，所述优化目标包括最小化电池组容量衰减速率、最小化电池组的soh差异、最小化电池组剩余循环寿命标准差和最大化电池组能量利用率，建立优化模型，求解得到最优的均衡充放电策略；
6、步骤s400：执行均衡充放电策略并实时预测每个电池的soh值，计算当前电池组的soh差异，当soh差异大于预设的差异阈值时，触发下一轮均衡充放电策略的优化；
7、步骤s500：将soh值小于退役阈值的电池列为退役电池，对每个退役电池进行静置和充放电实验测试，计算每个退役电池的可用容量百分比，为其匹配梯次利用场景；
8、所述收集不同类型、不同使用阶段的电池的储能数据，所述储能数据包括容量、内阻、自放电率和循环次数，训练电池健康状态评估模型，以电池的储能数据作为输入数据，输出soh值的具体方法为：
9、步骤s110：应用多参数融合卡尔曼滤波算法，计算电池的容量和内阻；
10、步骤s120：在电池静置下测得电池的自放电率，读取bms记录的循环次数；
11、步骤s130：将容量、内阻、自放电率和循环次数整合为电池的储能数据，收集不同类型、不同使用阶段的电池的储能数据，并对对应的储能数据标记其soh值，所述soh值作为健康状态标签，构建训练样本，每个训练样本包括电池的储能数据和对应的soh值；
12、步骤s140：选择高斯核作为核函数，构建svm回归模型，所述svm回归模型的表达式为：，且svm回归模型满足，其中，w为权重向量，为偏置项，为将映射到高维特征空间的函数，为容忍误差，表示以为输入数据预测的soh值；
13、步骤s150：引入松弛变量和，构建目标函数和约束条件，所述目标函数包括权重向量w的l2范数最小化目标函数和预测的soh值与真实的soh值之间的误差惩罚函数；
14、步骤s160：将目标函数转化为对偶问题；
15、步骤s170：将训练样本输入svm回归模型，求解该对偶问题，得到拉格朗日乘子的最优解和、偏置项的最优解，根据最优解得到最终的svm回归模型；
16、步骤s180：采用均方误差作为svm回归模型的损失函数，优化模型参数，得到最终的电池健康状态评估模型，利用训练好的电池健康状态评估模型预测电池的soh值；
17、所述应用多参数融合卡尔曼滤波算法，计算电池的容量和内阻的具体方法为：
18、步骤s111：选择电池的容量和内阻作为状态变量，构建状态向量；
19、所述状态向量为，其中，为k时刻电池的容量，为k时刻电池的内阻；
20、步骤s112：基于状态向量建立状态方程，建立观测量和状态向量之间的观测变量方程，所述观测量采用电池的端口电压和温度，所述观测变量方程包括端口电压观测方程和温度观测方程；
21、所述状态方程的方程式为：，其中，a为状态转移矩阵，b为输入矩阵，为k-1时刻的状态向量，为充放电电流，为过程噪声；
22、所述端口电压观测方程的方程式为：，其中，为开路电压函数，为k时刻的充放电电流，当充电时为正，放电时为负，为端口电压；
23、所述温度观测方程的方程式为：，其中，为电池的温度，为环境温度，为温升系数；
24、步骤s113：给定初始状态估计值和误差协方差矩阵；
25、步骤s114：读取bms采集的充放电电流和观测量，对于每次采样的k时刻，根据状态方程得到k时刻预测的状态向量，所述预测的状态向量包括预测的容量和预测的内阻；
26、步骤s115：利用k-1时刻的状态转移矩阵和误差协方差矩阵，预测k时刻的误差协方差矩阵；
27、步骤s116：基于电池的最大容量和充放电电流，分别计算端口电压观测方程的雅可比矩阵和温度观测方程的雅可比矩阵，根据雅可比矩阵计算卡尔曼增益矩阵；
28、步骤s117：利用观测量和卡尔曼增益矩阵对预测的状态向量进行修正，计算得到当前k时刻的状态向量，并得到更新后k时刻的误差协方差矩阵；
29、步骤s118：输出计算得到的k时刻的状态向量，得到k时刻电池的容量和内阻；
30、所述收集电池在充放电循环过程中的soh值、充放电倍率、温度和放电深度，构建电池训练样本用于训练电池寿命预测模型，基于训练好的电池寿命预测模型预测电池的剩余循环寿命的具体方法为：
31、步骤s210：对电池进行完整的充放电循环，直到其容量下降到电池退役标准值，记录从开始到电池实际退役的循环次数，该循环次数作为对应电池的剩余循环寿命；
32、步骤s220：在电池充放电循环过程中，每发生一次充放电循环，记录循环结束时刻电池的soh值、充放电倍率、温度和放电深度，所述充放电倍率为充放电电流与电池额定容量的比值，所述温度通过温度传感器进行收集，所述放电深度为电池放电容量和电池额定容量的本文档来自技高网...
【技术保护点】
1.一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，包括：
2.如权利要求1所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述收集不同类型、不同使用阶段的电池的储能数据，所述储能数据包括容量、内阻、自放电率和循环次数，训练电池健康状态评估模型，以电池的储能数据作为输入数据，输出SOH值的具体方法为：
3.如权利要求2所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述应用多参数融合卡尔曼滤波算法，计算电池的容量和内阻的具体方法为：
4.如权利要求3所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述收集电池在充放电循环过程中的SOH值、充放电倍率、温度和放电深度，构建电池训练样本用于训练电池寿命预测模型，基于训练好的电池寿命预测模型预测电池的剩余循环寿命的具体方法为：
5.如权利要求4所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述优化目标的具体定义方法为：
6.如权利要求5所述的一种基于电池健康状态的新能源电站
7.如权利要求6所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述将SOH值小于退役阈值的电池列为退役电池，对每个退役电池进行静置和充放电实验测试，计算每个退役电池的可用容量百分比，为其匹配梯次利用场景的具体方法为：
8.一种基于电池健康状态的新能源电站智能充放电控制装置，其基于权利要求1-7中任一项所述的一种基于电池健康状态的新能源电站智能充放电控制方法实现，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，以实现如权利要求1-7任一项所述的一种基于电池健康状态的新能源电站智能充放电控制方法中的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1-7任一项所述的一种基于电池健康状态的新能源电站智能充放电控制方法中的步骤。
...【技术特征摘要】
1.一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，包括：
2.如权利要求1所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述收集不同类型、不同使用阶段的电池的储能数据，所述储能数据包括容量、内阻、自放电率和循环次数，训练电池健康状态评估模型，以电池的储能数据作为输入数据，输出soh值的具体方法为：
3.如权利要求2所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述应用多参数融合卡尔曼滤波算法，计算电池的容量和内阻的具体方法为：
4.如权利要求3所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述收集电池在充放电循环过程中的soh值、充放电倍率、温度和放电深度，构建电池训练样本用于训练电池寿命预测模型，基于训练好的电池寿命预测模型预测电池的剩余循环寿命的具体方法为：
5.如权利要求4所述的一种基于电池健康状态的新能源电站智能充放电控制方法，其特征在于，所述优化目标的具体定义方法为：
6.如权利要求5所述的一种...
【专利技术属性】
技术研发人员：吴林河，王会武，李萍，赵金亮，
申请(专利权)人：西安中创新能网络科技有限责任公司，
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。