本发明专利技术提供一种基于电池组健康状态预测的储能系统功率分配方法，所述方法通过结合卷积神经网络与长短期记忆网络构建了预测锂离子电池健康状态的混合神经网络模型，利用贝叶斯算法优化混合神经网络模型参数，提高模型对电池组健康状态预测精度；并且结合所提出的锂离子电池预测模型，提出基于熵权法的电池组充/放电优先级排序规则；以电池组荷电状态一致性为目标函数，以电池组的电荷状态和健康状态作为评价指标，建立电池组功率优化分配策略，以实现储能系统能量优化分配，有助于延长旧电池使用寿命，避免单个电池过充过放，实现电池组荷电状态的均衡。
【技术实现步骤摘要】
本申请涉及储能优化调度领域，特别涉及一种基于电池健康状态预测的储能系统功率分配方法。
技术介绍
1、电力系统逐步向高比例新能源接入和高比例电力电子设备使用方向发展，考虑到风光出力的不确定性与随机性，利用储能设备是解决新能源出力高不确定性、反调峰特性的有效手段。由于电池储能系统(battery energy storage system，bess)运行工况复杂，每个电池组寿命衰减不一致，bess健康管理难度较大。因此，有必要研究bess的健康状态预测、充放电功率分配策略，以延缓储能使用寿命，提高其经济性。
2、目前，针对bess能量管理的研究大多基于电池组的电荷状态(state of charge，soh)或bess整体性健康状态(state of health，soh)，而考虑bess中各电池组实时的soc和soh变化的能量管理方法较少，当前具有两个需要进一步研究的问题：首先，在储能系统的运行状态下难以实时检测储能电池的soh。其次，在对储能系统的能量管理时，需要考虑储能电池的soc和soh，以此降低电池的损耗速度。
...
【技术保护点】
1.一种基于电池组健康状态预测的储能系统功率分配方法，其特征在于，包括：
2.根据权利要求1所述的一种基于电池组健康状态预测的储能系统功率分配方法，其特征在于，所述锂电池健康状态预测模型具体包括：
3.根据权利要求2所述的一种基于电池组健康状态预测的储能系统功率分配方法，其特征在于，所述利用贝叶斯优化算法对所述混合神经网络模型进行优化，具体包括：
4.根据权利要求3所述的一种基于电池组健康状态预测的储能系统功率分配方法，其特征在于，所述利用均方根RMES和决定系数R2两个指标进行预测效果验证，计算公式为；
5.根据权利要求4所述的一种基于电...
【技术特征摘要】
1.一种基于电池组健康状态预测的储能系统功率分配方法，其特征在于，包括：
2.根据权利要求1所述的一种基于电池组健康状态预测的储能系统功率分配方法，其特征在于，所述锂电池健康状态预测模型具体包括：
3.根据权利要求2所述的一种基于电池组健康状态预测的储能系统功率分配方法，其特征在于，所述利用贝叶斯优化算法对所述混合神经网络模型进行优化，具体包括：
4.根据权利要求3所述的一种基于电池组健康状态预测的储能系统...
【专利技术属性】
技术研发人员：梁政平，杨春发，李凯，程浩，曹玉杰，杨鹏远，张娜，孙忠旭，佘小平，方琰，
申请(专利权)人：中国电力工程顾问集团华北电力设计院有限公司，
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。