[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN116298988A - 一种储能电站中电池状态的诊断方法及装置 - Google Patents

一种储能电站中电池状态的诊断方法及装置 Download PDF

Info

Publication number
CN116298988A
CN116298988A CN202310257390.XA CN202310257390A CN116298988A CN 116298988 A CN116298988 A CN 116298988A CN 202310257390 A CN202310257390 A CN 202310257390A CN 116298988 A CN116298988 A CN 116298988A
Authority
CN
China
Prior art keywords
voltage
value
cell
battery
operation data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310257390.XA
Other languages
English (en)
Inventor
毛一洋
彭驭风
龙立义
刘求阳
高宗山
施书建
唐国力
杨卓兴
黄梓健
刘金虹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huarun Wisdom Energy Co ltd
Original Assignee
Huarun Wisdom Energy Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huarun Wisdom Energy Co ltd filed Critical Huarun Wisdom Energy Co ltd
Priority to CN202310257390.XA priority Critical patent/CN116298988A/zh
Publication of CN116298988A publication Critical patent/CN116298988A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本申请属于电化学储能电站技术领域，公开了一种储能电站中电池状态的诊断方法及装置。通过获取预设时间间隔内的所有单体电芯的运行数据，提取运行数据中的电压极值，确定电压极值对应的极值时刻，计算极值时刻的所有单体电芯的电压平均值，基于电压平均值计算单体电芯的实时电压值和电压平均值之间的电压差值；根据电压压差和预设阈值，来确定异常电芯，得到异常电芯集合；对运行数据进行拉格布斯分布校验，获得所述单体电芯的异常值概率，根据异常值概率来确定问题电芯，得到问题电芯集合；综合异常电芯集合和问题电芯集合进行评定，确定最终异常电芯。能够及时从电池运行数据中分析电池的健康状态，保障储能电站的安全高效运行。

Description

一种储能电站中电池状态的诊断方法及装置
技术领域
本申请涉及电化学储能电站技术领域，尤其涉及一种储能电站中电池状态的诊断方法及装置。
背景技术
随着煤炭和石油等不可再生能源短缺以及气候环境等社会问题的日益凸显，越来越多国家开始积极采取措施，投入大量人力和物力在风电、太阳能等新能源发展的研究和开发上，同时电化学储能产业迎来了前所未有的关注。电化学储能产业在发展的同时，也面临着问题。随着锂离子电池的不断发展，虽然电池的制作工艺和封装水平在不断进步，但仍会由于使用过程中操作失误、老化出现故障，一旦电池出现故障，若不及时处理解决，严重时会对整个电池组的使用造成不利影响，带来不可逆转的损失。因此，及时准确的对电池运行中的故障进行诊断十分重要。每个储能电站中都包含成千上万个储能电芯，电芯运行过程中会产生的庞大的温度、电压、电流等运行数据，有必要形成一种方法从电池运行数据中得出电池的健康状态。
发明内容
为此，本申请的实施例提供了一种储能电站中电池状态的诊断方法，实现了及时从电池运行数据中分析电池的健康状态，保障储能电站的安全高效运行。。
第一方面，本申请提供一种储能电站中电池状态的诊断方法。
本申请是通过以下技术方案得以实现的：
一种储能电站中电池状态的诊断方法，所述方法包括：
获取预设时间间隔内的所有单体电芯的运行数据，提取所述运行数据中的电压极值，确定所述电压极值对应的极值时刻，计算所述极值时刻的所有单体电芯的电压平均值，基于所述电压平均值计算所有单体电芯的实时电压值和电压平均值之间的电压差值；
根据所述电压压差和预设阈值，来确定异常电芯，得到异常电芯集合；
对所述运行数据进行拉格布斯分布校验，获得所有所述单体电芯的异常值概率，根据所述异常值概率来确定问题电芯，得到问题电芯集合；
综合所述异常电芯集合和问题电芯集合进行评定，确定最终异常电芯。
在本申请一较佳的示例中可以进一步设置为，所述获取预设时间间隔内的所有单体电芯的运行数据，提取所述运行数据中的电压极值，确定所述电压极值对应的极值时刻，计算所述极值时刻的所有单体电芯的电压平均值，基于所述电压平均值计算所有单体电芯的实时电压值和电压平均值之间的电压差值的步骤包括：
提取所述运行数据中第一电压极值
Figure BDA0004130130070000021
确定所述第一电压极值/>
Figure BDA0004130130070000022
对应的第一极值时刻k1，计算所述第一极值时刻k1下的所有单体电芯的第一电压平均值/>
Figure BDA0004130130070000023
计算所有单体电芯的实时电压值/>
Figure BDA0004130130070000024
和所述第一电压平均值/>
Figure BDA0004130130070000025
之间的第一电压差值ΔV1；
提取所述运行数据中第二电压极值
Figure BDA0004130130070000026
确定所述第二电压极值/>
Figure BDA0004130130070000027
对应的第二极值时刻k2，计算所述第二极值时刻k2下的所有单体电芯的第二电压平均值/>
Figure BDA0004130130070000028
计算所有单体电芯的实时电压值/>
Figure BDA0004130130070000029
和所述第二电压平均值/>
Figure BDA00041301300700000210
之间的第二电压差值ΔV2。
在本申请一较佳的示例中可以进一步设置为，所述根据所述电压压差和预设阈值，来确定异常电芯，得到异常电芯集合的步骤包括：
若ΔV1>0且ΔV2<0时，同时满足ABS(ΔV1)+ABS(ΔV2)≥C1，则判定所述电芯为短板电芯，基于所述短板电芯得到短板电芯集合，其中C1为短板阈值，ABS为取绝对值；
若ΔV1>0且ΔV2<0时，同时满足C1>ABS(ΔV1)+ABS(ΔV2)≥C2，则判定所述电芯为短板趋势电芯，基于所述短板趋势电芯得到短板趋势电芯集合，C2为短板趋势阈值，ABS为取绝对值；
若ΔV1>0且ΔV2>0时，同时满足ABS(ΔV1)+ABS(ΔV2)≥C3，则判定所述电芯为上不齐电芯，基于所述上不齐电芯得到上不齐电芯集合，其中C3为上不齐阈值，ABS为取绝对值；
若ΔV1<0且ΔV2<0时，同时满足ABS(ΔV1)+ABS(ΔV2)≥C4，则判定所述电芯为下不齐电芯，基于所述下不齐电芯得到下不齐电芯集合，其中C4为下不齐阈值，ABS为取绝对值；
所述异常电芯集合包括短板电芯集合、短板趋势电芯集合、上不齐电芯集合以及下不齐电芯集合。
在本申请一较佳的示例中可以进一步设置为，在获取预设时间间隔内的所有单体电芯的电池数据的步骤后还包括：
按照预设电压范围对所述运行数据进行筛选，保留满足所述预设电压范围的电池数据。
在本申请一较佳的示例中可以进一步设置为，所述预设电压范围为：
单体电芯的实时电压值大于3.5V或单体电芯的实时电压值小于3.0V。
在本申请一较佳的示例中可以进一步设置为，对所述运行数据进行拉格布斯分布校验，获得所有单体电芯的异常值概率，根据所述异常值概率来确定问题电芯，得到问题电芯集合的步骤包括：
对所述运行数据进行拉格布斯校验，计算拉格布斯分布的判定阈值，得到异常概率为99.5％时对应的第一阈值和异常概率为95％时对应的第二阈值；
对所述运行数据进行归一化处理，得到每个单体电芯的归一化值，将所述归一化值与上述第一阈值和第二阈值进行对比，若所述归一化值大于第一阈值，则判定该电芯为严重问题电芯；
若所述归一化值小于和等于第一阈值且大于第二阈值时，则判定该电芯为弱问题电芯。
在本申请一较佳的示例中可以进一步设置为，所述短板阈值、所述短板趋势阈值、所述上不齐阈值以及所述下不齐阈值均根据电池特性和充放电倍率进行设置。
第二方面，本申请提供一种储能电站中电池状态的诊断装置。
本申请是通过以下技术方案得以实现的：
一种储能电站中电池状态的诊断装置，所述装置包括：
第一异常确定模块，用于获取预设时间间隔内的所有单体电芯的运行数据，提取所述运行数据中的电压极值，确定所述电压极值对应的极值时刻，计算所述极值时刻的所有单体电芯的电压平均值，基于所述电压平均值计算所有单体电芯的实时电压值和电压平均值之间的电压差值；根据所述电压压差和预设阈值，来确定异常电芯，得到异常电芯集合；
第二异常确定模块，用于对所述运行数据进行拉格布斯分布校验，获得所有所述单体电芯的异常值概率，根据所述异常值概率来确定问题电芯，得到问题电芯集合；
综合判定模块，用于综合所述异常电芯集合和问题电芯集合进行评定，确定最终异常电芯。
第三方面，本申请提供一种计算机设备。
本申请是通过以下技术方案得以实现点的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一种储能电站中电池状态的诊断方法的步骤。
第四方面，本申请提供一种计算机可读存储介质。
本申请是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种储能电站中电池状态的诊断方法的步骤。
综上所述，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：通过获取预设时间间隔内的所有单体电芯的运行数据，提取运行数据中的电压极值，确定电压极值对应的极值时刻，计算极值时刻的所有单体电芯的电压平均值，基于电压平均值计算单体电芯的实时电压值和电压平均值之间的电压差值；根据电压压差和预设阈值，来确定异常电芯，得到异常电芯集合；对运行数据进行拉格布斯分布校验，获得所述单体电芯的异常值概率，根据异常值概率来确定问题电芯，得到问题电芯集合；综合异常电芯集合和问题电芯集合进行评定，确定最终异常电芯。在储能能量管理系统层级，通过采集存储电池的运行数据，通过压差确定异常电芯和格拉布斯准则校验模型两种方法，来筛选出电池系统中健康状态较差的单体电芯，可以指导储能电站运维工作，确定异常电芯及时采取相应的处理，保证储能电站的高效安全运行。
附图说明
图1为本申请一示例性实施例提供的一种储能电站中电池状态的诊断方法的流程示意图；
图2为本申请一示例性实施例提供的一种储能电站中电池状态的诊断系统的结构示意图。
具体实施方式
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本申请中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。
下面结合说明书附图对本申请实施例作进一步详细描述。
在本申请的一个实施例中，提供一种储能电站中电池状态的诊断方法，如图1所示，主要步骤描述如下：
S10:获取预设时间间隔内的所有单体电芯的运行数据，提取所述运行数据中的电压极值，确定所述电压极值对应的极值时刻，计算所述极值时刻的所有单体电芯的电压平均值，基于所述电压平均值计算所有单体电芯的实时电压值和电压平均值之间的电压差值。
通过储能电站的电池管理系统来获取需要进行电池状态诊断的某一天的n小时内的电芯运行数据，n为自然数，可以选取为1小时，2小时或3小时，可以按照需求进行设置。储能电站中的单体电芯的运行数据包括：单体电芯的电压数据、电流数据、温度数据、SOC数据，以及电池组的电压数据、电流数据、温度数据、SOC数据，在本实施例中选择单体电芯的电压数据进行分析诊断。提取运行数据中的电压数据中的电压极值，包括预设时间间隔内的最高电压值和最低电压值，计算两个电压极值对应时刻的所有单体电芯的电压平均值，根据电压平均值来计算所有单体电芯的实时电压值与电压平均值之间的电压差值。
在一些实施例中，在获取预设时间间隔内的所有单体电芯的运行数据后，需要对运行数据进行筛选，按照预设电压范围保留运行数据中满足预设电压范围的运行数据。
具体的，筛选数据时，判断k刻下的运行数据中是否存在单体电芯的电压值满足Vk>3.5V或Vk<3.0V，若在k时刻下存在单体电芯的电压值满足Vk>3.5V或Vk<3.0V，则保留k时刻下单体电芯的运行数据；若在k时刻下不存在单体电芯的电压值满足Vk>3.5V或Vk<3.0V，则将k时刻下单体电芯的运行数据剔除。对运行数据进行初步筛选，可以保证保留的数据符合正态分布，确保后续的诊断精确度，同时可以简化数据，减少诊断量，提高诊断效率。
在一些实施例中，计算电压压差的具体步骤为：
提取运行数据中的第一电压极值
Figure BDA0004130130070000051
第一电压极值为最高电压值，确定第一电压极值/>
Figure BDA0004130130070000052
对应的第一极值时刻k1，获取第一极值时刻k1下m个单体电芯的电压值/>
Figure BDA0004130130070000053
并计算m个单体电芯的第一电压平均值/>
Figure BDA0004130130070000054
Figure BDA0004130130070000055
并且计算第一极值时刻k1下m个单体电芯的电压值/>
Figure BDA0004130130070000056
分别与第一电压平均值/>
Figure BDA0004130130070000057
之间的差值ΔVk1，
Figure BDA0004130130070000058
其中/>
Figure BDA0004130130070000059
为在第一极值时刻k1下第1个单体电芯的电压值/>
Figure BDA00041301300700000510
与第一电压平均值/>
Figure BDA00041301300700000511
之间的差值，/>
Figure BDA00041301300700000512
Figure BDA00041301300700000513
为在第一极值时刻k1下第2个单体电芯的电压值/>
Figure BDA00041301300700000514
与第一电压平均值/>
Figure BDA00041301300700000515
之间的差值/>
Figure BDA00041301300700000516
Figure BDA00041301300700000517
Figure BDA00041301300700000518
为在第一极值时刻k1下第m个单体电芯的电压值/>
Figure BDA00041301300700000519
与第一电压平均值/>
Figure BDA00041301300700000520
之间的差值，/>
Figure BDA00041301300700000521
提取运行数据中的第二电压极值
Figure BDA00041301300700000522
第二电压极值为最低电压值，进一步确定第二电压极值/>
Figure BDA00041301300700000523
对应的第二极值时刻k2，获取第二极值时刻k2下m个单体电芯的电压值
Figure BDA0004130130070000061
并计算m个单体电芯的第二电压平均值/>
Figure BDA0004130130070000062
Figure BDA0004130130070000063
并且计算第二极值时刻k2下m个单体电芯的电压值/>
Figure BDA0004130130070000064
分别与第二电压平均值/>
Figure BDA0004130130070000065
之间的第二电压差值ΔVk2，/>
Figure BDA0004130130070000066
其中/>
Figure BDA0004130130070000067
为在第二极值时刻k2下第1个单体电芯的电压值/>
Figure BDA0004130130070000068
与第二电压平均值/>
Figure BDA0004130130070000069
之间的差值，/>
Figure BDA00041301300700000610
为在第一极值时刻k1下第2个单体电芯的电压值/>
Figure BDA00041301300700000611
与第二电压平均值/>
Figure BDA00041301300700000612
之间的差值/>
Figure BDA00041301300700000613
Figure BDA00041301300700000614
Figure BDA00041301300700000615
为在第一极值时刻k1下第m个单体电芯的电压值/>
Figure BDA00041301300700000616
与第二电压平均值/>
Figure BDA00041301300700000617
之间的差值，
Figure BDA00041301300700000618
S20:根据电压压差和预设阈值，来确定异常电芯，得到异常电芯集合。
根据上面计算的电压差值，按照预设规则与预设阈值进行对比，来确定健康状态较差的异常电芯。所有的单体电芯在制作时都对应一个唯一的电芯编号，该电芯编号与单体电芯一一对应，通过该电芯编号可以查找单体电芯的运行数据，以及存储位置等各种信息。将所有健康状态较差的异常电芯的电池编号进行汇总，得到异常电芯集合。
具体的，当第一电压差值ΔVk1大于0，第二电压差值ΔVk2小于0，同时满足第一电压差值ΔVk1的绝对值与第二电压差值ΔVk2的绝对值的结合大于或等于短板阈值C1时，即若ΔVk1>0且ΔVk2<0时，同时满足ABS(ΔVk1)+ABS(ΔVk2)≥C1，则判定该单体电芯为短板电芯，将该单体电芯对应的电芯编号加入到短板电芯集合中。具体的，可以将短板电芯集合表示为：DB＝{a,a∈DB}，a为相应单体电芯的电池编号。
当第一电压差值ΔVk1大于0，第二电压差值ΔVk2小于0，同时满足第一电压差值ΔVk1的绝对值与第二电压差值ΔVk2的绝对值的结合大于或等于短板趋势阈值C2，小于短板阈值C1时，即若ΔVk1>0且ΔVk2<0时，同时满足C1>ABS(ΔVk1)+ABS(ΔVk2)≥C2，则判定该单体电芯为短板趋势电芯，将该单体电芯对应的电池编号加入到短板趋势电芯集合中。短板趋势电芯集合可以表示为：QS＝{b,b∈QS}，b为相应单体电芯的电池编号。
当第一电压差值ΔVk1大于0，第二电压差值ΔVk2大于0，同时满足第一电压差值ΔVk1的绝对值与第二电压差值ΔVk2的绝对值的加和大于或等于上不齐阈值C3时，即ΔVk1>0且ΔVk2>0时，同时满足ABS(ΔVk1)+ABS(ΔVk2)≥C3时，则判定该单体电芯为上不齐电芯，将该电芯对应的电池编号加入到上不齐电芯集合中。上不齐电芯集合可以表示为：UP＝{c,c∈UP},c为相应单体电芯的电池编号。
当第一电压差值ΔVk1小于0，第二电压差值ΔVk2小于0，同时满足第一电压差值ΔVk1的绝对值与第二电压差值ΔVk2的绝对值的加和大于或等于下不齐阈值C4时，即ΔVk1<0且ΔVk2<0时，同时满足ABS(ΔVk1)+ABS(ΔVk2)≥C4时，则判定该单体电芯为下不齐电芯，将该单体电芯对应的电池编号加入到下不齐电芯集合中。下不齐电芯集合可以表示为：Down＝{d,d∈Down}，d表示相应单体电芯的电池编号。
其中，短板阈值、短板趋势阈值、上不齐阈值以及下不齐阈值均是根据电芯特性以及充放电倍率的不同由工程师进行设定。例如锂离子电池、钠离子电池、镍镉电池、聚合物电池因电芯类型不同，需要进行不同的设置。同时相同的电芯类型，在不同的充放电电流下，例如在1C、2C、5C或者10C下进行充放电时需要设定不同的阈值,或在不同的温度下进行充放电时，例如在25℃、0℃或者-10℃时，需要设置不同的阈值。举例进行说明，三元锂离子电池在25℃下以0.5C进行充放电时，短板阈值可以设置为100mV,在1.0C下进行充放电时，短板阈值可以设置为150mV，在2.0C下进行充放电时，短板阈值可以设置为200mV；相应的，短板趋势阈值比短板阈值大50mV；上不齐阈值设置为短板阈值的一半；下不齐阈值设置为短板阈值的一半。
短板电芯集合DB、短板趋势电芯集合QS、上不齐电芯集合UP以及下不齐电芯集合Down一起构成异常电芯集合。
S30:对运行数据进行拉格布斯分布校验，获得所有单体电芯的异常值概率，根据异常值概率来确定问题电芯，得到问题电芯集合。
需要进行说明的是，拉格布斯分布校验Grubbs判定方法较为严密，概率意义明确，是比较好的判定准则。对于储能电站的电池簇中的m个单体电芯，假设这m个单体电芯的电压值Vi满足正态分布，则对于某一时刻的m个单体电芯的电压值V1,V2,…,Vm则可以认为是满足正态分布的一组样本数据。根据Grubbs准则，对于某一单体电芯的电压值Vi满足下述公式时：
Figure BDA0004130130070000071
其中/>
Figure BDA0004130130070000072
为m个单体电芯的电压均值，σm为m个单体电芯的电压方差，T(α,m)为阈值；Ti为拉格布斯计算值。则认为该单体电芯的电压值属于异常值，则可以判定该单体电芯可以出现问题，属于问题电芯。将所有的问题电芯的电芯编号进行统计，得到问题电芯集合。
具体的，对运行数据进行拉格布斯校验，计算拉格布斯分布的判定阈值，得到异常概率为99.5％时对应的第一阈值f1和异常概率为95％时对应的第二阈值f2；
将上述运行数据进行归一化处理，得到每个单体电芯的归一化值hi，将每个单体电芯的归一化值hi与第一阈值f1和第二阈值f2进行对比，如果某个单体电芯的归一化值hi大于第一阈值f1，即hi>f1时，则判定该单体电芯为严重问题电芯，将该单体电芯对应的电池编号放进严重问题电芯集合中。严重问题电芯集合可以表示为：S1＝{e,e∈S1},e表示该单体电芯的电池编号。
如果某个单体电芯的归一化值小于或等于第一阈值f1，并且大于第二阈值f2，即f1≤hi<f2，则判定该问题电芯为弱问题电芯，将该单体电芯对应的电池编号放进弱问题电芯集合中。弱问题电芯集合可以表示为：S2＝{f,f∈S2}，f表示该单体电芯的电池编号。在一些实施例中，f1的取值为3.8171，f2的取值为3.2685。
其中，归一化采用N方式进行归一化处理，μ＝0,σ＝1。归一化用的是sklearn.preprocessing.scale函数，将运行数据按照行或列减去其均值，然后再除以方差。最后得到的结果是，对每个属性/每列来说所有数据都聚集在0附近，标准产值为1的元素矩阵。N方式的计算公式为：x*＝(X-Xmean)/Xstd，其中X为元素，Xmean为全部元素的平均值，Xstd为元素标准差，x*为归一化值。
S40:综合异常电芯集合和问题电芯集合进行评定，确定最终异常电芯。
将上述电压差值确定的异常电芯集合和问题电芯集合进行综合判定，通过两种方法综合筛选出电池管理系统中健康状态较差的电芯，指导储能电站运维工作。
通过两种方法综合筛选电池管理系统中健康状态较差的电芯，可以提高判定的准确性。
具体的，将综合判定方法为：将属于短板电芯集合DB并且属于弱问题电芯集合S2的单体电芯或者属于强问题电芯集合S1的单体电芯判定为最终短板电芯，归入最终短板电芯集合，记为DB2＝{j|j∈(DB∩S2)∪S1}；将同时满足属于下不齐电芯集合Down，属于弱问题电芯集合S2，但不属于最终短板电芯集合DB2的单体电芯记为集合A,记为
Figure BDA0004130130070000081
将同时满足属于上不齐电芯集合UP，属于弱问题电芯集合S2，但不属于最终短板电芯集合DB2的单体电芯记为集合B，
Figure BDA0004130130070000082
进一步将同时属于集合A和集合B的单体电芯判定为最终短板趋势电芯集合QS2,QS2＝{j|j∈A&j∈B}；将属于集合A，但不属于最终短板趋势电芯QS2的单体电芯判定为最终下不齐电芯/>
Figure BDA0004130130070000083
将属于集合B但不属于最终短板趋势电芯集合QS2的单体电芯记为最终上不齐电芯UP2,/>
Figure BDA0004130130070000084
综合两种方法筛选健康状态较差的单体电芯，可以有效提高分析判断的准确性。
同时将出现异常的单体电芯划分最终短板电芯、最终短板趋势电芯、最终上不齐电芯以及最终下不齐电芯，有助于对电芯的异常程度进行区分，按照异常程度进行相应的处理。被划分为最终上不齐电芯以及最终下不齐电芯的单体电芯可以通过调整电池参数进行维护使其恢复到正常的状态，不需要进行更换；被划分为最终短板趋势电芯的单体电池在调整电池参数后需要持续监测单体电池的参数，监测该单体电芯的变化情况，若恢复正常可以正常使用，若该单体电芯的运行情况恶化，则需进行更换；被划分为短板电芯的单体电芯，需要及时进行更换，避免该单体电芯影响整个电池组的运行情况。针对不同情况的单体电芯采取不同的处理办法，可以提高储能电站的运行效率，保持储能电站中电池组的一致性，保证电池组最大效率发挥性能。
本申请还提供一种储能电站中电池状态的诊断装置，如图2所示，该诊断装置包括：
第一异常确定模块1，用于获取预设时间间隔内的所有单体电芯的运行数据，提取运行数据中的电压极值，确定上述电压极值对应的极值时刻，计算极值时刻的所有单体电芯的电压平均值，基于电压平均值计算所有单体电芯的实时电压值和电压平均值之间的电压差值；根据电压压差和预设阈值，来确定异常电芯，得到异常电芯集合；
第二异常确定模块2，用于对上述运行数据进行拉格布斯分布校验，获得所有单体电芯的异常值概率，根据异常值概率来确定问题电芯，得到问题电芯集合；
综合判定模块3，用于综合异常电芯集合和问题电芯集合进行评定，确定最终异常电芯。
其中，第一异常确定模块1中还包括差值计算单元11，用于提取运行数据中第一电压极值
Figure BDA0004130130070000091
确定第一电压极值/>
Figure BDA0004130130070000092
对应的第一极值时刻k1，计算第一极值时刻k1下的所有单体电芯的第一电压平均值/>
Figure BDA0004130130070000093
计算所有单体电芯的实时电压值V1 i和第一电压平均值/>
Figure BDA0004130130070000094
之间的第一电压差值ΔV1；
提取运行数据中第二电压极值
Figure BDA0004130130070000095
确定第二电压极值/>
Figure BDA0004130130070000096
对应的第二极值时刻k2，计算第二极值时刻k2下的所有单体电芯的第二电压平均值/>
Figure BDA0004130130070000097
计算所有单体电芯的实时电压值V2 i和第二电压平均值/>
Figure BDA0004130130070000098
之间的第二电压差值ΔV2。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器。
该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任意一种储能电站中电池状态的诊断方法。
在一个实施例中，提供一种计算机可读存储介质，包括存储器、处理器及存储在存储器上并可以在处理器上执行的计算机程序，处理器执行计算机程序以实现上述任意一种储能电站中电池状态的诊断方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)、DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将本申请所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

Claims (10)

1.一种储能电站中电池状态的诊断方法，其特征在于，所述方法包括：
获取预设时间间隔内的所有单体电芯的运行数据，提取所述运行数据中的电压极值，确定所述电压极值对应的极值时刻，计算所述极值时刻的所有单体电芯的电压平均值，基于所述电压平均值计算所有单体电芯的实时电压值和电压平均值之间的电压差值；
根据所述电压压差和预设阈值，来确定异常电芯，得到异常电芯集合；
对所述运行数据进行拉格布斯分布校验，获得所有所述单体电芯的异常值概率，根据所述异常值概率来确定问题电芯，得到问题电芯集合；
综合所述异常电芯集合和问题电芯集合进行评定，确定最终异常电芯。
2.根据权利要求1所述的储能电站中电池状态的诊断方法，其特征在于，所述获取预设时间间隔内的所有单体电芯的运行数据，提取所述运行数据中的电压极值，确定所述电压极值对应的极值时刻，计算所述极值时刻的所有单体电芯的电压平均值，基于所述电压平均值计算所有单体电芯的实时电压值和电压平均值之间的电压差值的步骤包括：
提取所述运行数据中第一电压极值
Figure FDA0004130130060000011
确定所述第一电压极值/>
Figure FDA0004130130060000013
对应的第一极值时刻k1，计算所述第一极值时刻k1下的所有单体电芯的第一电压平均值/>
Figure FDA0004130130060000015
计算所有单体电芯的实时电压值/>
Figure FDA0004130130060000019
和所述第一电压平均值/>
Figure FDA0004130130060000016
之间的第一电压差值ΔVk1；
提取所述运行数据中第二电压极值
Figure FDA0004130130060000012
确定所述第二电压极值/>
Figure FDA0004130130060000014
对应的第二极值时刻k2，计算所述第二极值时刻k2下的所有单体电芯的第二电压平均值/>
Figure FDA0004130130060000017
计算所有单体电芯的实时电压值/>
Figure FDA00041301300600000110
和所述第二电压平均值/>
Figure FDA0004130130060000018
之间的第二电压差值ΔVk2。
3.根据权利要求2所述的储能电站中电池状态的诊断方法，其特征在于，所述根据所述电压压差和预设阈值，来确定异常电芯，得到异常电芯集合的步骤包括：
若ΔVk1>0且ΔVk2<0时，同时满足ABS(ΔVk1)+ABS(ΔVk2)≥C1，则判定所述电芯为短板电芯，基于所述短板电芯得到短板电芯集合，其中C1为短板阈值，ABS为取绝对值；
若ΔVk1>0且ΔVk2<0时，同时满足C1>ABS(ΔVk1)+ABS(ΔVk2)≥C2，则判定所述电芯为短板趋势电芯，基于所述短板趋势电芯得到短板趋势电芯集合，C2为短板趋势阈值，ABS为取绝对值；
若ΔVk1>0且ΔVk2>0时，同时满足ABS(ΔVk1)+ABS(ΔVk2)≥C3，则判定所述电芯为上不齐电芯，基于所述上不齐电芯得到上不齐电芯集合，其中C3为上不齐阈值，ABS为取绝对值；
若ΔVk1<0且ΔVk2<0时，同时满足ABS(ΔVk1)+ABS(ΔVk2)≥C4，则判定所述电芯为下不齐电芯，基于所述下不齐电芯得到下不齐电芯集合，其中C4为下不齐阈值，ABS为取绝对值；
所述异常电芯集合包括短板电芯集合、短板趋势电芯集合、上不齐电芯集合以及下不齐电芯集合。
4.根据权利要求1所述的储能电站中电池状态的诊断方法，其特征在于，在获取预设时间间隔内的所有单体电芯的运行数据的步骤后还包括：
按照预设电压范围对所述运行数据进行筛选，保留满足所述预设电压范围的运行数据。
5.根据权利要求4所述的储能电站中电池状态的诊断方法，其特征在于，所述预设电压范围为：
单体电芯的实时电压值大于3.5V或单体电芯的实时电压值小于3.0V。
6.根据权利要求1所述的储能电站中电池状态的诊断方法，其特征在于，对所述运行数据进行拉格布斯分布校验，获得所有单体电芯的异常值概率，根据所述异常值概率来确定问题电芯，得到问题电芯集合的步骤包括：
对所述运行数据进行拉格布斯校验，计算拉格布斯分布的判定阈值，得到异常概率为99.5％时对应的第一阈值和异常概率为95％时对应的第二阈值；
对所述运行数据进行归一化处理，得到每个单体电芯的归一化值，将所述归一化值与上述第一阈值和第二阈值进行对比，若所述归一化值大于第一阈值，则判定该电芯为严重问题电芯；
若所述归一化值小于和等于第一阈值且大于第二阈值时，则判定该电芯为弱问题电芯。
7.根据权利要求3所述的储能电站中电池状态的诊断方法，其特征在于，
所述短板阈值、所述短板趋势阈值、所述上不齐阈值以及所述下不齐阈值均根据电池特性和充放电倍率进行设置。
8.一种储能电站中电池状态的诊断装置，其特征在于，所述装置包括：
第一异常确定模块，用于获取预设时间间隔内的所有单体电芯的运行数据，提取所述运行数据中的电压极值，确定所述电压极值对应的极值时刻，计算所述极值时刻的所有单体电芯的电压平均值，基于所述电压平均值计算所有单体电芯的实时电压值和电压平均值之间的电压差值；根据所述电压压差和预设阈值，来确定异常电芯，得到异常电芯集合；
第二异常确定模块，用于对所述运行数据进行拉格布斯分布校验，获得所有所述单体电芯的异常值概率，根据所述异常值概率来确定问题电芯，得到问题电芯集合；
综合判定模块，用于综合所述异常电芯集合和问题电芯集合进行评定，确定最终异常电芯。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现权利要求1至7任意一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任意一项所述方法的步骤。
CN202310257390.XA 2023-03-06 2023-03-06 一种储能电站中电池状态的诊断方法及装置 Pending CN116298988A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310257390.XA CN116298988A (zh) 2023-03-06 2023-03-06 一种储能电站中电池状态的诊断方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310257390.XA CN116298988A (zh) 2023-03-06 2023-03-06 一种储能电站中电池状态的诊断方法及装置

Publications (1)

Publication Number Publication Date
CN116298988A true CN116298988A (zh) 2023-06-23

Family

ID=86786530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310257390.XA Pending CN116298988A (zh) 2023-03-06 2023-03-06 一种储能电站中电池状态的诊断方法及装置

Country Status (1)

Country Link
CN (1) CN116298988A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118024886A (zh) * 2024-04-15 2024-05-14 昆山金鑫新能源科技股份有限公司 一种车用锂电池组的在线检测控制方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118024886A (zh) * 2024-04-15 2024-05-14 昆山金鑫新能源科技股份有限公司 一种车用锂电池组的在线检测控制方法及系统

Similar Documents

Publication Publication Date Title
CN111584952B (zh) 用于储能电站电化学电池在线评估的方法和系统
Tian et al. Consistency evaluation and cluster analysis for lithium-ion battery pack in electric vehicles
CN110161414B (zh) 一种动力电池热失控在线预测方法及系统
CN110224192B (zh) 一种梯次利用动力电池寿命预测方法
CN110794305A (zh) 一种动力电池故障诊断方法和系统
CN112327167B (zh) 一种电池容量跳水风险评估方法及系统
US8340934B2 (en) Method of performance analysis for VRLA battery
CN103439666B (zh) 一种锂离子电池容量衰退评估的几何方法
Li et al. Reliability assessment and failure analysis of lithium iron phosphate batteries
WO2024146353A1 (zh) 一种电池储能电站的主动安全三级防控系统及方法
CN113075554A (zh) 一种基于运行数据的锂离子电池组不一致性辨识方法
CN110146817A (zh) 锂电池故障的诊断方法
WO2021052540A1 (de) Zustandswert für wiederaufladbare batterien
CN116298988A (zh) 一种储能电站中电池状态的诊断方法及装置
Diao et al. Research on Electric Vehicle Charging Safety Warning Based on A-LSTM Algorithm
CN116879763A (zh) 一种基于卡尔曼滤波算法的电池故障预警方法
CN111460656B (zh) 一种电力机房通信电源运行寿命评估方法和系统
Ma et al. State of health estimation of retired battery for echelon utilization based on charging curve
CN115128468A (zh) 一种化学储能电池phm欠压故障预测方法
CN116381545A (zh) 储能电池组一致性等级确定方法及装置
Li et al. Evaluation method for consistency of lithium-ion battery packs in electric vehicles based on the Mahalanobis-Taguchi system
CN114646888A (zh) 一种动力电池容量衰减的评估方法及系统
CN115267586B (zh) 锂电池soh评估方法
CN114879043B (zh) 锂离子电池析锂诊断方法、装置、设备和介质
CN116901707A (zh) 一种动力电池组故障预警方法、系统及车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination