CN116754967A - 用于储能电站电化学电池在线评估的方法和系统 - Google Patents
用于储能电站电化学电池在线评估的方法和系统 Download PDFInfo
- Publication number
- CN116754967A CN116754967A CN202310445863.9A CN202310445863A CN116754967A CN 116754967 A CN116754967 A CN 116754967A CN 202310445863 A CN202310445863 A CN 202310445863A CN 116754967 A CN116754967 A CN 116754967A
- Authority
- CN
- China
- Prior art keywords
- battery
- data
- scheme
- energy storage
- electrochemical cell
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000004146 energy storage Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 238000011161 development Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000004140 cleaning Methods 0.000 claims abstract description 13
- 238000011282 treatment Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000011418 maintenance treatment Methods 0.000 claims description 7
- 230000022131 cell cycle Effects 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000012300 Sequence Analysis Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000011426 transformation method Methods 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000009529 body temperature measurement Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000002847 impedance measurement Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012983 electrochemical energy storage Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004781 supercooling Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种用于储能电站电化学电池在线评估的方法和系统，包括以下步骤：实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据；将监测到的数据进行数据清洗、去噪、滤波处理，监测和评估电化学电池的正常运行损耗指标；预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案；根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案；定期将处理数据反馈至处理模型，进行参数调整和优化。本发明提供了用于储能电站电化学电池在线评估的方法和系统，能够根据历史数据预测电池的损耗发展趋势，实施合理的电池梯次利用，有效利用电池效能，降低成本，使得电池更加耐用。
Description
技术领域
本发明涉及储能电站技术领域，具体为一种用于储能电站电化学电池在线评估的方法和系统。
背景技术
储能技术在电力系统“电能生产、传输、分配和消费”中增加一个“存储”环节，使原本几乎“刚性”的系统变得“柔性”起来。大容量的电池储能具有快速吸收能量并适时释放的特点，可实现能量的时间迁移，解决新能源发电的出力波动性和不确定性引起的系统供电充裕性不足问题。随着电池材料、制造工艺、系统集成及运行维护等方面实现技术突破，储能的制造和运行成本大大降低，储能系统发展潜力巨大。电化学储能以其能量密度高、充放电速率快、使用寿命长的特点成为储能电站电池的首选，但是电化学储能电池的安全性和可靠性一直都是其应用中必须十分关注的问题。
现有技术中，公开号为“CN114024328A”的一种储能电站系统的综合评估方法、设备及可读介质，该评估方法包括：获取储能电站系统的充放电相关数据；基于充放电相关数据，对储能电站系统的电池模组的一致性状态进行分析，以得到电池模组的各影响因素的一致性指标；确定出电池模组的各影响因素的一致性指标在储能电站系统的综合评价指标中所占权重，以得到储能电站系统的综合性能指标，该储能电站系统的综合评估方法、设备及可读介质通过综合考虑了储能电站系统的整体SOH、电池模组电压、温度、SOC、可用容量一致性等多个角度对储能电站系统的当前运行状态进行全面有效地评估，从而有效地提升了评估效率和精度。
但是，其在使用过程中，仍然存在较为明显的缺陷：上述储能电站系统的综合评估方法实际上只重点评估了电站的充放电相关数据，评估数据较为局限，对储能电站的在线评估不能满足整体化的评估需求。
发明内容
本发明的目的在于提供一种用于储能电站电化学电池在线评估的方法和系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种用于储能电站电化学电池在线评估的方法，包括以下步骤：
实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据；
将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析；
选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标；
根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案；
定期进行故障自检；
对故障类型划分等级，分别赋予权重，分级预警，进行检修处理；
根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案；
定期将处理数据反馈至处理模型，进行参数调整和优化。
优选的，所述实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据，具体包括：
采用物联网技术进行监测，所述电池运行状态指标包括充放电速率、工作电流和工作电压，所述可靠性指标包括电池循环寿命、能量密度、功率密度和容量衰减率，所述环境评估指标包括储能电站电池区域的温度、湿度和氧气浓度，所述安全状态指标包括电池阻抗测量、电池电压测量、电池温度测量、电池短路保护监测、过充保护监测和过放保护监测。
优选的，所述将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析，具体包括：
所述数据清洗包括去除重复数据、剔除异常数据和纠正错误数据，所述数据去噪采用移动平均法、中值滤波法、小波变换法中的任意一种，所述数据滤波采用低通滤波器、高通滤波器、带通滤波器和带阻滤波器中的至少一种。
优选的，所述选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标，具体包括：
所述电化学电池的正常运行损耗指标至少包括电池电压、电池内阻、电池容量、电池循环寿命，其中，电池容量和电池循环寿命是关键特征，将监测的正常运行损耗指标实时上传至云端数据库。
优选的，所述根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案，具体包括：
利用时间序列分析法、回归分析法、人工神经网络法、时间序列分解法和灰色预测法中的任意一种方法，预测电池容量和电池循环寿命的变化趋势，生成电池的损耗发展趋势预测表，制定以固定周期为一个阶段的梯次利用电池方案。
优选的，所述定期进行故障自检，具体包括：
通过自动化检测系统，对电化学电池进行电压测试、内阻测试、容量测试、过充和过放、电池短路、温度过高和温度过低测试和环境检查，检测频率为每个月一次，将检测结果实时上传至云端数据库。
优选的，所述对故障类型划分等级，分别赋予权重，分级预警，进行检修处理，具体包括：
所述电化学电池的故障类型至少包括过充和过放、电池短路、温度过高和温度过低，分别赋予权重，针对影响电池安全运行的故障，进行一级预警，针对影响电池性能的故障，进行二级预警，针对电池运行的常规监测和维护，进行三级预警；
对于备用电池、应急电池，则在评估处理后，对于二级预警和三级预警均按照更高一级的预警方式进行预警处理。
优选的，所述根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案，具体包括：
根据故障自检结果和检修处理结果，修正梯次利用电池方案，重新规划电池的使用时间和电池组合方式参数，以优化电池的利用效率和延长电池寿命，将修正后的梯次利用电池方案实施到电池管理系统中，确保电池的正常使用和安全运行，定期对电池梯次利用方案进行覆盖，以保持电池管理系统中的电池方案与实际使用情况的一致性。
优选的，所述定期将处理数据反馈至处理模型，进行参数调整和优化，具体包括：
定期收集电池管理系统中的数据，至少包括电池容量、内阻、电压、温度参数、电池的使用情况和故障情况，对收集到的数据进行处理和分析，找出电池的使用模式、故障模式和优化空间，定期将处理数据反馈至处理模型，进行参数调整和优化。
基于所述一种用于储能电站电化学电池在线评估方法的系统，包括：
监测数据采集模块，用于实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据；
数据处理和分析模块，用于将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析；
正常运行损耗指标监测模块，用于选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标；
电池损耗趋势预测模块，用于根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案；
故障自检模块，用于定期进行故障自检；
故障等级划分和预警模块，用于对故障类型划分等级，分别赋予权重，分级预警，进行检修处理；
梯次利用电池方案更新模块，用于根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案；
学习训练模块，用于定期将处理数据反馈至处理模型，进行参数调整和优化。
与现有技术相比，本发明的有益效果是：
1、本发明能够根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案，由此，可以充分利用电化学电池，延长其使用时间，减少电池的报废处理，节能环保；
2、本发明能够对故障类型划分等级，分别赋予权重，分级预警，进行检修处理，针对影响电池安全运行的故障，进行一级预警，针对影响电池性能的故障，进行二级预警，针对电池运行的常规监测和维护，进行三级预警，对于备用电池、应急电池，则在评估处理后，对于二级预警和三级预警均按照更高一级的预警方式进行预警处理，由此，可以按照优先等级帮助电池管理人员及时发现并处理电池的故障，保证电池的安全运行和延长电池的寿命；
3、本发明能够根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案，使得电池梯次利用方案更加匹配现有的电化学电池的状况，进而有效利用储能电站内的电池的充放电能力，实现效能最大化。
本发明提供了用于储能电站电化学电池在线评估的方法和系统，能够根据历史数据预测电池的损耗发展趋势，实施合理的电池梯次利用，有效利用电池效能，降低成本，使得电池更加耐用。
附图说明
图1为本发明的用于储能电站电化学电池在线评估的方法流程示意图；
图2为本发明的用于储能电站电化学电池在线评估的系统示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1至图2，本发明提供一种技术方案：
一种用于储能电站电化学电池在线评估的方法，包括以下步骤：
S101、实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据；
S102、将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析；
S103、选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标；
S104、根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案；
S105、定期进行故障自检；
S106、对故障类型划分等级，分别赋予权重，分级预警，进行检修处理；
S107、根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案；
S108、定期将处理数据反馈至处理模型，进行参数调整和优化。
所述实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据，具体包括：
采用物联网技术进行监测，所述电池运行状态指标包括充放电速率、工作电流和工作电压，所述可靠性指标包括电池循环寿命、能量密度、功率密度和容量衰减率，其中，电池循环寿命是指电池可以进行多少次充放电循环而不失效，是评估电池寿命的重要指标，能量密度是指电池单位体积或单位重量的储能能力，对于储能电池来说，能量密度越高越优秀，功率密度是指电池单位体积或单位重量的最大输出功率，对于储能电池来说，高功率密度可以满足短时间高功率放电的需求，容量衰减率是指电池容量随充放电循环次数的变化率，也是评估电池寿命的重要指标，所述环境评估指标包括储能电站电池区域的温度、湿度和氧气浓度，其中，电池的工作温度会影响其性能和寿命，湿度会影响电池的导电性和腐蚀性，氧气浓度会影响电池的氧化还原反应，因此均应控制在规定范围内，所述安全状态指标包括电池阻抗测量、电池电压测量、电池温度测量、电池短路保护监测、过充保护监测和过放保护监测，其中，电池温度监测可以通过温度传感器实现，可以控制电池的工作温度，避免过热或过冷造成电池损坏，电池短路保护可以通过采用保险丝、保护电路等手段实现，可以避免电池短路引起火灾等安全事故，过充保护可以通过采用充电控制电路等手段实现，可以避免电池过充引起爆炸等安全事故，过放保护可以通过采用放电控制电路等手段实现，可以避免电池过放引起损坏等安全事故。
所述将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析，具体包括：
所述数据清洗包括去除重复数据、剔除异常数据和纠正错误数据，所述数据去噪采用移动平均法、中值滤波法、小波变换法中的任意一种，其中，移动平均法是指将每个数据点替换为它周围一定范围内的平均值，中值滤波法是指将每个数据点替换为它周围一定范围内数据的中位数，小波变换法是指利用小波变换将原始信号分解成多个子信号，去除噪声后再重构信号，可根据实际情况灵活选择，所述数据滤波采用低通滤波器、高通滤波器、带通滤波器和带阻滤波器中的至少一种，其中，低通滤波器的作用是去除高频噪声、保留低频信号，高通滤波器的作用是去除低频噪声、保留高频信号，带通滤波器的作用是去除某一频段的噪声、保留其他频段信号，带阻滤波器的作用是去除某一频段的信号、保留其他频段信号。
所述选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标，具体包括：
所述电化学电池的正常运行损耗指标至少包括电池电压、电池内阻、电池容量、电池循环寿命，其中，电池容量和电池循环寿命是关键特征，将监测的正常运行损耗指标实时上传至云端数据库。
所述根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案，具体包括：
利用时间序列分析法、回归分析法、人工神经网络法、时间序列分解法和灰色预测法中的任意一种方法，预测电池容量和电池循环寿命的变化趋势，其中，时间序列分析法是基于时间序列数据，通过对历史数据的分析和建模，预测未来的数据趋势。该方法可以分为单变量时间序列分析和多变量时间序列分析两种，回归分析法是通过建立回归模型，将自变量和因变量之间的关系描述为一个数学函数，从而预测因变量的变化趋势。回归分析法可以分为线性回归和非线性回归两种，人工神经网络法是通过模拟神经网络的结构和功能，对历史数据进行学习和训练，从而预测未来的数据趋势。该方法可以分为前馈神经网络和循环神经网络两种，时间序列分解法是将时间序列数据分解为趋势、季节和随机成分三个部分，分别进行预测和分析，最后将三个部分的结果合并得到最终的预测结果，灰色预测法是一种基于少量数据，对未知系统进行预测的方法，它通过对历史数据进行灰色化处理，得到均衡数据序列，从而进行预测，进而生成电池的损耗发展趋势预测表，制定以固定周期为一个阶段的梯次利用电池方案。
所述定期进行故障自检，具体包括：
通过自动化检测系统，对电化学电池进行电压测试、内阻测试、容量测试、过充和过放、电池短路、温度过高和温度过低测试和环境检查，其中，电压测试是对电化学电池的每个单体电池进行电压测试，检查是否存在电压过高或过低的异常情况，内阻测试是对电化学电池进行内阻测试，检查电池的内阻是否符合标准要求，容量测试是对电池进行容量测试，检查电池的容量是否符合标准要求，温度测试是对电池进行温度测试，检查电池的温度是否超过标准范围，环境检查是检查电池的周围环境是否存在湿度、温度、灰尘等因素会影响电池的使用寿命，检测频率为每个月一次，将检测结果实时上传至云端数据库。
所述对故障类型划分等级，分别赋予权重，分级预警，进行检修处理，具体包括：
所述电化学电池的故障类型至少包括过充和过放、电池短路、温度过高和温度过低，其中，电池过充和过放会导致电池内部化学反应失控，产生过热、气体释放等现象，严重时可能导致电池破裂或起火等安全事故，电池内部出现短路会导致电池温度升高、电压下降等故障，电池在过高或过低的温度下使用会影响电池的性能和寿命，分别赋予权重，针对影响电池安全运行的故障，进行一级预警，需要及时采取措施进行处理，针对影响电池性能的故障，进行二级预警，需要在合适的时机进行维护和保养，针对电池运行的常规监测和维护，进行三级预警，分级预警可以帮助电池管理人员及时发现并处理电池的故障，保证电池的安全运行和延长电池的寿命；
对于备用电池、应急电池，则在评估处理后，对于二级预警和三级预警均按照更高一级的预警方式进行预警处理。
所述根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案，具体包括：
根据故障自检结果和检修处理结果，修正梯次利用电池方案，重新规划电池的使用时间和电池组合方式参数，以优化电池的利用效率和延长电池寿命，将修正后的梯次利用电池方案实施到电池管理系统中，确保电池的正常使用和安全运行，定期对电池梯次利用方案进行覆盖，以保持电池管理系统中的电池方案与实际使用情况的一致性。
所述定期将处理数据反馈至处理模型，进行参数调整和优化，具体包括：
定期收集电池管理系统中的数据，至少包括电池容量、内阻、电压、温度参数、电池的使用情况和故障情况，对收集到的数据进行处理和分析，找出电池的使用模式、故障模式和优化空间，定期将处理数据反馈至处理模型，进行参数调整和优化，采用机器学习算法，如支持向量机、神经网络等，对电池的容量、内阻等指标进行评估。通过训练模型，可以实现对电池运行状态的预测和预警。
基于所述一种用于储能电站电化学电池在线评估方法的系统，包括：
监测数据采集模块201，用于实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据；
数据处理和分析模块202，用于将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析；
正常运行损耗指标监测模块203，用于选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标；
电池损耗趋势预测模块204，用于根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案；
故障自检模块205，用于定期进行故障自检；
故障等级划分和预警模块206，用于对故障类型划分等级，分别赋予权重，分级预警，进行检修处理；
梯次利用电池方案更新模块207，用于根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案；
学习训练模块208，用于定期将处理数据反馈至处理模型，进行参数调整和优化。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种用于储能电站电化学电池在线评估的方法，其特征在于，包括以下步骤：
实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据；
将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析；
选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标；
根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案；
定期进行故障自检；
对故障类型划分等级，分别赋予权重，分级预警，进行检修处理；
根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案；以及
定期将处理数据反馈至处理模型，进行参数调整和优化。
2.根据权利要求1所述的一种用于储能电站电化学电池在线评估的方法，其特征在于：所述实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据，具体包括：
采用物联网技术进行监测，所述电池运行状态指标包括充放电速率、工作电流和工作电压，所述可靠性指标包括电池循环寿命、能量密度、功率密度和容量衰减率，所述环境评估指标包括储能电站电池区域的温度、湿度和氧气浓度，所述安全状态指标包括电池阻抗测量、电池电压测量、电池温度测量、电池短路保护监测、过充保护监测和过放保护监测。
3.根据权利要求1所述的一种用于储能电站电化学电池在线评估的方法，其特征在于：所述将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析，具体包括：
所述数据清洗包括去除重复数据、剔除异常数据和纠正错误数据，所述数据去噪采用移动平均法、中值滤波法、小波变换法中的任意一种，所述数据滤波采用低通滤波器、高通滤波器、带通滤波器和带阻滤波器中的至少一种。
4.根据权利要求1所述的一种用于储能电站电化学电池在线评估的方法，其特征在于：所述选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标，具体包括：
所述电化学电池的正常运行损耗指标至少包括电池电压、电池内阻、电池容量、电池循环寿命，其中，电池容量和电池循环寿命是关键特征，将监测的正常运行损耗指标实时上传至云端数据库。
5.根据权利要求1所述的一种用于储能电站电化学电池在线评估的方法，其特征在于：所述根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案，具体包括：
利用时间序列分析法、回归分析法、人工神经网络法、时间序列分解法和灰色预测法中的任意一种方法，预测电池容量和电池循环寿命的变化趋势，生成电池的损耗发展趋势预测表，制定以固定周期为一个阶段的梯次利用电池方案。
6.根据权利要求1所述的一种用于储能电站电化学电池在线评估的方法，其特征在于：所述定期进行故障自检，具体包括：
通过自动化检测系统，对电化学电池进行电压测试、内阻测试、容量测试、过充和过放、电池短路、温度过高和温度过低测试和环境检查，检测频率为每个月一次，将检测结果实时上传至云端数据库。
7.根据权利要求1所述的一种用于储能电站电化学电池在线评估的方法，其特征在于：所述对故障类型划分等级，分别赋予权重，分级预警，进行检修处理，具体包括：
所述电化学电池的故障类型至少包括过充和过放、电池短路、温度过高和温度过低，分别赋予权重，针对影响电池安全运行的故障，进行一级预警，针对影响电池性能的故障，进行二级预警，针对电池运行的常规监测和维护，进行三级预警；
对于备用电池、应急电池，则在评估处理后，对于二级预警和三级预警均按照更高一级的预警方式进行预警处理。
8.根据权利要求1所述的一种用于储能电站电化学电池在线评估的方法，其特征在于：所述根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案，具体包括：
根据故障自检结果和检修处理结果，修正梯次利用电池方案，重新规划电池的使用时间和电池组合方式参数，以优化电池的利用效率和延长电池寿命，将修正后的梯次利用电池方案实施到电池管理系统中，确保电池的正常使用和安全运行，定期对电池梯次利用方案进行覆盖，以保持电池管理系统中的电池方案与实际使用情况的一致性。
9.根据权利要求1所述的一种用于储能电站电化学电池在线评估的方法，其特征在于：所述定期将处理数据反馈至处理模型，进行参数调整和优化，具体包括：
定期收集电池管理系统中的数据，至少包括电池容量、内阻、电压、温度参数、电池的使用情况和故障情况，对收集到的数据进行处理和分析，找出电池的使用模式、故障模式和优化空间，定期将处理数据反馈至处理模型，进行参数调整和优化。
10.基于权利要求1-9任意一项所述一种用于储能电站电化学电池在线评估方法的系统，其特征在于，包括：
监测数据采集模块，用于实时采集对电池运行状态指标、可靠性指标、环境评估指标和安全状态指标的监测数据；
数据处理和分析模块，用于将监测到的数据进行数据清洗、去噪、滤波处理，并将数据上传到云端进行分析；
正常运行损耗指标监测模块，用于选择并提取关键特征，监测和评估电化学电池的正常运行损耗指标；
电池损耗趋势预测模块，用于根据监测的历史数据，预测电池的损耗发展趋势，据此制定阶段性的梯次利用电池方案；
故障自检模块，用于定期进行故障自检；
故障等级划分和预警模块，用于对故障类型划分等级，分别赋予权重，分级预警，进行检修处理；
梯次利用电池方案更新模块，用于根据故障自检结果和检修处理结果修正梯次利用电池方案，定期覆盖原有方案并实施新方案；以及
学习训练模块，用于定期将处理数据反馈至处理模型，进行参数调整和优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310445863.9A CN116754967A (zh) | 2023-04-24 | 2023-04-24 | 用于储能电站电化学电池在线评估的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310445863.9A CN116754967A (zh) | 2023-04-24 | 2023-04-24 | 用于储能电站电化学电池在线评估的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116754967A true CN116754967A (zh) | 2023-09-15 |
Family
ID=87955946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310445863.9A Pending CN116754967A (zh) | 2023-04-24 | 2023-04-24 | 用于储能电站电化学电池在线评估的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116754967A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117239940A (zh) * | 2023-11-15 | 2023-12-15 | 国能世界(北京)科技有限公司 | 一种磁性电容储能芯片器件及电能管理系统 |
| CN117289168A (zh) * | 2023-09-19 | 2023-12-26 | 北京翼新数智科技有限公司 | 基于传感器数据和智能算法的产品质量监测系统 |
| CN118362921A (zh) * | 2024-06-20 | 2024-07-19 | 国网安徽省电力有限公司经济技术研究院 | 储能系统运行及响应特性分析方法 |
| CN118671606A (zh) * | 2024-08-22 | 2024-09-20 | 四川开物信息技术有限公司 | 露天环境下无人矿卡电池状态评估方法、系统及无人矿卡 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101720453A (zh) * | 2007-07-05 | 2010-06-02 | Abb研究有限公司 | 利用时序信号处理进行电池组件预测维护的系统和方法 |
| CN110548694A (zh) * | 2019-08-06 | 2019-12-10 | 江苏慧智能源工程技术创新研究院有限公司 | 一种退役电池模组的快速筛选和分级方法 |
| CN111584952A (zh) * | 2020-04-17 | 2020-08-25 | 许继集团有限公司 | 用于储能电站电化学电池在线评估的方法和系统 |
| CN111812536A (zh) * | 2020-07-06 | 2020-10-23 | 安徽恒明工程技术有限公司 | 一种退役动力电池残值快速评估方法 |
| CN112836967A (zh) * | 2021-02-03 | 2021-05-25 | 武汉理工大学 | 新能源汽车电池安全风险评估系统 |
| CN113990054A (zh) * | 2021-11-16 | 2022-01-28 | 许继集团有限公司 | 一种储能电站数据分析与预警系统 |
| CN114024328A (zh) * | 2021-10-11 | 2022-02-08 | 上海电气集团股份有限公司 | 储能电站系统的综合评估方法、设备及可读介质 |
| CN114252103A (zh) * | 2021-11-02 | 2022-03-29 | 国网吉林省电力有限公司电力科学研究院 | 融合电站运行故障预测方法 |
| CN115184831A (zh) * | 2022-09-13 | 2022-10-14 | 南通云锦微电子科技有限公司 | 用于梯次锂电池组的预警方法 |
| CN115356636A (zh) * | 2022-07-31 | 2022-11-18 | 常伟 | 一种数据驱动的新能源汽车电池故障报警和故障预警模型 |
| CN115511270A (zh) * | 2022-09-06 | 2022-12-23 | 武汉大学 | 一种面向分布式储能装置运行状态的综合评价系统及方法 |
| CN115764012A (zh) * | 2022-11-23 | 2023-03-07 | 承德神源太阳能发电有限公司 | 一种储能电站电池状态监测与安全预警方法 |
| CN115860577A (zh) * | 2023-02-20 | 2023-03-28 | 广东电网有限责任公司东莞供电局 | 一种储能电站安全评估方法 |
-
2023
- 2023-04-24 CN CN202310445863.9A patent/CN116754967A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101720453A (zh) * | 2007-07-05 | 2010-06-02 | Abb研究有限公司 | 利用时序信号处理进行电池组件预测维护的系统和方法 |
| CN110548694A (zh) * | 2019-08-06 | 2019-12-10 | 江苏慧智能源工程技术创新研究院有限公司 | 一种退役电池模组的快速筛选和分级方法 |
| CN111584952A (zh) * | 2020-04-17 | 2020-08-25 | 许继集团有限公司 | 用于储能电站电化学电池在线评估的方法和系统 |
| CN111812536A (zh) * | 2020-07-06 | 2020-10-23 | 安徽恒明工程技术有限公司 | 一种退役动力电池残值快速评估方法 |
| CN112836967A (zh) * | 2021-02-03 | 2021-05-25 | 武汉理工大学 | 新能源汽车电池安全风险评估系统 |
| CN114024328A (zh) * | 2021-10-11 | 2022-02-08 | 上海电气集团股份有限公司 | 储能电站系统的综合评估方法、设备及可读介质 |
| CN114252103A (zh) * | 2021-11-02 | 2022-03-29 | 国网吉林省电力有限公司电力科学研究院 | 融合电站运行故障预测方法 |
| CN113990054A (zh) * | 2021-11-16 | 2022-01-28 | 许继集团有限公司 | 一种储能电站数据分析与预警系统 |
| CN115356636A (zh) * | 2022-07-31 | 2022-11-18 | 常伟 | 一种数据驱动的新能源汽车电池故障报警和故障预警模型 |
| CN115511270A (zh) * | 2022-09-06 | 2022-12-23 | 武汉大学 | 一种面向分布式储能装置运行状态的综合评价系统及方法 |
| CN115184831A (zh) * | 2022-09-13 | 2022-10-14 | 南通云锦微电子科技有限公司 | 用于梯次锂电池组的预警方法 |
| CN115764012A (zh) * | 2022-11-23 | 2023-03-07 | 承德神源太阳能发电有限公司 | 一种储能电站电池状态监测与安全预警方法 |
| CN115860577A (zh) * | 2023-02-20 | 2023-03-28 | 广东电网有限责任公司东莞供电局 | 一种储能电站安全评估方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117289168A (zh) * | 2023-09-19 | 2023-12-26 | 北京翼新数智科技有限公司 | 基于传感器数据和智能算法的产品质量监测系统 |
| CN117289168B (zh) * | 2023-09-19 | 2024-05-28 | 北京翼新数智科技有限公司 | 基于传感器数据和智能算法的产品质量监测系统 |
| CN117239940A (zh) * | 2023-11-15 | 2023-12-15 | 国能世界(北京)科技有限公司 | 一种磁性电容储能芯片器件及电能管理系统 |
| CN117239940B (zh) * | 2023-11-15 | 2024-01-26 | 国能世界(北京)科技有限公司 | 一种磁性电容储能芯片器件及电能管理系统 |
| CN118362921A (zh) * | 2024-06-20 | 2024-07-19 | 国网安徽省电力有限公司经济技术研究院 | 储能系统运行及响应特性分析方法 |
| CN118671606A (zh) * | 2024-08-22 | 2024-09-20 | 四川开物信息技术有限公司 | 露天环境下无人矿卡电池状态评估方法、系统及无人矿卡 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116754967A (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
| CN112731159B (zh) | 一种储能电站电池舱电池故障预判及定位的方法 | |
| CN111584952B (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
| CN116455085B (zh) | 一种电池储能电站智能监控系统 | |
| CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
| CN101859409A (zh) | 基于风险评估的输变电设备状态检修体系 | |
| CN109446661A (zh) | 一种考虑锂电池退化特性的剩余寿命预测方法 | |
| CN104966173A (zh) | 一种电网状态监控方法及系统 | |
| CN102590652B (zh) | 基于电气信息的设备性能评价系统及方法 | |
| CN116644291A (zh) | 一种基于云边协同的储能电池多风险类型预警方法 | |
| Diao et al. | Research on Electric Vehicle Charging Safety Warning Based on A-LSTM Algorithm | |
| CN117498406A (zh) | 一种云边端协同的储能电站管理系统和方法 | |
| CN117289162A (zh) | 一种基于组端收敛方法的蓄电池健康预测方法及系统 | |
| CN111460656B (zh) | 一种电力机房通信电源运行寿命评估方法和系统 | |
| CN116381545A (zh) | 储能电池组一致性等级确定方法及装置 | |
| CN102095953B (zh) | 一种蓄电池充电机性能在线检测方法 | |
| CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
| Zhao et al. | Dynamic monitoring of voltage difference fault in energy storage system based on adaptive threshold algorithm | |
| CN118412971A (zh) | 一种蓄电池远程监控及性能评估系统 | |
| CN115587331A (zh) | 电网设备运行状态诊断预测方法及系统 | |
| CN114202134A (zh) | 一种换电站故障诊断方法、装置及设备 | |
| CN118508597B (zh) | 一种面向电力系统保障对象的应急供电方法、系统和设备 | |
| Huang et al. | Evaluation index of battery pack of energy storage station based on RB recession mechanism | |
| CN117013583B (zh) | 一种电化学储能电站故障预警方法及系统 | |
| CN112485688B (zh) | 一种基于多元非线性回归的退役电池储能电站寿命预测方法 |
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 |