CN111584952B - 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
- CN111584952B CN111584952B CN202010304432.7A CN202010304432A CN111584952B CN 111584952 B CN111584952 B CN 111584952B CN 202010304432 A CN202010304432 A CN 202010304432A CN 111584952 B CN111584952 B CN 111584952B
- Authority
- CN
- China
- Prior art keywords
- battery
- data
- energy storage
- power station
- storage power
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 25
- 239000000178 monomer Substances 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000007423 decrease Effects 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 47
- 238000007599 discharging Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004886 process control Methods 0.000 claims 2
- 238000007405 data analysis Methods 0.000 abstract description 14
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012983 electrochemical energy storage Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010011906 Death Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4285—Testing apparatus
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or 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]
- G01R31/389—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
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/10—Batteries in stationary systems, e.g. emergency power source in plant
-
- 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)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
Abstract
本发明用于储能电站电化学电池在线评估的方法和系统，首先大数据处理子系统对实时采集的电池状态监测的数据进行处理和存储；然后基于电池的实时数据和历史数据进行数据分析；最后从短时间尺度和长时间尺度对电池运行状态进行评估。短时间尺度下分析电池堆、电池模组、电池单体的电流、电压、温度等海量实时数据，通过对不同特性电池的温度、内阻、故障等的“特征指纹”数据分析，评估电池一致性，整个储能电站的荷电容量，为储能电站参与电网优化控制和运行管理提供数据；长时间尺度下基于大数据分析的不同工况下电池全寿命周期历史数据中评估电池容量衰退、电池寿命情况，为电池的日常运维管理和电池梯次利用提供参考。
Description
技术领域
本发明涉及电化学电池充放电领域，具体涉及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：
一方面，能量大、电压高且电解液大多为有机易燃物，应用不当有可能导致电池温度升高、着火甚至爆炸；
另一方面，电化学储能电池过充电、过放电会导致电池内部材料特性发生变化，造成不可逆的损失，从而导致性能下降；
再有，由于工艺的差异性，电池内阻往往不一致，随着充放电的循环进行，电池组内单体电池的性能失衡，使电池组的寿命缩短、性能下降。
综上所述，必须为储能电池配套智能、高效的状态监测、在线评估体系，建立支撑储能健康管理和安全管理的电池储能在线评估系统，融合动态工况的实时运行状态感知、健康状态评估，对电池进行有效的安全性和可靠性管理。
发明内容
本发明的目的是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，集储能电站大数据分析、可视化维护、精细化管理于一体，能够实现对储能电站每个电池单体全命周期的数据接入、处理与分析，完成对储能电站整体、电池堆、电池模组、电池单体的全生命周期监视、状态分析、在线评估等功能。
为解决上述问题，本发明的第一方面提供了一种用于储能电站电化学电池在线评估的方法，包括：
实时采集电池状态监测数据。
模型规范化处理所述电池数据，业务化存储采集的电池数据。
设定不同的时间阈值，针对不同的时间阈值分析所述电池数据。
根据不同特性电池的“特征指纹”评估电池状态。
根据本发明的一个实施例，所述模型规范化处理所述电池数据，包括：
建立各种储能电站业务模型，分类划分电池为电池单体、电池模组、电池堆，规范所述电池业务模型与不同电池类别之间的对应关系。
将实时采集的电池四遥数据转化为与电池业务模型相关的业务数据，并按照业务模型进行数据存储。
根据本发明的一个实施例，所述将实时采集的电池数据转化为与电池业务模型相关的业务数据，包括：用电池采集装置的采集点表建成装置模板。根据电池业务数据的信息模型及编码定义模板中的数据业务信息类型。
根据装置模板实例化装置。将电池设备电池堆、电池模组、电池单体的数据按设备、属性及设备属性值按电池模型建立数据表。
根据本发明的一个实施例，所述设定不同的时间阈值，通过多角度阈值描绘电池运行状态的“特征指纹”，从而利用“特征指纹”来分析所述电池数据，包括：采用统计计算、极差值分析、关联性分析、灰色度分析、概率分析的方法分析电池数据。
根据本发明的一个实施例，所述电池数据包括：电池电压、电池内阻、电池容量。
根据本发明的一个实施例，所述设定不同的时间阈值，针对不同的时间阈值分析所述电池数据，包括：
设定第一阈值时间，分析电池的一致性，包括：计算并联电池堆的压差与内阻差，判断与电池堆相关的电站荷电状态，得到电池一致性评估结果。
设定第二阈值时间，评估电池寿命、修正可用电池容量，包括：利用灰色度法和增量分析法，分析电池堆、电池模组、电池单体的电池全生命周期过程数据，基于电池循环寿命标称数据建立电池容量衰退模型，通过对充放电曲线进行特征提取，根据特征变量不一致性，评估电池寿命是否终止，评估电池组、电池堆的整体寿命以及修正可用电池容量。
本发明的另一方面提供了一种用于储能电站电化学电池在线评估的系统，包括：采集单元，用于实时采集电池数据，存储采集的电池数据。
处理单元，用于模型规范化处理所述电池数据。
分析单元，用于设定不同的时间阈值，针对不同的时间阈值分析所述电池数据。评估单元，用于根据不同的分析结果评估电池状态。
根据本发明的一个实施例，所述处理单元，包括：模型规范单元，用于建立各种储能电站业务模型，分类划分电池为电池单体、电池模组、电池堆，规范所述电池业务模型与不同电池类别之间的对应关系。
数据转换单元，用于将实时采集的电池数据转化为与电池业务模型相关的业务数据。
根据本发明的一个实施例，所述数据转换单元，包括：模板构建模块，用于根据电池采集装置的采集点表建成装置模板。
编码定义模块，用于根据电池业务数据的信息模型及编码定义模板中的数据业务信息类型。
实例化模块，用于根据装置模板实例化装置。
数据对应模块，用于将电池设备电池堆、电池模组、电池单体的数据按设备、属性及设备属性值按电池模型建立数据表。
根据本发明的一个实施例，所述分析单元，包括：
第一分析单元，用于设定第一阈值时间，分析电池的一致性。
第二分析单元，用于设定第二阈值时间，评估电池寿命、修正可用电池容量。包括：第一分析模块，用于分析电池堆、电池模组、电池单体的电池全生命周期过程数据；第二分析模块，用于根据电池循环寿命标称数据建立电池容量衰退模型；第三分析模块，用于特征提取充放电曲线数据，评估电池寿命是否终止，评估电池组、电池堆的整体寿命以及修正可用电池容量。
综上所述，本发明提供了一种用于储能电站电化学电池在线评估的方法和系统，该方法包括：首先大数据处理子系统对实时采集的电池数据进行处理和存储；然后基于电池的实时数据和历史数据进行数据分析；最后从短时间尺度和长时间尺度对电池运行状态进行评估。短时间尺度下分析电池堆、电池模组、电池单体的电流、电压、温度等海量实时数据，通过对不同特性电池、温度、内阻、故障等的“特征指纹”数据分析，评估电池一致性，整个储能电站的荷电容量，为储能电站参与电网优化控制和运行管理提供数据；长时间尺度下基于大数据分析的不同工况下电池全寿命周期历史数据中评估电池容量衰退、电池寿命情况，为电池的日常运维管理和电池梯次利用提供参考。
附图说明
图1是本发明实施例公开的储能电站结构示意图；
图2是本发明实施例公开的电池在线评估系统功能示意图；
图3是本发明实施例公开的电池业务模型建立流程示意图；
图4是本发明实施例公开的用于储能电站电化学电池在线评估的方法流程图；
图5是本发明实施例公开的用于储能电站电化学电池在线评估的系统方框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
MW级大容量储能电站由成千上万支单体电池组成，由多个电池单体经串联后形成电池模组，再将多个电池模组并联/串联成电池堆。单个或多个电池堆并联经PCS进行能量交互后接入电网，储能电站结构图如图1所示。
储能电站电化学电池在线评估系统从电池BMS系统、储能PCS及测控装置等采集储能电站、电池堆、电池模组、电池单体的运行信息及状态数据，由于电池单体数目最大，采集量多且需要存储，对于MW级大容量储能电站来说总数据规模为几十万到百万量级，需在大数据处理子系统、大数据分析子系统的支撑下完成电池的在线评估功能，如图2所示。
储能电站电化学电池在线评估子系统包括短时间尺度(5～15分钟)和长时间尺度(1天)评估储能电站电池状态。不同时间尺度的电池状态评估为储能电站优化控制、运行管理、电池梯次利用等需求提供了数据支撑。
短时间尺度下分析电池堆、电池模组、电池单体的电流、电压、温度等海量实时数据，通过横向数据对比，关联数据分析等方法，评估采集的电池单体、电池模组、电池堆数据的可信度与准确度，采集数据预处理后，通过对不同特性电池、温度、内阻、故障等的“特征指纹”数据分析，评估电池一致性，整个储能电站的SOC，为储能电站参与电网优化控制和运行管理提供数据。长时间尺度下基于大数据分析的不同工况下电池全寿命周期历史数据中评估电池容量衰退、电池寿命情况，为电池的日常运维管理和电池梯次利用提供参考。
本发明中，一种储能电站电化学电池在线评估系统包括以下内容：首先大数据处理子系统对实时采集的电池数据进行处理和存储；然后基于电池的实时数据和历史数据进行数据分析；最后从短时间尺度和长时间尺度对电池运行状态进行评估。
大数据处理子系统的数据处理流程：
首先通过配置工具建立各种储能电站业务模型，将电池信息划分为电池单体、电池模组、电池堆，建立上述业务设备之间的关联关系；
将遥信、遥测数据转化为具有电池业务含义的业务信息数据。实现方式：首先，用电池采集装置的采集点表建成装置模板，根据电池业务数据的信息模型及编码定义模板中的数据业务信息类型，根据装置模板实例化装置后，所有的四遥数据就包含点号、装置号、业务信息类型等属性；为了进一步方便上层应用调用数据，大数据处理子系统将四遥数据业务模型化处理，将电池设备电池堆、电池模组、电池单体的数据按设备、属性及设备属性值按电池模型建立数据表，如图3。以电池堆为例：
| 电池堆设备号 | 堆属性1 | 堆属性1 | …… | 堆属性n |
| 序号 | 属性值 | 属性值 | 属性值 | 属性值 |
大数据分析子系统根据电池在线评估所用的数据处理方法，提供基本的算法支撑供高级应用调用。主要包括以下方法：
1)统计计算，包括最大值、最小值、平均值、排序等；
2)极差值分析，用于做两个属性值差值的分析，因为对于电池安全性分析来说，电压差，温度差越限更具有危害性；
3)关联性分析，两个属性值之间具有业务关联性关系或其变化趋势具备关联关系；
4)灰色度分析，用已知属性的数据变化时段值，来判断与具有关联关系的未知属性的值的相似关系。
5)概率分析，根据历史数据分析事件发生的概率。
电池状态在线评估分成短时间尺度评估和长时间尺度评估。首先根据每种状态下的评估指标，然后计算评估参数，最后得出评估结论。
短时间尺度的评估指标主要是针对储能电站荷电状态SOC状态和电池一致性的评估。对于大型储能电站来说，由多个电池堆构成，在各电池堆上送的各自的SOC值不一致的情况下合理评估整个储能电站的SOC值。为了避免在充放电变化时SOC值跳变，同时减少电池短板效应的影响，基于电池电压、内阻的分布特性和相关性，建立电池一致性快速估计模型，计算电池一致性的综合性能指标。具体实施方法如下：计算并联电池堆的压差与内阻差，根据电池一致性快速估计模型判断电池一致性，电池一致性在BMS均衡范围内以电池堆均值为基准，在BMS均衡范围外根据PCS的充放电状态，充电过程以电压高的电池堆SOC为基准，放电过程中以电压低的电池堆SOC为基准，基准确定后根据容量扩展到该PCS下所有电池的SOC值，然后将所有PCS下的电池SOC值按容量比加和得到整个储能电站的SOC。
长时间尺度的评估指标主要是针对电池寿命和电池容量衰减的评估。具体实施方法：利用灰色度法和增量分析法按照从整体到部分的原则，分析电池堆、电池模组、电池单体的电池全生命周期过程数据，基于电池循环寿命标称数据建立电池容量衰退模型，通过对充放电曲线进行特征提取，根据特征变量不一致性在线情况下识别电池组内达到寿命终止状态的单体电池，实现对储能电站整体电池寿命的评估和可用电池容量的修正。
如图4所示，一种用于储能电站电化学电池在线评估的方法，包括：S101：实时采集电池状态监测数据。
S102：模型规范化处理所述电池数据。包括：建立各种储能电站业务模型，分类划分电池为电池单体、电池模组、电池堆，规范所述电池业务模型与不同电池类别之间的对应关系。将实时采集的电池数据转化为与电池业务模型相关的业务数据，并进行业务化数据的存储。
将实时采集的电池数据转化为与电池业务模型相关的业务数据，包括：用电池采集装置的采集点表建成装置模板。根据电池业务数据的信息模型及编码定义模板中的数据业务信息类型。
根据装置模板实例化装置。将电池设备电池堆、电池模组、电池单体的数据按设备、属性及设备属性值按电池模型建立数据表。
S103：设定不同的时间阈值，针对不同的时间阈值分析所述电池数据。所述设定不同的时间阈值，建立针不同特性电池的“特征指纹”，然后通过不同的时间阈值分析所述电池数据，包括：采用统计计算、极差值分析、关联性分析、灰色度分析、概率分析的方法分析电池数据。
电池数据包括：电池电压、电池内阻、电池容量。
设定不同的时间阈值，针对不同的时间阈值分析所述电池数据，包括：
设定第一阈值时间，分析电池的一致性，包括：计算并联电池堆的压差与内阻差，判断与电池堆相关的电站荷电状态，得到电池一致性评估结果。
设定第二阈值时间，评估电池寿命、修正可用电池容量，包括：利用灰色度法和增量分析法按照从整体到部分的原则，分析电池堆、电池模组、电池单体的电池全生命周期过程数据，基于电池循环寿命标称数据建立电池容量衰退模型，通过对充放电曲线进行特征提取，根据特征变量不一致性，评估电池寿命是否终止，评估电池组、电池堆的整体寿命以及修正可用电池容量。
S104：根据不同特性电池的“特征指纹”评估电池状态。
本发明用于储能电站电化学电池在线评估的方法，首先大数据处理子系统对实时采集的电池状态监测数据进行处理；然后基于电池的实时数据和历史数据进行数据分析和存储；最后从短时间尺度和长时间尺度对电池运行状态进行评估。短时间尺度下分析电池堆、电池模组、电池单体的电流、电压、温度等海量实时数据，基于对不同特性电池、温度、内阻、故障等的“特征指纹”数据分析，评估电池一致性，整个储能电站的荷电容量，为储能电站参与电网优化控制和运行管理提供数据；长时间尺度下基于大数据分析的不同工况下电池全寿命周期历史数据中评估电池容量衰退、电池寿命情况，为电池的日常运维管理和电池梯次利用提供参考。
本发明的另一方面提供了一种用于储能电站电化学电池在线评估的系统500，如图5所示，包括：采集单元501，用于实时采集电池状态监测数据。
处理单元503，用于模型规范化处理所述电池数据，并进行业务化数据存储。
分析单元505，用于设定不同的时间阈值，建立电池状态的“特征指纹”针对不同的时间阈值分析所述电池数据。
评估单元507，用于根据不同特性电池的“特征指纹”评估电池状态。
根据本发明的一个实施例，所述处理单元，包括：模型规范单元，用于建立各种储能电站业务模型，分类划分电池为电池单体、电池模组、电池堆，规范所述电池业务模型与不同电池类别之间的对应关系。
数据转换单元，用于将实时采集的电池数据转化为与电池业务模型相关的业务数据。
根据本发明的一个实施例，所述数据转换单元，包括：模板构建模块，用于根据电池采集装置的采集点表建成装置模板。
编码定义模块，用于根据电池业务数据的信息模型及编码定义模板中的数据业务信息类型。
实例化模块，用于根据装置模板实例化装置。
数据对应模块，用于将电池设备电池堆、电池模组、电池单体的数据按设备、属性及设备属性值按电池模型建立数据表。
根据本发明的一个实施例，所述分析单元，包括：
第一分析单元，用于设定第一阈值时间，分析电池的一致性。
第二分析单元，用于设定第二阈值时间，评估电池寿命、修正可用电池容量。包括：第一分析模块，用于分析电池堆、电池模组、电池单体的电池全生命周期过程数据；第二分析模块，用于根据电池循环寿命标称数据建立电池容量衰退模型；第三分析模块，用于特征提取充放电曲线数据，评估电池寿命是否终止，评估电池组、电池堆的整体寿命以及修正可用电池容量。
本发明用于储能电站电化学电池在线评估的系统，首先大数据处理子系统对实时采集的电池数据进行处理和存储；然后基于电池的实时数据和历史数据进行数据分析；最后从短时间尺度和长时间尺度对电池运行状态进行评估。短时间尺度下分析电池堆、电池模组、电池单体的电流、电压、温度等海量实时数据，基于对不同特性电池、温度、内阻、故障等的“特征指纹”数据分析，评估电池一致性，整个储能电站的荷电容量，为储能电站参与电网优化控制和运行管理提供数据；长时间尺度下基于大数据分析的不同工况下电池全寿命周期历史数据中评估电池容量衰退、电池寿命情况，为电池的日常运维管理和电池梯次利用提供参考。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (8)
1.用于储能电站电化学电池在线评估的方法，所述储能电站由多个电池单体经串联后形成电池模组，再将多个电池模组并联/串联成电池堆，单个或多个电池堆并联经PCS进行能量交互后接入储能电站，其特征在于，所述方法包括：
实时采集电池状态监测数据；
模型规范化处理所述电池数据，业务化存储采集的电池数据；
设定不同的时间阈值，针对不同的时间阈值分析所述电池数据，包括：
设定第一阈值时间，计算并联电池堆的压差与内阻差，根据电池一致性快速估计模型判断电池一致性，并判断与电池堆相关的电站荷电状态SOC，得到电池一致性评估结果；其中，电池一致性在BMS均衡范围内以电池堆均值为基准，在BMS均衡范围外根据PCS的充放电状态，充电过程以电压高的电池堆SOC为基准，放电过程中以电压低的电池堆SOC为基准，基准确定后根据容量扩展到PCS下所有电池的SOC值；将所有PCS下的电池SOC值按容量比加和得到整个储能电站的SOC；
设定第二阈值时间，分析电池堆、电池模组、电池单体的电池全生命周期过程数据；基于电池循环寿命标称数据建立电池容量衰退模型；特征提取充放电曲线数据，评估电池寿命是否终止，评估电池组、电池堆的整体寿命以及修正可用电池容量；
根据不同特性电池的“特征指纹”评估电池状态。
2.根据权利要求1所述的方法，其特征在于，所述模型规范化处理所述电池数据，包括：
建立各种储能电站电池业务模型，分类划分电池为电池单体、电池模组、电池堆，规范所述电池业务模型与不同电池类别之间的对应关系；
将实时采集的电池四遥数据转化为与电池业务模型相关的业务数据，并按照业务模型进行数据存储。
3.根据权利要求2所述的方法，其特征在于，所述将实时采集的电池数据转化为与电池业务模型相关的业务数据，包括：
用电池采集装置的采集点表建成装置模板；
根据电池业务数据的信息模型及编码定义模板中的数据业务信息类型；
根据装置模板实例化装置；
将电池设备电池堆、电池模组、电池单体的数据按设备、属性及设备属性值按电池模型建立数据表。
4.根据权利要求1所述的方法，其特征在于，所述设定不同的时间阈值，通过多角度阈值描绘电池运行状态的“特征指纹”，从而利用“特征指纹”来分析电池数据，包括：采用统计计算、极差值分析、关联性分析、灰色度分析和概率分析的方法分析电池数据。
5.根据权利要求1所述的方法，其特征在于，所述电池数据包括：电池电压、电池内阻、电池容量。
6.用于储能电站电化学电池在线评估的系统，所述储能电站由多个电池单体经串联后形成电池模组，再将多个电池模组并联/串联成电池堆，单个或多个电池堆并联经PCS进行能量交互后接入储能电站，其特征在于，所述系统包括：
采集单元，用于实时采集电池数据，存储采集的电池数据；
处理单元，用于模型规范化处理所述电池数据；
分析单元，包括第一分析单元和第二分析单元，所述第一分析单元，用于设定第一阈值时间，分析电池的一致性，包括根据电池一致性快速估计模型判断电池一致性，并判断与电池堆相关的电站荷电状态SOC，得到电池一致性评估结果；其中，电池一致性在BMS均衡范围内以电池堆均值为基准，在BMS均衡范围外根据PCS的充放电状态，充电过程以电压高的电池堆SOC为基准，放电过程中以电压低的电池堆SOC为基准，基准确定后根据容量扩展到PCS下所有电池的SOC值；将所有PCS下的电池SOC值按容量比加和得到整个储能电站的SOC；
所述第二分析单元，用于设定第二阈值时间，评估电池寿命、修正可用电池容量，包括：第一分析模块，用于分析电池堆、电池模组、电池单体的电池全生命周期过程数据；第二分析模块，用于根据电池循环寿命标称数据建立电池容量衰退模型；第三分析模块，用于特征提取充放电曲线数据，评估电池寿命是否终止，评估电池组、电池堆的整体寿命以及修正可用电池容量；
评估单元，用于根据不同的分析结果评估电池状态。
7.根据权利要求6所述的系统，其特征在于，所述处理单元，包括：
模型规范单元，用于建立各种储能电站电池业务模型，分类划分电池为电池单体、电池模组、电池堆，规范所述电池业务模型与不同电池类别之间的对应关系；
数据转换单元，用于将实时采集的电池数据转化为与电池业务模型相关的业务数据。
8.根据权利要求7所述的系统，其特征在于，所述数据转换单元，包括：
模板构建模块，用于根据电池采集装置的采集点表建成装置模板；
编码定义模块，用于根据电池业务数据的信息模型及编码定义模板中的数据业务信息类型；
实例化模块，用于根据装置模板实例化装置；
数据对应模块，用于将电池设备电池堆、电池模组、电池单体的数据按设备、属性及设备属性值按电池模型建立数据表。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010304432.7A CN111584952B (zh) | 2020-04-17 | 2020-04-17 | 用于储能电站电化学电池在线评估的方法和系统 |
| PCT/CN2020/109644 WO2021208309A1 (zh) | 2020-04-17 | 2020-08-17 | 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 |
|---|---|---|---|
| CN202010304432.7A CN111584952B (zh) | 2020-04-17 | 2020-04-17 | 用于储能电站电化学电池在线评估的方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111584952A CN111584952A (zh) | 2020-08-25 |
| CN111584952B true CN111584952B (zh) | 2022-04-08 |
Family
ID=72111732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010304432.7A Active CN111584952B (zh) | 2020-04-17 | 2020-04-17 | 用于储能电站电化学电池在线评估的方法和系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111584952B (zh) |
| WO (1) | WO2021208309A1 (zh) |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394293A (zh) * | 2020-11-18 | 2021-02-23 | 中国电力科学研究院有限公司 | 一种储能系统性能和状态的在线评估装置及方法和系统 |
| CN112649744B (zh) * | 2020-12-15 | 2024-07-12 | 西安奇点能源股份有限公司 | 一种pcs、bms同步协调soc计算方法及系统 |
| CN112613661B (zh) * | 2020-12-23 | 2022-06-28 | 浙江浙能电力股份有限公司萧山发电厂 | 一种多类型电池应用于储能的判断选择系统 |
| CN112904201A (zh) * | 2021-01-05 | 2021-06-04 | 浙江工业大学 | 一种储能电池充放电过程的实时在线评估系统及方法 |
| CN113156326B (zh) * | 2021-04-07 | 2022-08-19 | 力高(山东)新能源技术有限公司 | 一种基于大数据的锂电池健康度预警方法 |
| CN113391214A (zh) * | 2021-07-30 | 2021-09-14 | 湖北工业大学 | 一种基于电池充电电压排名变化的电池微故障诊断方法 |
| CN113917257B (zh) * | 2021-09-26 | 2023-02-24 | 大连理工大学 | 一种储能电站内阻动态跟踪监测方法及系统 |
| CN113991777A (zh) * | 2021-10-26 | 2022-01-28 | 青岛前沿发展技术有限公司 | 一种电池储能系统在线式运行安全态势感知方法 |
| 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 |
| CN114210591B (zh) * | 2021-12-02 | 2023-12-22 | 格林美股份有限公司 | 一种基于ic曲线的锂电池梯次利用分选方法及装置 |
| CN114400738A (zh) * | 2022-01-06 | 2022-04-26 | 浙江南都能源互联网有限公司 | 一种储能电站电池预警方法和系统 |
| CN114492019B (zh) * | 2022-01-22 | 2024-02-02 | 苏州纬方电子有限公司 | 一种电池模组的自适应温度调控的评估方法及系统 |
| CN114547025B (zh) * | 2022-02-09 | 2023-07-14 | 中国长江三峡集团有限公司 | 一种储能电站数据处理方法、装置及计算机设备 |
| CN114579659A (zh) * | 2022-03-07 | 2022-06-03 | 山东云储新能源科技有限公司 | 一种梯次利用动力电池利用潜力评估及分选系统和方法 |
| CN114814629B (zh) * | 2022-04-11 | 2024-08-02 | 国网福建省电力有限公司 | 一种考虑电池相关性的电池储能模块可靠性评估方法 |
| CN114534144A (zh) * | 2022-04-27 | 2022-05-27 | 石家庄科林电气股份有限公司 | 基于锂电池的储能电站的防火防爆方法 |
| CN115149123B (zh) * | 2022-07-28 | 2023-04-14 | 上海玫克生储能科技有限公司 | 一种锂电池模组一致性分析方法、系统及存储介质 |
| CN115036595B (zh) * | 2022-08-11 | 2022-11-01 | 广东采日能源科技有限公司 | 储能电池安全预防维护方法、装置及系统 |
| CN115840157B (zh) * | 2022-12-08 | 2023-08-22 | 斯润天朗(合肥)科技有限公司 | 基于eof分析的锂电池电性能指标协调性分析系统 |
| CN115902646B (zh) * | 2023-01-06 | 2023-06-13 | 中国电力科学研究院有限公司 | 一种储能电池故障识别方法及系统 |
| 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 |
| CN116401585B (zh) * | 2023-04-19 | 2023-11-10 | 江苏果下科技有限公司 | 一种基于大数据的储能电池失效风险评估方法 |
| CN116754967A (zh) * | 2023-04-24 | 2023-09-15 | 中广核新能源安徽有限公司固镇分公司 | 用于储能电站电化学电池在线评估的方法和系统 |
| CN116632974B (zh) * | 2023-05-29 | 2023-10-20 | 无锡亚天光电科技有限公司 | 一种用于锂电池新能源仓库在线温度监测系统 |
| CN116404186B (zh) * | 2023-06-08 | 2023-09-19 | 西安黄河电子技术有限公司 | 一种功率型锂锰电池生产系统 |
| CN117054892B (zh) * | 2023-10-11 | 2024-02-27 | 特变电工西安电气科技有限公司 | 一种储能电站电池健康状态的评估方法、装置及管理方法 |
| CN117394409B (zh) * | 2023-10-16 | 2024-03-19 | 南方电网调峰调频(广东)储能科技有限公司 | 储能电站设备状态的智能评估方法及系统 |
| CN117675394B (zh) * | 2023-12-14 | 2024-06-28 | 上海迪塔班克数据科技有限公司 | 一种化塑业的互联网数据异常检测方法及系统 |
| CN117930033B (zh) * | 2023-12-21 | 2024-08-27 | 苏州华骞时代新能源科技有限公司 | 一种储能锂电池管理装置及方法 |
| CN118073689A (zh) * | 2023-12-28 | 2024-05-24 | 苏州华骞时代新能源科技有限公司 | 一种锂电池电池包管理系统 |
| CN117825999A (zh) * | 2023-12-29 | 2024-04-05 | 武汉亿纬储能有限公司 | 电池组的容量衰减率的检测方法、电子设备以及存储介质 |
| CN117855688B (zh) * | 2024-03-08 | 2024-05-28 | 超耐斯(深圳)新能源集团有限公司 | 基于数据分析的锂电池运行过温监管预警系统 |
| CN118330495B (zh) * | 2024-05-16 | 2024-11-08 | 北京航空航天大学 | 长时-短时融合的锂离子电池容量衰退诊断方法 |
| CN118362921B (zh) * | 2024-06-20 | 2024-08-30 | 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 |
| CN118378502B (zh) * | 2024-06-26 | 2024-10-11 | 江苏瑞友康电子科技有限公司 | 一种铝电解电容器的寿命评估方法及系统 |
| CN118487277B (zh) * | 2024-07-16 | 2024-09-20 | 北京岳能科技股份有限公司 | 一种用于新能源电站数智一体化协同方法及平台 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105680105A (zh) * | 2015-12-29 | 2016-06-15 | 惠州市亿能电子有限公司 | 一种高准确度的电池状态参数及控制参数获取方法 |
| CN105789716A (zh) * | 2016-03-03 | 2016-07-20 | 北京交通大学 | 一种广义电池管理系统 |
| CN106443461A (zh) * | 2016-09-06 | 2017-02-22 | 华北电力科学研究院有限责任公司 | 电池储能系统状态评估方法 |
| CN106610478A (zh) * | 2017-01-10 | 2017-05-03 | 中国电力科学研究院 | 一种基于海量数据的储能电池特性评估方法及系统 |
| CN108445411A (zh) * | 2018-04-03 | 2018-08-24 | 长沙丹芬瑞电气技术有限公司 | 一种新型的车载智能蓄电池健康监测系统 |
| CN109143084A (zh) * | 2018-11-07 | 2019-01-04 | 沈阳工程学院 | 一种基于wlan技术的变电站蓄电池组状态采集装置 |
| CN110416636A (zh) * | 2019-06-26 | 2019-11-05 | 北京航空航天大学 | 一种基于云端数据管理的动力电池管理系统及方法 |
| CN110609233A (zh) * | 2019-10-25 | 2019-12-24 | 沃特威（广州）电子科技有限公司 | 一种基于大数据进行储能电池soh预测的方法 |
| CN110707373A (zh) * | 2018-07-10 | 2020-01-17 | 周锡卫 | 一种基于蓄电池疲劳监测及动态维护的储能系统 |
| CN110927609A (zh) * | 2019-12-06 | 2020-03-27 | 华北电力科学研究院有限责任公司 | 梯次利用电池储能系统的衰退评估方法及装置 |
| CN111007401A (zh) * | 2019-12-16 | 2020-04-14 | 国网江苏省电力有限公司电力科学研究院 | 一种基于人工智能的电动汽车电池故障诊断方法及设备 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8482258B2 (en) * | 2005-03-04 | 2013-07-09 | Philadelphia Scientific Llc | Device and method for monitoring life history and controlling maintenance of industrial batteries |
| CN104466274A (zh) * | 2014-10-20 | 2015-03-25 | 常州格力博有限公司 | 一种基于gprs的远程电池管理系统 |
| CN105762928B (zh) * | 2014-12-15 | 2019-07-26 | 国家电网公司 | 一种储能电站监控系统 |
| JP2016152208A (ja) * | 2015-02-19 | 2016-08-22 | 株式会社東芝 | シミュレーション装置 |
| CN106033113B (zh) * | 2015-03-19 | 2019-03-08 | 国家电网公司 | 一种储能电池组健康状态评估方法 |
| US9882401B2 (en) * | 2015-11-04 | 2018-01-30 | Powin Energy Corporation | Battery energy storage system |
| JP6683058B2 (ja) * | 2016-08-12 | 2020-04-15 | トヨタ自動車株式会社 | 電池システム |
| CN106338695A (zh) * | 2016-10-09 | 2017-01-18 | 深圳市沃特玛电池有限公司 | 一种基于粒子群算法的电池模型参数辨识方法 |
| CN110416638A (zh) * | 2019-07-12 | 2019-11-05 | 北京中宸泓昌科技有限公司 | 一种电池单体的全生命周期管理系统 |
-
2020
- 2020-04-17 CN CN202010304432.7A patent/CN111584952B/zh active Active
- 2020-08-17 WO PCT/CN2020/109644 patent/WO2021208309A1/zh active Application Filing
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105680105A (zh) * | 2015-12-29 | 2016-06-15 | 惠州市亿能电子有限公司 | 一种高准确度的电池状态参数及控制参数获取方法 |
| CN105789716A (zh) * | 2016-03-03 | 2016-07-20 | 北京交通大学 | 一种广义电池管理系统 |
| CN106443461A (zh) * | 2016-09-06 | 2017-02-22 | 华北电力科学研究院有限责任公司 | 电池储能系统状态评估方法 |
| CN106610478A (zh) * | 2017-01-10 | 2017-05-03 | 中国电力科学研究院 | 一种基于海量数据的储能电池特性评估方法及系统 |
| CN108445411A (zh) * | 2018-04-03 | 2018-08-24 | 长沙丹芬瑞电气技术有限公司 | 一种新型的车载智能蓄电池健康监测系统 |
| CN110707373A (zh) * | 2018-07-10 | 2020-01-17 | 周锡卫 | 一种基于蓄电池疲劳监测及动态维护的储能系统 |
| CN109143084A (zh) * | 2018-11-07 | 2019-01-04 | 沈阳工程学院 | 一种基于wlan技术的变电站蓄电池组状态采集装置 |
| CN110416636A (zh) * | 2019-06-26 | 2019-11-05 | 北京航空航天大学 | 一种基于云端数据管理的动力电池管理系统及方法 |
| CN110609233A (zh) * | 2019-10-25 | 2019-12-24 | 沃特威（广州）电子科技有限公司 | 一种基于大数据进行储能电池soh预测的方法 |
| CN110927609A (zh) * | 2019-12-06 | 2020-03-27 | 华北电力科学研究院有限责任公司 | 梯次利用电池储能系统的衰退评估方法及装置 |
| CN111007401A (zh) * | 2019-12-16 | 2020-04-14 | 国网江苏省电力有限公司电力科学研究院 | 一种基于人工智能的电动汽车电池故障诊断方法及设备 |
Non-Patent Citations (3)
| Title |
|---|
| A deep learning method for online capacity estimation of lithium-ion batteries;Sheng Shen;《Journal of Energy Storage》;20190808;第25卷;第1-13页 * |
| 基于动力环境监控大数据的蓄电池性能研究;黄伟;《电信网技术》;20180515(第5期);第91-94页 * |
| 电池储能系统的多时间尺度仿真建模研究及大规模并网特性分析;叶小晖;《中国机电工程学报》;20150605;第35卷(第11期);第2635-2644页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111584952A (zh) | 2020-08-25 |
| WO2021208309A1 (zh) | 2021-10-21 |
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 | |
| CN116632983B (zh) | 一种适用于户外储能电源的充放电控制系统 | |
| CN109375116B (zh) | 一种基于自编码器的电池系统异常电池识别方法 | |
| CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
| CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
| CN113990054A (zh) | 一种储能电站数据分析与预警系统 | |
| CN109604186A (zh) | 动力电池性能柔性评估分选方法 | |
| CN110187281B (zh) | 基于充电阶段健康特征的锂电池健康状态估算的方法 | |
| CN115327422A (zh) | 基于充放电行为的电动公交动力电池健康度评价方法 | |
| CN116401585B (zh) | 一种基于大数据的储能电池失效风险评估方法 | |
| CN109615273A (zh) | 一种电动汽车充电设施状态评价方法与系统 | |
| CN116226469B (zh) | 一种储能设备故障的智能诊断方法及系统 | |
| CN116774057B (zh) | 一种训练电池寿命预测模型和预测电池寿命的方法及装置 | |
| CN117318209A (zh) | 一种基于数据分析的电池组多模式运行控制系统 | |
| CN115061058A (zh) | 退役动力电池梯次利用剩余寿命测算方法及系统 | |
| CN111460656B (zh) | 一种电力机房通信电源运行寿命评估方法和系统 | |
| Xu et al. | Safety warning analysis for power battery packs in electric vehicles with running data | |
| CN114578251A (zh) | 基于卷积神经网络的电池模组安全状态评估方法及装置 | |
| CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
| CN115267586B (zh) | 锂电池soh评估方法 | |
| CN117686935A (zh) | 一种基于电压概率密度的电池rul预测方法 | |
| CN116901707A (zh) | 一种动力电池组故障预警方法、系统及车辆 | |
| Xiao et al. | Lithium-ion batteries fault diagnosis based on multi-dimensional indicator | |
| CN116298988A (zh) | 一种储能电站中电池状态的诊断方法及装置 | |
| CN115656837A (zh) | 一种串联型电池故障预测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |