一种超大规模储能电站电池健康状态的评估方法及系统

摘要

一种超大规模储能电站电池健康状态的评估方法及系统，该方法包括：对预设的评估指标与储能电池健康状态的关联关系模型进行标准差分析，得到总体标准差和样本相对标准差；将总体标准差与电池外特性状态数据平均数做商，得到变异系数；将评估指标基于最大隶属度原则进行衡量，得到评估指标的权重；根据各评估指标的样本相对标准差、变异系数和权重设定的综合比例，得到各评估指标的离散度大小；根据所述离散度大小，确定电池健康状态。该系统包括：标准差分析单元、变异系数单元、权重单元、离散度单元以及评估单元。本发明对储能电池健康状态进行深化评估，对电池外特性状态数据进行融合分析，得到电池健康状态的全面综合评估结果。

说明书

技术领域

本发明属于电力储能领域，尤其涉及一种超大规模储能电站电池健康状态的评估方法及系统。

背景技术

针对超大规模电池储能系统的规模化工程应用，由于超大规模储能电站的电池组中的单体电池之间存在不一致性，因此储能电池的健康状态(SOH)评估成为了储能规模化应用的关键问题。这其中，最值得考虑的问题就是储能电池在运行中后期还能提供多少使用价值，这就需要对超大规模电池储能电站的储能电池健康状态进行分析与评估，其目的在于最大效率的延长储能电池的使用寿命，最大程度降低超大规模储能电站中的电池安全风险。现有的评估电池健康状态的方法中，需要大量实验数据，对设备要求苛刻，或者对电池寿命影响较大，不适合持续进行。亟需一种对电池实际使用不产生影响，成本低廉的评估方法。

尤其是随着动力电池退役量的不断增加，据统计，2020年动力电池出货量达到94.5GW，预计到2025年，我国动力电池梯次利用市场规模将达到282亿元。超大规模储能电站中也将包括梯次利用动力电池。在储能电站中如何最大化的发挥退役动力电池的剩余使用价值也是当前面临的主要问题之一。针对超大规模储能电站中，针对退役动力电池性能差异大、离散度高等特点，专门分析超大规模储能电站中退役电池离散度的方法，还鲜有提出。在目前常用的评估电池健康状态的方法中，测量分析结果针对性强，但是成本较高，数据处理相对复杂。

发明内容

本发明的目的在于针对现有技术对超大规模储能电站中储能电池的健康状态评估的不足，提供了一种超大规模储能电站储能电池健康状态的评估方法及系统。

本发明采用如下技术方案来实现的：

一种超大规模储能电站电池健康状态的评估方法，包括：

对预设的评估指标与储能电池健康状态的关联关系模型进行标准差分析，得到影响各评估指标离散度的总体标准差和样本相对标准差；

将总体标准差与电池外特性状态数据平均数做商，得到影响各评估指标离散度的变异系数；

将评估指标基于最大隶属度原则进行衡量，得到评估指标的权重；

根据各评估指标的样本相对标准差、变异系数和权重设定的综合比例，得到各评估指标的离散度大小；

根据所述离散度大小，确定电池健康状态。

本发明进一步的改进在于，所述预设的电池外特性状态数据与储能电池健康状态的关联关系模型为：

f(x)＝f(q·T·R·Uocv·SOC·t)

其中，t为时间，q为电池容量，T为电池温度，R为电池内阻，Uocv为电池电压，SOC为电池荷电状态。

本发明进一步的改进在于，所述电池外特性状态数据是通过分析电池运行状态特性得到的。

本发明进一步的改进在于，所述电池外特性状态数据包括电池内阻、电池电压、电池荷电状态、电池温度和电池容量。

本发明进一步的改进在于，影响各评估指标离散度的总体标准差和样本相对标准差的计算方法如下：

其中，

本发明进一步的改进在于，影响各评估指标离散度的变异系数C

C

其中，S(σ)为总体标准差，μ为电池外特性状态数据平均数。

本发明进一步的改进在于，评估指标的权重ω’的计算方法如下：

ω’＝(ω

其中，ω

本发明进一步的改进在于，根据各评估指标的样本相对标准差、变异系数和权重的综合比例，得到各评估指标的离散度大小，具体为：

σ

其中σ

一种超大规模储能电站电池健康状态的评估系统，包括：

标准差分析单元，用于对预设的评估指标与储能电池健康状态的关联关系模型进行标准差分析，得到影响各评估指标离散度的总体标准差和样本相对标准差；

变异系数单元，用于将总体标准差与电池外特性状态数据平均数做商，得到影响各评估指标离散度的变异系数；

权重单元，用于将评估指标基于最大隶属度原则进行衡量，得到评估指标的权重；

离散度单元，用于根据各评估指标的样本相对标准差、变异系数和权重设定的综合比例，得到各评估指标的离散度大小；

评估单元，用于根据所述离散度大小，确定电池健康状态。

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，所述计算机程序当被处理器执行时使所述处理器执行所述的一种超大规模储能电站电池健康状态的评估方法。

本发明至少具有如下有益的技术效果：

本发明提供的一种超大规模储能电站电池健康状态的评估方法及系统，由于电池各项健康等级指标比较单一，不能全面衡量储能电池健康状态，本发明通过电池外特性状态数据与储能电池健康状态预设的关联关系模型，并对预设的关联关系模型进行分析，分别得到各评估指标的样本相对标准差、变异系数和权重，最后利用各评估指标的离散度大小，得到与各评估指标的离散度大小相对应的电池健康状态，进而依据电池健康状态就可以对电池进行归类处理，排除掉不适合梯次利用的电池。本发明能够为大规模电池储能电站统一调度与控制策略提供支撑，达到提高资源利用的有效性和合理性的目的。

进一步，确定电池健康程度等级时，采集了历史电池外特性状态数据，在数据方面有了一定的支撑性。

进一步，本发明通过对储能电池各项外特性状态数据进行表征，包括电池内阻、电池电压、电池荷电状态、电池温度和电池容量，分析电池各项外特性状态数据间的关联关系，建立电池健康程度等级，掌握储能电池异常数据幅值和出现周期，明确电池状态参数的离散度，进而有效评估电池的健康状态，排除掉健康状态不达标的电池，充分发挥梯次利用电池的使用价值，为大规模电池储能电站统一调度与控制策略提供支撑。

进一步，本发明利用变异系数消除不同测量尺度和量纲的影响。

附图说明

图1为本发明一种超大规模储能电站电池健康状态的评估方法的流程图。

图2为本发明一种超大规模储能电站电池健康状态的评估系统的结构框图。

具体实施方式

以下结合附图和实施例对本发明做出进一步的说明。

如图1所示，本发明提供的一种超大规模储能电站电池健康状态的评估方法，包括：

对预设的评估指标与储能电池健康状态的关联关系模型进行标准差分析，得到影响各评估指标离散度的总体标准差和样本相对标准差；

将总体标准差与电池外特性状态数据平均数做商，得到影响各评估指标离散度的变异系数；

将评估指标基于最大隶属度原则进行衡量，得到评估指标的权重；

根据各评估指标的样本相对标准差、变异系数和权重设定的综合比例，得到各评估指标的离散度大小；

根据所述离散度大小，确定电池健康状态。

具体的，利用大规模储能电站中的统一调度与控制系统的数据分析功能，搜集整合储能电池的历史运行状态数据，获取电池的历史电池外特性状态数据，包括电池内阻、电池电压、电池荷电状态、电池温度和电池容量，分析历史电池外特性状态数据与电池健康状态间的关联关系。

具体的，利用电池电压内阻测试仪，测量并得到储能电池在不同状态下的定频内阻R与开路电压Uocv。

电池容量保持率和容量恢复率数据分析，通过对电池施加以设定程度的电流进行4次满充满放实验后，对其容量进行标定，得到第4次放电容量，记为Q

电池温度数据通过利用热电偶测量电池在充放电过程中的温度变化△T，得到电池不同充放电时SOC状态下的温度数据，进而分析电池的发热特性。

针对储能电池直流内阻数据的分析，以适合的倍率大小将电池调整到最佳SOC状态，充分静置后，测试电池在1000Hz下的定频内阻R

电池容量的数据获得，通过电池电压阈值大小，选择对电池进行充电或放电实验，根据最终充放电时间t，计算得到电池的剩余容量q＝I*t/(100-SOC

经过上述步骤的表征分析，获得大量电池分选所需要的电池外特性状态数据，通过分析储能电池的各种运行参数数据在大规模储能电站中的变化规律，搭建储能电池健康状态与电池外特性状态数据间的关联关系，创建储能电池数据库，并基于储能电池数据库，分析电池数据，建立储能电池健康状态与电池外特性状态数据的关联关系模型：

f(x)＝f(q·T·R·Uocv·SOC·t)

其中，t为时间，q为电池容量，T为电池温度，R为电池内阻，Uocv为电池电压，SOC为电池荷电状态。

为了得到储能电池健康状态，首先，对储能电池健康状态与电池外特性状态数据的关联关系模型f(x)进行标准差分析，标准差是全数据计算，能够准确、直观地反映出电池数据的离散度，计算方法如下：

其中，

其次，在储能电池健康状态与电池外特性状态数据的关联关系模型f(x)中，当需要比较两组数据离散度大小的时候，如果两组数据的测量尺度相差太大，或者数据量纲的不同，直接使用标准差来进行比较不合适，此时就应当消除测量尺度和量纲的影响，变异系数C

C

接下来，通过最大隶属度原则衡量电池外特性状态数据各评估指标的权重ω’，综合比较分析电池不同评估指标间的离散度，具体如下：

建立一致性指标与一致性性能等级的模糊关系矩阵R。R为a行b列，a为一致性评估指标的个数，b代表电池健康状态的个数。这里取b为4，即ABCD四个等级，a取5，依次为电池容量、电池温度、电池内阻、电池电压和电池荷电状态的评估指标。

其中，R第1行表示所有采样点的电池容量离散度依次在各电池健康状态的概率，第2行为电池温度离散度依次在各电池健康状态的概率，第3行为电池内阻离散度依次在各电池健康状态的概率，第4行为电池电压离散度依次在各电池健康状态的概率，第5行为电池荷电状态离散度依次在各电池健康状态的概率。

电池外特性状态一致性可以通过计算各一致性指标离散度的权重向量来衡量，采用熵权法评估指标的权重，计算各指标权重：

ω’＝(ω

其中，ω

设论域P上有n个模糊子集ω

则得到x

σ

式中，根据S

A表示电池健康状态为优级，可以正常使用，其中σ

B表示电池健康状态为良级，可以正常使用，当电池处于运维时间节点，需要进行均衡维护，其中85≤σ

C表示电池健康状态为中级，应根据情况进行均衡维护，其中80≤σ

D表示电池健康状态为差级，应立即对电池进行均衡维护，其中σ

综上所述，本发明对搜集表征得到的电池运行状态数据进行综合评估，分类、筛查、清洗，过滤无效的数据，并找出异常的数据，最终实现对储能电池健康状态的评估。

如图2所示，本发明提供的一种超大规模储能电站电池健康状态的评估系统，包括：

标准差分析单元，用于对预设的评估指标与储能电池健康状态的关联关系模型进行标准差分析，得到影响各评估指标离散度的总体标准差和样本相对标准差；变异系数单元，用于将总体标准差与电池外特性状态数据平均数做商，得到影响各评估指标离散度的变异系数；权重单元，用于将评估指标基于最大隶属度原则进行衡量，得到评估指标的权重；离散度单元，用于根据各评估指标的样本相对标准差、变异系数和权重设定的综合比例，得到各评估指标的离散度大小；评估单元，用于根据所述离散度大小，确定电池健康状态。

本发明提供的一种超大规模储能电站电池健康状态的评估系统，包括：处理器以及与所述处理器耦合的存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现所述的储能电池健康状态的评估方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。