一种储能电池状态估计方法、系统、设备和介质与流程

本发明涉及电力系统，尤其涉及储能电池状态估计方法、系统、设备和介质。

背景技术：

1、随着大规模新能源的并网，电网的安全运行问题越来越突出，而储能系统作为电力系统的关键新兴设备，可在实现削峰填谷，实现电网的经济稳定运行方面发挥重要作用。而储能的健康状态作为储能的重要运行性能参数，如果在投入实际电力系统运行后掌握不准，会导致储能的电力电量平衡或安全稳定分析失真，所以采用合适的模型来准确表征储能系统的健康状态至关重要。

2、但在电力系统的储能电池的实际应用中，不同电池各个单体的性能以及其使用环境不可避免地存在差异性，不能直接测量，储能电池的状态估计问题实质上为时变非线性系统的隐含状态估计问题，目前求解方法主要有经验估计法、滤波估计法和时序估计法三种方式。尽管滤波估计法和时序估计法的准确度高，但其高计算复杂度难以适应工程实际的需要，故目前储能电池状态估计主要以经验估计法为主。

3、经验估计法认为动力电池的容量衰减遵循某种固有的数学关系，使用历史数据确定待定系数，便可建立描述动力电池老化规律的数学模型，解决电池的健康状态估计问题。但现有的电池状态估计方法在电池弛豫现象导致的最大可用电池容量突变等场景下，由于未充分考虑电池极化效应影响，导致对储能电池健康状态的估计结果准确性低。

技术实现思路

1、本发明提供了一种储能电池状态估计方法、系统、设备和介质，解决了现有的电池状态估计方法在电池弛豫现象导致的最大可用电池容量突变等场景下，由于未充分考虑电池极化效应影响，导致对储能电池健康状态的估计结果准确性低的技术问题。

2、本发明提供的一种储能电池状态估计方法，包括：

3、获取储能电池的容量数据，采用所述容量数据进行容量衰减实验，生成电池健康状态变化数据集；

4、采用所述电池健康状态变化数据集进行轨迹拟合，确定初始寿命经验模型；

5、根据参数辨识法和所述电池健康状态变化数据集对应的放电至截止电压时间数据对所述初始寿命经验模型进行更新，生成目标寿命经验模型；

6、采用所述目标寿命经验模型对应的线性约束对初始经济调度模型进行更新，生成目标经济调度模型；

7、将所述电池健康状态变化数据集分别输入所述目标寿命经验模型和所述目标经济调度模型，生成所述储能电池对应的状态估计与经济调度数据。

8、可选地，所述采用所述电池健康状态变化数据集进行轨迹拟合，确定初始寿命经验模型的步骤，包括：

9、通过单指数模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第一拟合数据；

10、通过双指数模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第二拟合数据；

11、通过线性模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第三拟合数据；

12、通过多项式模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第四拟合数据；

13、通过费尔哈斯特算法模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第五拟合数据；

14、选取所述第一拟合数据、所述第二拟合数据、所述第三拟合数据、所述第四拟合数据和所述第五拟合数据中大于预设效果阈值的数据，生成效果数据集；

15、将所述效果数据集中的最大值对应的模型作为初始寿命经验模型。

16、可选地，所述根据参数辨识法和所述电池健康状态变化数据集对应的放电至截止电压时间数据对所述初始寿命经验模型进行更新，生成目标寿命经验模型的步骤，包括：

17、采用参数辨识法对所述初始寿命经验模型进行参数识别，生成待定系数；

18、采用所述电池健康状态变化数据集和所述待定系数更新所述初始寿命经验模型，生成中间寿命经验模型；

19、将所述电池健康状态变化数据集对应的放电至截止电压时间数据进行数据预处理，生成中间特征数据；

20、采用神经网络法对所述中间特征数据进行降噪，生成目标特征数据；

21、采用平滑逼近拟合函数刻画所述目标特征数据和所述电池健康状态变化数据集对应的循环次数之间的关系曲线，生成关系曲线数据；

22、采用所述关系曲线数据对所述中间寿命经验模型进行更新，生成目标寿命经验模型。

23、可选地，所述采用所述电池健康状态变化数据集和所述待定系数更新所述初始寿命经验模型，生成中间寿命经验模型的步骤，包括：

24、采用所述电池健康状态变化数据集中各随机因素对应的概率，确定所述随机因素对应的初始权重；

25、分别采用所述初始权重和所述随机因素对应的变化数据代入对应的加权平均函数，构建初始模型参数集；

26、将所述初始模型参数集中每个所述随机因素对应的最小初始模型参数作为目标模型参数，生成中间模型参数集；

27、将所述中间模型参数集进行估计效果验证，生成验证数据；

28、当验证数据为误差超过阈值时，采用遗忘因子对所述随机因素的初始权重进行动态调整，生成目标权重；

29、将所述目标权重作为初始权重，并跳转执行所述分别采用所述初始权重和所述随机因素对应的变化数据代入对应的加权平均函数，构建初始模型参数集的步骤；

30、当所述验证数据为误差均在允许范围时，将当前时刻的中间模型参数集作为目标模型参数集；

31、采用所述目标模型参数集和所述待定系数更新所述初始寿命经验模型，生成中间寿命经验模型。

32、可选地，所述将所述电池健康状态变化数据集对应的放电至截止电压时间数据进行数据预处理，生成中间特征数据的步骤，包括：

33、提取所述电池健康状态变化数据集对应的放电至截止电压时间数据中的特征值，生成初始特征数据；

34、将所述初始特征数据进行重复观测处理和缺省值检测与剔除，生成第一预处理数据；

35、将所述第一预处理数据进行异常值检测与剔除，生成第二预处理数据；

36、将所述第二预处理数据进行平滑处理，生成第三预处理数据；

37、将所述第三预处理数据进行特征编码，生成中间特征数据。

38、可选地，所述采用所述目标寿命经验模型对应的线性约束对初始经济调度模型进行更新，生成目标经济调度模型的步骤，包括：

39、将所述目标寿命经验模型对应的电池健康状态与循环次数的关系近似分段线性化，生成线性约束；

40、采用所述线性约束更新初始经济调度模型，生成目标经济调度模型。

41、本发明还提供了一种储能电池状态估计系统，包括：

42、电池健康状态变化数据集生成模块，用于获取储能电池的容量数据，采用所述容量数据进行容量衰减实验，生成电池健康状态变化数据集；

43、初始寿命经验模型确定模块，用于采用所述电池健康状态变化数据集进行轨迹拟合，确定初始寿命经验模型；

44、目标寿命经验模型生成模块，用于根据参数辨识法和所述电池健康状态变化数据集对应的放电至截止电压时间数据对所述初始寿命经验模型进行更新，生成目标寿命经验模型；

45、目标经济调度模型生成模块，用于采用所述目标寿命经验模型对应的线性约束对初始经济调度模型进行更新，生成目标经济调度模型；

46、状态估计与经济调度数据生成模块，用于将所述电池健康状态变化数据集分别输入所述目标寿命经验模型和所述目标经济调度模型，生成所述储能电池对应的状态估计与经济调度数据。

47、可选地，所述初始寿命经验模型确定模块，包括：

48、第一拟合数据生成模块，用于通过单指数模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第一拟合数据；

49、第二拟合数据生成模块，用于通过双指数模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第二拟合数据；

50、第三拟合数据生成模块，用于通过线性模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第三拟合数据；

51、第四拟合数据生成模块，用于通过多项式模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第四拟合数据；

52、第五拟合数据生成模块，用于通过费尔哈斯特算法模型采用所述电池健康状态变化数据集进行轨迹拟合，生成第五拟合数据；

53、效果数据集生成模块，用于选取所述第一拟合数据、所述第二拟合数据、所述第三拟合数据、所述第四拟合数据和所述第五拟合数据中大于预设效果阈值的数据，生成效果数据集；

54、初始寿命经验模型确定子模块，用于将所述效果数据集中的最大值对应的模型作为初始寿命经验模型。

55、本发明还提供了一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行实现如上述任一项储能电池状态估计方法的步骤。

56、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述任一项储能电池状态估计方法。

57、从以上技术方案可以看出，本发明具有以下优点：

58、本发明通过获取储能电池的容量数据，采用容量数据进行容量衰减实验，生成电池健康状态变化数据集。采用电池健康状态变化数据集进行轨迹拟合，确定初始寿命经验模型。基于参数辨识法和电池健康状态变化数据集对应的放电至截止电压时间数据对初始寿命经验模型进行更新，生成目标寿命经验模型。采用目标寿命经验模型对应的线性约束对初始经济调度模型进行更新，生成目标经济调度模型。将电池健康状态变化数据集分别输入目标寿命经验模型和目标经济调度模型，生成储能电池对应的状态估计与经济调度数据。解决了现有的电池状态估计方法在电池弛豫现象导致的最大可用电池容量突变等场景下，由于未充分考虑电池极化效应影响，导致对储能电池健康状态的估计结果准确性低的技术问题。基于放电至截止电压时间数据，形成恒压放电时间与循环次数的动态衰减双指标，充分发掘充放电循环过程的老化特性，实现更高精度的储能系统健康状态估计，提高储能系统健康状态的可观性。通过目标寿命经验模型和目标经济调度模型不仅可以支撑含储能的规划与优化运行，还可进一步研究储能寿命衰减的特性参数对电力系统经济调度的影响。