一种数字虚拟储能模型、数字孪生储能系统及其使用方法

本发明属于数字孪生，涉及一种数字虚拟储能模型、数字孪生储能系统及其使用方法。

背景技术：

1、现阶段，储能系统的建模主要以电芯(或电池单体)为基本单元，通过“等效电路模型”或“电化学模型”或“数学模型”或“热模型”等构筑储能器件的虚拟模型，进而对储能器件的常规参量进行描述或者预测。由于所构建的模型精简了储能器件内部复杂的物理化学过程，现阶段所研发的储能系统(如bms系统)仅能应用于储能器件的容量管理、热管理等方面，而无法用于深层次理解充放电过程热力学、动力学演化过程以实现对储能器件电气参数、热参数、材料寿命等精准预测、电池状态诊断及智能管理。

2、另外，在精简模型中，储能器件许多非核心参量被舍弃或省略，其不会对小规模储能系统性质预测和管理产生明显影响。但是，随着储能系统中电芯单体数量的增加，基于简化模型的传统储能系统预测性质的可靠性和稳定性即随之急剧下降，导致传统的电池或者储能管理系统无法胜任管理具有大规模电芯的储能设施，如规模化储能电站等。

3、其次，由于传统精简模型中并不包含材料热力学、动力学等方面的信息，基于精简模型的储能系统无法胜任储能器件在复杂环境下的应用场景，例如：高低温条件、低压条件等。也无法有效预测突发事件发生的概率。

4、因此，针对日益增长的电化学储能需求，传统的储能管理系统在预测精准度、预测可靠性及可规模化移植等方面无法满足需求，无法胜任对储能系统在复杂环境(如：高低温条件、低压条件等)的精准预测，开发新型的储能系统已迫在眉睫。

技术实现思路

1、本发明的目的在于克服上述现有技术的缺点，提供了一种数字虚拟储能模型、数字孪生储能系统及其使用方法，该模型、系统及方法能够满足储能系统在复杂环境下对预测精度及可靠性的要求。

2、为达到上述目的，本发明采用如下技术方案：

3、本发明一方面，本发明提供了一种数字虚拟储能模型，包括：

4、高通量材料筛选模块，用于筛选储能器件中电极的材料；

5、电极材料性质模拟与预测模块，用于计算筛选出来的所述储能器件中电极材料的物理化学性质；

6、电解液筛选及性质模拟模块，用于筛选出电解液结构，构建电解液模型，并仿真电解液物理化学性质；

7、微纳米尺度仿真模块，用于根据所述电极材料的物理化学性质以及电解液的物理化学性质构建虚拟电极结构，并评估储能载荷子在电极中的分布、浸润性质及传输性质；

8、基于参量学习的储能模型模块，用于对高通量材料筛选模块、电极材料性质模拟与预测模块、电解液筛选及性质模拟模块及微纳米尺度仿真模块进行整合及优化。

9、本发明所述数字虚拟储能模型进一步的改进在于：

10、所述根据选择得到的电极材料以及电解液的物理化学性质构建虚拟电极结构，并评估储能载荷子在电极中的浸润性质及传输性质的过程为：

11、根据所述电极材料的物理化学性质以及电解液的物理化学性质构建虚拟电极结构，通过仿真，选择储能器件的电极结构及孔道结构，并以此评估储能载荷子在电极中的分布、浸润性质及传输性质。

12、所述筛选储能器件中电极的材料的过程为：

13、从开放型材料数据库中获取储能材料的结构及参量，并以此对各储能材料性能的评估，根据评估结果选择储能器件中电极的材料。

14、所述对高通量材料筛选模块、电极材料性质模拟与预测模块、电解液筛选及性质模拟模块及微纳米尺度仿真模块进行整合及优化的过程为：

15、利用机器学习、深度学习或人工智能，对高通量材料筛选模块、电极材料性质模拟与预测模块、电解液筛选及性质模拟模块及微纳米尺度仿真模块进行整合及优化。

16、本发明二方面，本发明提供了一种数字孪生储能系统，包括实体储能电池及数字虚拟储能模型，其中，所述实体储能电池单体与数字模拟储能模型之间通过虚实连接模块相连接，其中，所述实体储能电池由若干储能电池单体通过串并联及堆叠构成；所述数字虚拟储能模型若干数字虚拟单体模型通过叠加与数据融合构成。

17、本发明三方面，本发明提供了一种数字孪生储能系统的使用方法，包括：

18、所述虚实连接模块将实体储能电池的各类参量传输到数字虚拟储能模型中进行训练、优化、模拟或者仿真，将数字虚拟储能模型输出的各类参量输入到实体储能电池中，实现实体储能电池单体与数字虚拟储能模型状态的同步。

19、本发明四方面，本发明提供了一种数字孪生储能系统的使用方法，包括：

20、利用所述数字孪生储能系统进行储能器件的性能预测管理及维护。

21、本发明五方面，本发明提供了一种数字孪生储能系统的使用方法，包括：

22、利用所述数字孪生储能系统进行电极材料的开发。

23、本发明六方面，本发明提供了一种所述数字孪生储能系统的使用方法，包括：

24、利用所述数字孪生储能系统进行电解液的开发与验证。

25、本发明七方面，本发明提供了一种数字孪生储能系统的使用方法，包括：

26、利用所述数字孪生储能系统进行电极结构的开发。

27、本发明具有以下有益效果：

28、本发明所述的数字虚拟储能模型、数字孪生储能系统及其使用方法在具体操作时，基于多尺度多物理量构建数字虚拟储能模型，以解决系统在预测精准性及可靠性上的不足，具体的，所述数字虚拟储能模型包括高通量材料筛选模块、电极材料性质模拟与预测模块、电解液筛选及性质模拟模块、微纳米尺度仿真模块及基于参量学习的储能模型模块，以数据驱动为手段，融合多尺度下各类物理数量，构建数字虚拟储能模型，并以此构建数字孪生储能系统，以提升各类物理化学电化学参量预测的精准程度及可靠性，能够从多尺度角度实现对储能器件的管理，对于电池单体失效、储能性质衰减均能给与详细的机理解释，促进储能系统的自我维护和修复，真正实现储能器件全生命周期的预测、管理、维护。

技术特征：

1.一种数字虚拟储能模型，其特征在于，包括：

2.根据权利要求1所述的数字虚拟储能模型，其特征在于，所述根据选择得到的电极材料以及电解液的物理化学性质构建虚拟电极结构，并评估储能载荷子在电极中的浸润性质及传输性质的过程为：

3.根据权利要求1所述的数字虚拟储能模型，其特征在于，所述筛选储能器件中电极的材料的过程为：

4.根据权利要求1所述的数字虚拟储能模型，其特征在于，所述对高通量材料筛选模块、电极材料性质模拟与预测模块、电解液筛选及性质模拟模块及微纳米尺度仿真模块进行整合及优化的过程为：

5.一种数字孪生储能系统，其特征在于，包括实体储能电池及数字虚拟储能模型，其中，所述实体储能电池与数字模拟储能模型之间通过虚实连接模块相连接，其中，所述实体储能电池由若干储能电池单体通过串并联及堆叠构成；所述数字虚拟储能模型若干数字虚拟单体模型通过叠加与数据融合构成。

6.一种权利要求5所述数字孪生储能系统的使用方法，其特征在于，包括：

7.一种权利要求5所述数字孪生储能系统的使用方法，其特征在于，包括：

8.一种权利要求6所述数字孪生储能系统的使用方法，其特征在于，包括：

9.一种权利要求6所述数字孪生储能系统的使用方法，其特征在于，包括：

10.一种权利要求6所述数字孪生储能系统的使用方法，其特征在于，包括：

技术总结
本发明公开了一种数字虚拟储能模型、数字孪生储能系统及其使用方法，包括：高通量材料筛选模块，用于筛选储能器件中电极的材料；电极材料性质模拟与预测模块，用于计算筛选出来的所述储能器件中电极材料的物理化学性质；电解液筛选及性质模拟模块，用于筛选出电解液结构，构建电解液模型，并预测电解液的物理化学性质；微纳米尺度仿真模块，用于根据所述电极材料的物理化学性质以及电解液溶剂的分子构建虚拟电极结构，并评估储能载荷子在电极中的分布、浸润性质及传输性质；基于参量学习的储能模型模块，用于对上述模块进行整合及优化，该模型、系统及方法能够满足储能系统在复杂环境下对预测精度及可靠性的要求。

技术研发人员：商健,成会明
受保护的技术使用者：中国科学院深圳先进技术研究院
技术研发日：
技术公布日：2024/4/24