一种大容量新能源储能系统的储能电池成组方法与流程

本发明涉及新能源储能电池，尤其涉及一种大容量新能源储能系统的储能电池成组方法。

背景技术：

1、新能源储能系统是一种用于存储和释放能源的技术，通常与可再生能源发电系统一起使用，以解决可再生能源的不稳定性和间歇性问题。它可以在能源生产高峰时储存多余的能源，并在需求高峰时释放能源，以平衡电网，并提供备用电源。大容量新能源储能系统是指储存能量容量较大的储能系统，可以存储大量的电能，通常用于更大规模的应用，如工业用途或电力系统级别的能源储备。这些系统通常具有更高的容量和功率，以满足大规模用电需求，同时提供电力质量调节和备用电源功能。储能电池成组是大容量新能源储能系统中的一个关键组成部分，将多个电池单元(电池模块)连接在一起以形成一个更大的电池组，这样可以增加总储能容量和功率输出，同时提高系统的可靠性和耐用性。电池成组可以采用不同类型的电池技术，如锂离子电池、钠硫电池、铅酸电池等。

2、现有技术中，储能电池成组常通过串联、并联、混合串并联等方式将多个电池单元按照正负极的连接要求依次连接在一起，形成一个电池组来增加储能容量和功率输出。

3、例如公告号为：cn106154165b的发明专利公告的一种大容量电池储能系统性能的评估方法和评估系统，包括：多个单体电池串联成电池组，多个电池组并联组成大容量电池储能系统，计算电池组的所述评估指标的值，并设定电池组性能的等级；设定每个评估指标在不同的等级中的数值范围，将全部的评估指标的值，根据其所属的数值范围，分别归入不同的等级中；根据归入不同的等级中的每种评估指标的个数，建立等级与评估指标的模糊关系矩阵，并用熵权法计算得到各评估指标的权重；根据模糊关系矩阵和各评估指标的权重以最大隶属度原则确定电池组的性能。

4、例如公告号为：cn107422266b的发明专利公告的一种大容量电池储能系统的故障诊断方法及装置，包括：获取电池储能系统的待诊断数据；将待诊断数据作为测试样本输入预先构建的bp神经网络模型进行故障诊断，输出故障诊断结果。

5、但本技术在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

6、现有技术中，运用串联、并联等方式将电池单元连接在一起形成电池组的方法中，当某一个电池单元出现故障，都是影响整个大电池组的工作，存在电池成组稳定性低的问题。

技术实现思路

1、本技术实施例通过提供一种大容量新能源储能系统的储能电池成组方法，解决了现有技术中电池成组稳定性低的问题，实现了电池成组稳定性的提高。

2、本技术实施例提供了一种大容量新能源储能系统的储能电池成组方法，包括以下步骤：s1，获取指定大容量新能源储能系统的储能电池模块成组参数和历史时间段内对应的预设储能电池模块的历史成组数据，得到对应的储能电池模块的历史成组数据离散度和历史成组数据曲线；s2，根据储能电池模块成组参数，获取预设时间段内指定大容量新能源储能系统的待成组储能电池模块的成组数据，得到对应的待成组储能电池模块的成组数据离散度和成组数据曲线；s3，根据待成组储能电池模块的成组数据，计算预设时间段内待成组储能电池模块的成组数据偏差指数，根据成组数据偏差指数筛选出第一批预成组储能电池模块；s4，根据第一批预成组储能电池模块的成组数据离散度，计算预设时间段内对应的成组数据离散度偏差指数，根据成组数据离散度偏差指数筛选出第二批预成组储能电池模块；s5，根据第二批预成组储能电池模块的成组数据曲线，计算预设时间段内对应的成组数据曲线偏差指数，根据成组数据曲线偏差指数筛选出成组储能电池模块组成指定大容量新能源储能系统的储能电池组。

3、进一步的，所述储能电池模块成组参数包括储能电池模块端电压、储能电池模块内阻、储能电池模块容量和储能电池模块温度。

4、进一步的，所述待成组储能电池模块的成组数据离散度包括端电压离散度、内阻离散度、容量离散度和温度离散度。

5、进一步的，所述待成组储能电池模块的成组数据离散度的具体获取方法如下：获取各待成组储能电池模块的储能电池数量及预设时间段内各预设时刻对应的各储能电池的电压数据，由各储能电池的电压数据得到各待成组储能电池模块的平均电压数据，结合平均电压数据计算各待成组储能电池模块的端电压离散度；获取预设时间段内各预设时刻对应的各储能电池的内阻数据，由各储能电池的内阻数据得到各待成组储能电池模块的平均内阻数据，结合平均内阻数据计算各待成组储能电池模块的内阻离散度；获取预设时间段内各预设时刻对应的各储能电池的容量数据，由各储能电池的容量数据得到各待成组储能电池模块的平均容量数据，结合平均容量数据计算各待成组储能电池模块的容量离散度；获取预设时间段内各预设时刻对应的各储能电池的史温度数据，由各储能电池的温度数据得到各待成组储能电池模块的平均温度数据，结合平均温度数据计算各待成组储能电池模块的温度离散度。

6、进一步的，所述待成组储能电池模块的成组数据曲线包括待成组储能模块数据曲线和待成组储能模块离散度曲线；所述待成组储能模块数据曲线包括端电压曲线、内阻曲线、容量曲线和温度曲线；所述待成组储能模块离散度曲线包括端电压离散度曲线、内阻离散度曲线、容量离散度曲线和温度离散度曲线。

7、进一步的，所述待成组储能电池模块的成组数据曲线的具体获取方法如下：根据储能电池模块参数，获取预设时间段内预设初始时刻及各预设时刻时各待成组储能电池模块对应的储能电池模块成组数据，由预设初始时刻对应的储能电池模块成组数据得到预设时间段内的待成组储能电池模块数据曲线；根据预设时间段内各预设时刻时获取的各待成组储能电池模块的储能电池模块成组数据，计算对应的成组数据离散度，由成组数据离散度得到预设时间段内的待成组储能电池模块离散度曲线。

8、进一步的，所述成组数据偏差指数采用以下公式：式中，e为自然常数，k为待成组储能电池模块的编号，k＝1，2，...，k，k为待成组储能电池模块的总数量，gdbk为预设时间段内第k个待成组储能电池模块的成组数据偏差指数，uk、rk、ck和tk分别为预设时间段内第k个待成组储能电池模块的储能电池模块端电压数据、储能电池模块内阻数据、储能电池模块容量数据和储能电池模块温度数据，δuk、δrk、δck和δtk分别为预设时间段内第k个待成组储能电池模块的储能电池模块参考端电压数据、储能电池模块参考内阻数据、储能电池模块参考容量数据和储能电池模块参考温度数据，α、β、χ和δ分别为待成组储能电池模块的储能电池模块端电压数据参考偏差率、储能电池模块内阻数据参考偏差率、储能电池模块容量数据参考偏差率和储能电池模块温度数据参考偏差率；所述第一批预成组储能电池模块为储能电池成组数据偏差指数等于参考储能电池成组数据偏差指数的待成组储能电池模块。

9、进一步的，所述第二批预成组储能电池模块的具体筛选方法如下：获取预设时间段内各预设时刻时第一批预成组储能电池模块的端电压离散度、内阻离散度、容量离散度和温度离散度；计算对应的储能电池的成组数据端电压离散度偏差指数，将端电压离散度偏差指数等于参考成组数据离散度偏差指数的待成组储能电池模块组合为第二批一组待成组储能电池模块；计算第一批预成组储能电池模块中剩余的待成组储能电池模块的成组数据内阻离散度偏差指数，将成组数据内阻离散度偏差指数等于参考成组数据离散度偏差指数的待成组储能电池模块组合为第二批二组待成组储能电池模块；计算第一批预成组储能电池模块中剩余的待成组储能电池模块的成组数据电容离散度偏差指数，将成组数据电容离散度偏差指数等于参考成组数据偏差指数的待成组储能电池模块组合为第二批三组待成组储能电池模块；计算第一批预成组储能电池模块中剩余的待成组储能电池模块的成组数据温度离散度偏差指数，将成组数据温度离散度偏差指数等于参考成组数据偏差指数的待成组储能电池模块组合为第二批四组待成组储能电池模块；所述第二批预成组储能电池模块包括第二批一组待成组储能电池模块、第二批二组待成组储能电池模块、第二批三组待成组储能电池模块和第二批四组待成组储能电池模块；所述成组数据离散度偏差指数包括成组数据端电压离散度偏差指数、成组数据内阻离散度偏差指数、成组数据容量离散度偏差指数和成组数据温度离散度偏差指数；所述成组数据离散度偏差指数采用以下公式：式中，e为自然常数，为预设时间段内第p个待成组储能电池模块的第q个储能电池的成组数据离散度偏差指数，p为第一批预成组储能电池模块的编号，p＝1，2，...，p，p为第一批预成组储能电池模块的总数量，q为成组数据离散度的编号，q＝1，2，3，4，q＝1、q＝2、q＝3、q＝4分别表示端电压离散度、内阻离散度、容量离散度和温度离散度，为预设时间段内第p个待成组储能电池模块的第q个成组数据离散度，为预设时间段内第p个待成组储能电池模块的第q个成组数据参考离散度，εq为待成组储能电池模块的第q个成组数据离散度参考偏差率。

10、进一步的，所述成组储能电池模块的具体筛选方法如下：获取第二批预成组储能电池模块的待成组储能电池模块的成组数据曲线，结合历史成组数据曲线计算对应的相关系数和欧式距离；由相关系数和欧式距离按顺序计算对应的成组数据曲线偏差指数，并将成组数据曲线偏差指数等于参考成组数据曲线偏差指数的待成组储能模块筛选为成组储能电池模块；所述成组数据曲线偏差指数包括端电压曲线偏差指数、内阻曲线偏差指数、容量曲线偏差指数、温度曲线偏差指数、端电压离散度曲线偏差指数、内阻离散度曲线偏差指数、容量离散度曲线偏差指数、温度离散度曲线偏差指数。

11、进一步的，所述成组数据曲线偏差指数采用以下公式：式中，n为第二批预成组储能电池模块的编号，n＝1，2，...，n，n为第二批预成组储能电池模块的总数，为预设时间段内第二批预成组储能电池模块中第n个储能电池模块的第m个成组数据曲线偏差指数，m为成组数据曲线的编号，m＝1，2，...，8，依次表示端电压曲线、内阻曲线、容量曲线、温度曲线、端电压离散度曲线、内阻离散度曲线、容量离散度曲线和温度离散度曲线，分别为预设时间段内第n个待成组储能电池模块的第m个成组数据曲线相关系数和欧式距离，δcdm为预设时间段内待成组储能电池模块的第m个成组数据曲线参考相关系数，为预设时间段内第n个待成组储能电池模块的第m个成组数据曲线参考欧式距离，ωm分别为待成组储能电池模块的第m个成组数据曲线相关系数参考比例和成组数据曲线欧式距离参考比例。

12、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

13、1、通过获取指定大容量新能源储能系统的储能电池模块成组参数，然后获取预设时间段内待成组储能电池模块的成组数据离散度和成组数据曲线，接着根据成组数据偏差指数筛选出第一批预成组储能电池模块，再根据成组数据离散度偏差指数筛选出第二批预成组储能电池模块，最后根据成组数据曲线偏差指数筛选出成组储能电池模块组成对应的储能电池组，从而实现了准确的筛选出成组储能电池模块，进而实现了电池成组稳定性的提高，有效解决了现有技术中电池成组稳定性低的问题。

14、2、通过获取预设时间段各待成组储能电池模块的端电压数据和端电压离散度，然后获取预设时间段各待成组储能电池模块的内阻数据和内阻离散度，接着获取预设时间段各待成组储能电池模块的容量数据和容量离散度，再获取预设时间段各待成组储能电池模块的温度数据和温度离散度，最后通过计算成组数据偏差指数和成组数据离散度偏差指数从单个时间点和时间段两个角度的数据偏差程度进行两次筛选，从而实现了准确的筛选出第二批预成组储能电池模块，进而实现了待成组储能电池模块的更准确筛选。

15、3、通过获取第二批预成组储能电池模块的待成组储能电池模块数据曲线，结合对应的历史数据曲线计算相关系数和欧式距离，然后计算成组数据曲线偏差指数进行筛选，接着获取第二批预成组储能电池模块的待成组储能电池模块离散度曲线，结合对应的历史离散度曲线计算相关系数和欧式距离，再计算成组数据曲线偏差指数进行二次筛选，最后根据参考成组数据曲线偏差指数筛选出成组储能电池模块，从而实现了全面的筛选出不匹配的第二批预成组储能电池模块，进而实现了成组储能电池模块的更准确筛选。