[发明专利]储能电站电池工况健康状态预测方法及系统

权利要求书

1.储能电站电池工况健康状态预测方法，其特征在于，包括：

步骤1：获取储能电站电池历史运行数据，对原始数据进行预处理；

步骤2：根据电池的特性，截取电池的平台电压区间，以此为参考从历史运行数据充电段中获取一段时间的电池充电平台区间电压电流数据，并通过安时积分获取每次的充电容量值，获取原始的电池健康状态变化序列；

步骤3：使用经验模态分解算法从原始的电池健康状态变化序列中分离出电池周期变化段和线性衰退段；

步骤4：分别建立周期变化段和线性衰退段的数据驱动模型，实现电池线性衰退段和季节性周期段的变化趋势预测。

2.如权利要求1所述的储能电站电池工况健康状态预测方法，其特征在于，步骤1中，所述储能电站电池历史运行数据包括：电池组电压数据、电池组电流数据、电池单体电压数据、电池单体电流数据、电池单体温度数据、电池模块温度数据及储能电站运行的累计时间；

所述的数据预处理：采用数据插值，将数据的采样间隔统一；对已经统一采样间隔的数据进行去除离群点、插补和平滑处理。

3.如权利要求1所述的储能电站电池工况健康状态预测方法，其特征在于，步骤2中，电池的平台电压区间通过电池容量增量曲线进行界定，要求电压平台包括电池容量增量曲线的所有峰。

4.如权利要求3所述的储能电站电池工况健康状态预测方法，其特征在于，步骤2中，所述电池容量增量曲线由以下方法获取：

获取电池在某充电倍率下的完整充电段电压、电流数据；

通过安时积分法获取电池在充电过程中各个采样点的累计充电安时数得到电池电压-容量曲线；

设置合理的电压间隔dV，通过线性插值方法获取按固定电压间隔增加的电压-容量曲线，随后通过差分方法获取电池IC曲线数据，如下式：

上式中，dV为电压间隔，dQ为电池等电压间隔对应的容量，IC为电池容量增量。

5.如权利要求4所述的储能电站电池工况健康状态预测方法，其特征在于，步骤2中，基于电池IC曲线定量固定电池平台区的电压区间，得到获取平台区容量的基准值；基于平台区容量的基准值，截取每一次电池充电段数据，通过安时积分法获取电池的充电段平台区容量序列，即为原始的电池健康状态变化序列。

6.如权利要求1所述的储能电站电池工况健康状态预测方法，其特征在于，步骤3的具体步骤如下：

a.根据从原始信号中找出的全部局部极大值和极小值点，借助曲线拟合方法，构造出原始信号的上包络线和下包络线；所述的原始信号取自原始的电池健康状态变化序列；

b.求上、下包络线的均值并构造均值曲线，然后用原始信号减去该曲线，得到信号的中间分量；

c.判断所得的信号中间分量是否满足本征模函数IMF的约束条件：如果满足，则该分量就是一个IMF；如果不满足，则以该分量为待分解信号重复步骤a至步骤b，直到满足IMF的约束条件，或筛分门限值小于预设门限值；

d.通过上述步骤得到第一个IMF后，用原始信号与该第一个IMF相减，作为新的原始信号重复步骤a至步骤c，迭代直到残差分量满足预设条件，剩余信号分量即为残差分量，迭代结束；

经过以上分解过程，原始的电池健康状态变化序列被分解为若干经验模态分量及残差序列，其中残差序列多是信号的噪声，忽略；若干经验模态分量序列包括一些类周期信号序列及近似线性衰退信号序列。