[发明专利]储能电站电池工况健康状态预测方法及系统

说明书

本发明公开了一种储能电站电池工况健康状态预测方法及系统。本发明的预测方法包括：获取储能电站电池历史运行数据，对原始数据进行预处理；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；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；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。本发发明在保证一定精度的同时降低电池健康状态评估对电池数据的需求，提高电池健康状态预测和评估的精度。

技术领域

本发明涉及储能电池技术领域，特别是一种储能电站电池工况健康状态预测方法及预测系统。

背景技术

随着电化学储能技术的发展，锂离子电池的成本逐年下降，除动力电池外，以磷酸铁锂电池为代表的大量储能电池被投放到电化学储能领域。同时电动汽车产业发展也带来了动力电池到了退役潮，大量的退役动力电池一方面被直接拆解回收，一些性能较好的退役电池被分选后进入梯次利用阶段，这些梯次电池也往往用于用户侧储能特别是调峰场景。储能电池投运装机量一般较大，对电池健康状态进行评估和预测对系统的健康稳定运行至关重要，准确的状态评估和趋势预测有助于发现问题电池方便系统维护，保证了储能系统的健康稳定。

常规的数据驱动SOH预测方法：当前对电池的SOH预测一般采用直接利用电池衰退历史数据来拟合经验衰退模型或一些常用的数据驱动模型，该方法可以很容易捕捉到电池衰退的规律，某些场景下取得较好的效果。该方法需要大量的较为完整的电池衰退历史数据进行模型的拟合，一般为线性衰退或指数衰退过程，并不适用于周期影响因素(如温度等)叠加的情况，同时对电池衰退历史数据要求较高，一般是较为完整的充放电数据，否则需要先对电池进行SOH估计再利用估计值实现SOH预测，造成误差叠加。

发明内容

针对电池充放电数据不完整电池容量(能量)真值难以直接获取的问题，本发明提供一种储能电站电池工况健康状态预测方法及预测系统，其通过截取平台区容量(能量)来近似电池全区间容量(能量)，在保证一定精度的同时降低电池健康状态评估对电池数据的需求，适用于工作在调峰工况下的储能系统SOH评估，解决复杂环境下储能电池健康状态多模态叠加的问题，采用相应的信号分解算法实现电池SOH序列复杂因素的解耦合，从而关注电池衰退的本质规律，提高电池健康状态预测和评估的精度。

为此，本发明采用的一种技术方案如下：储能电站电池工况健康状态预测方法，其包括：

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。

针对电池充放电数据不完整电池容量(能量)真值难以直接获取的问题，提出采用电池平台区的容量(能量)作为电池的健康状态参考值。其中电池平台区包含了电池的80％左右的容量(能量)，对于储能磷酸铁锂电池曲线，平台区和电池的两段的快速极化区可以很容易进行区分。

由于现场电池电压、电流采样频率较低的问题，常用的基于容量增量曲线特征、差分电压特征的方法由于精度问题基本不可用，为了尽量减小采样精度对特征计量值的影响，采用电流积分方法获取电池平台区累计安时数，以此作为电池的容量健康状态的参考依据。