首页 > 资讯 > 多尺度下电池簇的性能评估方法与流程

多尺度下电池簇的性能评估方法与流程

泰然健康网
2025-06-10 14:33

1.本发明属于电池簇的性能评估技术领域，尤其涉及一种多尺度下电池簇的性能评估方法。

背景技术：

2.随着新能源行业的快速发展，储能技术作为支持可再生能源并网，提高传统电力效率、安全性、可靠性和经济性，支撑分布式能源、能源互联网、区域能源管理系统以及电动汽车的关键技术，对改变传统供电模式、实现能源转型以及可再生能源高比例接入、保证能源安全、实现节能减排的目标具有重要意义。
3.电池已经被广泛应用于储能领域，在大规模储能应用中，为了满足能量和容量需求，电池系统一般由多个电池簇并联组成；每个电池簇由多个电池组串联组成，同时电池簇还配置了接触器和断路器，实现电池簇的电气保护；每个电池组由多个单体电池经过并联和串联组成。
4.电池簇作为一个电化学系统，在实际运行与维护的过程中，承担着需量控制、削峰填谷、功率跟随等功能。因此电池簇的性能对内部电芯的安全、寿命，电池簇的控制策略，电气元器件的响应、寿命，乃至整体储能电站的成本与经济性都有着直接的影响。因此，对电池簇性能的精确评估，是储能项目控制策略和运维方案的基础与根本目的。
5.专利cn113589189a提出了一种基于充放电数据特征的锂电池健康状况预测方法。通过建立长短期的记忆网络模型，对电池健康指标数据集进行训练、验证与测试，从而对实际电池系统的健康状况进行预测。同时，算法中也引入了改进的遗传算法，对网络模型参数寻优，提升了预测的准确性。
6.专利cn113657360a提出了一种根据电芯实际充放电运行的电流、电压数据来预测电芯健康状态的方法。通过将电压数据进行区间划分，根据不同区间内的电流计算出电量变化量，再根据高斯过程回归训练获得的预测模型得到锂电池的健康状态参数。
7.专利cn113625172a提出了一钟锂电池储能运营效益影响因子的分析方法。以电池健康度、系统能量损耗率、放电深度作为影响运营效益的关键指标，通过控制变量法找出核心因子，指导电池储能系统的运维工作，带来经济效益。
8.专利cn113589189a中提到的健康状况预测方法，需要制定较为准确的电池健康评价指标，同时有大量与健康状况相关的电池数据积累，难以适应电池簇快速投入运行，进行健康评估的情况。
9.专利cn113657360a中提出的健康状态参数预测方法，在实际的电芯工况下，电芯电压变化频繁，很难通过电芯电压进行区间划分，从而准确的预测对应的电量变化量。
10.专利cn113625172a提出的分析电池储能运营效益影响因子的方法，对于电池系统的默认工况、理论损耗、循环次数等关键信息需要较为精确的前期预测，在实际运营中会受到很大的误差影响。
11.储能用电池系统作为电网中进行能量存储与供给的电化学器件，性能指标一直是
用户侧与电网侧很关心的一个问题。一个储能系统能够提供多少能量，能够搭载多少负载，能够在什么样的环境条件下工作，往往意味着整个局部电网的可靠与否，同时也是实现各种精确调度、快速响应的基础，为电站带来经济收益。
12.当前，绝大多数针对储能系统的性能评估往往集中与电池系统的健康状态评估，这其中主要涉及电池的容量与电池的循环使用寿命；但是储能系统在实际应用中，负载能力、环境适应能力、动态工况响应能力等，都是上层控制单元及电网关心的指标，而关于这些指标的评估与讨论较少。

技术实现要素：

13.本发明要解决的技术问题是为了克服现有技术中储能电池性能评估的准确性较低的缺陷，提供一种多尺度下电池簇的性能评估方法。
14.本发明是通过下述技术方案来解决上述技术问题：
15.本发明提供一种多尺度下电池簇的性能评估方法，包括以下步骤：
16.获取电池簇的可用容量参数、充放电能力参数、温升特性参数、自放电参数、电池簇的电芯的剩余寿命；
17.根据可用容量参数、充放电能力参数、温升特性参数、自放电参数、剩余寿命的加权和得到电池簇的性能参数，
18.其中，性能参数property
cluster
＝α1·khealth
+α2·kdiscrepancy
+α3·kload
+α4·kheat
+α5·kicr
，k
health
表征剩余寿命，k
discrepancy
表征可用容量参数，k
load
表征充放电能力参数，k
heat
表征温升特性参数，k
icr
表征自放电参数，0《αi《1，且
19.较佳地，
20.其中，c
cluster
表征电池簇的容量，soci表征电池簇的单体电芯soc值，ci表征电池簇的单体电芯的容量，ncluster表征电池簇内的单体电芯个数。
21.较佳地，
[0022][0023]
其中，p
cluster
＝f(t,soc)，p
cluster
表征电池簇的最大充放电功率，pi表征电池簇的单体电芯的最大充放电功率，ncluster表征电池簇内的单体电芯个数，t表征环境温度。
[0024]
较佳地，
[0025]
其中，t
cluster
表征实际应用中电池簇的温升特性，表征电池簇的单体电芯的温升特性，ncluster表征电池簇内的单体电芯个数。
[0026]
较佳地，
[0027]
其中，k
icr
表征电池簇的
电芯的自放电k值，ocv1表征静置初期的电芯开路电压，ocv2表征静置末期的电芯开路电压，t1表征静置初期的相对时刻，t2表征静置末期的相对时刻，k
cluster
表征电池簇的预期正常自放电k值，ncluster表征电池簇内的单体电芯个数。
[0028]
较佳地，获取剩余寿命，包括：
[0029]
对与电芯同型号的电芯样本进行电芯老化测试，以得到剩余寿命与电流倍率、环境温度、放电深度、循环次数的耦合关系。
[0030]
较佳地，获取充放电能力参数，包括：
[0031]
对与电芯同型号的电芯样本进行电芯充放电功率能力测试，根据电池簇实际极限工况得到实际充放电能力。
[0032]
较佳地，实际极限工况包括电芯截止电压时的电池簇总电流、达到最高截止温度时的历史平均工况。
[0033]
较佳地，获取温升特性参数，包括：
[0034]
对与电芯同型号的电芯样本在恒温恒湿的环境箱内进行电芯不同工况的温升特性测试以得到温升特性t
heat
。
[0035]
较佳地，性能评估方法还包括：
[0036]
根据电池簇设置的环境设置与环境对应的αi。
[0037]
本发明的积极进步效果在于：本发明基于多尺度对电池簇性能进行评估，使得电池簇的各项性能能够得到综合性的评估，提高了电池簇性能评估的准确性，为进一步的调度与分析提供精确的数据与指标。
附图说明
[0038]
图1为本发明的一较佳实施例的多尺度下电池簇的性能评估方法的流程图。
具体实施方式
[0039]
下面通过一较佳实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
[0040]
本实施例提供一种多尺度下电池簇的性能评估方法。参照图1，该多尺度下电池簇的性能评估方法包括以下步骤：
[0041]
步骤s1、获取电池簇的可用容量参数、充放电能力参数、温升特性参数、自放电参数、电池簇的电芯的剩余寿命。
[0042]
步骤s2、根据可用容量参数、充放电能力参数、温升特性参数、自放电参数、剩余寿命的加权和得到电池簇的性能参数。
[0043]
其中，性能参数property
cluster
＝α1·khealt
h+α2·kdiscrepancy
+α3·kload
+α4·kheat
+α5·kicr
，k
health
表征剩余寿命，k
discrepancy
表征可用容量参数，k
load
表征充放电能力参数，k
heat
表征温升特性参数，k
icr
表征自放电参数，0《αi《1，且
[0044]
具体实施时，获取剩余寿命，包括：对与电芯同型号的电芯样本进行电芯老化测试，以得到剩余寿命与电流倍率、环境温度、放电深度、循环次数的耦合关系。
[0045]
单体电芯的剩余使用寿命受到电芯循环使用寿命决定，同时也决定于电芯的实际使用工况，直接影响电池簇的可使用容量。通常的电芯剩余寿命估计的方法有循环日历寿
命表格、粒子滤波等方法，通过对电芯电压、电流数据的直接处理，可以得到电芯的实际剩余使用寿命估计。
[0046]
获取充放电能力参数，包括：对与电芯同型号的电芯样本进行电芯充放电功率能力测试，根据电池簇实际极限工况得到实际充放电能力。其中，实际极限工况包括电芯截止电压时的电池簇总电流、达到最高截止温度时的历史平均工况。
[0047]
电池簇对外会输出功率带动负载。而电池簇的充放电能力除了受到电池簇额定功率的限制之外，还与电池簇的荷电状态，外部环境温度等因素有关，即：
[0048][0049]
其中，p
cluster
＝f(t,soc)，p
cluster
表征所述电池簇的最大充放电功率，pi表征所述电池簇的单体电芯的最大充放电功率，ncluster表征所述电池簇内的所述单体电芯个数，t表征环境温度。
[0050]
电池簇的实际可用容量除了受电芯的剩余使用寿命影响之外，还收到电池簇内电芯的一致性影响。过大的一致性差异往往会导致电池簇在实际使用工况中，由于最高电压电芯、最低电压电芯率先达到单体电芯的安全使用电压阈值从而导致电池簇无法继续输出功率。因此，电池簇的可用容量是由所有电芯可充入电量的最小值与可放出电量的最大值相加决定的，即：
[0051][0052][0053]
其中，c
cluster
表征电池簇的容量，soci表征电池簇的单体电芯soc值，ci表征电池簇的单体电芯的容量，ncluster表征电池簇内的单体电芯个数。
[0054]
获取温升特性参数，包括：对与电芯同型号的电芯样本在恒温恒湿的环境箱内进行电芯不同工况的温升特性测试以得到温升特性t
heat
。得到的温升特性t
heat
作为输入。实际应用中电池簇的温升特性为t
cluster
。那么温升特性参数计算公式为：
[0055]
其中，t
cluster
表征实际应用中电池簇的温升特性，表征电池簇的单体电芯的温升特性。
[0056]
由于电池是一个电化学系统，当外界温度过高、运行工况过于剧烈或者电池系统热涉及不合理时，会导致电池簇温度过高，从而影响电池的使用寿命，严重时还会导致热失控等安全问题。单体电芯的温升往往可以看作电芯内部内阻产热及电化学产热与电芯金属外壳外面的环境温度进行的热交换，从而进行温度场的建模；而电池簇的温升特性往往还受到电池簇的电芯结构所决定，电芯的排列方式，散热结构的布局，连接器件的阻抗等，都是电池簇温度场建模需要考虑的因素。
[0057]
其中，表征所述电池簇的单体电芯的kicr
，k
icr
表征所述电池簇的电芯的自放电k值，ocv1表征静置初期的电芯开路电压，ocv2表征静置末期的电芯开路电压，t1表征静置初期的相对时刻，t2表征静置末期的相对时刻，k
cluster
表征所述电池簇的预期正常自放电k值。
[0058]
电芯在制造缺陷、并联内部环流过大、过充过放、循环老化等因素的影响下，电芯也有出现内短路、自放电等现象的概率。这些电化学现象也会对电池簇的性能，比如充入电量与放出电量比值的充放电效率，产生直接影响。自放电现象一般是通过静置一段时间的k值进行评价，同时也可以采用健康电芯与内短路电芯特制值比较的方式对运行工况的电压电流数据进行评估，筛选出内短路电芯。
[0059]
本实施例的性能评估方法还包括：根据电池簇设置的环境设置与环境对应的αi。
[0060]
在一些具体应用场景中，property
cluster
＝α1·khealth
+α2·kdiscrepancy
+α3·kload
+α4·kheat
+α5·kicr
，
[0061]
该计算表达式中的αi(i∈[1,5])可以根据实际项目的盈利关注点进行调整。例如相较于通常电站储能，海上光伏储能系统往往处于孤岛的状态，岛上的电器、空调、通讯设备等都需要储能单元进行供电。那么往往该应用场景中，关于电池簇的自放电参数的关注程度更高，即相对应的权重αi越高。
[0062]
例如，某孤岛光伏储能系统，设定α1＝0.4，α2＝0.2，α3＝0.05，α4＝0.05，α5＝0.3。
[0063]
那么在系统刚组建好时，由于工艺差异等一致性因素，会得到k
health
＝1、k
discrepancy
＝0.99、k
load
＝1、k
heat
＝1、k
icr
＝1。计算得到property
cluster
＝0.998。
[0064]
经过一段时间的运行，收到海水侵蚀、昼夜温差、长时间静置等因素的影响，k
health
＝0.95、k
discrepancy
＝0.9、k
load
＝0.98、k
heat
＝1、k
icr
＝0.8。计算得到property
cluster
＝0.899。
[0065]
在此应用场景中，相比较通常的储能系统健康程度k
health
＝0.95，显然property
cluster
＝0.899，更能准确地反应出储能系统的性能。
[0066]
电池簇在电网的并网端口通常只体现在簇总压、簇总电流与簇的功率输出，往往从电网侧很难直接识别电池簇的状态与各项性能，因此需要电池簇对自己的性能进行评估并进行信息上送，进而使得电网侧对电池簇的运维进行指导。
[0067]
电池簇的性能除了通常所关心的健康状态外，在实际电站的运行当中，功率跟随特性也十分重要，而输出功率的能力往往还决定于电池簇的剩余寿命、充放电能力等。同时，电池簇的电化学性能，比如自放电等特性，也直接决定了电池簇的性能与安全。因此，在对电池簇的性能评估时，需要在多尺度下，针对电池簇的不同性能进行分别评估，从而可以得到电池簇的综合性能指标。
[0068]
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。