[發明專利]一種儲能電站站內電池單體壽命預測方法及系統

有效

• 申請號: 202010621694.6
• 申請日: 2020-06-30
• 公開（公告）號: CN111880099B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 林達;唐雅潔;張楊;趙波;張雪松;章雷其;李志浩;趙顯赫;耿光超
• 申請（專利權）人: 國網浙江省電力有限公司電力科學研究院;浙江大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G01R31/396
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 張建青

1.一種儲能電站站內電池單體壽命預測方法，其特征在于，采集多個電池容量循環退化的歷史測試數據，提取反映電池退化信息的初步特征，通過彈性網絡對初步特征進行篩選，提取對電池剩余使用壽命預測結果影響程度高的二次特征作為最終訓練特征，接著利用篩選出的二次特征對神經網絡模型進行訓練，最終求出神經網絡模型的最優權值矩陣，并利用訓練完畢的神經網絡模型對電池未來壽命進行預測；

所述的通過彈性網絡對初步特征進行篩選，其具體為：在代價函數J(β)中引入正則項P_a(β)，求解使代價函數最小時的正則化線性回歸的系數，其中a為彈性網絡的系數，β為正則化線性回歸系數向量；

所述的提取對電池剩余使用壽命預測結果影響程度高的二次特征作為最終訓練特征，其具體為：篩選已求得的回歸系數向量β中不為0的系數所對應的二次特征X，用于神經網絡模型的訓練；

所述的利用篩選出的二次特征對神經網絡模型進行訓練，其具體為：將電池前n個周期的二次特征X作為模型的輸入，壽命Y作為模型的輸出，采用貝葉斯迭代的方法，利用(X,Y)求解神經網絡模型的最優權值矩陣W；

所述的利用訓練完畢的神經網絡模型對電池未來壽命進行預測，其具體為：以提取用于訓練神經網絡模型的電池二次特征X的相同方式從待預測壽命電池的前n個周期循環充/放電過程數據中提取二次特征X_p，即先從待預測壽命電池的前n個周期循環充/放電過程數據中提取20個初始特征，再通過同一彈性網絡篩選出二次特征X_p，作為神經網絡模型的輸入，神經網絡模型將輸出該電池未來壽命預測結果。

2.如權利要求1所述的儲能電站站內電池單體壽命預測方法，其特征在于，

儲能電站站內電池壽命是指：從測試時起，在電池健康狀態達到電池最低允許容量與電池出廠最大容量的比值前，電池可進行的最大循環充放電次數；

所述的提取反映電池退化信息的初步特征，其具體為：通過電池單體在前n個周期循環充/放電過程中的測試數據，初步提取20個特征作為用于輸入彈性網絡的初始特征。

3.如權利要求2所述的儲能電站站內電池單體壽命預測方法，其特征在于，所述的電池允許的最低放電容量與電池的初始最大放電容量的比值表達式為：

其中，Q_i,min為電池允許的最低放電容量，Q_i,0為電池的初始最大放電容量，i為電池序號。