[發明專利]一種用于分布式儲能系統的鋰電池狀態估計方法有效
| 申請號： | 202010826666.8 | 申請日： | 2020-08-17 |
| 公開（公告）號： | CN112098845B | 公開（公告）日： | 2021-08-31 |
| 發明（設計）人： | 孟錦豪;彭紀昌;馬俊鵬;王順亮;劉天琪 | 申請（專利權）人： | 四川大學 |
| 主分類號： | G01R31/367 | 分類號： | G01R31/367;G01R31/388;G01R31/392;G06N3/04;G06N3/08 |
| 代理公司： | 北京正華智誠專利代理事務所(普通合伙) 11870 | 代理人： | 李林合 |
| 地址： | 610064 四川*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 用于 分布式 系統 鋰電池 狀態 估計 方法 | ||
本發明公開了一種用于分布式儲能系統的鋰電池狀態估計方法，屬于鋰離子電池應用領域。該方法包括采用門控循環單元循環神經網絡建立基于深度學習的鋰電池健康狀態估計模型；采用鋰電池的二階等效電路模型聯合擴展卡爾曼濾波算法，實時估計分布式儲能單元管理系統的鋰電池荷電狀態；通過信息交互同步更新鋰電池荷電狀態估計過程中的電池容量和鋰電池健康狀態估計模型。本發明在不增加系統硬件成本的前提下，通過信息交互，為SOC估計提供了準確的鋰電池容量，同時為大數據SOH估計模型提供了訓練樣本；進而提高了系統中鋰電池SOC與SOH的估計精度，便于后續有效完成系統的能量管理與調度。
技術領域
本發明涉及鋰離子電池應用領域，具體涉及一種用于分布式儲能系統的鋰電池狀態估計方法。
背景技術
近年，隨著新能源汽車的快速發展，鋰離子電池技術也得到了顯著提升，其能量密度逐年提升，價格卻在不斷下降，是未來極具潛力的電力儲能元件。當前大規模的鋰電池儲能應用仍然有一定困難，在安全性、成本等各方面面臨著一系列挑戰。將分散的儲能單元聯合調度，是充分發揮分布式儲能在電力系統中應用價值的重要手段。
在此應用場景下，精確的鋰電池荷電狀態(State of Charge,SOC)與健康狀態(State of Health,SOH)仍然是實現高效調度的必備參數。目前，儲能單元對鋰電池SOC及SOH的估計僅依賴于各分布式儲能單元自身配備的電池管理系統(Battery ManagementSystem,BMS)，而所配備的BMS由于受成本制約，處理器并不具備強大的計算能力，僅能運行復雜度相對較低的算法，導致BMS對鋰電池的SOC及SOH估計精度有限。
發明內容
針對現有技術中的上述不足，本發明提供了一種用于分布式儲能系統的鋰電池狀態估計方法。
為了達到上述發明目的，本發明采用的技術方案為：
一種用于分布式儲能系統的鋰電池狀態估計方法，包括以下步驟：
S1、采用門控循環單元循環神經網絡建立基于深度學習的鋰電池健康狀態估計模型；
S2、采用鋰電池的二階等效電路模型聯合擴展卡爾曼濾波算法，實時估計分布式儲能單元管理系統的鋰電池荷電狀態；
S3、將數據調度中心估計的鋰電池健康狀態信息與分布式儲能單元電池管理系統記錄的歷史數據進行信息交互，同步更新鋰電池荷電狀態估計過程中的電池容量和鋰電池健康狀態估計模型。
優選地，所述步驟S1具體包括：
針對各個分布式儲能單元的鋰電池進行離線加速老化測試，采集鋰電池充電過程中的電流、電壓和溫度數據作為訓練樣本，采用門控循環單元循環神經網絡建立基于深度學習的鋰電池健康狀態估計模型。
優選地，所述鋰電池健康狀態估計模型的訓練方法為：
S11、初始化模型參數，所述模型參數包括學習率η，慣量β，隱含層權重系數Wz、Wr、Wh、Wx、bz、br、bh，輸出層權重系數Wo、bo；
S12、計算前向傳播參數，表示為：
rt＝σ(Wr[ht-1,xt]+br)
zt＝σ(Wz[ht-1,xt]+bz)
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于四川大學，未經四川大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010826666.8/2.html，轉載請聲明來源鉆瓜專利網。
