[发明专利]一种基于物联网的储能电池健康管理预测方法及系统

说明书

本发明公开一种基于物联网的储能电池健康管理预测方法及系统，其中预测方法包括：步骤1：本地BMS模块进行采样，并结合内置参数通过通讯模块向云端平台上传实时数据；步骤2：云端平台根据实时数据获取参与计算的数据；步骤3：云端平台建立电池健康模型；步骤4：云端平台通过多次采样的数据对电池健康模型进行训练；步骤5：云端平台通过计算得到实际SOH值，并将实际SOH值回传至人机交互模块，人机交互模块显示实际SOH值。

技术领域

本发明涉及锂电池健康管理领域，具体而言，涉及一种基于物联网的储能电池健康管理预测方法及系统。

背景技术

随着储能市场的日益壮大，锂电池由于其能量密度高、寿命长、承受功率大等特点，开始取代铅酸电池的地位，同时，由于锂电池的安全性相比铅酸电池有一定差距，因此，电池的健康管理在锂电池系统成为了不可缺少的一部分。在电池的健康管理中，电池健康度(state of health,以下简称soh)作为最重要的两个参数之一，直接决定储能系统还能存储多少电量，并且与电池容量soh的计算密切相关，因此，其重要性不言而喻。如果能在复杂的动态使用环境中准确的预测每块电池的健康状态与使用寿命，则会对电池的梯次利用、电池故障检测意义重大，同时，对系统的安全性起到特别积极的作用。

目前，常用soh的计算方法有两种，分别为：

第一种，soh＝(安时积分电量/开路电压法电量)×100％。此种计算方法必须在稳定低电流的时候计算才能得到比较接近真实值的电池健康状态，而在实际的储能项目中，一般都是大功率的、电流持续变化的工作状态。因此，很难达到计算soh的条件；

第二种，根据电池内阻的变化，得到电池健康状态。而在此方法中，电池内阻在实际的储能项目中很难直观获得。

因此，在实际的储能项目中，如何直观、准确地获取锂电池系统的soh成为业内待解决的问题。

发明内容

为了解决上述问题，本发明提供一种基于物联网的储能电池健康管理预测系统及方法，通过物联网平台与云数据库通过BP神经网络算法训练，建立温度、截止电压、当前电流、当前电压、电池工作时间、循环次数、soc值(state of charge，为电池剩余电量百分比，以下简称为soc)、额定容量与电芯soh的关系，并且在云端数据越多的情况下，本发明可以使电芯soh越接近真实值，用以直观、准确地获取实际储能项目中锂电池系统的soh。

为达到上述目的，本发明提供了一种基于物联网的储能电池健康管理预测方法，其包括以下步骤：

步骤1：本地BMS模块进行采样，并结合内置参数通过通讯模块向云端平台上传实时数据，其中，所述实时数据包括：当前电流、当前soc、当前温度、电池工作时间、额定容量、循环次数、当前电压、充电截止电压和放电截止电压；

步骤2：云端平台根据实时数据获取参与计算的数据，其中，参与计算的数据包括放电倍率、过充过放次数和放电深度；

步骤3：云端平台使用通过步骤1和步骤2得到的当前温度、放电倍率、放电深度、循环次数、过充过放次数与当前soc建立电池健康模型，电池健康模型包括输入层、隐藏层和输出层；

步骤4：云端平台通过多次采样的数据对电池健康模型进行训练；

步骤5：云端平台通过计算得到实际SOH值，并将实际SOH值回传至人机交互模块，人机交互模块显示实际SOH值。

在本发明一实施例中，其中，步骤1中实时数据采样的方法具体为：

每5秒获取一次当前电流，所述当前电流用I表示，单位为A；

每5秒获取一次当前soc，所述当前soc用SOC表示；

每5秒获取一次电池当前温度，所述当前温度用T表示，单位为℃；