[发明专利]一种用于电池健康度评估的大数据计算方法及系统

说明书

本发明旨在提供一种健康度评价数据适用范围广且评估准确性高的用于电池健康度评估的大数据计算方法及系统。所述用于电池健康度评估的大数据计算方法包括先通过实验室测试获得待测电池匹配型号的原始数据，在执行评估时采集待测电池充放电时的实时数据，利用获得的原始数据和实时数据构建神经网络多层计算模型，并根据计算模型进行待测电池的大数据分析，最终输出电池健康度评估结果。本发明应用于电池监测技术的技术领域。

技术领域

本发明应用于电池监测技术的技术领域,特别涉及一种用于电池健康度评估的大数据计算方法及系统。

背景技术

设备健康度是对设备运行状态、老化程度以及设备发生故障概率的一个综合评价指标。其中，主要是通过获取设备的运行参数来评估设备的运行状态，但是，实际工程中受设备监测条件、环境因素等影响，且很少有能够直接反映设备健康状态的技术参数，因此选取参数的维度有一定难度。对于电化学储能，由于其电池本体材料差异化、充放电性能、运行工况及环境条件的不同，这使得评估电池的健康状况变得很难。

同时，由于现阶段新能源产业的持续发展，使得储能电池的投运规模加大。而随着储能电池的使用规模增大技术问题暴露的也越多，在使用过程中电池燃烧、爆炸等故障频繁的发生，为此对于电池运行状态的持续监测及健康度评估的准确性愈发重要。

现有储能电池健康度评估主要包括以下两种方式：1)基于电池SOH值(健康状态值)的健康度评估方法，该评估方法的实现是依据在标准条件下电池从充满状态以一定倍率放电至截止电压所放出的容量与其所对应的标称容量的比值，但基于SOH值的方式仅适用于单个电池组件的健康状态或单体初始状态一致的电池组，由于储能设备运行一段时间或本身就是退役电池梯次利用，电池组内各个电池单体的初始健康状态本身存在不一致，所以基于SOH值对电池组电池的健康度进行评估的效果比较局限；另外，SOH值评估也不适用于由于突变异常带来的健康度下降的情况；2)基于告警数据的健康度评估方法，该评估方法中告警作为设备状态的直观表现，采用告警数据作为数据集，挖掘储能电池系统运行状态的相关特征，建立健康度评价模型，可以很好地避免了基于设备状态基础参数差异带来的问题；但是，出现告警情况即表明电池系统已经处于明显异常状态，而对于微小异常设备效果不明显；且基于告警信息的方法只适用于能够获取含遥信量的设备，对于没有采集遥信量的设备并不适用。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供了一种健康度评价数据适用范围广且评估准确性高的用于电池健康度评估的大数据计算方法及系统。

本发明所采用的技术方案是：所述用于电池健康度评估的大数据计算方法包括以下步骤：

步骤S1.通过实验室测试获得待测电池匹配型号的原始数据；

步骤S2.采集待测电池充放电时的实时数据；

步骤S3.根据步骤S1和步骤S2获得的数据构建神经网络多层计算模型；

步骤S4.根据计算模型进行待测电池的大数据分析；

步骤S5.输出电池健康度评估结果。

由上述方案可见，通过步骤S1和步骤S2获得原始数据以及待测电池在实际工作时的实时运行数据，根据数据进行电池各项性能的初步运算，并通过运算结果构建神经网络多层计算模型，对各项运算结果进行综合性评估，进而获得更准确的评估结果。同时采用原始数据和实时运行数据执行综合性评估，能够适配于不同种类的电池产品，应用范围更全面。通过构建多维度融合的健康状态评价体系有利于更为全面的反映电池老化特征，从而推动储能电池的精准匹配和高效应用。

一个优选方案是，步骤S1中包括如下具体步骤：在电池实验室条件下对电池样品做原始充放电测试，获取各种测试环境下电池样品的充放电电压、电流数据，并按照电池类型将数据分类录入。

一个优选方案是，步骤2中包括如下具体步骤：在电池常规工况运行环境，通过BMS电池管理系统采集电池的充放电电压、充放电电流、直流功率以及温度数据。