梯次利用储能系统的电压一致性评估方法及装置

    公开(公告)号:CN118444182B

    公开(公告)日:2025-04-15

    申请号:CN202410665758.0

    申请日:2024-05-27

    Abstract: 本申请涉及动力电池评估技术领域,特别涉及一种梯次利用储能系统的电压一致性评估方法及装置,其中,方法包括:获取动力电池模组的模组电压数据和模组电流数据,并对模组电压数据和模组电流数据进行筛选,以得到动力电池模组的稳态电压数据;计算稳态电压数据的标准差序列,并利用线性插值和滤波方法对标准差序列进行计算,得到标准差追随序列;将标准差追随序列向预设百分区间进行映射,以得到动力电池模组的最终一致性评估结果。由此,实现了以电池模组工作电压的标准差作为一致性评价指标,消除异常数据点和噪声的影响的同时,直观地反映出电池系统的一致性,最终实现大规模电池储能系统海量运行数据的评估。

    一种动态可重构电池网络中电池模组充放电管理方法及系统

    公开(公告)号:CN119362643A

    公开(公告)日:2025-01-24

    申请号:CN202411463574.2

    申请日:2024-10-18

    Abstract: 本发明公开一种动态可重构电池网络中电池模组充放电管理方法及系统,涉及储能电池技术领域,该方法包括:实时采集动态可重构电池网络在充放电过程中各并联的电池模组的运行数据;根据各电池模组的运行数据和所述动态可重构电池网络的功率因子确定所述动态可重构电池网络的充放电控制模式;所述充放电控制模式包括全选模式和非全选模式,所述全选模式为所述动态可重构电池网络中所有电池模组均参与充放电,所述非全选模式为选择所述动态可重构电池网络中部分电池模组参与充放电;所述功率因子为所述动态可重构电池网络的实际运行功率与额定功率的比值。本发明提高了充放电的安全性。

    基于深度强化学习的动态可重构电池网络容量均衡方法

    公开(公告)号:CN119298264A

    公开(公告)日:2025-01-10

    申请号:CN202411233809.9

    申请日:2024-09-04

    Abstract: 本申请涉及动态可重构电池储能系统的容量均衡技术领域,特别涉及一种基于深度强化学习的动态可重构电池网络容量均衡方法,其中,方法包括:获取动态可重构电池网络在充放电过程中的至少一个电池单体和/或至少一个电池模组的荷电状态;将荷电状态输入至预先训练的深度强化学习模型中,以得到动态可重构电池网络的控制指令;响应于控制指令,重构动态可重构电池网络,以使得重构后的动态可重构电池网络的容量均衡能力满足预设容量均衡条件。由此,解决了相关技术中,动态可重构电池网络是一个高度复杂的非线性时变动态系统,随着电池单体数量的增加,其复杂度会极大增加,导致动态可重构电池网络无法精准控制,难以实现全局最优等问题。

    可重构电池网络的均衡控制方法、装置、设备及存储介质

    公开(公告)号:CN118983916A

    公开(公告)日:2024-11-19

    申请号:CN202411137158.3

    申请日:2024-08-19

    Abstract: 本发明涉及电子技术领域,公开了可重构电池网络的均衡控制方法、装置、设备及存储介质,本发明的方法,基于各电池第二时刻的电池模型参数来预测对应第三时刻的荷电状态参数,各电池在第二时刻的电池模型参数是通过将对应电池在第一时刻的电池模型参数、电流和电压数据输入预先构建的电池模型参数计算模型中进行计算得到的,通过各电池从初始时刻至第二时刻中表征电池运行的状态的电压和电流数据以及电池模型参数计算模型来计算对应电池第二时刻电池模型参数,计算得到的电池模型参数考虑了电池从初始时刻至第二时刻的运行状态,利用电池在第二时刻模型参数可以准确预测第三时刻的荷电状态参数,便于实现对电池储能系统的均衡运行优化控制。

    锂离子电池健康状态预测方法、系统、设备及存储介质

    公开(公告)号:CN118837755A

    公开(公告)日:2024-10-25

    申请号:CN202411321451.5

    申请日:2024-09-23

    Abstract: 本发明公开了一种锂离子电池健康状态预测方法、系统、设备及存储介质。现有的多种电池健康状态预测方法有着各自的缺陷。本发明采用的方法,包括:获取锂离子电池充放电循环过程中平均电压、平均电流、平均温度、采集时间以及电池健康状态的时序数据,并按照电池健康状态作为目标值和其余数据作为属性值的标准进行分类;建立LSTM模型,设定LSTM模型的超参数;采用基于Choquet积分的数据集维度调整法对训练数据集进行非加性维度调整;用所述调整后的训练数据集进行LSTM模型的预训练和再训练,得到再训练LSTM模型;用再训练LSTM模型对下一时刻电池健康状态数据进行预测。本发明在尽可能保证模型预测精度的前提下降低数据集的维度,大幅降低了计算的复杂度。

    一种储能系统的耦合电路模型及其仿真分析方法

    公开(公告)号:CN117829063A

    公开(公告)日:2024-04-05

    申请号:CN202311721256.7

    申请日:2023-12-14

    Abstract: 本发明公开了一种储能系统的耦合电路模型及其仿真分析方法,耦合电路模型包括:电池电路、电力电子开关电路和触发电路,其中,电池电路,其负极与负载或母线连接,其正极与所述电力电子开关电路的漏极连接,用于计算电池的荷电状态时模拟电池的非线性效应;电力电子开关电路,其漏极与所述电池电路的正极连接,其源极与负载或母线连接;其栅极与源极均与触发电路连接,用于根据触发电路导通电力电子开关电路。本发明通过电池电路、电力电子开关电路的耦合连接,考虑电池的非线性效应,建立在电池电路与电力电子开关电路耦合工作模式下的电路模型,进行暂态、性能提升方面的研究及确定模型的仿真分析,提高了储能系统的安全性。

Patent Agency Ranking