基于经验模型的储能电站循环寿命估算方法、系统、装置及介质与流程

本发明属于储能电站，涉及一种基于经验模型的储能电站循环寿命估算方法、系统、装置及介质。

背景技术：

1、当前储能循环寿命估算方法主要可以分为以下几类：一是经验模型法，根据实际测试和观测数据建立统计模型，通过对大量的循环测试数据进行分析和回归以推断电池的循环寿命，优点是比较简单、计算速度快、对数据要求不高，缺点是可能存在参数选择的主观性、不一定能够很好地适应新的工况和系统变化；二是半经验模型法，结合了基于电池内部物理和化学机理的详细模型以及基于实际运行数据统计得出的经验特征以预测电池的寿命，优点是综合了物理原理与数据拟合，具有一定的灵活性和预测准确性，但缺点是需要较大的工作量和专业知识，并且模型的训练和参数调整也需要经验的指导和实验验证；三是机器学习模型，不同于前述预测方法源于一定的物理假设或经验，而是将电池处理为“黑匣子”，并由大数据出发高效率地构造出隐式老化模型，以此有助于更早、更快、更准确地预测电池寿命，优点是具有较强的拟合能力和预测能力，能够对复杂的非线性关系进行建模和预测，缺点是模型的建立和训练过程需要大量的数据和计算资源，另外模型的可解释性也较差。目前上述的储能循环寿命估算方法主要针对于储能电池或者电芯级的循环寿命估算，对储能电站级循环寿命的估算研究仍然较少，另外，储能电站级数据的获取相较于电芯级的实验测试数据存在数据量少、无法获取设定条件下的数据信息等问题。

技术实现思路

1、本发明的目的在于解决现有技术中针对储能电站级循环寿命的估算研究仍然较少，储能电站级数据的获取相较于电芯级的实验测试数据存在数据量少、无法获取设定条件下的数据信息的问题，提供一种基于经验模型的储能电站循环寿命估算方法、系统、装置及介质。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、基于经验模型的储能电站循环寿命估算方法，包括：

4、获取所需进行循环寿命预测的储能电站实际额定能量容量est以及所配置的电芯种类为a；

5、对储能电站进行周期性容量测试，得到储能电站第n次标定后的实际充电电量为echa_n和放电电量为edis_n，进而得到第n次储能电站对应的健康状态sohst_n；

6、基于第n次标定周期以前的累计充放电量分别为eacc_n和储能电站实际额定能量容量est，获取第n次时电站已经经历的等效循环次数cycn；

7、考虑循环深度、温度和充放电速率对储能电站的影响，建立电芯a健康状态sohba(n)的数学模型；

8、基于第n次储能电站对应的健康状态sohst_n、电芯a在已经经历的等效循环cycn次的健康状态sohba(cycn)和电芯a健康状态sohba(n)的数学模型，预测储能系统健康状态sohpre(n)；

9、基于储能电站健康状态的退役要求sohretire、储能系统健康状态sohpre(n)与电芯a的测试等效循环次数n之间的数学表达式，计算得到储能系统退役时的等效循环次数，实现对储能电站循环寿命的估算。

10、本发明的进一步改进在于：

11、进一步的，得到第n次储能电站对应的健康状态sohst_n，具体为：

12、sohst_n＝(echa_n+edis_n)/2est (1)

13、其中，ntref不大于储能电站实际已投运时间tst。

14、进一步的，获取第n次时电站已经经历的等效循环次数cycn，具体为：

15、cycn＝ eacc_n/2est (2)

16、进一步的，建立电芯a健康状态sohba(n)的数学模型，具体为：

17、sohba(n)＝kδ[γ(t-t0)×nα+ρ×nβ]×d×c                (3)

18、其中，n为电池电芯的测试等效循环次数，d是循环深度，c是充放电倍率，α、β、ρ是与循环次数有关的常数，γ是与循环深度衰减曲线形状有关的常数，t是当前温度，t0是参考温度，δ是与温度衰减率有关的常数，k是与充放电速率衰减率有关的常数。

19、进一步的，基于第n次储能电站对应的健康状态sohst_n、电芯a在已经经历的等效循环cycn次的健康状态sohba(cycn)和电芯a健康状态sohba(n)的数学模型，预测储能系统健康状态sohpre(n)；具体为：储能电站循环寿命小于电芯循环寿命，储能电站的循环寿命按照一定比例λn进行折算，储能系统健康状态sohpre(n)与电芯a健康状态sohba(n)的数学模型的关系为：

20、sohpre(n)＝λnsohba(n)                        (4)

21、

22、其中，sohba(cycn)为电芯a在已经经历的等效循环cycn次的健康状态。

23、进一步的，储能电站健康状态的退役要求sohretire与储能设备的出厂设定有关，属于人为设定；

24、得到储能系统退役时的等效循环次数，具体为：将储能电站健康状态的退役要求sohretire与储能系统健康状态的百分比输入至电芯a健康状态sohba(n)的数学模型中，获取电芯a的测试等效循环次数n，并基于储能系统健康状态sohpre(n)与电芯a健康状态sohba(n)的数学模型之间的比例系数λn，得到最终的储能系统退役时的等效循环次数。

25、基于经验模型的储能电站循环寿命估算系统，包括：

26、第一获取模块，所述第一获取模块获取所需进行循环寿命预测的储能电站实际额定能量容量est以及所配置的电芯种类为a；

27、测试模块，所述测试模块对储能电站进行周期性容量测试，得到储能电站第n次标定后的实际充电电量为echa_n和放电电量为edis_n，进而得到第n次储能电站对应的健康状态sohst_n；

28、第二获取模块，所述第二获取模块基于第n次标定周期以前的累计充放电量分别为eacc_n和储能电站实际额定能量容量est，获取第n次时电站已经经历的等效循环次数cycn；

29、构建模块，所述构建模块考虑循环深度、温度和充放电速率对储能电站的影响，建立电芯a健康状态sohba(n)的数学模型；

30、预测模块，所述预测模块基于第n次储能电站对应的健康状态sohst_n、电芯a在已经经历的等效循环cycn次的健康状态sohba(cycn)和电芯a健康状态sohba(n)的数学模型，预测储能系统健康状态sohpre(n)；

31、计算模块，所述计算模块基于储能电站健康状态的退役要求sohretire、储能系统健康状态sohpre(n)与电芯a的测试等效循环次数n之间的数学表达式，计算得到储能系统退役时的等效循环次数，实现对储能电站循环寿命的估算。

32、一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。

33、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。

34、与现有技术相比，本发明具有以下有益效果：

35、本发明考虑循环深度、温度、充放电速率等多种影响因素，并基于此构建了经验模型，以实现对储能电站循环寿命的准确估算，该方法考虑因素全面且易操作。本发明利用电芯已有的实验测试数据，通过储能电站与电池电芯的折算比例，实现从电池电芯循环寿命模型转换到储能电站循环寿命模型的过程，解决因储能电站实际运行条件复杂、数据量少所导致的循环寿命预测难的问题。