一种电池状态估算与EMS耦合的云边协同方法与流程

本发明涉及电池管理，更具体地说涉及一种电池状态估算与ems耦合的云边协同方法。

背景技术：

1、为完成“双碳目标”，加速构建新型电力系统，电化学储能正处于快速发展期，新增装机容量持续增长，储能安全越来越成为一个不容忽视的问题。电池状态(soc、soh)是判断电池运行状态的重要指标，其中电池荷电状态(soc)是反映电池剩余容量和做功能力的一项重要指标，而电池健康状态(soh)反映的是电池剩余循环寿命，储能电池系统soc和soh的实时准确估算对于提高电池使用安全性、电池寿命、储能系统性能具有重要的理论意义和应用价值。由于在储能系统运行的全生命周期内，不同单体电芯间的电池模型参数(如欧姆内阻、极化电阻、极化电容等)会随着运行时间越长而差异性越来越明显。逐渐老化的电池如果在全生命周期内沿用一套电池状态估算模型算法，将导致电池状态估算发生严重偏差，如此恶行循环下，将给储能系统的安全运行带来巨大风险。

2、现有技术中，如图4所示，传统的电池状态估算一般由bms(电池管理系统)内置算法及软件程序根据bms采集到的电池电压、电流、温度等信息进行估算当前soc、soh值，当储能系统交付后，后续算法模型及软件程序如需优化更新，必须由运维人员通过数据整理汇总分析，确认电池性能与现有电池状态估算模型算法不匹配后，再对现有模型算法进行更新，操作流程相对繁琐且费时费力。

3、面对新型电力系统对储能系统全生命周期范围内越来越高的电池状态估算精度要求，以目前bms的计算能力，无法匹配储能系统全生命周期范围电池状态估算模型算法需要根据项目实际运行情况随时优化迭代的需求。

技术实现思路

1、为了克服上述现有技术中存在的缺陷，本发明公开了一种电池状态估算与ems耦合的云边协同方法，本发明的目的是解决目前bms的计算能力无法满足电池状态估算模型算法更新迭代的需求的问题。本发明基于云边协同技术将电池状态估算与ems进行耦合，通过电池数据采集模块将边缘设备数据采集上传到边缘节点，边缘节点对大量冗余数据进行预处理筛选出关键数据，随后将其传输到ems，ems利用自身处理器强大的计算能力，根据最新数据计算出电池当前运行情况的电池模型参数，进而优化迭代电池状态估算模型算法，将迭代后的模型算法以软件代码的形式反馈到各个电池管理系统电池状态估算执行模块中，为其提供最新、最切合当前电池性能及运行情况的估算算法，实现储能系统全生命周期的最优的电池状态估算。同时，对不同的储能系统，利用云边协同技术，各个边缘节点将关键数据及最新电池状态估算模型算法上传到云中心节点，完成数据的同步备份，不同边缘节点的数据在云中心聚合，通过ai集中决策，统一运维，可以实现跨区域、跨系统的多维时空数据融合及协同分析，实现多储能系统的综合管控。

2、为了实现以上目的，本发明采用的技术方案：

3、一种电池状态估算与ems耦合的云边协同方法，包括以下步骤：

4、一、电池数据采集模块数据采集

5、s1、利用电池数据采集模块采集电池数据，并将采集的电池数据传输至边缘节点；

6、优选的，所述s1步骤中，所述电池数据采集模块采集的电池数据包括单体、模组、簇的电压、电流、温度数据。

7、优选的，所述s1步骤中，所述电池数据采集模块为模组级电池管理单元bmu、簇级电池管理单元bcu，所述边缘节点为堆级电池管理单元bsu。

8、上述步骤中，电池数据采集模块(一般为模组级电池管理单元bmu、簇级电池管理单元bcu)将采集到的单体、模组、簇的电压、电流、温度等信息上传到边缘节点(一般为堆级电池管理单元bsu)。

9、二、边缘节点数据处理

10、s2、边缘节点根据现有电池状态估算模型及算法结合当前采集数据完成一轮电池状态估算，同时边缘节点对采集数据进行处理并筛选出关键数据，并将筛选出的关键数据传输到能量管理系统ems；

11、本发明中，边缘节点对采集数据进行处理的目的是将不同通讯协议下的不同格式的各类数据转化为统一通讯协议、格式下的数据，方便后续利用。

12、优选的，所述s2步骤中，边缘节点对采集数据进行处理包括：采集数据通过数据报文的形式传输到边缘节点，边缘节点接收到数据报文后，根据报文的各自id以及对应的通讯协议解码各数据报文的内容，将解码后的数据内容根据边缘节点与ems的通讯协议重新编排。

13、本发明中，由于边缘节点完成一轮完整的数据采集一般为数百毫秒到数秒之间，尤其大型储能系统其数据量非常庞大，实际在非充放电运行期间数据变化很小，为了减少数据传输、反复存储的压力，需要对数据进行筛选。

14、优选的，所述s2步骤中，边缘节点筛选出关键数据包括：根据储能系统具体配置以及项目对电池状态估算模型迭代周期需求进行测算，得出数据筛选的比例值q，并根据比例值q进行数据筛选。

15、优选的，所述s2步骤中，所述数据筛选的比例值q为：

16、

17、优选的，所述s2步骤中，在电池充放电阶段，边缘节点按照比例值q1进行数据筛选，即每接收n1轮原始数据而发送m1轮的处理后数据；

18、在电池非充放电阶段，边缘节点按照比例值q2进行数据筛选，即每接收n2轮原始数据而发送m2轮的处理后数据；

19、其中，基于充放电期间比非充放电期间电池参数变化更频繁更快速的事实，有1≥q1≥q2。

20、三、ems数据处理

21、s3、ems结合关键数据计算出当前运行情况的电池模型参数并对电池状态估算模型及算法进行优化迭代更新，在预定的周期内将更新后的电池状态估算模型及算法再嵌入到边缘节点软件程序中；与此同时，基于云边协同技术，ems将关键数据、最新的电池内生参数及优化迭代的算法模型上传到云中心节点；

22、优选的，所述s3步骤中，所述电池模型参数包括电池端电压，其计算方法包括：

23、

24、其中，ui为电池端电压；uoc为电池开路电压；uo、up分别为电池欧姆内阻ro和极化内阻rp两端电压；i为电池工作电流；cp为电池极化电容。

25、本发明中，ems依靠内部搭载的强大算力的处理器，ems结合电池电压、电流等关键数据计算出当前运行情况的电池模型参数。电池参数辨识是电池状态估算的基础，建立电池等效电路模型是辨识电池参数最直接有效的办法。以目前常用的thevenin等效电路模型为例，根据基尔霍夫定律以及电容电压电流关系，各参数计算公式如上式所示。

26、优选的，所述s3步骤中，ems对电池状态估算模型及算法进行优化迭代更新包括：根据上一步中计算出的当前运行情况下的电池模型参数，结合当前电池累计充放电循环次数，在原有电池状态估算方法包括安时积分法、开路电压法、卡尔曼滤波一个或多个结合的基础上进行参数的修正更新，得到当前电池性能和系统运行情况下的最准确的电池状态估算模型及算法。有效解决储能系统在全生命周期中后段时因电池老化衰减导致的电池状态估算严重偏差的问题。

27、本发明中，上述预定的周期可根据储能系统全生命周期运行情况改变。

28、四、云中心节点数据处理

29、s4、云中心节点对上传的数据进行备份，并将多个边缘节点的关键数据、电池模型参数及算法模型进行数据聚合，同时进行同场站或跨区域、跨系统的多维不同的边缘节点时空数据融合、协同分析、综合管控。

30、本发明中，关键数据及最新电池状态估算算法模型根据需要上传到云中心节点，完成数据的同步备份，一个云中心节点对应多个边缘节点，不同边缘节点的数据在云中心聚合，可以实现跨区域、跨系统的多维时空数据融合及协同分析，实现综合管控。

31、优选的，在大型储能电站中，多个边缘节点对应一个ems；

32、在工商业储能电站中，一个边缘节点对应一个本地ems；

33、多个边缘节点通过ems连接云中心节点。

34、在大型储能电站中，多个边缘节点对应一个ems，在工商业储能电站中，由于系统容量小，分布广，可能一个边缘节点即对应一个本地ems，无论何种情况，多个边缘节点通过ems连接的云中心节点(云服务器)实现连接，各个边缘节点中的关键数据、电池模型参数及算法模型在云中心节点存储，即数据聚合。

35、综上，本发明提出的一种电池状态估算与ems耦合的云边协同方法，通过边缘节点完成数据处理及筛选，将电池状态估算模型算法更新迭代的任务由算力更强大的ems完成，实现电池状态估算与ems的耦合，同时，通过网络将不同区域、系统的边缘节点在云中心节点实现互联互通。云中心节点根据不同边缘节点的系统运行状态以及电网调度、用户用电需求，在云端实现集中ai决策，统一运维，提升系统对运行风险的辨识响应能力，以及优化调度计算能力，实现对整个储能系统运行状态及运行数据的实时监测，能够有效实现削峰填谷、需求侧响应、动态需量控制，从而提高用户的电能质量，降低用户的用电成本；通过强化储能系统的综合运维能力，支撑实现电力系统海量要素高效联动和实时响应，确保系统安全运行、稳定可靠。

36、本发明的有益效果：

37、1、本发明提供的电池状态估算与ems耦合方法，依靠ems处理器强大的计算能力，根据最新数据计算出电池当前运行情况的电池模型参数，优化迭代电池状态估算模型及算法，并以软件代码的形式更新到各个电池管理系统电池状态估算执行模块中，为其提供最新、最切合当前电池性能及运行情况的估算算法，实现储能系统全生命周期的最优的电池状态估算。

38、2、本发明提供的云边协同技术，通过云中心节点将不同区域、不同系统的储能系统边缘节点连接起来，将电池状态估算所需数据及算法模型在云端聚合、备份。不同时空的储能系统通过ai集中决策，统一运维，提升系统对运行风险的辨识响应能力，以及优化调度计算能力，实现对整个储能系统运行状态及运行数据的实时监测，能够有效实现削峰填谷、需求侧响应、动态需量控制，从而提高用户的电能质量，降低用户的用电成本；通过强化储能系统的综合运维能力，支撑实现电力系统海量要素高效联动和实时响应，确保系统安全运行、稳定可靠。

39、3、本发明中，通过边缘节点对采集数据进行预处理，引入比例值q对数据进行筛选传输至ems，通过网络上传至云服务器中，节省了大量通讯费用、服务器算力和存储空间。