本发明涉及储能运维,具体涉及新型储能电站的运维方法、装置、设备、介质及程序产品。
背景技术:
1、加快推动新型储能规模化、产业化和市场化发展,已成为行业共识。电化学储能凭借响应速度快、能量密度高、无地域限制、经济性逐步提高等优点,将成为新型储能技术的重要力量,为未来电力系统的发展提供有力支持。目前大多数的电化学储能电站运维较为简单粗放,且缺乏有效的运维管理工具,无法满足电站安全高效运维需求。新型储能运维是保证储能电站长时间连续安全运行,支持调峰调频、削峰填谷等多种用途来发挥价值和赢得收益的关键,因此电化学储能电站投运后的盈利水平很大程度受运维水平高低的影响。
2、现有的新型储能电站运维主要集中对储能设备的监控和状态数据分析,数字化、智能化程度低,信息源头欠缺、有效信息种类不足,没有建立出新型储能电站运维机理模型,无法揭示故障产生机理,在此情况下进行的大数据分析存在很大程度上的无效计算,最终造成状态检测误差大,健康状态诊断不准,且检测和诊断水平随着投运时间逐渐恶化。
技术实现思路
1、有鉴于此,本发明提供了新型储能电站的运维方法、装置、设备、介质及程序产品,以解决现有新型储能电站运维采集的有效信息不足、检测误差大的问题。
2、第一方面,本发明提供了一种新型储能电站的运维方法,方法包括:
3、构建电池的电化学机理模型和电热力耦合模型;
4、获取新型储能电站的在线监测数据流、组成新型储能电站的各电池的串并联结构数据;
5、根据电化学机理模型、电热力耦合模型、在线监测数据流和各电池的串并联结构,利用预设自适应运维模型对新型储能电站进行故障诊断及剩余寿命预测,得到故障诊断结果和剩余寿命预测结果;
6、根据故障诊断结果及剩余寿命预测结果,利用相应的运维方案对新型储能电站进行维护。
7、本发明提供的新型储能电站的运维方法,通过构建电池的电化学机理模型和电热力耦合模型,考虑了温度对内部机理的影响,确定了各参数的安全阈值,基于实时监测数据,利用自适应运维模型对新型储能电站进行故障诊断及剩余寿命预测,提高了检测效率和准确率。
8、在一种可选的实施方式中,方法还包括:
9、利用新型储能电站的在线监测数据流、对新型储能电站进行故障诊断及剩余寿命预测的结果,搭建运维诊断库;
10、获取实时在线监测数据流,并根据运维诊断库与实时在线监测数据流通过离线方式对新型储能电站进行故障诊断及剩余寿命预测。
11、本发明提供的新型储能电站的运维方法,利用历史数据及故障诊断及剩余寿命预测的结果搭建运维诊断库,实现了离线状态下对新型储能电站的运维诊断,避免了离线时无法对新型储能电站进行实时监测的情况,保证了新型储能电站的稳定运行。
12、在一种可选的实施方式中,构建电池的电化学机理模型,包括:
13、根据电池的等效电路模型,将电池的荷电状态作为变量,构建电池的电化学机理模型,放电状态下:
14、
15、充电状态下:
16、
17、其中,e0表示恒定电压,k表示极化常数,i*表示低频动态电流值,i表示电池电流,it表示额定容量,q表示最大电池容量,a表示指数区电压参数,b表示指数区容量参数,f1(it,i*,i)表示放电时电池内部的电动势,f2(it,i*,i)表示充电时电池内部的电动势。
18、本发明提供的新型储能电站的运维方法,通过构建电池的电化学机理模型,准确反映出电池充放电状态下的内部机理,当出现故障时可以准确揭示故障产生机理,有利于更加准确地分析产生的故障,以采取最有效的维护方案,保证新型储能电站的稳定运行。
19、在一种可选的实施方式中,构建电池的电热力耦合模型,包括:
20、基于能量平衡假设,得到生热速率的计算公式为:
21、
22、其中,q表示生热速率,vb表示电池体积,u0表示电池的开路电压,u表示电池的工作电压,t表示电池温度,表示温度影响系数
23、根据热弹性力学方程计算热致应力、应变过程,得到热弹性力学方程为:
24、
25、其中,σ为应力张量,ρ为电池内部电极颗粒的密度,u为电池内部电极颗粒的位移量,为质量力,β为体积膨胀系数,t为电池温度,为温度梯度;
26、生热速率的计算公式和热弹性力学方程共同组成电池的电热力耦合模型。
27、本发明提供的新型储能电站的运维方法,通过建立电池的电热力耦合模型模拟单电池内部嵌锂和脱锂,热致应力、应变过程,实现对电池的安全运行分析,有利于对新型储能电站的故障进行准确诊断及对剩余寿命进行准确预测。
28、在一种可选的实施方式中,预设自适应运维模型包括:预设故障诊断模型,根据电化学机理模型、电热力耦合模型、在线监测数据流和各电池的串并联结构,利用预设自适应运维模型对新型储能电站进行故障诊断,包括:
29、利用电化学机理模型和电热力耦合模型,通过模拟实验的方式确定新型储能电站正常运行时的电池容量衰减阈值、电压阈值、电流阈值、温度阈值;
30、根据在线监测数据流确定新型储能电站运行时的实际电池容量衰减值、实际电压值、实际电流值、实际温度值;
31、将实际电池容量衰减值、实际电压值、实际电流值、实际温度值分别与电池容量衰减阈值、电压阈值、电流阈值、温度阈值对应比较,确定新型储能电站各参数的第一比较结果;
32、根据第一比较结果及各电池的串并联结构数据,利用预设故障诊断模型对新型储能电站进行故障诊断。
33、本发明提供的新型储能电站的运维方法,利用电化学机理模型和电热力耦合模型确定新型储能电站正常运行时各参数的阈值,并利用预设故障诊断模型实时诊断故障,提高了故障诊断的效率和准确率。
34、在一种可选的实施方式中,预设自适应运维模型还包括:预设寿命预测模型,根据电化学机理模型、电热力耦合模型、在线监测数据流和各电池的串并联结构,利用预设自适应神经网络模型对新型储能电站进行剩余寿命预测,包括:
35、利用电化学机理模型和电热力耦合模型,通过模拟实验的方式确定新型储能电站正常运行时的电池容量衰减阈值、电池健康状态阈值、电池剩余循环次数阈值;
36、将在线监测数据流输入预设状态评估模型,得到电池健康状态、电池容量衰减率、电池剩余循环次数;
37、将电池健康状态、电池容量衰减率、电池剩余循环次数分别与电池健康状态阈值、电池容量衰减阈值、电池剩余循环次数阈值对应比较,得到第二比较结果;
38、根据第二比较结果及各电池的串并联结构数据,利用预设寿命预测模型预测新型储能电站的剩余寿命。
39、本发明提供的新型储能电站的运维方法,根据在线监测数据流机预设状态评估模型确定与寿命有关的参数,并根据有关参数对剩余寿命进行预测,得到的预测结果更加准确。
40、第二方面,本发明提供了一种新型储能电站的运维装置,装置包括:
41、模型构建模块,用于构建电池的电化学机理模型和电热力耦合模型;
42、数据获取模块,用于获取新型储能电站的在线监测数据流、组成新型储能电站的各电池的串并联结构数据;
43、状态判断模块,用于根据电化学机理模型、电热力耦合模型、在线监测数据流和各电池的串并联结构,利用预设自适应运维模型对新型储能电站进行故障诊断及剩余寿命预测,得到故障诊断结果和剩余寿命预测结果;
44、储能电站维护模块,用于根据故障诊断结果及剩余寿命预测结果,利用相应的运维方案对新型储能电站进行维护。
45、第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的方法。
46、第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的方法。
47、第五方面,本发明提供了一种计算机程序产品,包括计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的方法。