一种储能装置及储能装置的工况预测方法与流程

本技术涉及能源，尤其涉及一种储能装置及储能装置的工况预测方法。

背景技术：

1、交通工具电气化是世界各国能源改革和发展智慧、环保、节能出行方式的重大战略要求。储能系统作为重要部件之一，长期以来一直制约着电动汽车、电动船舶和电动飞机的发展。锂离子电池具有高能量、高功率和长寿命的特点，其被视为储能系统的最佳选择。在未来，锂离子电池有向着大型化、模块化发展的趋势，基于此，对于锂离子电池的能量状态监测的要求也逐渐提高。锂离子电池的能量状态对于储能系统的“续航里程”的估算以及能量分配等有着重要意义，因此有必要建立相应的锂离子电池的能量状态预测方法，以实现对锂离子电池的能量状态的准确预测，从而为电池管理系统(battery managementsystem，bms)提供工作依据。

2、目前已有的电池能量状态的预测方法很难实现对电池的各种工况下的能量状态进行较为准确的预测，以使其使用具有较大的局限性。因此，亟需找到一种在各种工况下，能够对电池的能量状态进行较为准确的预测方法。

技术实现思路

1、本技术提供一种储能装置及储能装置的工况预测方法，用以实现对储能装置的能量状态进行较为准确的预测。

2、第一方面，提供一种储能装置，储能装置包括电池单体，储能装置还可以包括电池管理系统和工况预测补偿装置。其中，电池管理系统可以包括电池采集接口和处理器，工况预测补偿装置可以包括数据通信模块和历史数据存储器。电池采集接口用于采集电池单体在工作时的状态信息。处理器可用于将状态信息存储至历史数据存储器。数据通信模块可用于将电池单体在放电开始到放电结束的过程中，存储至历史数据存储器的状态信息打包成训练数据集上传至云端服务器；并用于接收云端服务器根据训练数据集训练得到的未来工况预测模型。基于此，处理器还可用于根据未来工况预测模型以及电池单体的状态信息，计算得到储能装置的未来工况信息序列。采用本技术提供的储能装置，通过云端协同可实现对储能装置的未来工况信息序列进行较为准确的预测，从而可有效的提升根据该未来工况信息序列计算得到的储能装置的能量状态。

3、在本技术一个可能的实现方式中，处理器还可以用于根据未来工况信息序列以及电池单体的状态信息计算得到储能装置的先验能量状态。

4、为了提高对储能装置的能量状态进行预测的预测精度，在本技术一个可能的实现方式中，工况预测补偿装置还可以包括补偿装置，该补偿装置可用于根据预先建立好的温度补偿模型，并结合预测得到的储能装置的未来工况信息序列，确定储能装置的能量状态补偿值。然后，处理器可以根据上述的先验能量状态以及该能量状态补偿值计算得到储能装置的能量状态。

5、另外，由于在放电开始到放电结束的一个放电周期内，电池单体受环境等因素的影响，其状态信息会发生很大的变化。基于此，处理器还可用于在放电开始到放电结束的一次放电过程中，对存储于历史数据存储器中的状态信息进行更新，数据通信模块可将给更新后的状态信息打包呈训练数据集并发送到云端服务器，从而使云端服务器可根据该更新后的训练数据集重新对未来工况预测模型进行训练。其可使本技术提供的储能装置具有自适应的特点，从而可有效的提升储能装置的能量状态的预测精度。

6、通常情况下，电池单体的状态信息包括温度信息，则电池管理系统还可以包括温度信号转换器，该温度信号转换器可用于将温度信息转换为处理器所指示的参数，从而便于处理器对其进行处理。

7、另外，为了使电池采集接口可采集到电池单体的温度信息，可以使电池采集接口与电池单体的表面通过热电偶连接。具体实施时，可使电池采集接口与电池单体的与其电芯的极耳相靠近的表面通过热电偶连接，以提高电池采集接口采集的温度信息的精度，从而提高对储能装置的能量状态的预测精度。

8、第二方面，本技术提供一种储能系统，该储能系统可包括功率转换器和如第一方面的储能装置。其中，功率转换器可用于对输入给储能装置的电流和/或电压，或者从储能装置输出的电流和/或电压进行功率转换。在该储能系统中，可通过云端协同来实现对储能装置的未来工况信息序列进行较为准确的预测，从而可有效的提升根据该未来工况信息序列计算得到的储能装置的能量状态，进而得到该储能系统的能量状态。

9、第三方面，本技术提供一种储能装置的工况预测方法，储能装置包括电池单体，该方法包括：

10、获取电池单体在工作时的状态信息，并将电池单体在放电开始到放电结束的过程中的状态信息打包成训练数据集；

11、获取根据训练数据集训练得到的工况预测模型；

12、根据工况预测模型以及电池单体的状态信息，计算得到储能装置的未来工况信息序列。

13、本技术提供的上述方法可对储能装置的未来工况信息序列进行较为准确的预测，从而使根据该预测得到的未来工况信息序列计算得到的储能装置的能量状态的精确度得以提升。

14、由于电池单体在工作时，受周围环境等因素的影响，其工作状态可能会出现一些较大的波动。因此，在电池单体的由放电开始到放电结束的一个放电周期中，所采集到的状态信息中可能会存在一些异常数据。为了避免该异常数据对未来工况信息序列的预测准确性造成影响，在本技术一个可能的实现方式中，上述方法还包括：

15、去除电池单体在放电开始到放电结束的过程中的状态信息中的异常数据，对剩余的状态信息进行分类预处理，并打包得到训练数据集。

16、由于该训练数据集中没有了异常数据，因此在利用其对预先建立的未来工况预测模型进行训练可以得到较为准确的预测模型的参数，从而使得到的预测模型较为准确，其有利于提升对未来工况信息序列进行预测的预测结果的精度。

17、随着储能装置的日常使用，电池单体的状态信息会受环境或者使用年限等的影响。基于此，为了确保仍能够对储能装置的能量状态进行较为准确的预测，在本技术中，上述方法还可以包括：

18、在放电开始到放电结束的一次放电过程中，对训练数据集进行更新。

19、在本技术一个可能的实现方式中，上述方法还可以包括：

20、获取电池单体在不同条件下的恒流放电测试过程中的电压数据、电流数据和温度数据；

21、根据电压数据、电流数据和温度数据建立初始状态估计模型；

22、根据初始状态估计模型对电池单体在放电开始时的初始能量状态进行估计。

23、该初始能量状态可作为对储能装置的能量状态进行预测的初始值，在该初始值的基础上，并结合储能装置的工作状态可获得储能装置的未来能量状态。

24、在本技术一个可能的实现方式中，上述根据电压数据、电流数据和温度数据建立初始状态估计模型，具体包括：

25、根据电压数据和电流数据计算电池单体在不同条件下放出的最大可用能量；

26、根据最大可用能量拟合得到初始状态估计模型。

27、考虑到随着电池放电过程的进行，电池温度逐渐上升，与此同时电池内阻、极化现象会逐渐降低，这会使电池本来一部分由于低温下的极化和内阻导致的无法释放的能量可以正常放出。因此，需要增加一个温度补偿量对电池单体的能量状态进行补偿修正，提升电池单体在放电初期乃至前期时的能量状态估计精度。基于此，在本技术一个可能的实现方式中，上述方法还可以包括：

28、根据预先建立好的温度补偿模型以及预测得到的未来工况信息序列，获取储能装置的能量状态补偿值；

29、根据未来工况信息序列以及电池单体的状态信息计算得到储能装置的先验能量状态；

30、根据先验能量状态和能量状态补偿值得到储能装置的能量状态。

31、在本技术中，不对温度补偿模型的建立过程进行具体限定，在本技术一个可能的实现方式中，上述方法还可以包括：

32、获取电池单体在不同条件下的恒流放电测试过程中的温度数据；根据电池单体的同一初始荷电状态以及不同温度数据下的放电数据，拟合得到温度补偿模型。

33、由上文对本技术提供的储能装置的介绍可以知道，处理器可根据储能装置的未来工况信息序列计算得到储能装置的能量状态。基于此，可以在处理器中建立等效电路模型。具体实施时，上述方法还可以包括：

34、根据对电池单体进行开路电压测试，获取电池单体的开路电压-荷电状态曲线；

35、根据对电池单体进行混合功率脉冲特性测试，并根据遗传算法离线辨识电池单体在不同荷电状态和温度条件下的各模型参数；

36、根据开路电压-荷电状态曲线和模型参数建立电池单体的等效电路模型；

37、根据等效电路模型和未来工况信息序列得到储能装置的先验能量状态。

38、第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序或指令，当该计算机程序或指令被执行时，使得计算机执行上述第三面的任一种可能的实现方式中的方法。

39、第五方面，本技术提供一种计算机程序产品，当计算机执行计算机程序产品时，使得计算机执行上述第三方面的任一种可能的实现方式中的方法。