开云优惠体育网页版入口

专利名称：一种储能系统运行状态的一致性评估方法

专利类型：实用新型专利

专利申请号：CN202311728442.3

专利申请（专利权）人：国网青海省电力公司清洁能源发展研究院,国网青海省电力公司经济技术研究院,国网青海省电力公司,国家电网有限公司
权利人地址：青海省西宁市城西区五四西路80号

专利发明（设计）人：李正曦,刘庭响,杨立滨,安娜,周万鹏,王恺,高金,谢孟珂,赵晓健

专利摘要：本申请公开了一种储能系统运行状态的一致性评估方法，包括：获取各运行环境温度下的储能系统的各储能单元在相应总负荷需求下的历史负荷数据，以形成各温度区间的多个负荷样本；通过k?means算法对各温度区间下的负荷样本进行聚类，以确定出各温度区间下的负荷聚类中心；以各温度区间下的负荷聚类中心为圆心，确定出相应温度区间下任意储能单元的正常负荷波动范围；基于正常负荷波动范围确定正样本、负样本；训练分类器；预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器完成一致性评估。本申请的方法用以实现储能系统的运行状态一致性评估，提高储能系统长期带负载的能力和可靠性，提高储能单元的运行效率。

主权利要求：
1.一种储能系统运行状态的一致性评估方法，其特征在于，包括：获取各运行环境温度下的储能系统的各储能单元在相应总负荷需求下的历史负荷数据，以形成各温度区间的多个负荷样本，其中所述温度区间是基于用户感兴趣的低温范围划分出的温度区间；
通过k?means算法对各温度区间下的负荷样本进行聚类，以确定出各温度区间下的负荷聚类中心；
以各温度区间下的负荷聚类中心为圆心，为各温度区间确定正常负荷区间半径，以基于所述圆心及半径确定出相应温度区间下任意储能单元的正常负荷波动范围；
基于正常负荷波动范围内确定正样本，以及基于正常负荷波动范围外确定负样本，并添加标记，其中所添加的标记中包含有历史时间信息、温度信息以及负荷信息；
按照时间顺序关系，基于所述正样本以及负样本训练分类器；
对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器，以利用所述分类器对各储能单元的运行状态完成一致性评估；
还包括：
对获取的历史环境温度数据，按照指定的时间间隔进行拟合，以获得历史温度拟合曲线；
对任一储能单元，将其对应的正样本以及可能存在的负样本按照时间顺序进行排序；
基于时间关系，将所述正样本以及可能的负样本与所述历史温度拟合曲线进行关联；
以及，
基于所述历史温度拟合曲线，确定出任一储能单元从正样本转变为负样本的部分拟合曲线；
提取所述部分拟合曲线的特征信息，并与提取的相应的负样本特征信息进行组合，以训练分类器。
2.如权利要求1所述的储能系统运行状态的一致性评估方法，其特征在于，基于所述历史温度拟合曲线，确定出任一储能单元从正样本转变为负样本的部分拟合曲线包括：确定任一储能单元从正样本转变为负样本的拐点区域，基于所述拐点区域，前后分别选取指定时间范围的历史温度拟合曲线，以确定出所述部分拟合曲线，其中向前选取的时间长度大于向后选取的时间长度；
提取所述部分拟合曲线的特征信息，并与提取的相应的负样本特征信息进行组合包括：为提取的所述部分拟合曲线的特征信息配置温度影响权重，且所述任一储能单元在所述拐点区域之后、持续表现为负样本的时间越长，配置的温度影响权重越大，但所述温度影响权重不超过权重上限值。
3.如权利要求1所述的储能系统运行状态的一致性评估方法，其特征在于，对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器包括：根据未来能耗需求，预测出未来储能系统的负荷信息；
以预估的方式，将所述负荷信息分配至各储能单元，以确定各储能单元的预估负荷；
基于各储能单元的预估负荷预测所述储能系统的温升效应；
基于预测的未来时段储能系统的环境温度，以及储能系统的温升效应，确定未来时段储能系统的运行温度。
4.如权利要求3所述的储能系统运行状态的一致性评估方法，其特征在于，基于各储能单元的预估负荷预测所述储能系统的温升效应包括：基于任一储能单元的预估负荷计算出所述任一储能单元的负载电流；
根据计算的负载电流，以及所述任一储能单元的内阻，确定出所述任一储能单元的发热量；
累加储能系统各储能单元的发热量，以确定总发热量；以及，根据地面到与所述储能单元关联高度确定出有效环境空间体积；
基于所述有效环境空间体积，以及所述总发热量，预测所述储能系统的温升效应。
5.如权利要求4所述的储能系统运行状态的一致性评估方法，其特征在于，根据地面到与所述储能单元关联高度确定出有效环境空间体积包括：基于所述储能单元的占地面积，确定出有效温升影响面积；以及将距离地面α倍的所述储能单元的高度作为所述关联高度，其中α为1.2?1.8；
基于所述关联高度以及所述有效温升影响面积确定出有效环境空间体积。
6.如权利要求4所述的储能系统运行状态的一致性评估方法，其特征在于，基于预测的未来时段储能系统的环境温度，以及各储能单元的温升效果，确定未来时段储能系统的运行温度包括：获取未来时段，储能系统位置的天气数据，并从所述天气数据中提取出储能系统处的气温数据；
基于所述气温数据叠加上所述储能系统的温升效应，作为预测的未来时段储能系统的运行温度。
7.如权利要求6所述的储能系统运行状态的一致性评估方法，其特征在于，对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器还包括：对预测的未来时段储能系统的运行温度进行拟合，并按照指定的时间间隔进行拆分，以获得未来时段拆分的温度拟合曲线；
提取拆分的温度拟合曲线的特征信息以及相应时间节点的储能系统任一储能单元的负荷特征信息，并输入训练好的分类器，以完成一致性评估。 说明书 : 一种储能系统运行状态的一致性评估方法技术领域[0001] 本申请涉及储能系统技术领域，尤其涉及一种储能系统运行状态的一致性评估方法。背景技术[0002] 储能系统至少包括多个电池模块，每个电池模块是由诸多电池单体进行串联或并联组成的，且每个电池模块均配置有一个电池管理系统，用于采集电池模块电压、电流和温度信息一个储能系统至少包括多个电池模块，每个电池模块是由诸多电池单体进行串联或并联组成的，且每个电池模块均配置有一个电池管理系统，用于采集电池模块电压、电流和温度信息。[0003] 而实际生成应用中，虽然储能单元的每个电池包内的构造相同，但不同电池包因其所处运行环境的不同以及被分配的负荷存在差距。特别的在冬季，寒冷地区，在低温环境下，随着充放电次数的增加，电池单体性能表现为不一致，影响电池间的一致性。发明内容[0004] 本申请实施例提供一种储能系统运行状态的一致性评估方法，用以实现储能系统的储能单元电池组的运行状态进行一致性评估，提高储能系统长期带负载的能力和可靠性，提高储能单元的运行效率。[0005] 本申请实施例提出一种储能系统运行状态的一致性评估方法，包括：[0006] 获取各运行环境温度下的储能系统的各储能单元在相应总负荷需求下的历史负荷数据，以形成各温度区间的多个负荷样本，其中所述温度区间是基于用户感兴趣的低温范围划分出的温度区间；[0007] 通过k?means算法对各温度区间下的负荷样本进行聚类，以确定出各温度区间下的负荷聚类中心；[0008] 以各温度区间下的负荷聚类中心为圆心，为各温度区间确定正常负荷区间半径，以基于所述圆心及半径确定出相应温度区间下任意储能单元的正常负荷波动范围；[0009] 基于正常负荷波动范围内确定正样本，以及基于正常负荷波动范围外确定负样本，并添加标记，其中所添加的标记中包含有历史时间信息、温度信息以及负荷信息；[0010] 按照时间顺序关系，基于所述正样本以及负样本训练分类器；[0011] 对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器，以利用所述分类器对各储能单元的运行状态完成一致性评估。[0012] 可选的，还包括：[0013] 对获取的历史环境温度数据，按照指定的时间间隔进行拟合，以获得历史温度拟合曲线；[0014] 对任一储能单元，将其对应的正样本以及可能存在的负样本按照时间顺序进行排序；[0015] 基于时间关系，将所述正样本以及可能的负样本与所述历史温度拟合曲线进行关联；以及，[0016] 基于所述历史温度拟合曲线，确定出任一储能单元从正样本转变为负样本的部分拟合曲线；[0017] 提取所述部分拟合曲线的特征信息，并与提取的相应的负样本特征信息进行组合，以训练分类器。[0018] 可选的，基于所述历史温度拟合曲线，确定出任一储能单元从正样本转变为负样本的部分拟合曲线包括：[0019] 确定任一储能单元从正样本转变为负样本的拐点区域，基于所述拐点区域，前后分别选取指定时间范围的历史温度拟合曲线，以确定出所述部分拟合曲线，其中向前选取的时间长度大于向后选取的时间长度；[0020] 提取所述部分拟合曲线的特征信息，并与提取的相应的负样本特征信息进行组合包括：为提取的所述部分拟合曲线的特征信息配置温度影响权重，且所述任一储能单元在所述拐点区域之后、持续表现为负样本的时间越长，配置的温度影响权重越大，但所述温度影响权重不超过权重上限值。[0021] 可选的，对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器包括：[0022] 根据未来能耗需求，预测出未来储能系统的负荷信息；[0023] 以预估的方式，将所述负荷信息分配至各储能单元，以确定各储能单元的预估负荷；[0024] 基于各储能单元的预估负荷预测所述储能系统的温升效应；[0025] 基于预测的未来时段储能系统的环境温度，以及储能系统的温升效应，确定未来时段储能系统的运行温度。[0026] 可选的，基于各储能单元的预估负荷预测所述储能系统的温升效应包括：[0027] 基于任一储能单元的预估负荷计算出所述任一储能单元的负载电流；[0028] 根据计算的负载电流，以及所述任一储能单元的内阻，确定出所述任一储能单元的发热量；[0029] 累加储能系统各储能单元的发热量，以确定总发热量；以及，[0030] 根据地面到与所述储能单元关联高度确定出有效环境空间体积；[0031] 基于所述有效环境空间体积，以及所述总发热量，预测所述储能系统的温升效应。[0032] 可选的，根据地面到与所述储能单元关联高度确定出有效环境空间体积包括：[0033] 基于所述储能单元的占地面积，确定出有效温升影响面积；以及[0034] 将距离地面α倍的所述储能单元的高度作为所述关联高度，其中α为1.2?1.8；[0035] 基于所述关联高度以及所述有效温升影响面积确定出有效环境空间体积。[0036] 可选的，基于预测的未来时段储能系统的环境温度，以及各储能单元的温升效果，确定未来时段储能系统的运行温度包括：[0037] 获取未来时段，储能系统位置的天气数据，并从所述天气数据中提取出储能系统处的气温数据；[0038] 基于所述气温数据叠加上所述储能系统的温升效应，作为预测的未来时段储能系统的运行温度。[0039] 可选的，对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器还包括：[0040] 对预测的未来时段储能系统的运行温度进行拟合，并按照指定的时间间隔进行拆分，以获得未来时段拆分的温度拟合曲线；[0041] 提取拆分的温度拟合曲线的特征信息以及相应时间节点的储能系统任一储能单元的负荷特征信息，并输入训练好的分类器，以完成一致性评估。[0042] 本申请实施例的方法通过聚类算法来确定正负样本，并训练分类器，从而利用训练后的分类器实现储能系统的储能单元电池组的运行状态进行一致性评估，提高储能系统长期带负载的能力和可靠性，提高储能单元的运行效率。[0043] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明[0044] 通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：[0045] 图1为本实施例的储能系统运行状态的一致性评估方法的基本流程示意。具体实施方式[0046] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。[0047] 本申请实施例提出一种储能系统运行状态的一致性评估方法，如图1所示，包括如下步骤：[0048] 在步骤S101中，获取各运行环境温度下的储能系统的各储能单元在相应总负荷需求下的历史负荷数据，以形成各温度区间的多个负荷样本，其中所述温度区间是基于用户感兴趣的低温范围划分出的温度区间。本申请的方法综合考虑储能系统的各储能单元的运行环境温度以及储能单元的负载，以基于历史功率数据确定出各温度区间的多个负荷样本，例如温度区间可以是在?15℃?10℃，当然也可以是其他用户感兴趣的温度范围，并将该温度范围划分出多个温度区间。[0049] 在步骤S102中，通过k?means算法对各温度区间下的负荷样本进行聚类，以确定出各温度区间下的负荷聚类中心。本申请实施例中是针对任一储能单元各运行时段的运行情况在相应的温度区间下进行聚类分析，由此同一储能单元可能在聚类中出现多次，代表不同历史运行时间下该储能单元的运行情况，具体聚类算法为现有的方法，在此不做赘述。[0050] 在步骤S103中，以各温度区间下的负荷聚类中心为圆心，为各温度区间确定正常负荷区间半径，以基于所述圆心及半径确定出相应温度区间下任意储能单元的正常负荷波动范围。[0051] 在步骤S104中，基于正常负荷波动范围内确定正样本，以及基于正常负荷波动范围外确定负样本，并添加标记，其中所添加的标记中包含有历史时间信息、温度信息以及负荷信息。本申请实施例中提出以聚类中心为基准来确定正负样本的方式，具体可以利用设置半径的方式来实现，在一些实施例中设置温度信息可以与在后的拟合温度实现关联，从而引入环境温度对储能系统的影响。[0052] 在步骤S105中，按照时间顺序关系，基于所述正样本以及负样本训练分类器。[0053] 在步骤S106中，对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器，以利用所述分类器对各储能单元的运行状态完成一致性评估。[0054] 本申请实施例的方法通过聚类算法来确定正负样本，并训练分类器，从而利用训练后的分类器实现储能系统的储能单元电池组的运行状态进行一致性评估，提高储能系统长期带负载的能力和可靠性，提高储能单元的运行效率。[0055] 在一些实施例中，还包括：[0056] 对获取的历史环境温度数据，按照指定的时间间隔进行拟合，以获得历史温度拟合曲线。在一些具体示例中，可根据采样点数来对指定的时间间隔的历史环境温度数据进行拟合。[0057] 对任一储能单元，将其对应的正样本以及可能存在的负样本按照时间顺序进行排序。在一些实施例中，对于一些储能单元，在运行实例中例如可能负荷分配均匀，负载率较低等因素，这些储能单元可能一直表现为正样本，对于这类样本也按照时间顺序进行排序，从而在训练中可以根据时间关系以及负荷趋势来对分类器进行训练。[0058] 在一些实施例中，基于时间关系，将所述正样本以及可能的负样本与所述历史温度拟合曲线进行关联，具体的关联方式可以是标签的方式，一些实施例中，对于正样本进行关联即可，当然也可以对正样本对应的历史温度拟合曲线进行特征提。诖瞬蛔鱿薅。[0059] 基于所述历史温度拟合曲线，确定出任一储能单元从正样本转变为负样本的部分拟合曲线，本申请实施例中可以根据时间顺序确定出任一储能单元从正样本转变为负样本的部分拟合曲线，从而重点关注任一储能单元的状态变化。[0060] 提取所述部分拟合曲线的特征信息，并与提取的相应的负样本特征信息进行组合，以训练分类器。[0061] 在一些实施例中，基于所述历史温度拟合曲线，确定出任一储能单元从正样本转变为负样本的部分拟合曲线包括：[0062] 确定任一储能单元从正样本转变为负样本的拐点区域，基于所述拐点区域，前后分别选取指定时间范围的历史温度拟合曲线，以确定出所述部分拟合曲线，其中向前选取的时间长度大于向后选取的时间长度，通过这样的设计，一方面可以少选取正样本的时间长度，另一方面通过多选取在后的历史温度拟合曲线，从而例如一些示例中可以排除可能存在某个储能单元仅有一次负样本的转变而非持续性的变为负样本所带来的噪声，重点关注于持续变为负样本的储能单元的特征。[0063] 提取所述部分拟合曲线的特征信息，并与提取的相应的负样本特征信息进行组合包括：为提取的所述部分拟合曲线的特征信息配置温度影响权重，且所述任一储能单元在所述拐点区域之后、持续表现为负样本的时间越长，配置的温度影响权重越大，但所述温度影响权重不超过权重上限值。本申请的方法考虑天气因素、引入环境温度因素对储能系统的影响，通过分类器来实现一致性评估。在具体示例中，设置任一储能单元在拐点区域之后、持续表现为负样本的时间越长，配置的温度影响权重越大，可以重点关注于环境温度、特别是低温运行情形，对储能单元的运行状态一致性的影响。但温度为储能单元的外部运行因素，本申请实施例中进一步设置温度影响权重不超过权重上限值，可以避免环境温度的权重过大而干扰了分类器的分类效果，从而提高训练后的分类器的识别效果。[0064] 在一些实施例中，对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器包括：[0065] 根据未来能耗需求，预测出未来储能系统的负荷信息；[0066] 以预估的方式，将所述负荷信息分配至各储能单元，以确定各储能单元的预估负荷。例如一些示例中可以根据在先的运行模式或者运行习惯，来根据未来能耗需求确定各储能单元的预估负荷。[0067] 基于各储能单元的预估负荷预测所述储能系统的温升效应。[0068] 基于预测的未来时段储能系统的环境温度，以及储能系统的温升效应，确定未来时段储能系统的运行温度。[0069] 在一些实施例中，基于各储能单元的预估负荷预测所述储能系统的温升效应包括：[0070] 基于任一储能单元的预估负荷计算出所述任一储能单元的负载电流；[0071] 根据计算的负载电流，以及所述任一储能单元的内阻，确定出所述任一储能单元2的发热量；具体的一些实施例中，例如可以根据电流的热效应I Rt来确定出任一储能单元的发热量在持续时间内的发热量。[0072] 累加储能系统各储能单元的发热量，以确定总发热量；以及[0073] 根据地面到与所述储能单元关联高度确定出有效环境空间体积。[0074] 基于所述有效环境空间体积，以及所述总发热量，预测所述储能系统的温升效应。[0075] 在一些实施例中，根据地面到与所述储能单元关联高度确定出有效环境空间体积包括：[0076] 基于所述储能单元的占地面积，确定出有效温升影响面积；以及[0077] 将距离地面α倍的所述储能单元的高度作为所述关联高度，其中α为1.2?1.8；[0078] 基于所述关联高度以及所述有效温升影响面积确定出有效环境空间体积，例如有效环境空间体积＝Sh，其中，S为有效温升影响面积，h为关联高度。[0079] 在一些实施例中，基于预测的未来时段储能系统的环境温度，以及各储能单元的温升效果，确定未来时段储能系统的运行温度包括：[0080] 获取未来时段，储能系统位置的天气数据，并从所述天气数据中提取出储能系统处的气温数据；[0081] 基于所述气温数据叠加上所述储能系统的温升效应，作为预测的未来时段储能系统的运行温度。一些实施例中，若储能单元运行在包含温控系统的环境下，则可以考虑天气数据，而执行恒温与温升效应的步骤。[0082] 在一些实施例中，对于待预测的储能系统的各储能单元，预测未来时段各储能单元的运行温度及负荷信息，并输入训练好的分类器还包括：[0083] 对预测的未来时段储能系统的运行温度进行拟合，并按照指定的时间间隔进行拆分，以获得未来时段拆分的温度拟合曲线；[0084] 提取拆分的温度拟合曲线的特征信息以及相应时间节点的储能系统任一储能单元的负荷特征信息，并输入训练好的分类器，以完成一致性评估。[0085] 类似于训练步骤，本申请实施例中，将未来时段储能系统的运行温度进行拟合，从而在时段拆分后提取特征信息，并提取相应时段的储能系统任一储能单元的负荷特征信息，从而通过训练好的分类器完成一致性评估。[0086] 本申请实施例的方法考虑储能系统各储能单元的运行环境，特别的针对低温区间，通过设计方法考虑环境温度和储能单元的发热对储能单元的运行实际的影响，并基于训练的分类器来完成一致性评估，从而用于指导储能单元的更好实现储能一致性控制，提高储能系统长期带负载的能力和可靠性，提高储能单元的运行效率。[0087] 此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本公开的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。[0088] 以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。[0089] 以上实施例仅为本公开的示例性实施例，本领域技术人员可以在本公开的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

专利地区：青海

专利申请日期：2023-12-13

专利公开日期：2024-11-19

专利公告号：CN117743920B