基于深度学习的储能电池健康状态在线评估方法及系统

    公开(公告)号:CN115980611A

    公开(公告)日:2023-04-18

    申请号:CN202310118364.9

    申请日:2023-01-30

    摘要: 本发明属于储能技术领域,公开一种基于深度学习的储能电池健康状态在线评估方法及系统;所述方法,包括:获取储能电池实际运行过程中的实际运行数据;将所述储能电池实际运行过程中的实际运行数据输入预训练好的用于储能电池SOH估算的长短期记忆网络LSTM,获得储能电池的SOH估算值。本发明利用电池管理系统传感器所获取的电压、电流、温度,对基于长短期记忆网络LSTM进行训练,获得预训练好的用于储能电池SOH估算的长短期记忆网络LSTM;利用实时运行过程中采集的电压、电流、温度边可以实现在线估计储能电池SOH。本发明以在线估计储能电池SOH为目标,且适用于不同温度和不同工况下的储能电池SOH估算,具有较强的鲁棒性和较广的适用范围。

    一种应用MMC-HVDC的离网型风储荷系统及调试方法

    公开(公告)号:CN115051399A

    公开(公告)日:2022-09-13

    申请号:CN202210756536.0

    申请日:2022-06-30

    摘要: 本发明属于风力风电及储能技术领域,公开一种应用MMC‑HVDC的离网型风储荷系统及调试方法;所述系统包括:风力发电机、高压母线、电压源型储能系统、有功负荷P1和MMC‑HVDC系统;风力发电机的输出端分成两路,一路通过断路器K1连接箱式变压器T1的低压侧,另一路通过变流器连接箱式变压器T1的低压侧;箱式变压器T1的高压侧通过MMC‑HVDC系统连接断路器K2一端,断路器K2另一端连接高压母线;电压源型储能系统的输出端连接箱式变压器T2的低压侧,箱式变压器T2的高压侧连接高压母线;有功负荷P1连接高压母线。本发明对充分利用风能,缓解电力供应紧张具有重要意义。