一种基于局部阶段充电数据的多工况SOH估计方法和系统

    公开(公告)号:CN116577686B

    公开(公告)日:2023-09-26

    申请号:CN202310857464.3

    申请日:2023-07-13

    IPC分类号: G01R31/392 G01R31/367

    摘要: 本发明公开了一种基于局部阶段充电数据的多工况SOH估计方法和系统,所述方法包括:S1:在不同工况下,对锂电池进行循环充放电实验,获取不同工况下的电池老化循环数据库;S2:基于所述电池老化循环数据库提取健康因子,并获取健康因子与锂电池健康状态的映射参数库;S3:基于神经网络建立锂电池的健康状态估计模型,根据不同工况下的所述健康状态估计模型和所述映射参数库,构建健康因子与锂电池健康状态的映射模型库;S4:根据锂电池实际工况,从所述映射模型库中选取相应的健康状态估计模型,利用相应的健康状态估计模型和对锂电池的健康状态进行估计。解决现有方法中需要完整充电数据的局限,对于多工况复杂情况均可实现多工况下SOH的准确估计。

    计及经济性锂电池调峰调频模型出力方式选择方法及系统

    公开(公告)号:CN117411024A

    公开(公告)日:2024-01-16

    申请号:CN202311153133.8

    申请日:2023-09-07

    IPC分类号: H02J3/24 H02J3/32

    摘要: 本发明属于电力系统规划、储能应用技术领域,特别涉及计及经济性锂电池调峰调频模型出力方式选择方法及系统。所述方法包括:判断电网频率是否处于非死区;当电网频率处于非死区时,分别建立调频模型和调峰模型,并获取电网的调频需求功率和调峰需求功率;建立锂电储能系统响应模型,并输入调频需求功率和调峰需求功率,获取调频实际输出功率和调峰实际输出功率。本发明中锂电储能系统参与电网调频,利用了锂电储能系统的快速充放电响应特性,以减少电网中的功率波动,增强电网稳定性,并且相对于传统的调频机组,锂电储能系统运行过程中的爬坡速率和磨损影响小,效果更优。

    液流电池主动均衡优化方法、装置、电子设备和存储介质

    公开(公告)号:CN118336065A

    公开(公告)日:2024-07-12

    申请号:CN202410571581.8

    申请日:2024-05-09

    IPC分类号: H01M8/24 H01M8/04298

    摘要: 本发明公开了一种液流电池主动均衡优化方法、装置、电子设备和存储介质。包括:通过当所述液流电池处于充电状态或放电状态时,获取电堆簇的实时电压;根据所述实时电压,计算第一电压差值;当所述第一电压差值位于预设的电压差异区间内时,在所述电堆簇中,确定第一目标电堆;当所述电堆簇中存在第一电堆时,增大所述第一目标电堆的电解液离子的流量,以使得第一电压差值位于电压差阈值内。能够减少参与反应的电解液离子百分比,降低电堆极化反应,避免液流电池由于其中一台或多台电堆提前充电或放电完成,导致液流电池未能完全充电或放电,提高了液流电池的容量利用率。

    一种分布式能源云管理方法及系统

    公开(公告)号:CN116094006A

    公开(公告)日:2023-05-09

    申请号:CN202211690924.X

    申请日:2022-12-27

    摘要: 本发明涉及新能源技术领域,特别涉及一种分布式能源云管理方法及系统。本发明采用分布式储能,削峰填谷。除了太阳能路灯,在楼房的屋顶、遮阳棚等地方还可建立太阳能板,部分区域设立储能电站以及通过对小区内部充电桩能源的利用,实现分布式储能。建立用户端调峰的新概念和辅助技术手段,在城市电网用电高峰时段,用智能插座阶段性地控制部分高耗电的家用电器工作,在电网用电低谷的区间和小区太阳能发电的高峰期通过智能插座启动预设好的部分家用电器工作,在用电高峰来临前完成部分家用电器的非即时用电任务,实现在用户端辅助电网削峰填谷的功能。

    一种基于局部阶段充电数据的多工况SOH估计方法和系统

    公开(公告)号:CN116577686A

    公开(公告)日:2023-08-11

    申请号:CN202310857464.3

    申请日:2023-07-13

    IPC分类号: G01R31/392 G01R31/367

    摘要: 本发明公开了一种基于局部阶段充电数据的多工况SOH估计方法和系统,所述方法包括:S1:在不同工况下,对锂电池进行循环充放电实验,获取不同工况下的电池老化循环数据库;S2:基于所述电池老化循环数据库提取健康因子,并获取健康因子与锂电池健康状态的映射参数库;S3:基于神经网络建立锂电池的健康状态估计模型,根据不同工况下的所述健康状态估计模型和所述映射参数库,构建健康因子与锂电池健康状态的映射模型库;S4:根据锂电池实际工况,从所述映射模型库中选取相应的健康状态估计模型,利用相应的健康状态估计模型和对锂电池的健康状态进行估计。解决现有方法中需要完整充电数据的局限,对于多工况复杂情况均可实现多工况下SOH的准确估计。