一种基于信息融合的磷酸铁锂电池热失控监测方法及系统

    公开(公告)号:CN113253125B

    公开(公告)日:2023-02-17

    申请号:CN202110545420.8

    申请日:2021-05-19

    IPC分类号: G01R31/378 G01R31/367

    摘要: 本发明公开了一种基于信息融合的磷酸铁锂电池热失控监测方法及系统。该方法包括:采用斯皮尔曼等级相关法从磷酸铁锂电池的周围测温点中筛选出若干与磷酸铁锂电池内部温度非线性相关程度相对高的测温点,将筛选出的测温点记为特定周围测温点;采集某时刻至少两个特定周围测温点的温度数据;将特定周围测温点的温度数据进行融合,得到温度融合值;将温度融合值输入孤立森林模型检测磷酸铁锂电池是否发生热失控,孤立森林模型为在磷酸铁锂电池正常运行时,基于特定周围测温点的温度数据建立的孤立森林模型,所述正常运行为所述磷酸铁锂电池未发生热失控的运行。本发明无需测量电池内部的温度数据,提高了效率,且操作上更加的便捷。

    一种氢储能系统集群功率分配方法

    公开(公告)号:CN113765125B

    公开(公告)日:2023-06-30

    申请号:CN202111114415.8

    申请日:2021-09-23

    摘要: 本发明涉及储能系统能量控制管理领域,具体涉及一种氢储能系统集群功率分配方法。方法包含以下步骤:氢储能的能量控制系统获取所有HESS单元SOHC、制氢效率发电效率ηelec、电解槽工作温度Tec、燃料电池工作温度Tfc参数;每间隔一定时长,比较电网输出功率PG和负荷需求功率PL大小;采用K‑means聚类方法,将大规模氢储能集群分为N个不同的HESS簇群;筛选出最优HESS簇群;利用优先排序法对除最优HESS簇群外的N‑1个HESS簇群进行有功功率分配,且簇群内部各个HESS单元平均承担簇群所承担的总功率;不能完全消纳盈余电能或者仍然不能满足负荷需求,全部由最优HESS簇群承担。本发明相对于现有技术的优点在于:保证大规模储能系统中各个HESS单元的SOHC、工作温度等参数最大程度的控制在最佳运行区间。

    基于典型特征向量的动力电池筛选方法

    公开(公告)号:CN112287980B

    公开(公告)日:2023-06-23

    申请号:CN202011094434.4

    申请日:2020-10-14

    摘要: 本发明公开了一种典型特征向量的动力电池筛选方法。该方法的包括以下步骤:获取若干已知状态的动力电池的充放电电压信号,并提取电压信号特征,形成特征向量;根据相同类型样本在各特征变量的数值,估计各个特征的概率密度函数,利用抽样方法生成若干新样本;利用聚类方法聚合新样本,形成多个具有代表性的典型特征向量;计算待检测动力电池的特征向量与每一类型各个典型特征向量的余弦相似度,辨识待检测动力电池的健康状态。通过本发明的筛选方法,避免了小样本情况下传统分类模型过拟合问题以及数据不平衡造成的偏差,提高了动力电池筛选的实用性,同时可以更清晰了解不同故障下动力电池的典型特征情况,为更好地定义动力电池状态奠定基础。

    一种储能电池健康状态辨识方法

    公开(公告)号:CN112327190B

    公开(公告)日:2023-06-20

    申请号:CN202011094365.7

    申请日:2020-10-14

    摘要: 本发明具体涉及一种储能电池健康状态辨识方法。该方法首先采集储能电池在一次充放电测试过程中的端电压信号,组成含有类别的样本数据集合A;然后,计算每个样本的特征值,形成可以表征原始信号特点的特征向量,组成含有类别的样本特征集合B;接着,生成若干个差异化的支持向量机模型;然后,以遗传算法种群个体的0‑1编码选择部分支持向量机模型,并将特征集合B输入得到多个以概率向量方式表征的储能电池健康情况辨识结果,形成对若干支持向量机模型的筛选方案,即储能电池健康情况辨识方案。多次支持向量集成的方式大幅提升了诊断模型的鲁棒性,利用遗传算法快速、自动地实现了对诊断过程的优化,提升了故障诊断性能。