梯次利用储能系统的电压一致性评估方法及装置

    公开(公告)号:CN118444182A

    公开(公告)日:2024-08-06

    申请号:CN202410665758.0

    申请日:2024-05-27

    摘要: 本申请涉及动力电池评估技术领域,特别涉及一种梯次利用储能系统的电压一致性评估方法及装置,其中,方法包括:获取动力电池模组的模组电压数据和模组电流数据,并对模组电压数据和模组电流数据进行筛选,以得到动力电池模组的稳态电压数据;计算稳态电压数据的标准差序列,并利用线性插值和滤波方法对标准差序列进行计算,得到标准差追随序列;将标准差追随序列向预设百分区间进行映射,以得到动力电池模组的最终一致性评估结果。由此,实现了以电池模组工作电压的标准差作为一致性评价指标,消除异常数据点和噪声的影响的同时,直观地反映出电池系统的一致性,最终实现大规模电池储能系统海量运行数据的评估。

    面向绿色低碳的信息系统站点供能规划方案制定方法

    公开(公告)号:CN115860498B

    公开(公告)日:2024-02-23

    申请号:CN202211707050.4

    申请日:2022-12-29

    申请人: 清华大学

    摘要: 本申请公开了一种面向绿色低碳的信息系统站点供能规划方案制定方法,属于配用电优化规划领域,该方法包括:建立信息系统站点供能规划数据集;确定信息系统中每一个站点的供电可靠性约束参数;基于信息系统站点供能规划数据集中的数据,建立信息系统站点供能规划模型;求解信息系统站点供能规划模型,制定站点供能规划方案。该方法能够用于信息系统站点的供能规划方案制定,通过建立全局规划模型能够获得高效、经济的规划方案;综合考虑了集中式风电、集中式光伏、分布式光伏和电力网络对于信息系统站点进行供电,能够提高信息系统的绿色用电比例,促进信息系统碳减排。

    面向绿色低碳的信息系统站点供能规划方案制定方法

    公开(公告)号:CN115860498A

    公开(公告)日:2023-03-28

    申请号:CN202211707050.4

    申请日:2022-12-29

    申请人: 清华大学

    摘要: 本申请公开了一种面向绿色低碳的信息系统站点供能规划方案制定方法,属于配用电优化规划领域,该方法包括:建立信息系统站点供能规划数据集;确定信息系统中每一个站点的供电可靠性约束参数;基于信息系统站点供能规划数据集中的数据,建立信息系统站点供能规划模型;求解信息系统站点供能规划模型,制定站点供能规划方案。该方法能够用于信息系统站点的供能规划方案制定,通过建立全局规划模型能够获得高效、经济的规划方案;综合考虑了集中式风电、集中式光伏、分布式光伏和电力网络对于信息系统站点进行供电,能够提高信息系统的绿色用电比例,促进信息系统碳减排。

    梯次利用动力电池提升电力系统效益的评估方法及装置

    公开(公告)号:CN115423203A

    公开(公告)日:2022-12-02

    申请号:CN202211139818.2

    申请日:2022-09-19

    摘要: 本申请公开了一种梯次利用动力电池提升电力系统效益的评估方法及装置,其中,方法包括:建立退役动力电池的运行技术特性模型;建立计及梯次利用动力电池的电力系统运行模拟模型;建立梯次利用动力电池储能对电力系统运行性能提升效益的评价指标集;求解计及梯次利用动力电池的电力系统运行模拟模型,获取计及梯次利用动力电池电力系统的调度运行方案;基于调度运行方案计算评价指标参数,并基于评价指标集得到梯次利用动力电池储能对电力系统运行性能提升效益的评估结果。由此,解决了相关技术中由于退役动力电池容量及技术性能受损,导致退役动力电池回收利用率低,并且造成退役动力电池能量价值浪费,降低用户对退役动力电池的使用意愿等问题。

    锂离子电池健康状态预测方法、系统、设备及存储介质

    公开(公告)号:CN118837755A

    公开(公告)日:2024-10-25

    申请号:CN202411321451.5

    申请日:2024-09-23

    摘要: 本发明公开了一种锂离子电池健康状态预测方法、系统、设备及存储介质。现有的多种电池健康状态预测方法有着各自的缺陷。本发明采用的方法,包括:获取锂离子电池充放电循环过程中平均电压、平均电流、平均温度、采集时间以及电池健康状态的时序数据,并按照电池健康状态作为目标值和其余数据作为属性值的标准进行分类;建立LSTM模型,设定LSTM模型的超参数;采用基于Choquet积分的数据集维度调整法对训练数据集进行非加性维度调整;用所述调整后的训练数据集进行LSTM模型的预训练和再训练,得到再训练LSTM模型;用再训练LSTM模型对下一时刻电池健康状态数据进行预测。本发明在尽可能保证模型预测精度的前提下降低数据集的维度,大幅降低了计算的复杂度。