考虑电池热故障的电池储能系统可靠性评估方法及系统

技术领域

本发明涉及电池储能系统领域，特别是涉及一种考虑电池热故障的电池储能系统可靠性评估方法及系统。

背景技术

目前风光等新能源大规模并网，为平抑风光波动，储能得到大规模的应用。储能系统的安全可靠程度将直接影响风光储场站的运行水平，并最终影响电力系统的可靠运行。而电池储能因为成熟度较高，在大规模的风光储场站中得到最为广泛的应用，因此需对电池储能系统进行全面准确的可靠性评估。

储能电池在不断的充放电循环过程中，其性能状态逐渐衰减，直接体现为电池最大可用容量的降低。但电池的容量衰减过程并非一蹴而就，在其性能不断降低的过程中，将会存在着多个健康状态，其在不同容量状态下会有不同的可靠度表现，因此如何全面准确的描述电池的多状态，考虑状态划分过程中的不确定性和模糊特性，对储能电池系统的可靠性评估就有重要意义。同时电池储能系统除正常的容量衰减外，还存在着故障的情况，热失控故障作为电池危害较为严重，发生较为频繁的故障，对电池的可靠性具有较大的影响。因此如何反应电池的热失控故障的传播以及故障后果对可靠性的影响，是计及故障状态下电池储能系统可靠性评估需重点关注的问题。现阶段的储能电池系统由不同储能电池单体模块化组合，需考虑储能系统中电池单体的串并连接关系，由电池单体的多状态模型形成整体的状态模型，以实现对整体储能系统可靠性的评估。

发明内容

本发明的目的是提供一种考虑电池热故障的电池储能系统可靠性评估方法及系统，可更加全面准确地评估电池储能系统的可靠性。

为实现上述目的，本发明提供了如下方案：

一种考虑电池热故障的电池储能系统可靠性评估方法，包括：

考虑电池状态分布中的不确定性和模糊特性，基于模糊正态分布建立无故障情况下电池单体的模糊多状态模型；所述模糊多状态模型用于计算电池单体各容量状态的模糊概率值；

根据无故障情况下电池单体的模糊多状态模型，基于热失控故障的传播模型，确定电池单体在计及热失控故障下的模糊多状态模型；

采用通用生成函数方法，由电池单体在计及热失控故障下的模糊多状态模型，获得储能电池系统在计及热失控故障下的模糊多状态模型；

根据储能电池系统在计及热失控故障下的模糊多状态模型，采用蒙特卡洛模拟方法对电池进行抽样模拟，获得储能电池系统的可靠度。

可选地，所述考虑电池状态分布中的不确定性和模糊特性，基于模糊正态分布建立无故障情况下电池单体的模糊多状态模型，具体包括：

对电池的容量状态进行划分，并规定不同的容量状态对应不同的概率值；

令电池的性能水平服从均值为μ，标准差为σ的正态分布，则考虑电池状态分布中的不确定性，采用模糊数

考虑电池状态分布中的模糊特性，采用模糊数表示划分的容量状态的上下界限；

基于模糊正态分布建立无故障情况下电池单体的模糊多状态模型为

可选地，所述根据无故障情况下电池单体的模糊多状态模型，基于热失控故障的传播模型，确定电池单体在计及热失控故障下的模糊多状态模型，具体包括：

考虑电池的热失控故障状态，确定电池触发热失控之后，各电池单体在各时刻的温度集合；

根据各电池单体在各时刻的温度集合，利用公式

根据热失控故障下电池在各时刻的均值，确定热失控故障下电池在各时刻的模糊均值以及模糊方差集合为

根据无故障情况下电池单体的模糊多状态模型和热失控故障下电池在各时刻的模糊均值以及模糊方差集合，基于正态模糊分布，确定电池单体在计及热失控故障下的模糊多状态模型为

可选地，所述考虑电池的热失控故障状态，确定电池触发热失控之后，各电池单体在各时刻的温度集合，具体包括：

考虑电池的热失控故障状态，发生热失控后，电池所吸收的热量为

电池吸收热量后，热失控故障下电池温度的变化为

当电池触发热失控之后，各电池单体在各时刻的温度集合为T

可选地，所述采用通用生成函数方法，由电池单体在计及热失控故障下的模糊多状态模型，获得储能电池系统在计及热失控故障下的模糊多状态模型，具体包括：

根据电池单体在计及热失控故障下的模糊多状态模型，建立电池单体的通用生成函数为

根据电池单体的通用生成函数，获得由各电池单体经串并联组成的电池rack的通用生成函数为

根据电池rack的通用生成函数，生成储能电池系统的通用生成函数为

将储能电池系统的通用生成函数确定为储能电池系统在计及热失控故障下的模糊多状态模型。

可选地，当电池rack由电池单体串联形成时，电池rack的可靠度由其中状况最差的电池单体决定；

当电池rack由电池单体并联形成时，采用加权组合运算的规则，对电池性能状态最好的电池单体分配最高的权重，对性能状态差的电池单体则分配低的权重，最终并联结构的性能状态则由各部分加权组合得到。

可选地，所述根据储能电池系统在计及热失控故障下的模糊多状态模型，采用蒙特卡洛模拟方法对电池进行抽样模拟，获得储能电池系统的可靠度，具体包括：

设定多种模拟运行场景；

对系统内的电池进行抽样检测，并利用电池的测量设备获取抽样电池的相关数据，

将抽样电池的相关数据代入公式

对抽样电池的状态进行划分，并基于抽样电池的SoH均值构建抽样电池的模糊多状态模型，进一步形成电池储能系统模拟用的模糊多状态模型；

采用蒙特卡洛模拟方法在每种模拟运行场景中对抽样电池进行模拟，同时利用储能电池系统模拟用的模糊多状态模型，计算每种模拟运行场景下储能电池系统的模糊概率；

根据每种模拟运行场景下储能电池系统的模糊概率，利用公式

根据每种模拟运行场景下的可靠度，结合各模拟运行场景的发生概率，获得电池储能系统的可靠度及健康状态期望。

一种考虑电池热故障的电池储能系统可靠性评估系统，包括：

无故障模型建立模块，用于考虑电池状态分布中的不确定性和模糊特性，基于模糊正态分布建立无故障情况下电池单体的模糊多状态模型；所述模糊多状态模型用于计算电池单体各容量状态的模糊概率值；

单体失控故障模型建立模块，用于根据无故障情况下电池单体的模糊多状态模型，基于热失控故障的传播模型，确定电池单体在计及热失控故障下的模糊多状态模型；

系统失控故障模型建立模块，用于采用通用生成函数方法，由电池单体在计及热失控故障下的模糊多状态模型，获得储能电池系统在计及热失控故障下的模糊多状态模型；

抽样模拟模块，用于根据储能电池系统在计及热失控故障下的模糊多状态模型，采用蒙特卡洛模拟方法对电池进行抽样模拟，获得储能电池系统的可靠度。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开一种考虑电池热故障的电池储能系统可靠性评估方法及系统，首先考虑电池状态分布中的不确定性和模糊特性，基于模糊正态分布建立无故障情况下电池单体的模糊多状态模型，进一步考虑热失控故障，基于热失控故障的传播模型建立电池单体在计及热失控故障下的模糊多状态模型，再由电池单体的模糊多状态模型得到储能电池系统在计及热失控故障下的模糊多状态模型，进而利用储能电池系统在计及热失控故障下的模糊多状态模型对电池储能系统进行可靠性评估，使得可靠性的计算更加全面准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种考虑电池热故障的电池储能系统可靠性评估方法的流程图；

图2为本发明实施例提供的一种考虑电池热故障的电池储能系统可靠性评估方法的原理图；

图3为本发明实施例提供的采用蒙特卡洛模拟方法对储能电磁系统进行可靠性评估的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种考虑电池热故障的电池储能系统可靠性评估方法及系统，可更加全面准确地评估电池储能系统的可靠性。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例提供一种考虑电池热故障的电池储能系统可靠性评估方法，如图1和图2所示，包括：

步骤S1，考虑电池状态分布中的不确定性和模糊特性，基于模糊正态分布建立无故障情况下电池单体的模糊多状态模型；所述模糊多状态模型用于计算电池单体各容量状态的模糊概率值。

基于电池的容量衰减模型，计算电池的SoH衰减变化，各时刻计算的电池的SoH值作为电池各时刻的正态分布的均值。

以磷酸铁锂电池为例，影响容量衰减的因素可以归纳为温度、充放电深度以及充放电速率，即：Q

其中，μ

对电池的健康状态进行划分，不同的状态对应于不同的概率值，以模糊数表示分布的均值以及状态划分的界限，基于模糊正态分布计算电池单体各状态的模糊概率值。

将电池的SoH水平划分为n个不同的状态，用L

认为大量电池单体的SoH水平符合正态分布。电池在各状态下对应不同的概率P

考虑电池状态分布中的不确定性，采用模糊数

其中，

同时对于电池健康状态的划分也可以进一步考虑其模糊特性，采用模糊数来表示。对于其中的上下界限的模糊数，可以采用三角模糊数来表示：

其中，TFN表示三角模糊数，l

因此，电池单体j在各个性能状态的概率重构为模糊集合

其中，

由公式应该是(2)(3)(4)以及对应电池的状态即L

步骤S2，根据无故障情况下电池单体的模糊多状态模型，基于热失控故障的传播模型，确定电池单体在计及热失控故障下的模糊多状态模型。

电池除在正常状态下的寿命衰减外，也会发生故障情况。考虑电池的热失控故障状态，基于热失控故障的传播模型，计算储能电池单体在计及热失控故障下各时刻的工作温度。基于步骤1中的电池均值与温度的关系，计算储能电池在热失控故障下的状态均值，并基于模糊正态分布计算储能电池在热失控故障下的状态概率。

发生热失控后，周围电池所吸收的热量为：

式中，Q

其中，P

其中，k

电池吸收热量后，电池温度的变化为：

式中，T

当电池的温度达到临界值时，就会触发热失控，触发热失控的判据如下：

其中，T

当电池触发热失控之后，其向周围电池传递能量使周围电池处于“过热”的异常状态，此时电池将会加速老化，因此此时的电池性能分布与常温时的电池性能分布不同，此时需根据各电池的温度情况，重新计算各电池的性能分布以及所对应的概率。

若在t时刻时各电池单体的温度集合为：

T

则重新形成考虑了热故障下的电池单体在各时刻的模糊均值以及模糊方差，以集合表示为：

之后再次基于正态模糊分布，求取电池在计及热失控故障下各状态值下的模糊概率集合：

其中，

公式15)为电池单体在计及热失控故障下的模糊多状态模型。

步骤S3，采用通用生成函数方法，由电池单体在计及热失控故障下的模糊多状态模型，获得储能电池系统在计及热失控故障下的模糊多状态模型。

采用通用生成函数方法，形成储能电池单体的通用生成函数，并构建通用函数算子，形成电池箱体的通用生成函数。

对于储能电池单体，其UGF函数可以表示为：

u

储能电池系统由大量的储能电池单体经串并联组合形成，对于串联的电池单体，其整体的可靠度应由其中状况最差的电池单体决定；对于并联形式的电池单体，为更全面准确的反应电池整体的性能水平，提出采用加权组合运算的规则，对电池性能状态最好的电池单体分配最高的权重，对性能状态较差的电池单体则分配较低的权重，最终并联结构的性能状态则由各部分加权组合得到。对于其中具体权重，则可以采用层级分析法来获取。

其中，

/>

为并联结构下的随机变量函数：

储能电池模块首先由各电池单体经串联组成电池rack，后各部分得电池串之间经一定的串并联关系形成整体的电池模块。

其中，g

公式(16)(20)(21)都为通用生成函数，分别为电池单体的通用生成函数表达式、电池rack的通用生成函数表达式、电池系统的通用生成函数表达式。整个储能电池系统分为了三级，电池单体、电池rack以及电池系统；电池单体串并联构成电池rack，电池rack串并联形成电池系统，因此依次构建三者的通用生成函数，首先是电池单体的通用生成函数，之后经所定义的算子，对电池单体的通用生成函数之间进行运算形成电池rack的通用生成函数，在经算子运算形成电池系统的通用生成函数。

根据最终所获得的储能电池系统的通用生成函数，可以从中获得电池储能系统在各状态下的模糊概率值，形成电池储能系统在计及热失控故障下的模糊多状态模型。

步骤S4，根据储能电池系统在计及热失控故障下的模糊多状态模型，采用蒙特卡洛模拟方法对电池进行抽样模拟，获得储能电池系统的可靠度。

在假定储能电池系统的最小性能需求水平为γ时，应用所提的模型计算出电池储能系统的状态概率后，可以采用下式计算储能电池的可靠度以及健康状态期望：

由于电池的状态概率采用模糊概率，最后会得到关于可靠度的模糊数，即对于储能的可靠度并非唯一固定的数值，将会给出可靠度的可能取值区间，以及其不同取值的隶属度。基于可靠度的隶属函数，可以进一步的获取在不同置信水平下的，可靠度取值的置信区间。同样，对于其也是相应的模糊数表示，并可基于其隶属度函数求得不同置信水平的置信区间。

采用蒙特卡洛模拟的方法，对电池进行抽样模拟，并计算电池的可靠度以及期望指标，并形成可靠度的评估流程。

对储能电池系统可靠度进行评估时，首先抽样一定数量的系统内电池单体，基于电池的测量设备获取相关电池性能衰减数据，设置电池衰减模型的相关参数。结合电池的使用情况和工作环境温度计算电池在各时刻的性能分布的模糊均值以及模糊方差。之后基于电池的热失控故障概率，随机模拟电池单体发生热故障，并基于热故障传播模型计算此时各电池单体的工作环境温度，重新形成各电池单体模糊均值以及模糊方差，基于模糊正态分布求得电池单体处于各性能状态的模糊概率。在此基础上，基于通用生成函数，构建电池储能系统计及电池故障下的模糊多状态模型，得到系统在不同性能水平的模糊状态概率，之后对比最小性能需求，算出在考虑电池热故障下的储能系统的可靠度以及状态期望。

由于电池储能系统内部含有大量的电池单体，且热传播模型设计的影响因素较多，因此采用蒙特卡洛方法对储能电池系统的运行场景进行抽样，结合各场景的发生概率，求得电池储能系统的可靠度。如图3所示，具体评估流程如下：

(1)利用实际抽样检测的电池获取电池的容量衰减数据，以此来设定模型的相关参数以及电池热故障模型的相关参数

(2)确定电池单体的性能分布g

(3)设置可靠性评估环境，确定环境温度、电池充放电倍率等参数以及电池储能系统中的电池单体连接拓扑；

(4)计算电池在各时刻的性能分布均值以及方差，并假设所有电池在初始时刻均处于完美工作状态；

(5)基于所设定的故障概率，随机抽取发生故障的电池单体，基于热故障传播模型计算此时的电池环境温度，并重新形成各电池单体的模糊均值以及方差序列，计算各状态的模糊概率；

(6)基于通用生成函数方法，形成电池储能系统的模糊多状态模型。用蒙特卡洛模拟的方法对电池储能系统进行规定次数的运行场景模拟。在每一次模拟中，记录各时刻的系统性能分布情况g

(7)结合各运行场景下的可靠度数据及发生概率，得到电池储能系统的可靠度计算结果。

本发明首先对储能电池的健康状态进行划分，基于模糊正态分布求解电池的多状态模糊概率，形成电池单体的模糊多状态模型。其中，考虑了储能电池系统的热失控故障，基于电池储能系统的热失控故障传播模型，计算储能电池计及热失控故障下的模糊均值，并基于模糊正态分布形成电池在计及热失控下多状态模糊概率。之后采用通用生成函数方法，由储能电池单体的模糊多状态模型，形成储能系统的模糊多状态模型。最后基于蒙特卡洛模拟方法，对储能电池系统进行抽样模拟，计算储能电池系统的可靠度以及健康状态期望。

本发明的有益效果为：

1.本发明考虑了储能电池在各状态隶属上的模糊特性，采用模糊正态分布来计算储能电池不同状态下的模糊概率，构建了储能电池单体的模糊多状态分布。相较于传统的正态分布来描述，保留了过程中的更多的信息，使概率结果具有更大的灵活性。并根据大规模储能电池系统的实际结构层级，从储能电池单体，到储能电池rack，再到储能电池系统，分别构建了各层级的通用生成函数，最终由储能电池单体的模糊多状态模型，得到储能电池系统的模糊多状态模型来将计算可靠性考虑了更多的不确定性，使得最终可靠性的计算更加准确，更加全面。

2.本发明考虑了储能电池的典型热失控故障以及具体故障传播机理和影响，基于故障传播模型和电池均值与温度的关系，计算电池在故障状态的下温度序列，并结合电池的模糊状态，形成计及热故障状态下的电池就及储能系统模糊多状态模型。提高了电池储能系统可靠性评估模型的精度，考虑更加全面，是可靠性评估更贴合实际。

3.本发明在采用通用生成函数来描述并联电池结构的整体水平时，构建了基于层级分析法确定权重的加权组合的通用生成函数算子，使得对电池整体水平的描述更全面准确。

本发明还提供了一种考虑电池热故障的电池储能系统可靠性评估系统，包括：

无故障模型建立模块，用于考虑电池状态分布中的不确定性和模糊特性，基于模糊正态分布建立无故障情况下电池单体的模糊多状态模型；所述模糊多状态模型用于计算电池单体各容量状态的模糊概率值；

单体失控故障模型建立模块，用于根据无故障情况下电池单体的模糊多状态模型，基于热失控故障的传播模型，确定电池单体在计及热失控故障下的模糊多状态模型；

系统失控故障模型建立模块，用于采用通用生成函数方法，由电池单体在计及热失控故障下的模糊多状态模型，获得储能电池系统在计及热失控故障下的模糊多状态模型；

抽样模拟模块，用于根据储能电池系统在计及热失控故障下的模糊多状态模型，采用蒙特卡洛模拟方法对电池进行抽样模拟，获得储能电池系统的可靠度。

本发明实施例提供的考虑电池热故障的电池储能系统可靠性评估系统与上述实施例所述的考虑电池热故障的电池储能系统可靠性评估方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述方法实施例的介绍。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。