一种电量剩余转化效率自检测的储能电池电量监控系统

技术领域

本发明属于电池管理技术领域，具体是一种电量剩余转化效率自检测的储能电池电量监控系统。

背景技术

电量剩余转化效率自检测的储能电池电量监控系统是一种用于监测、管理和优化储能电池组的系统，提供准确的电池状态和剩余电量信息，旨在帮助用户合理利用储能电池的容量，延长电池的使用寿命，以便进行有效的能源管理和运维决策。但是现有的储能电池电量监控系统存在储能电池规模大，系统难以及时处理大规模电量数据实时传输的技术问题；存在电池剩余电量测量不准，导致系统无法正确进行平衡控制，进而影响整个监控系统的稳定性和性能的技术问题；存在电池健康检测不准确，导致对电池寿命、性能和可靠性产生负面影响，进而导致设备故障和能源浪费的技术问题。

发明内容

针对上述情况，为克服现有技术的缺陷，本发明提供的一种电量剩余转化效率自检测的储能电池电量监控系统，针对存在储能电池规模大，系统难以及时处理大规模电量数据实时传输的技术问题，采用数据分片，根据电量数据规模调整数据块的大小，计算最大电量数据传输效率，实时传输电量数据；针对存在电池剩余电量测量不准，导致系统无法正确进行平衡控制，进而影响整个监控系统的稳定性和性能的技术问题，采用构建电池剩余电量预测模型，同时估计多个电芯的电池剩余电量，用累计误差消除算法依次对每个电池单元运行，消除随时间推移而增加的累积误差，降低计算复杂度，建立电池容量模型，并进行温度校正，得到准确的电池剩余电量预测值；针对存在电池健康检测不准确，导致对电池寿命、性能和可靠性产生负面影响，进而导致设备故障和能源浪费的技术问题，采用计算相关系数，提取与电池健康状态相关性最高的健康特征，构建耦合模型单元，根据电池运行情况进行电池健康状态预测，再进行电池健康检测精度评估。

本发明提供的一种电量剩余转化效率自检测的储能电池电量监控系统，包括采集电量数据模块、数据预处理模块、剩余电量预测模块、转化效率自检测模块、电池健康检测模块和用户远程监控模块；

所述采集电量数据模块具体为采集储能电池组充电和放电过程中的大规模电量数据；

所述数据预处理模块具体为进行数据分片，根据电量数据规模调整数据块的大小，计算最大电量数据传输效率，实时传输电量数据，对小数据块进行数据标准化和数据合并，得到实时电量数据集；

所述剩余电量预测模块具体为构建电池剩余电量预测模型，同时估计多个电芯的电池剩余电量，采用累计误差消除算法依次对每个电池单元运行，消除随时间推移而增加的累积误差，降低计算复杂度，建立电池容量模型，并进行温度校正，得到准确的电池剩余电量预测值；

所述转化效率自检测模块具体为进行电池充放电效率检测，通过测量电池的开路电压，并参考电池厂商提供的电压-电量曲线，得到电池的剩余电量转化效率；

所述电池健康检测模块具体为计算相关系数，提取与电池健康状态相关性最高的健康特征，构建耦合模型，根据电池运行情况进行电池健康状态预测，再进行电池健康检测精度评估；

所述用户远程监控模块具体为展示电池的实时状态和历史电量数据。

进一步地，在采集电量数据模块中，通过嵌入在储能电池系统中的传感器，采集储能电池组充电和放电过程中的大规模电量数据，包括电流、电压和时间参数。

进一步地，在数据预处理模块中，设有数据分片单元、数据标准化单元和数据合并单元，具体包括以下内容：

数据分片单元，将大规模电量数据划分为小数据块，利用并行计算的方法对小数据块进行处理，充分利用计算资源，提高数据预处理效率；

根据电量数据规模调整小数据块的大小，计算最大电量数据传输效率，实时传输电量数据，所用公式如下：

；

式中，μ是最大电量数据传输效率，t

数据标准化单元，对每个小数据块进行标准化处理，消除不同特征的量纲差异；

数据合并单元，将标准化后的小数据块进行合并，生成实时电量数据集，确保合并后的实时电量数据集具有平衡性和代表性。

进一步地，在剩余电量预测模块中，设有电池剩余电量测量单元、电池容量建模单元、实时计算单元、温度校正单元和用户提示单元，具体包括以下内容：

电池剩余电量预测单元，通过实时电量数据集，获取当前的电池剩余电量真实值；

采用开路电压算法，在电芯处于静止状态时，得到准确的电池剩余电量的初始值；

构建电池剩余电量预测模型，同时估计多个电芯的电池剩余电量，所用公式如下：

；

式中，SOC表示电池剩余电量预测值，SOC

采用累计误差消除算法对每个电池单元运行，从最后一个电池单元运行之后循环到第一个电池单元运行，保持较低的计算复杂度，消除随时间推移而增加的累积误差，所用公式如下：

；

式中，

电池容量建模单元，采集电池的特性信息和历史电量数据，建立电池容量模型；

实时计算单元，根据得到的电池剩余电量和电池容量模型，对剩余电量进行实时计算；

温度校正单元，电池的温度对电池性能和电池剩余电量的预测有影响，根据电池的放电曲线和温度特性定义一个温度校正系数，对电池剩余电量预测值进行修正，得到准确的电池剩余电量预测值，所用公式如下：

C

式中，C

用户提示单元，基于电池剩余电量预测值，向用户提供相应的电量提示，帮助用户更好的管理和利用电池。

进一步地，在转化效率自检测模块中，设有电池充放电效率检测单元和测量电池的开路电压单元，具体内容如下：

电池充放电效率检测单元，通过对电池进行充放电循环测试评估充放电效率，已知电池容量的情况下，记录电池放电过程中的实际输出电量，与充电过程中所需输入电量进行比较，检测剩余电量转化效率情况；

测量电池的开路电压单元，通过测量电池的开路电压，并参考电池厂商提供的电压-电量曲线，得到电池的剩余电量转化效率。

进一步地，在电池健康检测模块中，设有计算相关系数单元、电池健康状态预测单元、构建耦合模型单元和预测精度评估单元，具体包括以下内容：

计算相关系数单元，提取与电池健康状态相关性最高的健康特征，确定影响电池健康特征的因素，所用公式如下：

；

式中，ρ是a与b之间的相关系数，ρ绝对值越大，相关程度越高，a是一组电池健康状态相关的特征，b是电池健康状态对应的真实值，计算相关系数之前必须对a和b进行排序，e是电池样本数量，i表示第i个电池样本；

电池健康状态预测单元，从两个维度进行电池健康状态预测，一是在相同充放电循环下导致每个电池健康状态不同程度下降的特征因素，二是电池自身老化过程中与健康状态衰减率相关的特征因素，将两个维度中提取的因素用作预测模型的输入，提高预测准确性和可靠性；

构建耦合模型单元，根据电池运行情况进行电池健康状态预测，对回归预测结果进行自适应调整，所述耦合模型包括电池健康状态预测模型、预测偏差判断环节和校正模型，包括以下内容：

电池健康状态预测模型，采集待预测储能电池的历史数据提取电池的下降趋势，使用同一型号储能电池的数据，估计外部影响对电池健康状态下降的影响，输入前n1个时间点的电池健康状态、相同充放电循环下导致每个电池健康状态不同程度下降的特征因素和电池自身老化过程中与健康状态衰减率相关的特征因素，预测后n1个时间点的电池健康状态，模型输入是一个长度为n1的时间序列，每个时间步长对应一个由p个特征因素组成的数据向量，模型输出是一个长度为n1的时间序列，每个时间步长对应该时间点的电池健康状态，即得到电池健康状态预测模型的预测结果；

预测偏差判断环节，在电池健康状态预测过程中，电池健康状态预测模型输出的预测值和实际观测值之间容易产生偏差，进行统计分析和偏差评估，判断预测结果的偏差程度，为进一步校正提供依据；

校正模型，挖掘电池健康信息，自适应优化电池健康状态预测模型的预测结果，所用公式如下：

；

式中，Q表示电池健康状态预测模型的预测结果，a

进行加权最小二乘法，降低预测结果中异常值的影响，所用公式如下：

；

式中，minf表示对一组数据进行求最小值的操作，Y

预测精度评估单元，计算预测结果与真实值之间的差异度，反映电池健康状态预测模型的整体精度，所用公式如下：

；

式中，SOH表示电池健康状态，ξ是预测结果与真实值之间的差异度，M是电池单体个数，m是电池单体的序号，n

进一步地，在用户远程监控模块中，具体为给用户提供友好的界面，展示电池的实时状态和历史电量数据，支持用户进行远程操控，随时了解电池的运行情况，合理利用电池资源。

采用上述方案本发明取得的有益效果如下：

（1）针对存在储能电池规模大，系统难以及时处理大规模电量数据实时传输的技术问题，采用数据分片，根据电量数据规模调整数据块的大小，计算最大电量数据传输效率，实时传输电量数据；

（2）针对存在电池剩余电量测量不准，导致系统无法正确进行平衡控制，进而影响整个监控系统的稳定性和性能的技术问题，采用构建电池剩余电量预测模型，同时估计多个电芯的电池剩余电量，用累计误差消除算法依次对每个电池单元运行，消除随时间推移而增加的累积误差，降低计算复杂度，建立电池容量模型，并进行温度校正，得到准确的电池剩余电量预测值；

（3）针对存在电池健康检测不准确，导致对电池寿命、性能和可靠性产生负面影响，进而导致设备故障和能源浪费的技术问题，采用计算相关系数，提取与电池健康状态相关性最高的健康特征，构建耦合模型单元，根据电池运行情况进行电池健康状态预测，再进行电池健康检测精度评估。

附图说明

图1为本发明提供的一种电量剩余转化效率自检测的储能电池电量监控系统的示意图；

图2为数据预处理模块的示意图；

图3为剩余电量预测模块的示意图；

图4为电池健康检测模块的示意图。

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

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。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

实施例一，参阅图1，本发明提供的一种电量剩余转化效率自检测的储能电池电量监控系统，包括采集电量数据模块、数据预处理模块、剩余电量预测模块、转化效率自检测模块、电池健康检测模块和用户远程监控模块；

所述采集电量数据模块具体为采集储能电池组充电和放电过程中的大规模电量数据；

所述数据预处理模块具体为进行数据分片，根据电量数据规模调整数据块的大小，计算最大电量数据传输效率，实时传输电量数据，对小数据块进行数据标准化和数据合并，得到实时电量数据集；

所述剩余电量预测模块具体为构建电池剩余电量预测模型，同时估计多个电芯的电池剩余电量，采用累计误差消除算法依次对每个电池单元运行，消除随时间推移而增加的累积误差，降低计算复杂度，建立电池容量模型，并进行温度校正，得到准确的电池剩余电量预测值；

所述转化效率自检测模块具体为进行电池充放电效率检测，通过测量电池的开路电压，并参考电池厂商提供的电压-电量曲线，得到电池的剩余电量转化效率；

所述电池健康检测模块具体为计算相关系数，提取与电池健康状态相关性最高的健康特征，构建耦合模型，根据电池运行情况进行电池健康状态预测，再进行电池健康检测精度评估；

所述用户远程监控模块具体为展示电池的实时状态和历史电量数据。

实施例二，参阅图1，该实施例基于上述实施例，在采集电量数据模块中，通过嵌入在储能电池系统中的传感器，采集储能电池组充电和放电过程中的大规模电量数据，包括电流、电压和时间参数。

实施例三，参阅图1和图2，该实施例基于上述实施例，在数据预处理模块中，设有数据分片单元、数据标准化单元和数据合并单元，具体包括以下内容：

数据分片单元，将大规模电量数据划分为小数据块，利用并行计算的方法对小数据块进行处理，充分利用计算资源，提高数据预处理效率；

根据电量数据规模调整小数据块的大小，计算最大电量数据传输效率，实时传输电量数据，所用公式如下：

；

式中，μ是最大电量数据传输效率，t

数据标准化单元，对每个小数据块进行标准化处理，消除不同特征的量纲差异；

数据合并单元，将标准化后的小数据块进行合并，生成实时电量数据集，确保合并后的实时电量数据集具有平衡性和代表性。

通过执行上述操作，采用数据分片，根据电量数据规模调整数据块的大小，计算最大电量数据传输效率，实时传输电量数据，解决了储能电池规模大，系统难以及时处理大规模电量数据实时传输的技术问题。

实施例四，参阅图1和图3，该实施例基于上述实施例，在剩余电量预测模块中，设有电池剩余电量测量单元、电池容量建模单元、实时计算单元、温度校正单元和用户提示单元，具体包括以下内容：

电池剩余电量预测单元，通过实时电量数据集，获取当前的电池剩余电量真实值；

采用开路电压算法，在电芯处于静止状态时，得到准确的电池剩余电量的初始值；

构建电池剩余电量预测模型，同时估计多个电芯的电池剩余电量，所用公式如下：

；

式中，SOC表示电池剩余电量预测值，SOC

采用累计误差消除算法对每个电池单元运行，从最后一个电池单元运行之后循环到第一个电池单元运行，保持较低的计算复杂度，消除随时间推移而增加的累积误差，所用公式如下：

；

式中，

电池容量建模单元，采集电池的特性信息和历史电量数据，建立电池容量模型；

实时计算单元，根据得到的电池剩余电量和电池容量模型，对剩余电量进行实时计算；

温度校正单元，电池的温度对电池性能和电池剩余电量的预测有影响，根据电池的放电曲线和温度特性定义一个温度校正系数，对电池剩余电量预测值进行修正，得到准确的电池剩余电量预测值，所用公式如下：

C

式中，C

用户提示单元，基于电池剩余电量预测值，向用户提供相应的电量提示，帮助用户更好的管理和利用电池。

通过执行上述操作，采用构建电池剩余电量预测模型，同时估计多个电芯的电池剩余电量，用累计误差消除算法依次对每个电池单元运行，消除随时间推移而增加的累积误差，降低计算复杂度，建立电池容量模型，并进行温度校正，得到准确的电池剩余电量预测值，解决了电池剩余电量测量不准，导致系统无法正确进行平衡控制，进而影响整个监控系统的稳定性和性能的技术问题。

实施例五，参阅图1，该实施例基于上述实施例，在转化效率自检测模块中，设有电池充放电效率检测单元和测量电池的开路电压单元，具体内容如下：

电池充放电效率检测单元，通过对电池进行充放电循环测试评估充放电效率，已知电池容量的情况下，记录电池放电过程中的实际输出电量，与充电过程中所需输入电量进行比较，检测剩余电量转化效率情况；

测量电池的开路电压单元，通过测量电池的开路电压，并参考电池厂商提供的电压-电量曲线，得到电池的剩余电量转化效率。

实施例六，参阅图1和图4，该实施例基于上述实施例，在电池健康检测模块中，设有计算相关系数单元、电池健康状态预测单元、构建耦合模型单元和预测精度评估单元，具体包括以下内容：

计算相关系数单元，提取与电池健康状态相关性最高的健康特征，确定影响电池健康特征的因素，所用公式如下：

；

式中，ρ是a与b之间的相关系数，ρ绝对值越大，相关程度越高，a是一组电池健康状态相关的特征，b是电池健康状态对应的真实值，计算相关系数之前必须对a和b进行排序，e是电池样本数量，i表示第i个电池样本；

电池健康状态预测单元，从两个维度进行电池健康状态预测，一是在相同充放电循环下导致每个电池健康状态不同程度下降的特征因素，二是电池自身老化过程中与健康状态衰减率相关的特征因素，将两个维度中提取的因素用作预测模型的输入，提高预测准确性和可靠性；

构建耦合模型单元，根据电池运行情况进行电池健康状态预测，对回归预测结果进行自适应调整，所述耦合模型包括电池健康状态预测模型、预测偏差判断环节和校正模型，包括以下内容：

电池健康状态预测模型，采集待预测储能电池的历史数据提取电池的下降趋势，使用同一型号储能电池的数据，估计外部影响对电池健康状态下降的影响，输入前n1个时间点的电池健康状态、相同充放电循环下导致每个电池健康状态不同程度下降的特征因素和电池自身老化过程中与健康状态衰减率相关的特征因素，预测后n1个时间点的电池健康状态，模型输入是一个长度为n1的时间序列，每个时间步长对应一个由p个特征因素组成的数据向量，模型输出是一个长度为n1的时间序列，每个时间步长对应该时间点的电池健康状态，即得到电池健康状态预测模型的预测结果；

预测偏差判断环节，在电池健康状态预测过程中，电池健康状态预测模型输出的预测值和实际观测值之间容易产生偏差，进行统计分析和偏差评估，判断预测结果的偏差程度，为进一步校正提供依据；

校正模型，挖掘电池健康信息，自适应优化电池健康状态预测模型的预测结果，所用公式如下：

；

式中，Q表示电池健康状态预测模型的预测结果，a

进行加权最小二乘法，降低预测结果中异常值的影响，所用公式如下：

；

式中，minf表示对一组数据进行求最小值的操作，Y

预测精度评估单元，计算预测结果与真实值之间的差异度，反映电池健康状态预测模型的整体精度，所用公式如下：

；

式中，SOH表示电池健康状态，ξ是预测结果与真实值之间的差异度，M是电池单体个数，m是电池单体的序号，n

通过执行上述操作，采用计算相关系数，提取与电池健康状态相关性最高的健康特征，构建耦合模型单元，根据电池运行情况进行电池健康状态预测，再进行电池健康检测精度评估，解决了电池健康检测不准确，导致对电池寿命、性能和可靠性产生负面影响，进而导致设备故障和能源浪费的技术问题。

实施例七，参阅图1，该实施例基于上述实施例，在用户远程监控模块中，具体为给用户提供友好的界面，展示电池的实时状态和历史电量数据，支持用户进行远程操控，随时了解电池的运行情况，合理利用电池资源。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。