一种梯次利用电池峰值功率的预测方法及系统技术方案

本发明专利技术属于梯次利用电池领域，提供了一种梯次利用电池峰值功率的预测方法及系统。该方法包括，构建梯次电池的戴维宁等效模型；基于所述戴维宁等效模型预测梯次电池的工作电压、欧姆内阻和实际容量；基于梯次电池的工作电压、欧姆内阻和实际容量，采用最优估计，预测下一时刻梯次电池的最优工作电压和最优欧姆内阻；基于下一时刻梯次电池的最优工作电压和最优欧姆内阻，预测下一时刻梯次电池的峰值功率。率。率。

【技术实现步骤摘要】
一种梯次利用电池峰值功率的预测方法及系统


[0001]本专利技术属于梯次利用电池领域，尤其涉及一种梯次利用电池峰值功率的预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]近几年，随着退役动力电池的增多，其梯次利用受到越来越大的关注，这些梯次电池可被广泛应用于通讯基站、储能等领域。由于梯次电池为退役电池，其内阻和容量与原动力电池相比都有很大程度的变化，所以在其梯次利用中的充电和放电时必须要有更精确的峰值功率(SOP，state of power)估算，防止梯次电池的过充和过放。
[0004]但是现有技术中存在退役电池性能衰减、SOC(荷电状态)初始值不明确等问题。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种梯次利用电池峰值功率的预测方法及系统，其通过最优预测工作电压和最优估计内阻来预测电池的峰值功率。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种梯次利用电池峰值功率的预测方法。
[0008]一种梯次利用电池峰值功率的预测方法，包括：
[0009]构建梯次电池的戴维宁等效模型；
[0010]基于所述戴维宁等效模型预测梯次电池的工作电压、欧姆内阻和实际容量；
[0011]基于梯次电池的工作电压、欧姆内阻和实际容量，采用最优估计，预测下一时刻梯次电池的最优工作电压和最优欧姆内阻；
[0012]基于下一时刻梯次电池的最优工作电压和最优欧姆内阻，预测下一时刻梯次电池的峰值功率。
[0013]进一步地，所述构建梯次电池的戴维宁等效模型之后包括：基于所述戴维宁等效模型得到一个时间常数，所述时间常数用于模拟梯次电池在极化的产生和消除过程中所表现出的动态特性。
[0014]进一步地，所述预测下一时刻梯次电池的最优欧姆内阻的过程包括：基于梯次电池的欧姆内阻和实际容量，预测梯次电池欧姆内阻和实际容量的过程噪声协方差和观测噪声协方差；基于梯次电池欧姆内阻和实际容量的过程噪声协方差和观测噪声协方差，最优估计下一时刻梯次电池的最优工作电压。
[0015]进一步地，在预测梯次电池欧姆内阻和实际容量的过程噪声协方差和观测噪声协方差之前包括：初始化梯次电池欧姆内阻和实际容量的状态估算值和状态误差协方差估算值，根据戴维宁等效模型，对梯次电池的时间和状态进行更新。
[0016]进一步地，所述预测下一时刻梯次电池的最优工作电压的过程包括：基于梯次电
池的工作电压，预测梯次电池工作电压的过程噪声协方差和观测噪声协方差；基于梯次电池工作电压的过程噪声协方差和观测噪声协方差，结合梯次电池的欧姆内阻和实际容量，最优估计下一时刻梯次电池的最优工作电压。
[0017]进一步地，在预测梯次电池工作电压的过程噪声协方差和观测噪声协方差之前包括：初始化梯次电池工作电压的状态估算值和状态误差协方差估算值，根据戴维宁等效模型，对梯次电池的时间和状态进行更新。
[0018]进一步地，在所述预测梯次电池的工作电压、欧姆内阻和实际容量的过程中，采用观测变量梯次电池工作估算值和实际值的误差修正梯次电池的工作电压、欧姆内阻和实际容量，其中，梯次电池工作估算值包括梯次电池的工作电压估算值、欧姆内阻估算值和实际容量估算值。
[0019]本专利技术的第二个方面提供一种梯次利用电池峰值功率的预测系统。
[0020]一种梯次利用电池峰值功率的预测系统，包括：
[0021]模块构建模块，其被配置为：构建梯次电池的戴维宁等效模型；
[0022]预测模块，其被配置为：基于所述戴维宁等效模型预测梯次电池的工作电压、欧姆内阻和实际容量；
[0023]最优估计模块，其被配置为：基于梯次电池的工作电压、欧姆内阻和实际容量，采用最优估计，预测下一时刻梯次电池的最优工作电压和最优欧姆内阻；
[0024]输出模块，其被配置为：基于下一时刻梯次电池的最优工作电压和最优欧姆内阻，预测下一时刻梯次电池的峰值功率。
[0025]本专利技术的第三个方面提供一种计算机可读存储介质。
[0026]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的梯次利用电池峰值功率的预测方法中的步骤。
[0027]本专利技术的第四个方面提供一种计算机设备。
[0028]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的梯次利用电池峰值功率的预测方法中的步骤。
[0029]与现有技术相比，本专利技术的有益效果是：
[0030]本专利技术在采用一阶Thevenin等效模型的基础上，首先应用自适应双卡尔曼滤波算法(ADEKF)，即基于自适应卡尔曼滤波算法估算SOC及欧姆内阻和实际容量，然后利用最优估计预测工作电压与欧姆内阻，估算梯次电池SOP，最后建立梯次电池SOP的估算方法，为梯次电池的推广利用提供安全保障。
[0031]本专利技术针对SOC不明确的情况，采用了自适应的方法，可以进行自适应调整，进行准确性估算。
[0032]本专利技术针对梯次电池性能衰减，实际容量和欧姆内阻不准确性，采用了自适应卡尔曼滤波算法，实时估算梯次电池参数，进一步提高SOP估算准确性。
附图说明
[0033]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0034]图1是本专利技术示出的梯次利用电池峰值功率的预测方法流程图；
[0035]图2是本专利技术示出的一阶戴维宁等效电路模型。
具体实施方式
[0036]下面结合附图与实施例对本专利技术作进一步说明。
[0037]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0038]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0039]需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种梯次利用电池峰值功率的预测方法，其特征在于，包括：构建梯次电池的戴维宁等效模型；基于所述戴维宁等效模型预测梯次电池的工作电压、欧姆内阻和实际容量；基于梯次电池的工作电压、欧姆内阻和实际容量，采用最优估计，预测下一时刻梯次电池的最优工作电压和最优欧姆内阻；基于下一时刻梯次电池的最优工作电压和最优欧姆内阻，预测下一时刻梯次电池的峰值功率。2.根据权利要求1所述的梯次利用电池峰值功率的预测方法，其特征在于，所述构建梯次电池的戴维宁等效模型之后包括：基于所述戴维宁等效模型得到一个时间常数，所述时间常数用于模拟梯次电池在极化的产生和消除过程中所表现出的动态特性。3.根据权利要求1所述的梯次利用电池峰值功率的预测方法，其特征在于，所述预测下一时刻梯次电池的最优欧姆内阻的过程包括：基于梯次电池的欧姆内阻和实际容量，预测梯次电池欧姆内阻和实际容量的过程噪声协方差和观测噪声协方差；基于梯次电池欧姆内阻和实际容量的过程噪声协方差和观测噪声协方差，最优估计下一时刻梯次电池的最优工作电压。4.根据权利要求3所述的梯次利用电池峰值功率的预测方法，其特征在于，在预测梯次电池欧姆内阻和实际容量的过程噪声协方差和观测噪声协方差之前包括：初始化梯次电池欧姆内阻和实际容量的状态估算值和状态误差协方差估算值，根据戴维宁等效模型，对梯次电池的时间和状态进行更新。5.根据权利要求1所述的梯次利用电池峰值功率的预测方法，其特征在于，所述预测下一时刻梯次电池的最优工作电压的过程包括：基于梯次电池的工作电压，预测梯次电池工作电压的过程噪声协方差和观测噪声协方差；基于梯次电池工作电压的过程噪声协方差和观测噪声协方差，结合梯次电池的欧姆内阻和实际容量，最优估计下一时...

【专利技术属性】
技术研发人员：侯恩广，王知学，乔昕，刘广敏，张云，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：