本發(fā)明涉及儲能電池風險辨識，特別是一種基于蒙特卡洛的儲能電池的主動風險源辨識方法。

背景技術：

1、隨著儲能電站裝機容量的不斷提高，大量單體串并聯(lián)，極易導致連鎖反應，引起火災、爆炸等安全事故發(fā)生，故其安全防控問題愈發(fā)受到重視。電站主動安全側重于在儲能系統(tǒng)運行過程中通過監(jiān)測評估電池的運行狀態(tài)，對系統(tǒng)的早期故障進行識別和預警，進而采取有針對性的維護措施，以防止嚴重事故的發(fā)生。主動安全技術包括但不限于電池管理系統(tǒng)(bms)對電池進行狀態(tài)評估、早期故障預警等，這些技術能夠在電池出現(xiàn)問題之前進行干預，保障儲能系統(tǒng)的安全運行。其中，電池的主動風險源辨識是最重要的一環(huán)。通過建立精確的電池模型，實時監(jiān)測電池內部參數(shù)，通過濾波算法估計獲得電池荷電狀態(tài)(state?ofcharge，soc)和健康狀態(tài)(state?of?health，soh)，將電池的soc和soh參數(shù)與標稱值進行比較，監(jiān)測電池能否正常充放電，側面反映電池的安全狀態(tài)，篩選出有問題的電池。

2、在實際應用中，soc和soh受到電池非線性特性的影響，無法直接測量，造成電池狀態(tài)估計難度高、誤差大，只能通過電壓、電流、溫度等可測量參數(shù)進行估計。且電池系統(tǒng)具有不可避免的隨機噪聲，動態(tài)條件下估計結果不準確。因此，其改進和創(chuàng)新勢在必行。

技術實現(xiàn)思路

1、針對上述情況，為克服現(xiàn)有技術之不足，本發(fā)明之目的就是提供一種基于蒙特卡洛的儲能電池的主動風險源辨識方法，通過運行數(shù)據(jù)中提取的數(shù)據(jù)，實現(xiàn)儲能電站運行狀態(tài)下的實時在線監(jiān)測，完成對儲能電池的狀態(tài)精準預測與判斷，篩選出異常電池，在電池正常老化失效前數(shù)周做出定點定位預警。

2、本發(fā)明解決的技術方案是：

3、一種基于蒙特卡洛的儲能電池的主動風險源辨識方法，包括以下步驟：

4、第一步：獲取儲能電站電池原始運行數(shù)據(jù)，包括儲能電站電池的電池端電壓、電流；

5、第二步：模型在線參數(shù)辨識

6、(1)建立二階rc等效電路模型，其包括電阻r0、r1、r2、開路電壓uoc、電容c1、c2；其中，電阻r0為電池模型的等效內阻，電阻r1為電池極化效應引起的極化內阻，電阻r2為電池濃度極化效應引起的極化內阻，電容c1和c2是極化電容，電阻r1和電容c1并聯(lián)構成第一個rc網(wǎng)絡，第一個rc網(wǎng)絡描述了電極之間傳輸?shù)淖杩梗娮鑢2和電容c2并聯(lián)構成第二個rc網(wǎng)絡，第二個rc網(wǎng)絡描述了電極材料中鋰離子擴散的阻抗，開路電壓uoc的正極依次與電阻r0、第一個rc網(wǎng)絡和第二個rc網(wǎng)絡串聯(lián)；u0為電阻r0分得電壓，當電流為i時，電阻r1和r2分得電壓為u1和u2，uoc為開路電壓，ul為輸出端子電壓；二階rc等效電路模型的微分表達式為：

7、

8、式中：u1分別表示r1兩端的電壓，u2分別表示r2兩端的電壓，分別為u1，u2的導數(shù)，ul表示電路端電壓，uoc表示開路電壓，r0表示電池內阻，r1表示第一電化學極化電阻，r2表示第二濃差極化電阻，c1表示第一電化學極化電容，c2表示第二濃差極化電容，i表示電流；

9、(2)對建立的二階rc等效電路模型表達式進行離散化處理，得到如下表達式：

10、

11、式中：k表示離散時刻，δt表示采樣時間，τ表示時間常數(shù)，且τ1＝r1c1，τ2＝r1c2，c表示目標電池的額定容量；

12、對離散化后的二階rc等效電路模型的表達式進行整理，得到如下表達式：

13、

14、對整理后的二階rc等效電路模型的表達式進行拉普拉斯變換，得到如下表達式：

15、

16、將uoc(s)-ul(s)作為輸出，i(s)作為輸入，得到傳遞函數(shù)表達式：

17、

18、令其中，并對變換后的傳遞函數(shù)進行離散化處理，得到如下表達式：

19、其中，ε1，ε2，ε3，ε4，ε5為常系數(shù)；

20、將傳遞函數(shù)g(z)帶入至拉普拉斯變換后的二階rc等效電路模型的表達式內，得到如下表達式：

21、yθ(k)＝ε1yθ(k-1)+ε2yθ(k-2)+ε3i(k)+ε4i(k-1)+ε5i(k-2)

22、其中：

23、

24、令θ(k)＝{ε1、ε2、ε3、ε4、ε5}，則將上述表達式可以寫作：yθ(k)＝φ(k)tθ(k)，式中，yθ(k)表示k時刻的輸出向量，φ(k)表示k時刻輸入向量，θ(k)表示k時刻的待辨識的模型參數(shù)；

25、(3)輸入電壓、電流，通過swrls算法遞推計算等效電路模型內部參數(shù)

26、將滑動窗口長度設為w，通過遞歸計算時間k-w與時間k之間的w+1組數(shù)據(jù)和時間k-1處的數(shù)據(jù)作為初始值，可以得到時間k處的系統(tǒng)狀態(tài)，通過用等式中的k-w+1替換k-w，swrls算法迭代如下式所示：

27、

28、其中，為窗口滑動時，迭代后被辨識參數(shù)在時刻k時的估計值；為窗口滑動時，迭代前被辨識參數(shù)在時刻k時的估計值；g(k-w+1,k)為窗口滑動時，算法增益矩陣；y(k-w)為設置窗口時，k時刻狀態(tài)變量；φ(k-w)為在k時刻待辨識參數(shù)；p(k-w+1,k)為窗口滑動時，迭代后k時刻協(xié)方差矩陣；p(k-w,k)為設置窗口時，迭代前k時刻協(xié)方差矩陣；

29、第三步：電池狀態(tài)估計

30、(1)基于離散化后的二階rc等效電路模型的表達式確定對應的狀態(tài)空間方程和觀測方程：

31、

32、式中x(k-1)，x(k)表示k-1時刻和k時刻的狀態(tài)向量，u(k-1)表示k-1時刻的輸入向量，y(k)表示表示k時刻的觀測向量，a表示系統(tǒng)狀態(tài)轉移矩陣、b表示系統(tǒng)狀態(tài)控制矩陣，c表示觀測轉移矩陣，d表示觀測控制矩陣，w(k)表示k時刻的過程噪聲向量，v(k)表示k時刻的測量噪聲向量，其中：

33、

34、d＝-r0

35、(2)初始化狀態(tài)變量誤差協(xié)方差矩陣pk、噪聲矩陣qk、rk、qk、rk；

36、(3)輸入電池端電壓、電流，等效電路模型內部參數(shù)；

37、(4)根據(jù)sage-husa自適應濾波器計算噪聲矩陣：

38、

39、(5)狀態(tài)變量預估計、狀態(tài)誤差協(xié)方差預估計：

40、狀態(tài)變量預估計狀態(tài)誤差協(xié)方差預估計

41、(6)卡爾曼增益更新：

42、

43、(7)更新觀測狀態(tài)測量值、狀態(tài)變量、狀態(tài)誤差協(xié)方差：

44、更新觀測狀態(tài)測量值狀態(tài)變量狀態(tài)誤差協(xié)方差

45、(8)蒙特卡洛過程：

46、對狀態(tài)變量進行重采樣，獲取最優(yōu)估計值輸出儲能電池的soc和soh。

47、發(fā)明方法的創(chuàng)新之于將蒙特卡洛數(shù)理統(tǒng)計方法應用于電池狀態(tài)估計領域。它使用蒙特卡洛方法對自適應濾波估計獲得的soc和soh進行多次重采樣，并對其結果進行平均，將平均值認為是最優(yōu)解，并將其作為該時間下的最終近似估計值，減少了隨機噪聲的影響。將獲得的soc和soh參數(shù)與標稱值進行比較，篩選出異常電池，在電池內短路熱失控、正常老化失效前數(shù)周做出定點定位預警。與現(xiàn)有技術相比，本技術的優(yōu)點在于以下幾點：

48、(1)精度高：通過滑動窗口遞推最小二乘參數(shù)辨識方法獲得高精度的電池內部參數(shù)，再通過sage-husa自適應方法有效地抑制噪聲，同時使用蒙特卡洛方法進一步減少先驗估計的不準確性對后驗估計的影響。提高電池狀態(tài)預測精度。

49、(2)實時性強：相比其他參數(shù)辨識方法，滑動窗口遞推最小二乘參數(shù)辨識方法對新數(shù)據(jù)更加敏感，可以在線識別電池內部參數(shù)，獲取實時參數(shù)變化，為電池狀態(tài)估計提供基礎。

50、(3)魯棒性好：自適應修正的方法有效地抑制噪聲干擾，提高電池狀態(tài)預測的魯棒性和穩(wěn)定性。

51、(4)可擴展性好：具有很好的可擴展性和通用性，可以應用于不同場景下的電池狀態(tài)監(jiān)測應用，提供了一種儲能電池主動風險源辨識方法。