【精彩论文】基于电池簇放电电量的电池堆不一致性在线监测方法

观点凝练

摘要：针对电池在生产过程中难以做到完全一致且在不同运行工况下电池老化程度不一致的情况，为避免大规模储能电站中电池“短板效应”的发生，提出一种基于电池簇放电电量的电池堆不一致性在线监测方法。将储能电站中的放电电量作为特征参数，定量分析电池堆与电池簇放电电量的对应关系，并对二者进行线性拟合，求导得到其变化速率，以实现电池堆一致性的在线监测；将变化速率记录为时序信号，并作为BP神经网络输入来实现短时预测，以达到预测储能电站安全运行的目的。最后，通过对湖南某储能电站实际运行数据进行分析，计算出其预测平均绝对误差为0.406%、均方误差为0.002%、均方根误差为0.489%，均小于0.5%，验证了所提方法的可行性与有效性。
结论：储能电站的安全运行与电池堆的运行状态息息相关，为了保障其安全运行，需要对储能电池进行在线监测。为此，本文通过分析、监测电池堆与基准簇的放电量线性关系及变化趋势来实时估计电池堆不一致性情况，并得到以下结论。

1）本文使用不同算法对NASA数据中的放电量变化趋势进行预测，通过对比分析发现所提BP神经网络预测方法预测精度明显优于其他方法。

2）使用本文所提方法对某一电站实际运行数据进行验证，计算出其预测平均绝对误差为0.406%、均方误差为0.002%、均方根误差为0.489%，均小于0.5%，可见其预测效果良好。

此外，本文仍然存在以下不足之处，由于缺乏电池老化数据，无法对老化电池进行预测；本文现有的电池运行数据较少，若是有足够多的训练样本对网络进行大量的学习训练，则可以进一步提高神经网络对储能电池堆不一致性预测的准确度，后期将继续对其完善。

引文信息

张媛, 夏向阳, 岳家辉, 等. 基于电池簇放电电量的电池堆不一致性在线监测方法[J]. 中国电力, 2023, 56(7): 207-215, 227.ZHANG Yuan, XIA Xiangyang, YUE Jiahui, et al. Online monitoring method of battery stack inconsistency based on discharge quantity of battery clusters[J]. Electric Power, 2023, 56(7): 207-215, 227.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹

校对：王文诗

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。