基于三温融合修正的储能系统寿命预测方法及系统与流程
本发明涉及储能系统,具体涉及基于三温融合修正的储能系统寿命预测方法及系统。
背景技术:
1、储能系统的可用容量、运行可靠性以及投资收益均与其剩余使用寿命密切相关,在实际运行过程中,储能电池并非处于恒定环境和固定工况下工作,其寿命衰减过程受到多种动态因素共同影响,例如充放电循环深度、累计充放电次数、运行温度变化、电池内部阻抗增长以及长期运行过程中的负载波动等。
2、现有储能寿命预测方法通常采用运行环境平均温度作为温度修正参数,仅利用单一温度指标描述热老化过程,由于储能系统实际运行过程中,电池老化不仅受到长期平均温度影响,还受到短时间高温冲击、低温运行以及温度波动频率影响。因此,现有技术忽略温度变化对电池老化速率的非线性影响,导致温度因素表征维度不足,进而导致无法准确计算温度引起的等效老化时间,使寿命预测结果出现偏差。
技术实现思路
1、本申请提供了基于三温融合修正的储能系统寿命预测方法及系统,旨在解决现有技术通常采用单一平均温度进行老化修正,无法准确反映温度峰值及低温影响,导致寿命预测结果与实际运行衰减规律存在偏差的技术问题。
2、本申请公开的第一个方面,提供了基于三温融合修正的储能系统寿命预测方法,所述方法包括:获取目标储能系统的历史运行数据,对所述历史运行数据进行时间序列关联处理,得到储能运行状态数据集,其中包括电压响应数据、电流响应数据、充放电容量数据及运行温度数据;基于所述储能运行状态数据集提取储能系统的循环运行特征、容量衰减特征及温度变化特征,并依据初始运行状态建立储能健康状态评价序列;对所述运行温度数据中的平均温度、最高温度及最低温度进行独立特征提取,构建平均温度响应因子、最高温度响应因子及最低温度响应因子,并基于温度融合关系生成三温融合修正因子;基于所述三温融合修正因子对所述储能健康状态评价序列进行温度老化修正,结合循环应力参数及阻抗退化修正参数构建综合有效老化年龄;基于所述综合有效老化年龄建立储能系统性能衰减预测模型,对未来运行周期内的健康状态变化趋势进行预测,输出所述目标储能系统的剩余寿命预测结果。
3、本申请公开的第二个方面,提供了基于三温融合修正的储能系统寿命预测系统,所述系统用于上述基于三温融合修正的储能系统寿命预测方法,所述系统包括:时间序列关联处理模块,用于获取目标储能系统的历史运行数据,对所述历史运行数据进行时间序列关联处理,得到储能运行状态数据集,其中包括电压响应数据、电流响应数据、充放电容量数据及运行温度数据;状态评价序列建立模块,用于基于所述储能运行状态数据集提取储能系统的循环运行特征、容量衰减特征及温度变化特征,并依据初始运行状态建立储能健康状态评价序列;独立特征提取模块,用于对所述运行温度数据中的平均温度、最高温度及最低温度进行独立特征提取,构建平均温度响应因子、最高温度响应因子及最低温度响应因子,并基于温度融合关系生成三温融合修正因子;温度老化修正模块,用于基于所述三温融合修正因子对所述储能健康状态评价序列进行温度老化修正,结合循环应力参数及阻抗退化修正参数构建综合有效老化年龄;寿命预测结果输出模块,用于基于所述综合有效老化年龄建立储能系统性能衰减预测模型,对未来运行周期内的健康状态变化趋势进行预测,输出所述目标储能系统的剩余寿命预测结果。
4、本申请中提供的一个或多个技术方案,至少具有如下有益效果:
5、通过对储能系统多维历史运行参数进行统一采集与关联分析,实现电压、电流、容量及温度等关键状态信息的融合表征,提高运行数据的完整性和连续性,为后续健康状态评估及寿命预测提供可靠的数据基础;通过融合循环次数、容量变化及温度影响等多维衰退因素,构建动态健康状态评价序列,实现对储能系统老化过程的量化描述,降低单一指标评价造成的预测偏差,提高健康状态评估的准确性;通过分别挖掘不同温度维度对储能性能衰减的影响规律,实现温度因素的精细化建模,并利用多温融合关系形成修正参数,提升温度波动环境下寿命预测模型对实际运行工况的适应能力;通过引入温度修正、循环应力及阻抗变化等影响因素,对传统老化指标进行动态校正,使有效老化年龄能够更准确地反映储能系统实际退化程度,提高寿命评估结果的可靠性;通过基于综合老化特征建立预测模型,实现储能系统未来性能衰减趋势的提前判断,能够准确预测剩余使用寿命,为储能系统运行维护、状态管理及安全策略制定提供数据支撑。
6、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
1.基于三温融合修正的储能系统寿命预测方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于三温融合修正的储能系统寿命预测方法,其特征在于,获取目标储能系统的历史运行数据,对所述历史运行数据进行时间序列关联处理,得到储能运行状态数据集,包括:
3.如权利要求2所述的基于三温融合修正的储能系统寿命预测方法,其特征在于,基于所述储能运行状态数据集提取储能系统的循环运行特征、容量衰减特征及温度变化特征,并依据初始运行状态建立储能健康状态评价序列,包括:
4.如权利要求1所述的基于三温融合修正的储能系统寿命预测方法,其特征在于,对所述运行温度数据中的平均温度、最高温度及最低温度进行独立特征提取,构建平均温度响应因子、最高温度响应因子及最低温度响应因子,包括:
5.如权利要求4所述的基于三温融合修正的储能系统寿命预测方法,其特征在于,基于温度融合关系生成三温融合修正因子,包括:
6.如权利要求1所述的基于三温融合修正的储能系统寿命预测方法,其特征在于,基于所述三温融合修正因子对所述储能健康状态评价序列进行温度老化修正,结合循环应力参数及阻抗退化修正参数构建综合有效老化年龄,包括:
7.如权利要求1所述的基于三温融合修正的储能系统寿命预测方法,其特征在于,对未来运行周期内的健康状态变化趋势进行预测,输出所述目标储能系统的剩余寿命预测结果,包括:
8.基于三温融合修正的储能系统寿命预测系统,其特征在于,用于实施权利要求1至7任一项所述的基于三温融合修正的储能系统寿命预测方法,所述系统包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com