测定全钒液流电池的正极电解液的钒离子总浓度和荷电状态的方法和系统与流程
本技术涉及但不限于电化学领域,且尤其涉及一种测定全钒液流电池的正极电解液的钒离子总浓度和荷电状态的方法和系统。
背景技术:
1、全钒液流电池(vrfb)作为大规模储能领域的核心技术之一,凭借正负极电解液均采用钒离子体系的独特优势,有效避免了交叉污染,实现了 10,000 至 20,000 次的长循环寿命,已在新能源并网、微电网、备用电源等场景实现规模化应用。其充放电性能、能量效率及运行稳定性直接依赖于电解液的动态状态,核心包括各价态钒离子(v2+/v3+/v4+/v5+)的浓度平衡、荷电状态(soc)及理化性质稳定性。在长期循环过程中,钒离子跨膜迁移导致的正负极离子总量失衡、析氢/析氧副反应引发的价态比例偏移、极端温度下的钒沉淀等问题,均会造成电池容量衰减、内阻增加甚至流道堵塞,严重影响系统可靠性。
2、全钒液流电池的正极电解液的荷电状态(soc)通常由正极电解液中的四价钒离子v(
iv)浓度和五价钒离子v(
v)浓度的比例决定。钒离子的浓度可由滴定法(nb∕t 42006-2013)、电压法、光学法等测试得到。光学法因其可在短时间内(采样率可低于5ms)完成全光谱的光学信号监测,单位时间内可收集海量数据,易实现在线测量及基于大数据的信号分析而逐渐得到广泛应用。然而,对于钒电池正极电解液这种含有多种吸光物质且吸光质点有相互作用的体系(如正极电解液中的四价钒离子v(
iv)和五价钒离子v(
v)会发生相互作用形成供价态物v2o33+等),当前基于朗伯比尔定律或浓度与吸光度的其他单一曲线方程的光学测量法无法准确且快速地获取体系中单种物质的浓度。
3、因此,需要一种准确方便地实时测定全钒液流电池的正极电解液的钒离子总浓度和荷电状态的改进的方法和系统。
技术实现思路
1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
2、在一方面,本技术提供了一种测定全钒液流电池的正极电解液的钒离子总浓度和荷电状态的方法,包括下述步骤:
3、s1:从所述全钒液流电池充放电期间的正极电解液的吸光度光谱中提取当前时刻的第一光谱特征参数x1、第二光谱特征参数x2以及第三光谱特征参数x3,x1为400-450 nm波长范围内的一个波长下的吸光度、x2为620-670nm波长范围内的一个波长下的吸光度以及x3为720-770nm 波长范围内的一个波长下的吸光度x3;
4、s2:获取所述全钒液流电池在当前时刻的荷电状态下的开路电压参数x4;
5、s3:将提取的当前时刻的第一光谱特征参数x1、第二光谱特征参数x2、第三光谱特征参数x3以及开路电压参数x4输入到训练好的基于随机森林算法的正极电解液状态测定模型中,获得所述当前时刻的总浓度参数y1和荷电状态参数y2;其中,总浓度参数y1为所述正极电解液中的四价钒离子的浓度和五价钒离子的浓度的总浓度,荷电状态参数y2为正极电解液的荷电状态,荷电状态可以由下述公式计算:
6、;
7、所述正极电解液状态测定模型通过以下方式训练获得:
8、提取多个历史时刻的第一光谱特征参数x1、第二光谱特征参数x2、第三光谱特征参数x3以及开路电压参数x4并获得所述多个历史时刻的总浓度参数y1和荷电状态参数y2;
9、将所述第一光谱特征参数x1、第二光谱特征参数x2、第三光谱特征参数x3以及开路电压参数x4作为输入数据输入到所述正极电解液状态测定模型中,且将所述总浓度参数y1和荷电状态参数y2作为所述正极电解液状态测定模型的输出数据,来对所述正极电解液状态测定模型进行训练;
10、当所述正极电解液状态测定模型的实际输出数据满足设定的训练终止条件时,则停止对所述正极电解液状态测定模型进行训练,获得训练好的所述正极电解液状态测定模型。
11、在一示例性实施例中,提取当前时刻的第一光谱特征参数x1、第二光谱特征参数x2、第三光谱特征参数x3包括在所述全钒液流电池的正极电解液循环系统中接入分光光度计并在充放电过程中进行实时全光谱扫描;和使用信号数据分析工具提取所述第一光谱特征参数x1、第二光谱特征参数x2、第三光谱特征参数x3。
12、在一示例性实施例中,获得所述当前时刻的浓度参数包括在当前时刻,采集正极电解液的样本,并使用电化学滴定法测得所述正极电解液中的四价钒离子的浓度
c
v(iv)和五价钒离子的浓度
c
v(v) ,并计算四价钒离子的浓度和五价钒离子的浓度的总浓度和正极电解液的荷电状态,得到总浓度参数y1和荷电状态参数y2。
13、在一示例性实施例中,对所述正极电解液状态测定模型进行训练包括将提取的第一光谱特征参数x1、第二光谱特征参数x2、第三光谱特征参数x3以及开路电压参数x4与获得的总浓度参数y1和荷电状态参数y2中80%的数据构造成训练集,20%的数据构造成测试集;采用所述训练集中的数据对所述正极电解液钒离子总浓度测定模型进行训练;所述获得训练好的所述正极电解液钒离子总浓度测定模型后还包括:采用所述测试集中的数据对训练好的所述正极电解液状态测定模型进行测试。
14、在一示例性实施例中,对所述正极电解液状态测定模型进行训练包括使用gridsearchcv对所述随机森林算法中的指定参数进行调优,并利用n 折交叉验证来验证所述指定参数的不同组合,获得当前的最优模型。
15、在一示例性实施例中,所述n折交叉验证为十折交叉验证。
16、在一示例性实施例中,所述指定参数包括n_estimators、max_depth和min_samples_split。
17、在一示例性实施例中,对所述正极电解液状态测定模型进行训练还包括继续采用所述训练集的数据来训练所述最优模型,并采用所述测试集的数据来评估所述最优模型,直至满足设定的训练终止条件。
18、在另一方面,本技术提供了一种测定全钒液流电池的正极电解液的钒离子总浓度和荷电状态的系统,包括:
19、测量装置,其与所述全钒液流电池的正极电解液相连,所述测量装置包括用于在所述全钒液流电池充放电期间测量所述正极电解液的当前时刻的吸光度光谱的光学测量单元和用于测量所述正极电解液的当前时刻的开路电压的电学测量单元;
20、电池管理系统,其与所述测量装置相连且设置有训练好的基于随机森林算法的正极电解液状态测定模型,所述电池管理系统被配置成将从所述测量装置测得的当前时刻的吸光度光谱和开路电压的数据分别转换为光谱特征参数x和开路电压参数x4并输入到所述正极电解液状态测定模型中,得到所述当前时刻的总浓度参数y1和荷电状态参数y2,其中所述光谱特征参数x中,x1为400-450 nm波长范围内的一个波长下的吸光度、x2为620-670nm波长范围内的一个波长下的吸光度以及x3为720-770nm 波长范围内的一个波长下的吸光度x3;所述总浓度参数y1为所述正极电解液中的四价钒离子的浓度和五价钒离子的浓度的总浓度,荷电状态参数y2为正极电解液的荷电状态,荷电状态可以由下述公式计算:
21、;
22、所述正极电解液状态测定模型通过以下方式获得:
23、提取多个历史时刻的第一光谱特征参数x1、第二光谱特征参数x2、第三光谱特征参数x3以及开路电压参数x4并获得所述多个历史时刻的浓度参数y;
24、将所述第一光谱特征参数x1、第二光谱特征参数x2、第三光谱特征参数x3以及获取的开路电压参数x4作为输入数据输入到所述正极电解液状态测定模型中,且将所述总浓度参数y1和荷电状态参数y2作为所述正极电解液状态测定模型的预期输出数据,来对所述正极电解液状态测定模型进行训练;
25、当所述正极电解液状态测定模型的实际输出数据满足设定的训练终止条件时,则停止对所述正极电解液状态测定模型进行训练,获得训练好的所述正极电解液状态测定模型。
26、在一示例性实施例中,所述光学测量单元包括紫外分光光度计;所述电学测量单元包括三电极体系。
27、本技术使用基于随机森林算法的回归模型,依据光谱数据和开路电压计算正极电解液总钒浓度和荷电状态soc+,其预测准确度高于基于朗伯比尔定律及其他回归模型。
28、本技术采用的随机森林算法具有并行训练效率高,内存友好,超参数调优负担轻等优点,最重要的是随机森林算法通过 bagging 自助采样和随机特征子集选择双重随机机制,天然具有较强的抗过拟合能力,即使不对超参数做精细调整也能获得稳定的泛化性能。
29、本技术的随机森林的训练过程是确定性的,一旦完成所有树的构建就会自动停止,也就是说当构建完 n_estimators 棵树时,训练停止。
30、本技术的电池管理系统bms中的随机森林算法与测量装置的硬件结合,可同时测量同一区域范围下电解液的光学与电化学多模态信号,可实现钒电池正极电解液状态的实时原位准确表征,传统方法中,光学信号的测量和电化学信号物理空间上存在隔离,而本技术避免了先前技术中无法与实时系统耦合或传感器单一模态信号表征不准的问题。
31、通过本技术的方法和系统可以对正极电解液中宽范围的钒离子浓度进行检测,如浓度接近0或浓度高达2.5mol/l,检测灵敏度高且输出结果迅速。
32、本技术的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本技术而了解。本技术的其他优点可通过在说明书中所描述的方案来发明实现和获得。
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