一种跨模态特征融合的储能电池状态实时估算方法及系统与流程
本发明涉及储能电池状态估算与智能管理,具体涉及一种跨模态特征融合的储能电池状态实时估算方法及系统。
背景技术:
1、随着新能源发电规模持续扩大,储能电站在削峰填谷、功率平滑、备用支撑和调频调压等场景中的应用不断增加。锂离子电池作为储能系统的核心单元,在长期充放电、频繁功率波动、环境温度变化及均衡控制等条件下,容易发生可用容量衰减、内阻增长和热特性变化。储能电池的荷电状态、健康状态和剩余寿命直接影响储能系统的可用容量、安全运行边界及运维计划,因此,准确获取电池状态信息是储能电池管理的重要基础。
2、现有储能电池状态估算方法通常基于电压、电流、温度、容量或内阻等单一类型数据进行建模。例如,荷电状态估算多采用库仑积分、开路电压修正或等效电路模型;健康状态估算多依据容量保持率、直流内阻或充放电曲线特征;剩余寿命预测则通常依据循环次数、容量衰减趋势或历史运行记录进行计算。公开号为cn118818317a的专利申请文件提供了一种储能电池联合状态估计方法及相关装置,该方法通过对储能电池全生命周期内充电电压—能量曲线进行处理,构建输入集与输出集,并基于lstm时序预测模型及迁移学习得到状态估计模型,利用实际运行过程中的局部电压—能量片段补全完整充电曲线,进而提取soc、soh和soa状态,实现储能电池联合状态估计;公开号为cn120490883a的专利申请文件提供了储能电池的能量状态估计模型构建、状态估计方法及装置,该方法在不同温度下对新鲜态电池进行恒功率放电测试,并在标准温度下进行循环老化测试,分别构建直流内阻、能量状态、温度及使用时间之间的函数关系,估计待检测电池的能量状态,从而提高能量状态估计精度;公开号为cn121978541a的专利申请文件提供了一种储能电池荷电状态估计方法,该方法通过搭建储能电池可变rc参数模型,并采用阶段式参数估计方法将soc范围划分为多个阶段,分区计算电池内阻、扩散电阻和扩散电容等可变rc参数,再基于分区参数修正模型并更新荷电状态估计结果,从而提高soc估计精度。
3、综上,上述方法在运行条件稳定、数据完整或目标状态单一时能够获得一定估算效果,但储能电池实际运行过程中存在充电、放电、静置、均衡等多类工况,不同工况下电压、电流和温度的变化规律存在明显差异,单一模态数据难以同时表征短时电荷变化、热响应及长期退化过程。同时,电压、电流和温度等连续运行数据通常具有较高采样频率,而容量标定、内阻测试和阻抗诊断等健康相关数据多以周期性方式获得,不同类型数据在采样频率、采集时刻和可信程度方面存在差异。若将不同来源数据直接拼接用于状态估算,易使过期阻抗数据、缺失数据或低质量数据对估算结果产生干扰;若仅在阻抗诊断数据完整时进行健康状态估算,又会降低系统在实际运行过程中的可用性。此外,现有方法通常对荷电状态soc、健康状态soh和剩余使用寿命rul分别建立估算模型,缺少依据当前工况、模态数据质量及退化特征动态调整不同模态贡献的机制,难以兼顾多状态估算的一致性和实时性。
技术实现思路
1、为解决现有技术中存在的不足,本发明提供一种跨模态特征融合的储能电池状态实时估算方法及系统。方法包括以下步骤:实时采集储能电池模组运行数据并进行时间对齐,在满足阻抗诊断触发条件时生成阻抗诊断记录;结合工况标签划分并筛选有效数据窗口,匹配阻抗诊断记录,完成模态划分及质量评估;基于不同模态数据构建特征向量并生成模态编码;融合质量系数、老化敏感度和任务相关度,构建面向不同任务的融合特征表示;分别训练各任务估算网络,并结合状态边界约束和趋势约束,对电池状态进行实时、多任务协同估算。本发明通过跨模态特征融合、自适应动态加权及多任务协同估算,实现了储能电池soc、soh和rul状态的高精度、强鲁棒性实时估算。
2、本发明采用如下的技术方案:
3、本发明的第一方面提供了一种跨模态特征融合的储能电池状态实时估算方法,包括:
4、s1、实时采集储能电池模组的原始运行数据并进行时间对齐,得到基准时刻下的运行数据;当满足预定义的阻抗诊断触发条件时,执行阻抗诊断,生成阻抗诊断记录序列;
5、s2、基于基准时刻下的运行数据,确定对应的工况标签;基于相邻基准时刻的工况标签,将运行数据划分为多个候选窗口,筛选出有效窗口并匹配对应的阻抗诊断记录;基于有效窗口内的运行数据和阻抗诊断记录,进行模态划分,计算不同模态下的质量系数;
6、s3、基于当前有效窗口内不同模态下的数据,结合质量系数,构建对应模态的特征向量;对不同模态的特征向量进行维度映射,生成对应模态的模态编码;
7、s4、基于有效窗口内不同模态的质量系数,构建对应的模态有效性标识,筛选出有效模态并计算对应的归一化老化敏感度;构建状态预测模型并进行离线训练,基于训练结果计算预测误差,确定任务相关度并归一化;将质量系数、归一化老化敏感度和任务相关度加权,计算模态和任务之间的模态-任务综合得分;基于模态有效性标识、模态-任务综合得分,构造每个任务下的融合特征表示;
8、s5、分别构建不同任务的估算网络,基于每个任务的融合特征表示以及预定义的状态训练标签,对对应的估算网络进行训练;通过训练好的估算网络,实时估算每个任务的预测结果并进行状态边界约束和趋势约束,得到状态估算结果。
9、优选地,在s1中,原始运行数据包括:模组端电压、模组电流、模组最高温度、模组最低温度、环境温度、直流内阻估计值、当前充放电循环次数以及均衡状态标识;其中,直流内阻估计值根据模组电流发生有效阶跃时的端电压变化幅值与电流变化幅值的比值计算得到;
10、当相邻原始采样时刻间隔不大于预定义的最大原始采样时间间隔时,基于基准时刻,采用线性插值对原始运行数据中的连续变量进行时间对齐;否则,将对应连续变量在基准时刻的状态标记为缺失;
11、对原始运行数据中的均衡状态标识和当前充放电循环次数,选取不晚于基准时刻的最近一个原始采样时刻对应的均衡状态标识和当前充放电循环次数,作为基准时刻的均衡状态标识和当前充放电循环次数;当基准时刻之前不存在对应原始采样数据时,将均衡状态标识和当前充放电循环次数在该基准时刻标记为缺失。
12、优选地,s1中生成阻抗诊断记录序列的过程为:
13、在阻抗诊断过程中,在多个测试频率下同步采集模组的交流电压响应和交流电流响应;按照预设频率边界将阻抗谱划分为高频段、中频段和低频段;
14、将高频段复阻抗实部的最小值作为高频欧姆阻抗特征;将中频段复阻抗实部的最大值与最小值之差作为中频电荷转移阻抗特征;从低频段内选取两个不同测试频率,将测试频率下复阻抗虚部相减作为分子,将测试频率的对数相减作为分母,计算分子占分母的比值后取绝对值作为低频扩散响应特征;
15、将对应的模组级阻抗诊断时刻、高频欧姆阻抗特征、中频电荷转移阻抗特征、低频扩散响应特征以及阻抗测试期间的平均温度拼接,得到对应的阻抗诊断记录向量;将完成阻抗诊断后的阻抗诊断记录向量整合成阻抗诊断记录序列。
16、优选地,s2中确定对应的工况标签的过程为:
17、若对应基准时刻下的均衡状态标识为1,则运行工况为均衡工况;若满足对应基准时刻下的均衡状态标识为0、模组端电压不小于预定义的恒压充电判定电压、模组电流大于预定义的电流阈值且模组电流变化量小于0,则运行工况为恒压充电工况;若满足对应基准时刻下的均衡状态标识为0、模组端电压小于预定义的恒压充电判定电压、模组电流不小于预定义的电流阈值且模组电流变化量的绝对值不大于预定义的电流波动阈值,则运行工况为恒流充电工况;若满足对应基准时刻下的均衡状态标识为0且模组电流不大于预定义的电流阈值的相反数,则运行工况为放电工况;若满足对应基准时刻下的均衡状态标识为0且模组电流的绝对值小于预定义的电流阈值,则运行工况为静置工况。
18、优选地,s2中有效窗口并匹配对应的阻抗诊断记录的过程为:
19、将相邻基准时刻的工况标签进行比较,当相邻基准时刻的工况标签不同时,将对应基准时刻作为工况切换边界;依据相邻工况切换边界,将时间对齐后的原始运行数据划分为若干候选窗口;计算每个候选窗口的持续时间,对于每个候选窗口,当对应候选窗口的持续时间不小于预定义的最小有效持续时间阈值时,保留对应候选窗口作为有效窗口;
20、对于每个有效窗口,从阻抗诊断记录序列中筛选诊断时刻不晚于该有效窗口结束时刻的阻抗诊断记录,生成阻抗诊断编号集合;
21、当阻抗诊断编号集合不为空时,从阻抗诊断编号集合中选取诊断时刻最接近对应有效窗口结束时刻的阻抗诊断记录作为关联阻抗诊断记录,计算对应有效窗口与关联阻抗诊断记录之间的诊断间隔;
22、当阻抗诊断编号集合不为空且诊断间隔不大于预定义的最大允许时效间隔时,将关联阻抗诊断记录作为对应窗口的阻抗诊断记录;否则,对应有效窗口内阻抗诊断记录为空。
23、优选地,s2中进行模态划分计算不同模态的质量系数的过程为:
24、将有效窗口内的模组端电压、模组电流、直流内阻估计值作为电气模态,将最高温度、最低温度、环境温度作为热模态,将高频欧姆阻抗特征、中频电荷转移阻抗特征、低频扩散响应特征作为阻抗模态;基于容量标定结果、窗口直流内阻和循环编号构造得到容量保持率、直流内阻变化率、容量保持率变化斜率、直流内阻变化斜率及循环编号作为循环演化模态;
25、对于电气模态或热模态,计算有效窗口内对应模态的量程有效性系数、时间连续性系数和数据覆盖率系数并相乘,作为对应模态的质量系数;
26、对于阻抗模态,当有效窗口内阻抗诊断记录为空时,令对应的质量系数为0;当有效窗口内的阻抗诊断记录不为空时,计算有效窗口的量程有效性系数、诊断时效系数以及测试温度适用性系数并相乘,得到阻抗模态的质量系数;
27、对于循环演化模态,计算有效窗口的容量标定有效性系数与历史回溯有效性系数并相乘,作为循环演化模态的质量系数。
28、优选地,对于电气模态或热模态,将对应模态下的所有物理量取值处于预设物理量上下限区间内的数据点数量作为有效数据点数;将对应模态的有效数据点数占数据点总数量的比值,作为对应模态的量程有效性系数;
29、将有效窗口内对应模态未被标记为缺失的基准采样点作为有效观测点,并按照基准时刻先后顺序排列;将有效窗口内每个相邻有效观测点的时间间隔与预定义的基准采样间隔的差的绝对值占预定义的基准采样间隔的比值后累加,并乘以有效观测点数量减去1的倒数,得到时间指数系数;将时间指数系数的相反数作为指数,计算预定义的指数函数的取值,得到时间连续性系数;
30、对于电气模态或热模态,统计有效窗口内对应模态下所有物理量都未被标记为缺失的基准时刻,作为有效观测点数量;将有效窗口的持续时间除以预设基准采样时间间隔后向下取整并加1,作为理论数据点数量;计算对应模态的有效观测点数量占理论数据点数量的比值,作为数据覆盖率系数。
31、优选地,对于阻抗模态,计算有效窗口内每个基准时刻的模组最高温度和模组最低温度的均值后取平均,得到对应有效窗口的模组平均温度;将关联阻抗诊断记录中的平均测试温度与模组平均温度的差异除以预定义的最大允许偏差后取相反数作为指数,计算预定义的指数函数的取值作为测试温度适用性系数;
32、若高频欧姆阻抗特征、中频电荷转移阻抗特征和低频扩散响应特征均在对应的预设有效取值区间内,则阻抗模态的量程有效性系数为1;否则,为0;
33、将有效窗口的诊断间隔占预定义的最大允许时效间隔的比值后取相反数作为指数,计算预定义的指数函数的取整,得到诊断时效系数。
34、优选地,对于循环演化模态,计算有效窗口结束时刻前最近一次容量标定完成时刻与有效窗口结束时刻的时间间隔;当时间间隔不大于预定义的最大允许时效间隔时,容量标定有效性系数为1,否则为0;
35、当存在位于当前有效窗口之前且对应充放电循环次数不大于对应的充放电循环次数与预设循环回溯步长的差的历史有效窗口时,令历史回溯有效性系数为1;否则,令历史回溯有效性系数为0。
36、优选地,s3中构建对应模态的特征向量的过程为:
37、基于电气模态有效观测点对应的模组端电压和模组电流,分别计算窗口平均电压、窗口电压变化量、窗口平均电流、窗口电流标准差及窗口电荷通量,构建电气模态特征向量;
38、基于有效窗口内最高温度、最低温度和环境温度,计算窗口模组平均温度、窗口平均温差、窗口平均温升速率、窗口平均模组温度与窗口平均环境温度之间的温度差,构建热模态特征向量;
39、当阻抗模态的质量系数不小于预设质量阈值时,根据有效窗口关联的阻抗诊断结果,构建阻抗模态特征向量;否则,令阻抗模态特征向量为全0向量;
40、当有效窗口的循环演化模态的质量系数大于0时,获取最近一次容量标定结果、当前窗口直流内阻及当前充放电循环次数,依次计算容量保持率、直流内阻变化率、容量保持率变化斜率、直流内阻变化斜率,并结合当前充放电循环次数构建循环演化模态特征向量;否则,令循环演化模态特征向量为全0向量。
41、优选地,构建循环演化模态特征向量的过程为:
42、基于最近一次容量标定结果,确定可用容量;将可用容量占预定义的初始标定容量的比值,作为对应有效窗口的容量保持率;
43、对有效窗口内直流内阻估计值未被标记为缺失的基准时刻下的直流内阻估计值取均值,作为对应窗口的直流内阻;将直流内阻减去预定义的初始直流内阻后除以初始直流内阻与预定义的常数系数的和,作为直流内阻变化率;
44、确定当前充放电循环次数不大于对应的充放电循环次数与预设循环回溯步长的差且与当前充放电循环次数最接近的历史有效窗口;将有效窗口与对应的历史有效窗口的容量保持率的差占充放电循环次数差的比值,作为容量保持率变化斜率;将有效窗口与对应的历史有效窗口的直流内阻变化率的差占充放电循环次数差的比值,作为直流内阻变化斜率。
45、优选地,s4中对有效模态计算归一化老化敏感度的过程为:
46、对于有效窗口内除阻抗模态外的任意模态,若对应模态的质量系数不小于预设模态质量阈值,模态有效性标识为1;否则,模态有效性标识为0;对于阻抗模态,当有效窗口不存在对应的阻抗诊断记录或阻抗模态质量系数低于预设模态质量阈值时,令对应模态的模态有效性标识为0;否则模态有效性标识为1;当对应模态的模态有效性标识为1时,对应模态为当前有效窗口的有效模态;
47、对于任意有效模态,将每个有效窗口内对应有效模态的特征向量与参考特征向量相减作为分子,对参考特征向量中各元素取绝对值后加上预定义的常数系数作为分母,将分子对分母进行逐元素相除后取二范数并除以对应有效模态的特征维数,得到对应有效模态在当前有效窗口下的原始老化敏感度;将原始老化敏感度的相反数作为指数,计算预定义的指数函数的取值后取相反数并加1,得到归一化老化敏感度;对于非有效模态,令对应的归一化老化敏感度为0。
48、优选地,s4中计算不同模态对每个任务的任务相关度的过程为:
49、在离线训练阶段,获取储能电池历史运行数据构建历史有效窗口样本;利用历史有效窗口样本对应不同模态的模态编码以及不同任务预定义的状态训练标签,训练预先构建的状态预测模型;状态预测模型分别以不同模态的模态编码为输入,以不同任务预定义的状态训练标签为监督目标,分别进行训练,得到不同模态对不同任务的预测结果;基于预测结果和状态训练标签,计算每个模态对不同任务的平均预测误差以及不同工况下每个模态对不同任务的工况预测误差;
50、根据各模态的平均预测误差,计算模态-任务基础相关度;基于工况预测误差,计算工况修正系数;基于当前有效窗口的工况标签,将模态-任务基础相关度与工况修正系数相乘,计算不同模态对每个任务的任务相关度。
51、优选地,计算模态-任务基础相关度、工况修正系数的过程为:
52、对于每个模态,将对应模态对每个任务的平均预测误差加上预定义的常数系数后取倒数作为分子,将所有模态对对应任务的平均预测误差加上预定义的常数系数后取倒数再取平均作为分母,计算对应模态对每个任务的模态-任务基础相关度;
53、对于任意工况下的每个模态,将对应模态对每个任务的工况预测误差加上预定义的常数系数后取倒数作为分子,将所有工况下对应模态对对应任务的工况预测误差加上预定义的常数系数后取倒数再取平均作为分母,计算对应工况下对应模态对每个任务的工况修正系数。
54、优选地,s4中构造每个任务下的融合特征表示的过程为:
55、对于每个模态,以有效窗口内对应模态与对应任务的模态-任务综合得分为指数,计算预定义的指数函数的取值后乘以对应的模态有效性标识作为分子,将所有模态下的模态有效性标识、模态-任务综合得分代入分子的计算过程后累加作为分母,计算对应模态对对应任务的动态融合权重;
56、当有效窗口内的有效模态数量大于0时, 将每个模态对对应任务的动态融合权重乘以对应模态的模态编码后累加,得到融合特征表示。
57、优选地,s5中的估算网络包括soc、soh和rul估算网络,soc、soh的估算网络均以对应任务的融合特征表示为输入,以对应任务预定义的状态训练标签为监督目标进行训练;rul估算网络以对应任务的融合特征表示、当前soh估算结果和容量保持率变化斜率拼接后的特征为输入,以对应任务预定义的状态训练标签为监督目标进行训练。
58、优选地,s5还包括:
59、当有效窗口处于静置工况且获得soc校正值时,soc校准有效性标识为1并计算soc校准误差;否则,soc校准有效性标识为0;当有效窗口获得容量标定结果时,soh校准有效性标识为1,并计算soh校准误差;否则,soh校准有效性标识为0;
60、将当前有效窗口内每个模态的模态有效性标识乘以对应的质量系数后累加并除以当前有效窗口内的有效模态数量,得到对应的平均质量系数;
61、对于soc或soh任务,当满足有效模态数量大于零、平均质量系数不低于阈值、对应任务的校准有效性标识为1且校准误差超过误差阈值时,触发对应任务估算网络输出层权重和偏置的在线更新,并依据更新后参数重新确定soc、soh和rul估算结果。
62、本发明的第二方面提供了一种跨模态特征融合的储能电池状态实时估算系统,利用一种跨模态特征融合的储能电池状态实时估算方法,包括:
63、数据采集模块,实时采集储能电池模组的原始运行数据并进行时间对齐,得到基准时刻下的运行数据;当满足预定义的阻抗诊断触发条件时,执行阻抗诊断,生成阻抗诊断记录序列;
64、多模态数据质量确定模块,基于基准时刻下的运行数据,确定对应的工况标签;基于相邻基准时刻的工况标签,将运行数据划分为多个候选窗口,筛选出有效窗口并匹配对应的阻抗诊断记录;基于有效窗口内的运行数据和阻抗诊断记录,进行模态划分,计算不同模态下的质量系数;
65、多模态数据编码模块,基于当前有效窗口内不同模态下的数据,结合质量系数,构建对应模态的特征向量;对不同模态的特征向量进行维度映射,生成对应模态的模态编码;
66、多模态数据融合模块,基于有效窗口内不同模态的质量系数,构建对应的模态有效性标识,筛选出有效模态并计算对应的归一化老化敏感度;构建状态预测模型并进行离线训练,基于训练结果计算预测误差,确定任务相关度并归一化;将质量系数、归一化老化敏感度和任务相关度加权,计算模态和任务之间的模态-任务综合得分;基于模态有效性标识、模态-任务综合得分,构造每个任务下的融合特征表示;
67、储能电池状态估算模块,分别构建不同任务的估算网络,基于每个任务的融合特征表示以及预定义的状态训练标签,对对应的估算网络进行训练;通过训练好的估算网络,实时估算每个任务的预测结果并进行状态边界约束和趋势约束,得到状态估算结果。
68、本发明的第三方面提供了一种终端,包括处理器及存储介质;
69、所述存储介质用于存储指令;
70、所述处理器用于根据所述指令进行操作以执行一种跨模态特征融合的储能电池状态实时估算方法的步骤。
71、本发明的第四方面提供了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一种跨模态特征融合的储能电池状态实时估算方法的步骤。
72、与现有技术相比,本发明的有益效果至少包括:
73、1、本发明以电气模态、热模态、阻抗模态和循环演化模态作为储能电池状态估算输入。其中,电气模态表征电压、电流及电荷传递变化,热模态表征温度水平、温差和热响应过程,阻抗模态表征欧姆阻抗、电荷转移阻抗及扩散特性,循环演化模态由容量保持率、直流内阻变化率、容量保持率变化斜率、直流内阻变化斜率和循环编号构成。将窗口内的短时运行响应、周期性阻抗诊断信息和循环尺度的长期退化趋势组织于同一有效窗口下,使soc、soh和rul估算能够共同利用当前运行状态与长期退化信息。进一步地,基于可信静置电压校正结果、容量标定结果或人工维护校验结果,对soc或soh估算网络的输出层参数实施条件更新,并依据更新后的soh结果重新计算rul,从而提高多状态估算对可获得校准信息的适应能力。
74、2、本发明针对soc、soh和rul三个状态估算任务,分别依据模态质量系数、当前模态特征相对于初始健康状态参考特征的偏移程度,以及模态在不同工况下对对应任务的预测能力,计算模态-任务动态融合权重。该机制使同一模态在恒流充电、恒压充电、放电、静置和均衡工况下,能够依据数据完整性、退化程度及任务需求形成不同贡献。例如,电气模态可在soc估算中体现较强的短时响应作用,阻抗模态和循环演化模态可在soh及rul估算中体现退化状态表征作用,从而避免采用固定模态权重时难以适应运行工况变化和模态可信度变化的问题。
75、3、本发明将周期性阻抗诊断记录按照诊断时刻关联至后续单一工况有效窗口,并依据阻抗特征量程有效性、诊断时效性和测试温度适用性计算阻抗模态质量系数。当不存在历史阻抗诊断记录、诊断间隔超过允许时效范围、阻抗特征超出有效取值区间或测试温度与当前窗口温度不匹配时,将阻抗模态质量系数降低或置零,并通过模态有效性标识使阻抗模态不参与当前任务的融合权重分配。本发明不对缺失或过期阻抗数据进行插值、补全或虚拟构造,使阻抗信息仅在满足数值可信、时间可用和温度可比条件时参与状态估算,降低可信阻抗信息对soc、soh和rul估算结果的干扰。
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