本工作以大容量磷酸铁锂电池储能电站为研究对象,立足于储能系统中处于工程场景的电池组日常运行数据。首先,根据电池运行数据分析表征锂离子电池电压、温度的一致性关键参量;其次,提取能够有效反映电池组一致性的评估特征;最后,基于此...本工作以大容量磷酸铁锂电池储能电站为研究对象,立足于储能系统中处于工程场景的电池组日常运行数据。首先,根据电池运行数据分析表征锂离子电池电压、温度的一致性关键参量;其次,提取能够有效反映电池组一致性的评估特征;最后,基于此类特征,将储能电站的一致性分析分为两个层次,提出了针对站内大规模电池组的一致性分析算法以及基于DBSCAN(density-based spatial clustering of applications with noise)聚类的电池组内异常单体电池筛选算法。结果表明,所提算法能够高效地获取储能电站运行数据中与电池组一致性相关的关键电气特征量,准确判断储能系统内电池组的一致性情况以及定位可能出现故障的单体电池。本研究有助于判断在工程场景中大规模电池组的一致性状态,并能及时准确地筛选出异常单体电池,保障储能电站电池组的安全性。展开更多
文摘本工作以大容量磷酸铁锂电池储能电站为研究对象,立足于储能系统中处于工程场景的电池组日常运行数据。首先,根据电池运行数据分析表征锂离子电池电压、温度的一致性关键参量;其次,提取能够有效反映电池组一致性的评估特征;最后,基于此类特征,将储能电站的一致性分析分为两个层次,提出了针对站内大规模电池组的一致性分析算法以及基于DBSCAN(density-based spatial clustering of applications with noise)聚类的电池组内异常单体电池筛选算法。结果表明,所提算法能够高效地获取储能电站运行数据中与电池组一致性相关的关键电气特征量,准确判断储能系统内电池组的一致性情况以及定位可能出现故障的单体电池。本研究有助于判断在工程场景中大规模电池组的一致性状态,并能及时准确地筛选出异常单体电池,保障储能电站电池组的安全性。