(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210577672.3 (22)申请日 2022.05.25 (71)申请人 南方电网调峰调频发电有限公司 地址 510630 广东省广州市番禺区东环街 东星路10 0号208室 申请人 上海交通大 学 (72)发明人 陈满　凌志斌　李勇琦　汪志强　 彭鹏　李毓烜　胡振恺　贾增昂　 (74)专利代理 机构 上海恒慧知识产权代理事务 所(特殊普通 合伙) 31317 专利代理师 徐红银　张琳 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 20/00(2019.01)G06F 119/08(2020.01) (54)发明名称 电池储能系统运行时限确定方法、 系统、 介 质及电子设备 (57)摘要 本发明提供一种基于热电耦合特性的电池 储能系统放电动态运行时限确定方法， 包括： 利 用电池模块的电化学 ‑热耦合模型进行仿真计 算， 获取基于电池热特性的电池不同工作状态下 的有关电池运行时限的原始数据； 将原始数据进 行数据拟合， 获得电池储能系统运行时限的动态 预测系统； 输入电池当前工作状态相关数据至预 测系统， 获得电池储能系统运行时限的预测结 果； 本发明响应速度快， 可配合实时温度监控系 统实现实时预测； 因为预测系统的输入为最高温 度的电池模块当前工作状态相关数据， 故获取原 始数据的电化学 ‑热耦合模型仅为一个电池模块 的模型即可， 这避免了整个电池储能系统的电化 学‑热耦合模型的建立， 大大减小了模型复杂度 和计算难度。 权利要求书2页 说明书7页 附图1页 CN 114925570 A 2022.08.19 CN 114925570 A 1.一种基于热电耦合特性的电池储能系统放电动态运行时限确定方法， 其特征在于， 包括： 利用电池模块的 电化学‑热耦合模型进行仿真计算， 获取基于电池热特性的 电池不同 工作状态下的有关电池运行时限的原 始数据； 将所述原 始数据进行 数据拟合， 获得电池 储能系统运行时限的动态预测系统； 输入电池当前工作状态相关数据至所述预测系统， 获得电池储能系统运行时限的预测 结果。 2.根据权利要求1所述的一种基于热电耦合特性的电池储能系统放电动态运行时 限确 定方法， 其特征在于， 所述电化学 ‑热耦合模型为包括电池电化学模 型和传热模 型的耦合模 型， 其耦合逻辑为： 所述电池电化学模 型为所述传热模型提供热源， 所述传热模 型为所述电 池电化学模型提供反应温度。 3.根据权利要求1所述的一种基于热电耦合特性的电池储能系统放电动态运行时 限确 定方法， 其特征在于， 所述原始数据为(x， y)， x表 示电池的工作状态， y表 示以此工作状态 为 起始点的最大工作时长， 其中： Tamb为电池环境温度， Tinitial为电池初始温度， SOCinitial为电池的初始SOC， I为电池的充 放电电流； Δt为电池到 达最大温度限值Tmax所需要的时间， 即电池最大工作时长 。 4.根据权利要求3所述的一种基于热电耦合特性的电池储能系统放电动态运行时 限确 定方法， 其特征在于， 所述Tamb和所述Tinitial在设定温度范围内分别等距离确定n和m个采样 点， 所述初始SOC在(0～1)间确定l个采样点， 所述电流I确定k个采样点， 利用参数化扫描有 n*m*l*k种组合， 每种组合计算出一个所述(x， y)原 始数据。 5.根据权利要求1所述的一种基于热电耦合特性的电池储能系统放电动态运行时 限确 定方法， 其特 征在于， 所述数据拟合选用插值法或机器学习法； 其中， 所述插值法在离散的所述原始数据的基础上补插值构造成连续曲线， 所述连续曲线通 过给定的所有的离 散原始数据点； 所述机器学习法利用神经网络构建预测系统， 利用部分原始数据作为训练数据集优化 各神经元上的偏置值和各神经元之 间的权值， 使神经网络构建的预测系统在所述训练数据 集上的误差最小。 6.根据权利要求5所述的一种基于热电耦合特性的电池储能系统放电动态运行时 限确 定方法， 其特 征在于， 所述机器学习法， 包括： 将所述原始数据中的一部分， a*(n*m*l*k)个数据， a∈(0， 1)， 作为训练数据， 其余原始 数据作为测试 数据； 所述机器学习的神经网络系统框架采用有监督学习的深度学习框架， 其结构包括1个 输入层、 若干个隐含层和1个输出层， 所述输入层神经元数量为4， 所述输出层神经元数量为 1； 所述隐含层的层数能够 在训练过程中进行调整； 所述预测系统在所述训练集上的误差为：权　利　要　求　书 1/2 页 2 CN 114925570 A 2所述预测系统在所述测试集上的误差为： 其中 和 分别为训练集和 测试集原 始数据中的y值， yi和yj为训练后的系统的输出值； 将σtrain和σtest控制在阈值范围内， 完成训练。 7.根据权利要求1所述的一种基于热电耦合特性的电池储能系统放电动态运行时 限确 定方法， 其特征在于， 所述输入电池当前工作状态到输出工作时限预测结果的过程， 包括： 选择电池储能系统中温度最高的电池模块的初始温度Tamb和环境温度Tinitial， 采集所述电 池模块的SOC和充放电 电流I； 将所述初始温度、 环境温度、 SOC和充放电 电流I输入所述预测模型； 输出所述电池 储能系统在电池安全温度范围内所能工作的最长时间。 8.根据权利要求1 ‑7任一项所述的一种基于热电耦合特性的电池储能系统放电动态运 行时限确定方法建立的实时预测系统， 其特 征在于， 包括： 实时监测模块， 所述实时监测模块获取电池储能系统中各电池极耳和电池模块进风口 处的实时温度数据； 数据处理模块， 所述数据处理模块对实时监测模块的输出数据进行筛选， 选择极耳温 度最高的电池模块， 并将 所述电池模块的极耳温度和进风温度作为电池初始温度Tinitial和 环境温度Tamb， 同时采集所述电池 模块的SOC和充放电 电流I； 时限预测模块， 所述时限预测模块将所述电池初始温度Tinitial、 环境温度Tamb、 SOC和充 放电电流I作为输入， 输出电池 储能系统基于电池热 特性的运行时限的实时预测结果。 9.一种可读介质， 其特征在于， 所述可读介质上存储有指令， 该指令在电子设备上执行 时使电子设备执行权利要求1至7中任一项所述的基于热电耦合特性的电池储能系统放电 动态运行时限确定方法或权利要求8所述的预测系统。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并能在处理器上运行的计算 机程序， 其特征在于， 该计算机程序包含权利要求8所述各模块， 所述处理器执行所述程序 时用于执行权利要求1至7中任一项所述的基于热电耦合特性的电池储能系统放电动态运 行时限确定方法或权利要求8所述的预测系统。权　利　要　求　书 2/2 页 3 CN 114925570 A 3