[发明专利]一种基于数据驱动的化学电池储能应用分析方法

说明书

本发明涉及大规模储能应用领域，尤其是一种基于数据驱动的化学电池储能应用分析方法，该方法由相应的设计流程、模型库和数据库组成；这种方法是基于客户的应用要求和客户数据输入，进行数据整理和清洗，结合应用类别库，组件(包括电池、储能变流器和辅助设备)特性库和经济分析数据库的数据，通过数据分析，建立对储能系统控制策略，优化储能配比关系，达到系统性能和经济效益的一个平衡；该方法避免了对锂离子电池内部电化学反应和失效机理的分析，它可以在一定程度上克服基于模型法动态精度低、泛化能力差的问题，数据驱动方法以其灵活性和可用性已在许多领域得到了广泛的应用。

技术领域

本发明涉及大规模储能应用领域，尤其是一种基于数据驱动的化学电池储能应用分析方法。

背景技术

能源安全和环境污染已成为制约经济发展的因素，储能技术的发展极有可能成为新能源开发的一大趋势，储能技术的开发和应用有助于分布式能源的接入和消纳，降低配套输电线路的需求和分时段负荷，减少运行风险。在各种储能技术中，电池储能技术种类繁多、技术新颖和发展速度快，这使得电池储能技术将在未来新能源分布式发电系统和微电网中得到了广泛应用，从而降低电网的调峰压力，为电力系统的稳定性提供保障。随着对环境的关注和能源体系的变革，尤其是可再生能源规模的日益扩大，在全球范围内，如何进行电力储存已经变得非常重要和急迫。近年来，以钠硫、锂电池、全钒液流为代表的各种先进大规模储能项目在全球范围的建设，标志着电池储能已经成为全球新一轮投资热点并上升到国家战略规划层面。

大规模储能的技术路线是沿着从长寿命大容量单体电池，扩展到储能单元成组及其配套的电池管理系统和储能变流器，最后通过集成技术完成系统集成。即是以电池本体技术作为基础，以电池成组作为主要手段，以集成应用作为有效保障。

储能应用分析是连接客户需求和电池本体厂商/控制提供商之间的桥梁，它会提供储能配比原则和系统控制策略，从而指导储能系统的设计开发和实施。传统储能系统建模通过对各个储能单元进行建模，之后利用简化条件将其规模扩大为储能系统级别，这种建模技术增大了建模误差。目前在化学电池储能方面的应用分析基本上是基于经验化的数据和一些文献资料，没有一个结构化、可靠、定量的分析方法，而过大或者不足的储能配比会造成不必要的浪费，缺乏系统控制策略会对储能的性能造成影响，进而对储能系统运行所关注的安全性，可靠性和耐久性方面造成冲击。

数据驱动是一种基于历史运行数据的模型建立方法，不考虑内部机理变化，而是对储能系统外部特性进行建模，在完成模型训练后，具有较高的模型精度及更快的计算速度。因此，可研究基于数据驱动的锂电池储能系统建模技术，提高对储能系统所建立模型的仿真精度，从而指导储能系统接入电网时的运行控制。随着大数据技术的兴起，化学电池海量运行数据的积累，以及分布式存储和计算能力的提升，出现了众多数据驱动分析方法。这类分析方法在一定程度上不受数据质量的限制，无需建立复杂的模型，已在工程实践中得到了较为广泛的应用。但是，数据驱动分析方法依然存在诸多困难。首先，化学电池数据来源广泛、结构多样，多源异构数据的融合和预处理比较困难。其次是大规模化学电池应用场景下，由于多变的工况和远不如实验数据的采集质量，难以实现精确的故障辨识和健康状态管理，当前迫切的需求是尽早挑选出最差的化学电池；然后，对于用户需求较高且数据质量满足条件的运行场景，需要进行精确的健康状态SOC估计；最后，尽管已有数个电池大数据平台投入了使用，但是多数高校和企业的研究团队很难有条件直接利用数据平台开展工作。

鉴于对化学电池储能和数据驱动技术的研究探索，本发明提出了一种基于数据驱动的化学电池储能应用分析方法。

发明内容

目前在化学电池储能应用分析中，基本上是依赖与历史经验数据，会得出一个大致比例的储能配比，之后的储能系统集成基本上在此基础上进行。因为化学电池储能应用场景复杂，不同的化学电池技术选择对储能的性能也会有很大的影响，经验数据只具备参考性而无法指导详细的设计，缺乏一个结构化的方法系统地对储能应用进行分析，从而得出系统控制参数和其他的指标。