技术领域
[0001] 本
申请涉及电池技术领域，具体地，涉及一种电池
能量状态的评估方法及其评估系统。
背景技术
[0002] 电池储能是当今储能技术发展的一个重要分支，电池储能应用技术正向着分布式、移动式、异构化、智能化、信息化的方向发展，电池储能系统的能量状态(SOE)量化评估在移动/异构电池储能系统多场景安全生产工作中起着重要作用。电池的能量状态(SOE)表示电池当前条件下可释放的能量与电池最大可用能量的比值，是反映电池能量使用情况的重要指标，在分布式/大规模电池储能系统中起着重要作用。
[0003] 电池SOE的估计方法不同于电池的荷点状态(SOC)，不仅受到电池负载
电流的影响，还和
电压端电压相关。在锂电池的使用过程中，当电池
温度和电池充放电倍率变化时，电池的放电效率会随之改变并影响电池的SOE。为了估计电池的SOE，常见的方式是对电池的特定外部电特性状态进行估计，建立电池SOC与SOE之间的关系模型，一种常见的电池利用潜
力的估计方法是充放电法：首先，对电池进行充放电，获得电池的初始SOE；然后，对于使用中的电池进行充放电，获得电池的实际剩余SOE；用电池的剩余SOE除以初始SOE得到归一化的电池SOE估计值，但是现存的技术方案只能从单一因素下揭示电池的SOE估算规律，无法系统全面的准确揭示电池SOE状态，并且大多数的研究是基于电池SOC状态衡量电池的SOE，以同一电池材料体系的单一电池的外部特性SOC作为衡量指标为例，特定电池材料的外部电特性评估方法无法对异构电池或
电池组的外部电特性参数精确衡量，也无法确定。加之，电池成组后，由于电池之间的不一致性差异造成电池组寿命明显降低，电池组的特性与电池
单体特性差异较大时将会导致局部
过热发生非线性变化，而传统的电池储能系统无法做到电池组与电池单体相结合的电池SOE量化和评估，因此对电池单体与电池组的SOE量化评估同样带来重要的挑战。综上所述，现有的电池储能SOE的量化评估技术
缺陷，成为限制分布式、移动式、异构式电池储能系统推广利用的重要障碍。
发明内容
[0004] 本申请提供了一种电池能量状态的评估方法，具体包括以下步骤：采集电池的原始数据，对原始数据进行预处理得到有效数据；将有效数据进行存储，同时将有效数据发送给Spark
大数据平台；对有效数据进行分析和运算形成五元素集合，构建和/或更新
知识库；根据五元素集合中的输出评估电池的能量状态并进行显示。
[0005] 如上的，其中，构建和更新知识库包括以下步骤：选取关系模型S(t)；根据关系模型形成五元素集合，构建和/或更新知识库；其中关系模型S(t)＝{(ω，ρ)：Ω，ω，ρ}，其中ω为有效数据，Ω为输入的轨迹集合，ρ为关系模型的输出。
[0006] 如上的，其中，关系模型的选取包括以下步骤：建立评估系统模型R(t)，确定系统的输入X，获取充实评估系统先验知识和系统的输入X以及根据系统输入得到理想状态下的输出Y1；
选定系统的评估方案，确定评估模型R(t)是否能够满足系统结构的评估条件，并得出可用于评估的评估模型的真实输出Y2；将输出Y2以及有效数据ω作为输入，根据输入确定或校准关系模型S(t)。
[0007] 如上的，其中，将系统的输入X和有效数据ω放入关系模型中，通过在线或离线分析，进行分类、回归、聚类
算法得到系统的输出Y，通过输出Y得到五元素集合，五元素集合表示为P＝(T,X,Ω,Y,S)，其中T表示状态轨迹集合，X表示评估系统的输入，Ω表示输入的轨迹集合，Y表示系统的输出，S表示关系模型，通过五元素集合的更新完成知识库的更新。
[0008] 如上的，其中，若采集到第一有效数据ω，根据ω和系统第一输入X选取第一关系模型，将ω和X放入第一关系模型中，得到第一输出Y，形成五元素集合P1＝(T,X,Ω,Y1,S)；若采集到第二有效数据ω’，根据ω’和系统第二输入X’选取第二关系模型，得到将ω’和X’放入第二关系模型中，得到第二输出Y’，形成五元素集合P2＝(T’,X’,Ω’,Y’,S’)；将系统的第二输入X’和第二有效数据ω’放入第一关系模型中，得到了第三输出Y”，形成了五元素集合P3＝(T”,X”,Ω”,Y”,S”)，将P3与P2进行对比，若P3与P2的差值在
阈值内，则不进行更新知识库。
[0009] 如上的，其中，若五元素集合P3与五元素结合P2的差值超过阈值，则五元素集合P3将五元素集合P1替换，将P3添加到知识库中进行知识库的更新。
[0010] 如上的，其中，通过最小二乘法或KNN算法进行五元素集合P2与五元素集合P3的差值计算。
[0011] 如上的，其中，原始数据包括电池系统的运行状态信息、环境数据以及电池信息。
[0012] 一种评估系统，包括采集模
块、数据存储模块以及量化分析模块；采集模块用于采集电池内部的原始数据，并将原始数据经过一系列预处理传输给
数据采集数据存储模块；数据存储模块与采集模块连接，用于接收采集模块处理后的原始数据，经过预处理将原始数据变为有效数据，通过弹性分布式数据集或分布式文件系统的形式将有效数据存储起来，并发送给量化分析模块；量化分析模块与数据存储模块连接，用于接收处理后的有效数据，对数据进行分析以及运算，进行构建/更新知识库。
[0013] 如上的，其中，量化分析模块包括系模型选取模块、知识库构建/更新模块，电池能量状态计算模块以及显示模块；其中知识库更新模块中包括Spark实时
数据处理核心API模块和Spark
机器学习库模块；关系模型选取模块用于根据接收的有效数据进行关系模型的选取；知识库构建/更新模块与关系模块连接，用于将有效数据导入关系模型中，并通过Spark实时数据处理核心API模块进行在线或离线分析，通过Spark机器学习库模块进行分类、回归、
聚类算法，最终得到五元素的集合构建/更新知识库；电池能量状态计算模块与知识库构建/更新模块连接，用于根据得到的五元素集合计算电池的能量状态，并发送给显示模块；显示模块与电池能量状态计算模块连接，用于接收计算出的电池能量状态并进行显示。
[0014] 本申请具有以下有益效果：
[0015] (1)本申请提供的电池能量状态评估方法及其评估系统能够采集电池的多种数据，并通过多影响因子(温度、负荷、工况)量化评估电池的能量状态。
[0016] (2)本申请提供的电池能量状态评估方法及其评估系统通过在线或离线分析以及各种运算不断丰富或更新知识库，能够充分挖掘移动/异构电池系统数据中的价值，进行实时的评估电池的能量状态。
[0017] (3)本申请提供的电池能量状态评估方法及其评估系统是基于spark大数据平台进行评估，大数据平台的分布式架构，易于扩展和缩减，可以应对分布式储能规模的改变来达到资源的有效利用，也解决了
现有技术难以处理海量日志的弊端。
[0018] (4)本申请提供的电池能量状态评估方法及其评估系统能够采集有效的数据，准确地去除信息的误报，并提供详细的量化评估结果，用于指导分布式/移动式/异构储能系统的优化配置和联合优化运行。
附图说明
[0019] 为了更清楚地说明本申请
实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0020] 图1是根据本申请实施例提供的电池能量状态的评估方法
流程图；
[0021] 图2是根据本申请实施例提供的电池能量状态的评估系统内部结构示意图；
[0022] 图3是本申请实施例提供的电池能量状态的量化分析模块的内部结构示意图。
具体实施方式
[0023] 下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0024] 本申请提供一种电池能量状态的评估方法及其评估系统，能够根据多种电池外部特征参数作为衡量指标，实现多影响因子、多应用场景关联分析，最终对电池能量状态进行潜力评估。
[0025] 如图1所示，为本申请提供的电池能量状态评估方法，其中具体包括以下步骤：
[0026] 步骤S110：采集电池的原始数据，对原始数据进行预处理得到有效数据。
[0027] 示例性地，采集的是不同电池材料、不同工况以及不同场景下的电池原始数据，电池原始数据包括电池系统的运行状态信息(例如输出电流、
输出电压、电池容量等)、环境数据(例如温度、湿度以及负载功率等)以及电池信息(例如电池材料、生产日期、循环次数等)。有效数据为衡量电池能量状态的多影响因子。
[0028] 具体地，预处理包括对采集的数据进行过滤、合并以及格式标准化，进一步地，通过日志传输系统(Flume)，将原始数据集成到分布式消息系统(Kafka)中，实现原始数据中的日志采集、日志预处理和日志的实时传输。
[0029] 示例性地，日志采集可以采集到系统日志、监控文件夹日志和TCP(Transmission Control Protocol，传输控制协议)/UDP(User Datagram Protoco，用户数据报协议)
接口日志等。
[0030] 步骤S120：将有效数据进行存储，同时发送给Spark大数据平台。
[0031] 具体地，Spark是专为大规模数据处理而设计的快速通用的计算引擎。
[0032] 具体地，将原始数据经过数据过滤操作和映射操作将原始数据变为有效数据，通过弹性分布式数据集(RDD)或分布式文件系统(HDFS)的形式存储起来。
[0033] 示例性地，与原始数据不同，有效数据为评估系统进行评估时所需要的数据，例如输出电流、负载功率以及循环次数等原始数据中的一部分数据。
[0034] 步骤S130：Spark大数据平台对有效数据进行分析和运算，通过分析运算后的结果构建和/或更新知识库。
[0035] 具体地，构建和更新知识库包括以下子步骤：
[0036] 步骤D1：选取评估系统的关系模型S(t)。具体包括以下步骤：
[0037] 步骤F1：建立评估系统模型R(t)，确定系统的输入X(系统常数、系统特性、噪声大小、变量时延以及系统状态分量等)，获取充实评估系统先验知识和系统的输入X以及根据系统输入得到理想状态下的输出Y1。
[0038] 步骤F2：选定系统的评估方案，确定评估模型R(t)是否能够满足系统结构的评估条件，并得出可用于评估的评估模型的输出Y2。
[0039] 示例性地，Y1为理想状态下预想的输出，Y2为根据输入X得到的真实向量。
[0040] 具体地，评估方案的选定需考虑以下问题：1、开环与闭环特性；2、离线与在线评估；3、评估的
精度、复杂性和周期；4、
信号类型的选取；5、系统测量的误差等。
[0041] 示例性地，常用的系统评估方案算法有：粒子群算法、
遗传算法、线性回归算法、贝叶斯算法、K近邻算法、分类
决策树算法、
支持向量机算法等。
[0042] 步骤F3：将输出Y2以及有效数据ω作为评估系统模型的输入，根据输入确定关系模型S(t)，利用实验数据测试完善校准关系模型S(t)。
[0043] 具体地，关系模型S(t)＝{(ω，ρ)：Ω，ω，ρ}，其中ω为有效数据，Ω为输入的轨迹集合，ρ为关系模型的输出。
[0044] 作为另一个实施例，将评估系统分解为无数个子系统，每个子系统中存在一个关系模型，每个子系统的输入为有效数据中的一个或多个参数，示例性地，若有效数据包括运行状态数据、环境数据、电池信息，则将运行状态数据作为子系统1的输入，环境数据作为子系统2的输入，电池信息作为子系统3的输入，根据子系统1的输入得到子系统1的关系模型S1(t)，根据子系统2的输入得到子系统2的关系模型S2(t)，根据子系统3的输入得到子系统3的关系模型S3(t)，由子系统1、2、3的关系模型S1(t)、S2(t)、S3(t)能够得到系统的关系模型S(t)。
[0045] 每个子系统的关系模型的选取与系统的关系模型的选取原理相同。
[0046] 本申请是对电池的能量状态(SOE)进行评估的，但是电池的能量状态在不同的工况或环境下是不断变化的，因此需要对电池的参数信息进行实时采集，并将采集到的电池的原始数据转化为有效数据，评估系统根据有效数据的不同选取不同的关系模型，也就是说，每采集一次原始数据，都重新选取一次关系模型。
[0047] 步骤D2：根据关系模型构建/更新知识库；
[0048] 由于关系模型存在公式S(t)＝{(ω，ρ)：Ω，ω，ρ}，将系统的输入X与有效数据ω放入关系模型中，通过在线或离线分析，进行分类、回归、聚类算法能够得到输出ρ，此时ρ为系统的输出Y，通过输出Y能够得到五元素的集合，表示为P＝(T,X,Ω,Y,S)，其中T表示状态轨迹集合，X表示评估系统的输入，Ω表示输入的轨迹集合，Y表示评估系统的输出，S表示关系模型。五元素集合的不断丰富和或更新就是知识库的构建和/或更新。
[0049] 作为另一个实施例，若ω、ρ之间存在函数关系(ρ＝f(ω))上式可以表示为：S＝(T,X,Ω,Y,F)，其中F为关系函数。
[0050] 具体地，五元素的集合表示能够表达评估系统的外部特性。
[0051] 示例性地，若对一个场景下的电池进行评估，首先根据系统的输入X(第一输入X)与有效数据ω(第一有效数据ω)选取第一关系模型S1(t)，将第一输入X和第一有效数据ω放入第一关系模型S1(t)中，通过分析和运算最终则得到第一输出Y，形成了五元素集合P1＝(T,X,Ω,Y,S)，放入知识库中进行存储；若对一个场景下的另一个工况状态下的电池再次进行评估，则有效数据ω发生变化变为ω’，系统输入变为X’，并重新选取第二关系模型S2(t)，将系统的第二输入X’和第二有效数据ω’放入第二关系模型S2(t)中，最终得到第二输出Y’，形成了五元素集合P2＝(T’,X’,Ω’,Y’,S’)，同时，将系统的第二输入X’和第二有效数据ω’放入第一关系模型S1(t)中，得到了第三输出Y”，形成了五元素集合P3＝(T”,X”,Ω”,Y”,S”)，将五元素集合P3与五元素集合P2进行对比，若P3与P2的差值较小，在阈值内，则不对五元素集合进行更新，也就是不进行更新知识库。
[0052] 具体地，通过最小二乘法或KNN算法对P3与第P2进行计算，若P3与P2的相差在
指定的阈值内，则不进行知识库的更新，若P3与P2的差值超过了指定的阈值范围，则P3替代P2集合，将P3添加到知识库中进行知识库的更新。
[0053] 优选地，指定阈值可以是技术人员根据实际情况进行设置，在此不进行限定。
[0054] 若有效数据再次进行变化，则再次执行步骤D1，再次进行关系模型S(t)的选取，经过关系模型的不断选取，输出Y也不断进行变化，五元素集合也不断发生改变，对五元素集合进行不断的比较，当评估系统停止评估或五元素集合在持续时间内不发生更新时，则得到一个确定的输出，关系模型的输出ρ作为系统的输出Y，也就是在当前状态下电池的可释放的能量。
[0055] 作为另一个实施例，根据系统的输入X确定系统的评估模型，将有效数据ω放入关系模型中，通过在线或离线分析，进行分类、回归、聚类算法能够得到第一输出Y，最终形成五元素集合P＝(T,X,Ω,Y,S)。
[0056] 作为另一个实施例，还包括衡量五元素集合的准确性，通过将评估系统分解为无数个子系统，每个子系统中都包含一个关系模型，示例性地，若子系统之间的逻辑关系为
串联，则子系统1的输出ρ1结合子系统2原本的有效数据ω2作为子系统2的整体输入，子系统2的输出ρ2结合子系统3的有效数据ω3作为子系统3的整体输入，子系统3的输出ρ3为系统的输出Y。
[0057] 进一步地，每个子系统的关系模型同样存在公式S’(t)＝{(ω，ρ)：Ω，ω，ρ}，同时子系统的关系模型又存在公式S’(t)＝{Q,λ,σ},将系统的第一输入X和第一有效数据ω放入子系统1的关系模型S1(t)中，经过在线/连线分析，分类、回归、聚合算法最终则得到输出ρ1，通过输出ρ1形成七元素集合P’＝(T,X,Ω,ρ1,Q,λ,σ),其中T,X,Ω与五元素集合中的T,X,Ω含义相同，Q表示系统的状态变量，λ表示输出函数，σ表示系统的状态分量。若系统为静态，则七元素可以表示为P’＝(X,Y,Q,λ)，七元素集合能够反映系统的外部特性和内部特性。
[0058] 七元素集合能够衡量五元素集合的准确性，示例性地，若最终得到了五元素集合P3，则可以将系统分解为无数个子系统，通过最终得到的七元素集合与五元素集合通过最小二乘法/KNN算法进行运算，得到五元素集合与七元素集合的差值是否过大，若差值较小则五元素集合的结果是准确的，若差值较大则进行五元素集合的再次运算。
[0059] 步骤S140：评估电池的能量状态并进行显示。
[0060] 将由步骤S130得到了电池的可释放的能量与电池最大可用能量进行比值计算，得到的百分比就是电池的能量状态。
[0061] 如图2所示为本申请提供的电池能量状态的评估系统的内部结构示意图。
[0062] 评估系统包括采集模块210、数据存储模块220、量化分析模块230。
[0063] 采集模块210用于采集电池内部的原始数据，并将原始数据经过一系列预处理传输给数据采集数据存储模块220。
[0064] 具体地，原始数据包括电池储能系统的运行状态数据(例如输出电流、输出电压、电池容量等)、环境数据(例如温度、湿度以及负载功率等)以及电池信息(例如电池材料、生产日期、循环次数等)。
[0065] 进一步地，采集模块110通过日志传输系统(Flume)，将采集的原始数据集成到分布式消息系统(Kafka)中，实现原始数据中的日志采集、日志预处理和日志的实时传输。
[0066] 数据存储模块220与采集模块210连接，用于接收采集模块处理后的原始数据，经过数据过滤操作和映射操作将原始数据变为有效数据，一方面通过弹性分布式数据集(RDD)或分布式文件系统(HDFS)的形式存储起来，另一方面发送给量化分析模块230。
[0067] 量化分析模块230与数据存储模块220连接，用于接收处理后的有效数据，对数据进行分析以及运算，进行构建/更新知识库。
[0068] 具体地，量化分析模块230中包含Spark大数据平台，基于Spark大数据平台进行数据的分析和运算，如图3所示，其中量化分析模块230具体包括关系模型选取模块310、知识库构建/更新模块320，电池能量状态计算模块330以及显示模块340，其中知识库构建/更新模块320中包括Spark实时数据处理核心API模块350和Spark机器学习库模块360。
[0069] 具体地，关系模型选取模块310用于根据接收的有效数据进行关系模型的选取。
[0070] 知识库构建/更新模块320与关系模块310连接，用于将有效数据导入关系模型中，并通过Spark实时数据处理核心API模块350进行在线或离线分析，通过Spark机器学习库模块360进行分类、回归、聚类算法，最终得到五元素的集合构建/更新知识库。
[0071] 电池能量状态计算模块330与知识库构建/更新模块320连接，用于根据得到的五元素集合计算电池的能量状态，并发送给显示模块340。
[0072] 显示模块340与电池能量状态计算模块330连接，用于接收计算出的电池能量状态并进行显示。
[0073] 本申请具有以下有益效果：
[0074] (1)本申请提供的电池能量状态评估方法及其评估系统能够采集电池的多种数据，并通过多影响因子(温度、负荷、工况)量化评估电池的能量状态。
[0075] (2)本申请提供的电池能量状态评估方法及其评估系统通过在线或离线分析以及各种运算不断丰富或更新知识库，能够充分挖掘移动/异构电池系统数据中的价值，进行实时的评估电池的能量状态。
[0076] (3)本申请提供的电池能量状态评估方法及其评估系统是基于spark大数据平台进行评估，大数据平台的分布式架构，易于扩展和缩减，可以应对分布式储能规模的改变来达到资源的有效利用，也解决了现有技术难以处理海量日志的弊端。
[0077] (4)本申请提供的电池能量状态评估方法及其评估系统能够采集有效的数据，准确地去除信息的误报，并提供详细的量化评估结果，用于指导分布式/移动式/异构储能系统的优化配置和联合优化运行。
[0078] 虽然当前申请参考的示例被描述，其只是为了解释的目的而不是对本申请的限制，对实施方式的改变，增加和/或删除可以被做出而不脱离本申请的范围。
[0079] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述
权利要求的保护范围为准。
