基于片段数据的储能电池SOH估计

作     者：耿萌萌 范茂松 魏斌 张明杰 胡晨 GENG Mengmeng;FAN Maosong;WEI Bin;ZHANG Mingjie;HU Chen

作者机构：中国电力科学研究院有限公司北京市海淀区100192 

基　　金：国家电网有限公司科技项目(5100-202155307A-0-0-00) 

出 版 物：《全球能源互联网》 (Journal of Global Energy Interconnection)

年 卷 期：2025年第8卷第1期

页      码：57-66页

摘      要：为了提高储能电池健康状态(state of health,SOH)精度及工程适应性,首先,分析某光储电站的运行数据,设计模拟工况实验,结合数据特点和老化机理,选取了3.41 V前30 min内充电电压差(时间间隔分别为1 min、3 min及5 min)作为储能电池健康状态评价的特征参量,并利用20 Ah磷酸铁锂电池的循环数据,结合遗传算法(genetic algorithm,GA)改进的反向传播(back propagation,BP)神经网络进行建模。利用1200次未参与模型训练的数据对模型的精度进行验证,其中1 min间隔电压差为特征参量的模型精度最高,平均绝对百分误差(mean absolute percentage error,MAPE)为0.37%,均方根误差(root mean square error,RMSE)为0.456 5。其次,通过模型迁移,将260 Ah磷酸铁锂电池SOH估计最大误差由5.52%降低到1.89%。最后,利用该模型对光储电站中一簇储能电池单体进行了批量SOH估计,工程适应性良好。

主 题 词：储能锂离子电池 片段数据 GA-BP神经网络 健康状态估计 模型迁移 

学科分类：0808[工学-自动化类] 08[工学] 

核心收录：

D　O　I：10.19705/j.cnki.issn2096-5125.2025.01.007

馆 藏 号：203157379...