一种基于智能算法的混合储能系统再利用调控方法

阅读：评论：0

1.本发明涉及一种基于智能算法的以废旧电池为主的混合储能系统再利用调控方法，属于电池储能优化配置技术领域。

背景技术：

2.随着能源危机和环境污染的日益严重，混合动力汽车和电动汽车为汽车行业的发展提供了新的方向。由于具有循环寿命长、功率高、能量密度大的优点，锂离子电池可以实现更长的续航时间和行驶里程，被大量用作电动汽车的动力源。然而，对于电动汽车锂电池的使用，当电池的真实容量衰减至额定容量的80％时，则默认锂电池达到了废旧的状态。但是低于80％的锂电池内部仍具有巨大的容量和利用价值，因此如何将废旧电池应用到生产领域中具有重要意义。
3.传统废旧电池的利用是将废旧电池进行拆分分解，并进行重新的工艺生产，这样会遗留下来汞等重金属材料污染环境；尽管有些企业对废旧电池作为储能电源来给设备发电，但是其发电效率不高，只使用于极小功率的供电系统。

技术实现要素：

4.发明目的：针对背景技术中指出的问题，本发明提供一种基于智能算法的混合储能系统再利用调控方法，将废旧电池进行充分的利用，极大的节约了经济成本和环境成本。
5.技术方案：本发明公开了一种基于智能算法的的混合储能系统再利用调控方法，包括以下步骤：
6.步骤1：建立影响电池老化的电池多参数综合模型，所述电池多参数综合模型包括电池的电功率模型、电池的热模型、电池的老化模型以及电池的经济模型；
7.步骤2：根据步骤1得到的电池多参数综合模型，利用短期策略优化系统容量配置，所述短期策略采用火烈鸟算法优化配置系统容量；
8.步骤3：根据步骤1得到的电池多参数综合模型，利用长期策略优化系统的经济指标，所述长期策略采用麻雀搜索算法优化配置。
9.进一步地，所述步骤1中电池多参数综合模型的建模分为以下步骤：
10.11)建立电池的电功率模型、热模型、老化模型及经济模型；
11.12)所述电池的电功率模型如下：
[0012][0013][0014]
[0015]
其中，r1、c1、r2、c2表示电池的电阻、电容，c
bat
表示电池总容量，i(t)表示电流，v1、v2表示电压；
[0016]
13)所述电池的热模型如下：
[0017][0018][0019]
其中，rc、ru、cc和cs分别代表导热阻力、对流阻力、堆芯热容和表面热容，两个状态变量是堆芯温度tc和表面温度ts，环境温度tf被视为不可控输入；
[0020]
14)所述电池的老化模型如下：
[0021][0022]qremain
＝3600
·cbat
·
f1(n)
·
t
[0023]
其中，soh表示电池寿命状态，即老化程度，n表示循环次数，q
remain
表示电池剩余容量，t＝tc+ts，k1是个定值；
[0024]
15)所述电池的经济模型如下：
[0025][0026]
其中，e为经济运行总成本，battery
ex
为电池的换购成本，battery
load
为电池运行维护成本，soh
loss
为电池寿命损失相关成本的参数，wa为电池成本的权重系数。
[0027]
进一步地，所述步骤2具体包括如下步骤：
[0028]
21)初始化参数，输入影响电池负荷的量：电压v1、v2，电池总容量c、电池电流i(t)；
[0029]
22)初始化种：将种数量设置为p，最大迭代次数为iter
max
，第一部分迁移的火烈鸟比例为mpb；
[0030]
23)到每个火烈鸟的适应度，并根据火烈鸟个体的适应度值对火烈鸟种进行排序；低适应度的前火烈鸟mpb和高适应度的前火烈鸟mp
t
被视为迁徙火烈鸟，而其他火烈鸟被视为觅食火烈鸟，迭代公式如下式：
[0031]
mpr＝rand[0，1]
×
p
×
(1-mpb)
[0032]
其中，mpr为第r次迭代的数量；
[0033]
24)更新迁徙火烈鸟和觅食火烈鸟位置，更新公式如下：
[0034][0035]
其中，表示第t、(t+1)次迭代中第i只火烈鸟在种第j维中的位置，在t迭代中种中具有最佳适应度的火烈鸟的第j维位置；g2和g1遵循标准正态分布的随机数，范围是[-1，1]；ε1、ε2是个[-1，1]的随机数；k是一个随机数，遵循卡方分布，它被用来增加火烈鸟觅食范围的大小，模拟自然界中个体选择的机会，提高其全局择优能力；
[0036][0037]
其中，ω＝n(0，n)是一个具有n个自由度的高斯随机数；
[0038]
25)检查是否有超出边界的火烈鸟，最大范围公式定义为：
[0039]
l
max
＝|g1×
xbj+ε
×
x
ij
|
[0040]
其中，l
max
表示最大范围，ε表示[-1，1]的随机数；
[0041]
26)如果达到最大迭代次数，则转至27)；否则，转至22)；
[0042]
27)输出得到容量配置的最优解和最优值。
[0043]
进一步地，所述步骤3中，具体包括以下步骤：
[0044]
31)麻雀种初始化，输入影响电池的换购成本、运行维护成本、电池寿命损失相关成本的参数；
[0045]
32)麻雀种初始化适应度排序并分类发现者和追随者；
[0046]
33)更新发现者位置，所述公式如下：
[0047][0048]
其中，i，j表示第i个麻雀在第j维中的位置信息，iter
max
表示为最大迭代次数，q表示为正态分布随机数，l表示为1xd矩阵且其元素均为1；
[0049]
34)根据发现者位置更新追随者位置，所述公式如下；
[0050][0051]
且x
worst
表示当前全局最差位置，x
p
表示目前发现者占据的最优位置，表示 lxd矩阵，其每个元素随机赋值1或-1；
[0052]
35)以20％占比随机选择侦察预警并更新其位置，所述公式如下；
[0053][0054]
其中，为当前全局最优位置，β作为步长控制参数，服从均值为0，方差为1的正态分布随机数；k是一个随机数，表示麻雀移动方向同时是步长控制参数，fi表示当前麻雀个体的适应度值，fg表示当前全局最佳适应度值，fw表示当前全局最差适应度值，ε为常数，作用于避免分母出现零值；
[0055]
36)判断是否满足条件，若没有则返回步骤32)，反之输出最优位置。
[0056]
进一步地，所述混合储能系统包括电池组、电池多参数综合模型、超级电容器、调控模块、dc/ac变换器；所述电池组为不同健康程度组成的混合电池组，其通过超级电容将其耦合起来，结合电池多参数综合模型经调控模块利用短期策略和长期策略组合的双策略
对能源系统进行调控。
[0057]
有益效果：
[0058]
1、本发明通过建立综合老化模型，可对电动汽车淘汰下来的废旧电池加以利用，解决了废旧电池处理难的难题；结合短期策略和长期策略，较只使用了一种单策略的方法更加稳定可靠，使系统的灵活性、兼容性更强；引入电池-超级电容混合储能的新型供能方式，较单一储能的供能方式相比，持续的供能时间更长、成本更低、可靠性强。
[0059]
2、本发明关键在于利用短期策略可以对系统持续不间断的供能，同时利用短期策略结合电池多参数综合模型经调控模块可对混合电池组进行灵活调控配置；利用长期策略对系统不定时的调整运行策略，使综合运行的经济成本达到最优。
附图说明
[0060]
图1为本发明的短期策略方法的流程图；
[0061]
图2为本发明的长期策略方法的流程图；
[0062]
图3为本发明系统的结构示意图；
[0063]
图4为本发明的系统与以电池为主的混合储能系统、单电池为主的储能系统经济成本对比图；
[0064]
图5为本发明系统与单废旧电池的储能系统的寿命衰减对比图；
[0065]
图6为本发明系统与其他两种系统的能源利用率对比图。
具体实施方式
[0066]
下面结合附图对本发明的技术方案作进一步说明。
[0067]
如图1、2所示，本发明发明公开的基于智能算法的以废旧电池为主的混合储能系统再利用的调控方法，包括以下步骤：
[0068]
步骤1：建立影响电池老化的电池多参数综合模型。
[0069]
电池老化模型的建模分为以下步骤：
[0070]
11)建立电池的电功率模型、热模型、老化模型及经济模型；
[0071]
12)根据步骤11)，建立电池的电功率模型，所述公式如下：
[0072][0073][0074][0075]
其中，r1、c1、r2、c2表示电池的电阻、电容，c
bat
表示电池总容量，i(t)表示电流，v1、v2表示电压；
[0076]
13)根据步骤11，建立电池的热模型，所述公式如下：
[0077]
[0078][0079]
其中，rc、ru、cc和cs分别代表导热阻力、对流阻力、堆芯热容和表面热容，两个状态变量是堆芯温度tc和表面温度ts，环境温度tf被视为不可控输入。
[0080]
14)根据步骤11，建立电池的老化模型，所述公式如下：
[0081][0082]qremain
＝3600
·cbat
·
f1(n)
·
t
[0083]
其中，soh表示电池寿命状态，即老化程度，n表示循环次数，q
remain
表示电池剩余容量，t＝tc+ts，k1是个定值；
[0084]
15)根据步骤11，建立电池的经济模型，所述公式如下：
[0085][0086]
其中，e为经济运行总成本，battery
ex
为电池的换购成本，battery
load
为电池运行维护成本，soh
loss
为电池寿命损失相关成本的参数，wa为电池成本的权重系数。
[0087]
步骤2：根据步骤1得到的电池多参数综合模型，利用短期策略优化系统容量配置。短期策略主要采用火烈鸟算法优化配置包括以下步骤：
[0088]
21)初始化参数，输入影响电池负荷的量：电压v1、v2，电池总容量c、电池电流i(t)。
[0089]
22)初始化种：将种数量设置为p，最大迭代次数为iter
max
，第一部分迁移的火烈鸟比例为mpb。
[0090]
23)到每个火烈鸟的适应度：并根据火烈鸟个体的适应度值对火烈鸟种进行排序。低适应度的前火烈鸟mpb和高适应度的前火烈鸟mp
t
被视为迁徙火烈鸟，而其他火烈鸟被视为觅食火烈鸟，迭代公式如下式：
[0091]
mpr＝rand[0，1]
×
p
×
(1-mpb)
[0092]
其中，mpr为第r次迭代的数量。
[0093]
24)更新迁徙火烈鸟和觅食火烈鸟位置，更新公式如下：
[0094][0095]
其中，表示第t、(t+1)次迭代中第i只火烈鸟在种第j维中的位置，在t迭代中种中具有最佳适应度的火烈鸟的第j维位置；g2和g1遵循标准正态分布的随机数，范围是[-1，1]；ε1、ε2是个[-1，1]的随机数，主要是增加火烈鸟觅食的搜索范围，量化个体选择的差异；k是一个随机数，遵循卡方分布，它被用来增加火烈鸟觅食范围的大小，模拟自然界中个体选择的机会，提高其全局择优能力；
[0096][0097]
其中，ω＝n(0，n)是一个具有n个自由度的高斯随机数，它用于增加火烈鸟迁徙过程中的搜索空间，模拟火烈鸟在特定迁徙过程中个体行为的随机性。
[0098]
25)检查是否有超出边界的火烈鸟，最大范围公式定义为：
[0099]
l
max
＝|g1×
xbj+ε
×
x
ij
|
[0100]
其中，l
max
表示最大范围，ε表示[-1，1]的随机数，g1是遵循标准正态分布的随机数。
[0101]
26)如果达到最大迭代次数，则转至步骤27)；否则，转至步骤22)。
[0102]
27)输出得到容量配置的最优解和最优值。
[0103]
步骤3：根据步骤1得到的电池多参数综合模型，利用长期策略优化系统的经济指标，长期策略主要采用麻雀搜索算法优化配置包括以下步骤：
[0104]
31)麻雀种初始化，输入影响电池的换购成本、运行维护成本、电池寿命损失相关成本的参数。
[0105]
32)麻雀种初始化适应度排序并分类发现者和追随者。
[0106]
33)更新发现者位置，所述公式如下：
[0107][0108]
其中，i，j表示第i个麻雀在第j维中的位置信息，iter
max
表示为最大迭代次数，q表示为正态分布随机数，l表示为1xd矩阵且其元素均为1。
[0109]
34)根据发现者位置更新追随者位置，所述公式如下；
[0110][0111]
且x
worst
表示当前全局最差位置，x
p
表示目前发现者占据的最优位置，表示 lxd矩阵，其每个元素随机赋值1或-1。
[0112]
35)以20％占比随机选择侦察预警并更新其位置，所述公式如下；
[0113][0114]
其中，为当前全局最优位置，β作为步长控制参数，服从均值为0，方差为1的正态分布随机数。k是一个随机数，表示麻雀移动方向同时是步长控制参数，fi表示当前麻雀个体的适应度值，fg表示当前全局最佳适应度值，fw表示当前全局最差适应度值，ε为常数，作用于避免分母出现零值。
[0115]
36)判断是否满足条件，若没有则返回步骤32)，反之输出最优位置。
[0116]
如图3所示，本发明以废旧电池为主的储能系统包括电池组、电池多参数综合模型、超级电容器、dc/ac变换器；电池组为不同健康程度组成的混合电池组通过超级电容可以器将其耦合起来，结合电池多参数综合模型利用短期策略和长期策略组合的双策略对能源系统进行调控。
[0117]
以废旧电池为主的储能系统中的电池多参数综合模型包括电池的电功率模型、热模型、老化模型、经济模型，以废旧电池为主的储能系统的能源系统适用于工业、商业等中小型供能场合。
[0118]
如图4所示，本发明以废旧电池为主的混合储能系统各季节成本在29.2万美元-30.1万美元之间，较电池为主的混合储能系统各季节成本在30.5万美元
ꢀ‑
32.7万美元以及单电池为主的储能系统各季节成本在31.7万美元-33.5万美元相比，经过双策略方法的优化，以废旧电池为主的混合储能系统的成本明显降低，有效的解决了废旧电池处理难的问题。
[0119]
如图5所示，本发明以废旧电池为主的混合储能系统的寿命衰减速度明显慢于单废旧电池的储能系统的寿命衰减速度，与此同时单废旧电池的储能系统的比以废旧电池为主的混合储能系统更快的到达报废程度。
[0120]
如图6所示，本发明以废旧电池为主的混合储能系统所采用的短期策略下的能源利用率保持在90.94％-92.55％之间，相较于混合储能系统的73.18-73.68％和单储能系统的25.16％-25.32％有较为明显的提高。
[0121]
上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

技术特征：

1.一种基于智能算法的混合储能系统再利用调控方法，其特征在于，包括以下步骤：步骤1：建立影响电池老化的电池多参数综合模型，所述电池多参数综合模型包括电池的电功率模型、电池的热模型、电池的老化模型以及电池的经济模型；步骤2：根据步骤1得到的电池多参数综合模型，利用短期策略优化系统容量配置，所述短期策略采用火烈鸟算法优化配置系统容量；步骤3：根据步骤1得到的电池多参数综合模型，利用长期策略优化系统的经济指标，所述长期策略采用麻雀搜索算法优化配置。2.根据权利要求1所述的基于智能算法的混合储能系统再利用调控方法，其特征在于，所述步骤1中电池多参数综合模型的建模分为以下步骤：11)建立电池的电功率模型、热模型、老化模型及经济模型；12)所述电池的电功率模型如下：12)所述电池的电功率模型如下：12)所述电池的电功率模型如下：其中，r1、c1、r2、c2表示电池的电阻、电容，c
bat
表示电池总容量，i(t)表示电流，v1、v2表示电压；13)所述电池的热模型如下：13)所述电池的热模型如下：其中，r
c
、r
u
、c
c
和c
s
分别代表导热阻力、对流阻力、堆芯热容和表面热容，两个状态变量是堆芯温度t
c
和表面温度t
s
，环境温度t
f
被视为不可控输入；14)所述电池的老化模型如下：q
remain
＝3600
·
c
bat
·
f1(n)
·
t其中，soh表示电池寿命状态，即老化程度，n表示循环次数，q
remain
表示电池剩余容量，t＝t
c
+t
s
，k1是个定值；15)所述电池的经济模型如下：其中，e为经济运行总成本，battery
ex
为电池的换购成本，battery
load
为电池运行维护成本，soh
loss
为电池寿命损失相关成本的参数，w
a
为电池成本的权重系数。
3.根据权利要求2所述的基于智能算法的混合储能系统再利用调控方法，其特征在于，所述步骤2具体包括如下步骤：21)初始化参数，输入影响电池负荷的量：电压v1、v2，电池总容量c、电池电流i(t)；22)初始化种：将种数量设置为p，最大迭代次数为iter
max
，第一部分迁移的火烈鸟比例为mp
b
；23)到每个火烈鸟的适应度，并根据火烈鸟个体的适应度值对火烈鸟种进行排序；低适应度的前火烈鸟mp
b
和高适应度的前火烈鸟mp
t
被视为迁徙火烈鸟，而其他火烈鸟被视为觅食火烈鸟，迭代公式如下式：mp
r
＝rand[0，1]
×
p
×
(1-mp
b
)其中，mp
r
为第r次迭代的数量；24)更新迁徙火烈鸟和觅食火烈鸟位置，更新公式如下：其中，表示第t、(t+1)次迭代中第i只火烈鸟在种第j维中的位置，在t迭代中种中具有最佳适应度的火烈鸟的第j维位置；g2和g1遵循标准正态分布的随机数，范围是[-1，1]；ε1、ε2是个[-1，1]的随机数；k是一个随机数，遵循卡方分布，它被用来增加火烈鸟觅食范围的大小，模拟自然界中个体选择的机会，提高其全局择优能力；其中，ω＝n(0，n)是一个具有n个自由度的高斯随机数；25)检查是否有超出边界的火烈鸟，最大范围公式定义为：l
max
＝|g1×
xb
j
+ε
×
x
ij
|其中，l
max
表示最大范围，ε表示[-1，1]的随机数；26)如果达到最大迭代次数，则转至27)；否则，转至22)；27)输出得到容量配置的最优解和最优值。4.根据权利要求2所述的基于智能算法的混合储能系统再利用调控方法，其特征在于，所述步骤3中，具体包括以下步骤：31)麻雀种初始化，输入影响电池的换购成本、运行维护成本、电池寿命损失相关成本的参数；32)麻雀种初始化适应度排序并分类发现者和追随者；33)更新发现者位置，所述公式如下：其中，i，j表示第i个麻雀在第j维中的位置信息，iter
max
表示为最大迭代次数，q表示为正态分布随机数，l表示为1xd矩阵且其元素均为1；34)根据发现者位置更新追随者位置，所述公式如下；
且x
worst
表示当前全局最差位置，x
p
表示目前发现者占据的最优位置，表示1xd矩阵，其每个元素随机赋值1或-1；35)以20％占比随机选择侦察预警并更新其位置，所述公式如下；其中，为当前全局最优位置，β作为步长控制参数，服从均值为0，方差为1的正态分布随机数；k是一个随机数，表示麻雀移动方向同时是步长控制参数，f
i
表示当前麻雀个体的适应度值，f
g
表示当前全局最佳适应度值，f
w
表示当前全局最差适应度值，ε为常数，作用于避免分母出现零值；36)判断是否满足条件，若没有则返回步骤32)，反之输出最优位置。5.根据权利要求1所述的基于智能算法的混合储能系统再利用调控方法，其特征在于，所述混合储能系统包括电池组、电池多参数综合模型、超级电容器、dc/ac变换器；所述电池组为不同健康程度组成的混合电池组，其通过超级电容将其耦合起来，结合电池多参数综合模型利用短期策略和长期策略组合的双策略对能源系统进行调控。

技术总结

本发明涉及电池储能优化配置技术领域，公开了一种基于智能算法的以废旧电池为主的混合储能系统再利用调控方法，在电池多参数综合模型基础上，提出了一种短期策略和长期策略相结合的双策略方法，短期策略采用火烈鸟算法优化配置系统容量，长期策略采用麻雀搜索算法优化配置；利用短期策略可以对系统持续不间断的供能，同时利用短期策略结合电池多参数综合模型经调控模块可对混合电池组进行灵活调控配置；利用长期策略对系统不定时的调整运行策略，使综合运行的经济成本达到最优。本发明可以很好的适用于工业、商业的中小型的能源系统，解决废旧电池处理难的难题，提供了很好的经济效益和社会效益，具有长远的应用前景。具有长远的应用前景。具有长远的应用前景。