基于数据预处理和计算机VMD-LSTM-GPR的储能系统离子电池剩余寿命预测

2024-01-26田凌浒袁炳夏

储能科学与技术 2024年1期

田凌浒，袁炳夏

（1中国石油新疆油田分公司，新疆克拉玛依 834000；2惠州学院网络与信息中心，广东惠州 516007）

锂离子电池因其无记忆效应、长循环寿命、高能量密度等突出优点，广泛应用于各类型的储能系统之中[1]。然而，锂离子电池元件的寿命却受到诸多因素的影响。因此，准确预测锂离子电池的剩余寿命，在提高储能系统运行安全性、可靠性与实时效率方面具有较为重要的意义。本研究以数据预处理和计算机VMD-LSTM-GPR模型为基础，设计一种新型的储能系统离子电池剩余寿命预测方法。

1 储能系统离子电池剩余寿命预测的理论研究

针对储能系统离子电池剩余寿命的预测主要包括电化学模型、等效电路模型、经验退化模型三种方式，每一种方式的侧重研究内容如表1所示。

表1 储能系统离子电池剩余寿命预测方法Table 1 Prediction method of remaining life of ion battery in energy storage system

总的来说，预测储能系统离子电池剩余寿命，就是根据储能元件的物理与化学性能，构建退化模型，再通过参数估算的方式，推测电池元件的最佳运行状态，最后利用所得参数估算出所要预测储能系统的最初电池容量以及电池容量退化趋势，从而达到预测离子电池剩余寿命的目的。

2 电池剩余寿命预测算法设计

2.1 储能系统的数据预处理

储能系统数据预处理是预测离子电池剩余寿命的关键步骤，能够在去除冗余能源信息的同时，提取出更有价值的能耗数据。随着储能系统运行时间的延长，离子电池所消耗的能源量也会不断增大，这些被消耗的能源信号一部分转化为传输电力，以供其他耗电设备的应用，另一部分则被转化为热能等不必要的能源信号，而这部分不必要的能源也是导致电池剩余寿命下降的主要原因[2]。

设q1、q2、…、qn表示不同的储能数据，ΔW表示离子电池在单位时间内所能存储的能源总量，ẏ表示储能特征，φ表示能量信号转存参数，联立上述物理量，可将储能系统的数据预处理表达式定义为：

离子电池具有持续充放电的能力，因此在系统储能过程中，能量的循环供应可以得到保障。

2.2 计算机VMD-LSTM-GPR预测模型

计算机VMD-LSTM-GPR 预测模型结合了VMD(变分模态分解)、LSTM(长短时记忆网络)与GPR(高斯过程回归)，是一种较为完善的预测方法。对于储能系统离子电池剩余寿命的预测，VMD 首先将储能信号分解成多个模态信号，并针对不同模态分量，提取电池元件的电量特性；然后，LSTM捕捉数据序列中信息参量的相互依赖关系，以便于确定电池元件的剩余蓄电能力；最后，GPR 构建具体预测模型，并针对所得预测结果进行优化处理[3]。储能系统离子电池剩余寿命的VMD-LSTM-GPR预测流程如图1所示。

图1 电池剩余寿命的VMD-LSTM-GPR预测流程Fig.1 VMD-LSTM-GPR prediction process for remaining battery life

综上所述，计算机VMD-LSTM-GPR预测模型能够快速且有效地处理储能系统中的能量传输信号，故在提高电池剩余寿命预测精度和效率方面具有较强适应性。

2.3 锂离子电池的容量退化能力计算

容量退化会对锂离子电池的剩余寿命造成影响，当退化程度超过50%时，电池元件也就失去了为储能系统提供稳定电力供应的能力。电池容量退化是一种不可避免也不可逆的行为，随着储能系统运行时间的延长，锂离子电池的充放电次数不断增大，已被转化的能量资源除了为储能系统供能外，还会堆积在电池内部，而这也会对锂离子电池的储能水平造成退化性影响。

设η表示能源利用效率，Ê表示电池元件的电量退化特征，k表示储能需求参量，ε表示锂离子电池的供能系数，g0表示电池元件的初始储能量。利用上述物理量，推导锂离子电池的容量退化能力计算式如下：

对于储能系统而言，储能水平下降的锂离子电池无法提供系统运行所需的能量资源，所以及时更换电池元件才是保障系统运行能力的关键。

2.4 剩余电池寿命评估

评估剩余电池寿命，就是在已知容量退化强度的基础上，针对锂离子电池剩余供电能力的预测。储能系统的运行需借助锂离子电池提供的能量资源，特别是在系统功率频繁变化的情况下，保障电池元件的稳定供电，才可以避免出现能源浪费的问题。规定μ表示系统瞬时储能量，z表示能源负荷参数，τ表示不为零的锂离子电池供电系数，Xτ表示基于参数τ的能量转化向量，联立公式(2)，推导储能系统锂离子电池的剩余寿命评估表达式为：

寿命评估条件的计算结果决定了当前所应用锂离子电池是否能够继续提供储能系统所需的能量资源，因此该项计算式对于准确性的要求相对较高。