(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210842774.3 (22)申请日 2022.07.18 (71)申请人 中国科学院电工 研究所 地址 100190 北京市海淀区中关村北二条6 号 (72)发明人 孙玉树　李宁宁　张国伟　赵振兴　 张学　裴玮　唐西胜　 (74)专利代理 机构 北京科迪生专利代理有限责 任公司 1 1251 专利代理师 金怡 (51)Int.Cl. G06Q 10/04(2012.01) G06F 21/62(2013.01) G06N 3/04(2006.01) G06N 20/00(2019.01)G06Q 50/06(2012.01) (54)发明名称 一种电池 储能系统联邦 状态评估方法 (57)摘要 本发明提出一种电池储能系统联邦状态评 估方法， 通过局域自治体的模型封装和加密， 对 封装后的模型及其加密 的梯度信息进行云端整 合训练和联合学习， 可在保障各自数据隐私的情 形下， 达到类似于数据完备的全局优化效果， 进 而指导各主体策略的不断进化。 本发 明能够有效 实现电池 储能系统的SOH和SOC的联合估计 。 权利要求书1页 说明书4页 附图1页 CN 115222126 A 2022.10.21 CN 115222126 A 1.一种电池 储能系统联邦状态评估方法， 其特 征在于， 具体包括如下步骤： 步骤1、 利用多传感器融合技术获取电池储能系统运行的外特性数据； 同时利用原位/ 非原位技术获取内特性数据， 由此获取各电池储能系统运行 的内外特性数据； 对各电池储 能系统的内外特性数据进 行结构化处理， 并采用哈希运算和同态加密技术相结合的方式对 不同电池储能系统的内外特性数据进 行对齐， 进而采用张量深度学习的方法对本地数据高 维特征进行提取； 步骤2、 基于FPGA构建电池管理系统BMS， 建立基于轻量化门控循环单元的电池储能系 统SOC评估方法， 将本地构建的模 型进行加密封装， 采用随机梯度下降法计算各电池储能系 统封装模型的最优梯度信息， 通过分布式交互方式传递加密后的梯度计算信息以及其邻接 关系， 且只将本地模型 的梯度计算信息上传至联邦云中心， 充分保 障各电池储能系统数据 的隐私需求； 步骤3、 在联邦云中心利用接入的电池储能系统数据信 息和随机场景生产 策略， 建立基 于谱聚类的电池储能系统应用场景聚类方法， 进而优化全局聚合模型， 根据不同的场景类 别， 建立基于不确定性约束的拜占庭鲁棒联邦学习算法， 进而形成具备自动知识获取和推 理能力的正则化深度网络， 利用时序卷积神经网络预测出电池 储能系统的SOH； 步骤4、 根据本地模型和全局聚合模型的差异， 应用考虑损失的电池储能系统决策方法 实现本地模型实时更新， 并利用联邦云中心计算出的当前SOH修正本地的实时SOC， 联邦云 中心也会根据本地SOC的状态， 进一步提高全局SOH的预测精度， 从而实现本地SOC和联邦 云 中心SOH的高精度联邦 评估。 2.根据权利要求1所述的一种电池储能系统联邦状态评估方法， 其特征在于： 所述外特 性数据为电压、 电流和温度； 所述内特性数据包括利用电化学阻抗谱技术 获取电阻数据、 利 用原位X射线衍射技术获取 晶体结构数据、 利用原位傅里叶变换红外光谱技术获取化学成 分数据。 3.根据权利要求1所述的一种电池储能系统联邦状态评估方法， 其特征在于： 所述步骤 3中， 采用改进的FedAvg算法优化全局聚合模 型， 其中FedAvg算法是根据权重聚合收集到的 用户端模 型， 用户在本地训练中使用的数据越多， 更新后的模 型质量越高， 聚合时权重就越 大， 则改进的FedAvg算法是在模型权重更新的时候， 增加相似度评价指标， 筛除分布差异过 大的数据， 即淘汰劣质数据。 4.根据权利要求3所述的一种电池 储能系统联邦状态评估方法， 其特 征在于： SOC与SOH的关系表达式如下： 绝对容量时： 相对容量时： 其中， Qt为当前剩余电量， Cn为额定容量， Cend为电池寿命终止时的容 量。权　利　要　求　书 1/1 页 2 CN 115222126 A 2一种电池储能系统联邦状态 评估方法 技术领域 [0001]本发明属于电池储能系统智能运维领域， 具体涉及一种电池储能系统联邦状态评 估方法。 背景技术 [0002]为了更好的实现碳达峰、 碳中和的目标， 加快能源结构的积极转型， 大力发展新能 源已成为国内外各界的共识。 储能作为能源电力发展建设的重点， 对于系统的清洁低碳与 安全高效发展、 可再生能源的并网消纳能力提升， 以及用户的可靠与经济供电等均具有重 要的支撑作用。 在各种储能技术中， 电池储能由于性能优越、 成本快速下降， 具有突出 的比 较优势。 电池储能系统通常由大量单体电芯通过串并联组合而成， 并配置电池管理系统 (BMS)及机箱、 机架等， 组成电池系统； 电池系统再通过功率变换设备和隔离变压器等接入 电网或特定的供电系统。 但由于电池储能系统在实际运行过程中受外部环境的影响， 同时 也受内部发生的各种物理和 化学反应约束， 为了保障电池储能系统的安全可靠运行， 对其 健康状态(SOH)和荷电状态(SOC)进 行精准评估以克服目前常规算法精度不高的缺点， 是十 分必要的。 另外， 电池储能系统的大规模建设， 其数据量 急剧增加， 这对 数据采集、 传输和处 理等提出了更高要求。 同时数据量的大幅度增加使系统的数据安全难以得到保 障， 隐私数 据泄露问题亟待有效解决。 再者， 由于不同主体之 间的行业竞争和隐私安全， 数据源之 间存 在难以打破的壁垒， “数据孤岛 ”的形成将导致安全共享数据难以实现， 这些都极大限制 了 电池储能系统的健康发展。 发明内容 [0003]随着数据隐私保护的进一步增强和人工智能的发展， 基于联邦学习的信息不完备 下的全局优化引导新思路开始受到关注， 即通过局 域自治体的模型封装和加密， 对封装后 的模型及其加密的梯度信息进 行云端整合训练和联合学习， 可在保障各自数据隐私的情形 下， 达到类似于数据完备的全局优化效果， 进 而指导各主体策略的不断进化。 [0004]由此， 为克服现有技术的缺点， 本发明提出一种电池储能系统联邦状态评估方法， 以有效实现电池 储能系统的SOH和SOC的联合估计。 其采用的技 术方案如下： [0005]一种电池 储能系统联邦状态评估方法， 具体包括如下步骤： [0006]步骤1、 利用多传感器融合技术获取电池储能系统运行的外特性数据； 同时利用原 位/非原位技术获取内特性数据， 由此获取各电池储能系统运行的内外特性数据； 对各电池 储能系统的内外特性数据进行结构化处理， 并采用哈希运算和同态加密技术相结合的方式 对不同电池储能系统的内外特性数据进行对齐， 进而采用张量深度学习的方法对本地数据 高维特征进行提取； [0007]步骤2、 基于FPGA构建B MS， 建立基于轻量化门控循环 单元的电池储能系统SOC评估 方法， 将本地构建的模型进行加密封装， 采用随机梯度下降法计算各电池储能系统封装模 型的最优梯度信息， 通过分布式交互方式传递加密后的梯度计算信息以及其邻接关系， 且说　明　书 1/4 页 3 CN 115222126 A 3