本技术涉及储能电池及大数据，具体而言，涉及基于大数据的储能电池劣化趋势分析方法、系统和介质。
背景技术：
1、目前储能电池技术是电力行业发展的关键，如电化学储能中的锂离子电池技术已较为成熟，商业化初具规模。储能电池技术尤其在新能源规模化接入电网、电力削峰填谷、参与调压调频等方面发挥着重要作用。然而，储能电池的劣化会带来一系列的缺点和挑战。
2、随着储能电池使用时间的增加，电池劣化问题必然发生，电池劣化会导致其能量密度下降，循环寿命会逐渐缩短，安全性可能会降低，缺乏一种针对储能电池多层面全方位的状态监测和劣化趋势直观体现的技术方法。
3、针对上述问题，目前丞待有效的技术解决方案。
技术实现思路
1、本技术的目的在于提供基于大数据的储能电池劣化趋势分析方法、系统和介质，可以通过获取电池单格监测信息，提取电压下降速率数据、放电深度数据和内阻增长占比数据，分别判断电池单格电压下降速率是否满足要求、电池单格放电深度是否满足要求以及电池单格内阻老化程度，再根据电压下降速率数据、放电深度数据和内阻增长占比数据进行处理，获得电池单格劣化指数，与预设劣化指数阈值进行对比，判断电池单格劣化等级。本技术通过监测电压下降速率、放电深度和内阻增长占比等多个参数，不仅提供精确的电池性能评估，更是对电池单格状态的全面评估，可以提前发现潜在的问题，可针对性的采取预防性维护措施，避免突然的电池故障，有效延长电池的使用寿命。
2、本技术提供了基于大数据的储能电池劣化趋势分析方法，包括以下步骤：
3、获取预设环境下预设时间段内的电池单格监测信息，提取电压下降速率数据、放电深度数据和内阻增长占比数据；
4、根据所述电压下降速率数据与预设下降速率阈值进行对比，判断电池单格电压下降速率是否满足要求；
5、根据所述放电深度数据与预设放电深度阈值进行对比，判断电池单格放电深度是否满足要求；
6、根据所述内阻增长占比数据与预设增长占比阈值进行对比，判断电池单格内阻老化程度；
7、根据所述电压下降速率数据、放电深度数据和内阻增长占比数据进行处理，获得电池单格劣化指数；
8、根据所述电池单格劣化指数与预设劣化指数阈值进行对比，判断电池单格劣化等级。
9、其中，在本技术所述的基于大数据的储能电池劣化趋势分析方法中，所述根据所述电压下降速率数据与预设下降速率阈值进行对比，判断电池单格电压下降速率是否满足要求，具体为：
10、根据所述电压下降速率数据与预设下降速率阈值进行对比，获得下降速率偏差率；
11、根据所述下降速率偏差率与预设下降速率偏差率阈值进行对比；
12、若下降速率偏差率大于或等于下降速率偏差率阈值，则电池单格电压下降速率不满足要求，放电能力不足；
13、若下降速率偏差率小于下降速率偏差率阈值，则电池单格电压下降速率满足要求，放电能力正常。
14、其中，在本技术所述的基于大数据的储能电池劣化趋势分析方法中，所述根据所述放电深度数据与预设放电深度阈值进行对比，判断电池单格放电深度是否满足要求，具体为：
15、根据所述放电深度数据分别与预设第一放电深度阈值和第二放电深度阈值进行对比，所述第一放电深度阈值小于第二放电深度阈值；
16、若放电深度数据小于第一放电深度阈值，则电池单格放电深度过低，影响电池单格性能；
17、若放电深度数据大于或等于第一放电深度阈值且小于或等于第二放电深度阈值，则电池单格放电深度满足要求；
18、若放电深度数据大于第二放电深度阈值，则电池单格放电深度过高，影响电池单格使用寿命。
19、其中，在本技术所述的基于大数据的储能电池劣化趋势分析方法中，所述根据所述内阻增长占比数据与预设增长占比阈值进行对比，判断电池单格内阻老化程度，具体为：
20、根据所述内阻增长占比数据分别与预设第一增长占比阈值和第二增长占比阈值进行对比，所述第一增长占比阈值小于第二增长占比阈值；
21、若内阻增长占比数据小于或等于第一增长占比阈值，则电池单格内阻状态良好；
22、若内阻增长占比数据大于第一增长占比阈值且小于或等于第二增长占比阈值，则电池单格内阻老化程度低并进行标记；
23、若内阻增长占比数据大于第二增长占比阈值，则电池单格内阻老化程度高需要进行更换。
24、其中，在本技术所述的基于大数据的储能电池劣化趋势分析方法中，所述根据所述电压下降速率数据、放电深度数据和内阻增长占比数据进行处理，获得电池单格劣化指数，具体为：
25、获取所述预设环境下的环境温度数据；
26、根据所述电压下降速率数据、放电深度数据和内阻增长占比数据结合所述环境温度数据通过预设劣化趋势模型进行处理，获得电池单格劣化指数。
27、其中，在本技术所述的基于大数据的储能电池劣化趋势分析方法中，所述根据所述电池单格劣化指数与预设劣化指数阈值进行对比，判断电池单格劣化等级，具体为：
28、根据所述电池单格劣化指数分别与预设第一劣化指数阈值和第二劣化指数阈值进行对比，所述第一劣化指数阈值小于第二劣化指数阈值；
29、若电池单格劣化指数小于第一劣化指数阈值，则电池单格轻微劣化，劣化等级低；
30、若电池单格劣化指数大于或等于第一劣化指数阈值且小于第二劣化指数阈值，则电池单格中等劣化，劣化等级中；
31、若电池单格劣化指数大于或等于第二劣化指数阈值，则电池单格严重劣化，劣化等级高。
32、第二方面，本技术提供了基于大数据的储能电池劣化趋势分析系统，该系统包括：存储器及处理器，所述存储器中包括基于大数据的储能电池劣化趋势分析方法的程序，所述基于大数据的储能电池劣化趋势分析方法的程序被所述处理器执行时实现以下步骤：
33、获取预设环境下预设时间段内的电池单格监测信息，提取电压下降速率数据、放电深度数据和内阻增长占比数据；
34、根据所述电压下降速率数据与预设下降速率阈值进行对比，判断电池单格电压下降速率是否满足要求；
35、根据所述放电深度数据与预设放电深度阈值进行对比，判断电池单格放电深度是否满足要求；
36、根据所述内阻增长占比数据与预设增长占比阈值进行对比，判断电池单格内阻老化程度；
37、根据所述电压下降速率数据、放电深度数据和内阻增长占比数据，获得电池单格劣化指数；
38、根据所述电池单格劣化指数与预设劣化指数阈值进行对比，判断电池单格劣化等级。
39、其中，在本技术所述的基于大数据的储能电池劣化趋势分析系统中，所述根据所述电压下降速率数据与预设下降速率阈值进行对比，判断电池单格电压下降速率是否满足要求，具体为：
40、根据所述电压下降速率数据与预设下降速率阈值进行对比，获得下降速率偏差率；
41、根据所述下降速率偏差率与预设下降速率偏差率阈值进行对比；
42、若下降速率偏差率大于或等于下降速率偏差率阈值，则电池单格电压下降速率不满足要求，放电能力不足；
43、若下降速率偏差率小于下降速率偏差率阈值，则电池单格电压下降速率满足要求，放电能力正常。
44、其中，在本技术所述的基于大数据的储能电池劣化趋势分析系统中，所述根据所述放电深度数据与预设放电深度阈值进行对比，判断电池单格放电深度是否满足要求，具体为：
45、根据所述放电深度数据分别与预设第一放电深度阈值和第二放电深度阈值进行对比，所述第一放电深度阈值小于第二放电深度阈值；
46、若放电深度数据小于第一放电深度阈值，则电池单格放电深度过低，影响电池单格性能；
47、若放电深度数据大于或等于第一放电深度阈值且小于或等于第二放电深度阈值，则电池单格放电深度满足要求；
48、若放电深度数据大于第二放电深度阈值，则电池单格放电深度过高，影响电池单格使用寿命。
49、第三方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于大数据的储能电池劣化趋势分析方法程序，所述基于大数据的储能电池劣化趋势分析方法程序被处理器执行时，实现如上述任一项所述的基于大数据的储能电池劣化趋势分析方法的步骤。
50、由上可知，本技术实施例提供的基于大数据的储能电池劣化趋势分析方法、系统和介质，通过获取预设环境下预设时间段内的电池单格监测信息，提取电压下降速率数据、放电深度数据和内阻增长占比数据，根据电压下降速率数据与预设下降速率阈值进行对比，判断电池单格电压下降速率是否满足要求，根据放电深度数据与预设放电深度阈值进行对比，判断电池单格放电深度是否满足要求，根据内阻增长占比数据与预设增长占比阈值进行对比，判断电池单格内阻老化程度，根据电压下降速率数据、放电深度数据和内阻增长占比数据结合所述预设环境下的环境温度数据进行处理，获得电池单格劣化指数，最后再与预设劣化指数阈值进行对比，判断电池单格劣化等级。本技术通过监测电压下降速率、放电深度和内阻增长占比等多个参数，不仅提供精确的电池性能评估，更是对电池单格状态的全面评估，可以提前发现潜在的问题，可针对性的采取预防性维护措施，避免突然的电池故障，有效延长电池的使用寿命。
51、本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术实施例了解。本技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
1.基于大数据的储能电池劣化趋势分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的储能电池劣化趋势分析方法，其特征在于，所述根据所述电压下降速率数据与预设下降速率阈值进行对比，判断电池单格电压下降速率是否满足要求，具体为：
3.根据权利要求2所述的基于大数据的储能电池劣化趋势分析方法，其特征在于，所述根据所述放电深度数据与预设放电深度阈值进行对比，判断电池单格放电深度是否满足要求，具体为：
4.根据权利要求3所述的基于大数据的储能电池劣化趋势分析方法，其特征在于，所述根据所述内阻增长占比数据与预设增长占比阈值进行对比，判断电池单格内阻老化程度，具体为：
5.根据权利要求4所述的基于大数据的储能电池劣化趋势分析方法，其特征在于，所述根据所述电压下降速率数据、放电深度数据和内阻增长占比数据进行处理，获得电池单格劣化指数，具体为：
6.根据权利要求5所述的基于大数据的储能电池劣化趋势分析方法，其特征在于，所述根据所述电池单格劣化指数与预设劣化指数阈值进行对比，判断电池单格劣化等级，具体为：
7.基于大数据的储能电池劣化趋势分析系统，其特征在于，包括存储器和处理器，所述存储器中包括基于大数据的储能电池劣化趋势分析方法程序，所述基于大数据的储能电池劣化趋势分析方法程序被所述处理器执行时实现如下步骤：
8.根据权利要求7所述的基于大数据的储能电池劣化趋势分析系统，其特征在于，所述根据所述电压下降速率数据与预设下降速率阈值进行对比，判断电池单格电压下降速率是否满足要求，具体为：
9.根据权利要求8所述的基于大数据的储能电池劣化趋势分析系统，其特征在于，所述根据所述放电深度数据与预设放电深度阈值进行对比，判断电池单格放电深度是否满足要求，具体为：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于大数据的储能电池劣化趋势分析方法程序，所述基于大数据的储能电池劣化趋势分析方法程序被处理器执行时，实现如权利要求1至6中任一项所述的基于大数据的储能电池劣化趋势分析方法的步骤。
