Como medio eficaz para garantizar el funcionamiento fiable de la fuente-red-carga, el almacenamiento de baterías ha avanzado hacia una escala más grande, y la seguridad y fiabilidad de la operación de las baterías de almacenamiento son un eslabón clave que limita su desarrollo y aplicación posteriores. Para el problema de la estimación y advertencia del estado de funcionamiento de las baterías de almacenamiento de litio, en este artículo se propone un método de estimación de estado no lineal basado en un entrenamiento mixto de datos-modelo. En primer lugar, se utiliza el modelo clásico del circuito de Thevenin y el filtro de Kalman extendido para construir el modelo matemático de la batería de litio; luego, se propone un método de estimación no lineal del sesgo del estado del sistema real frente al modelo de simulación, se logra una estimación eficaz del sesgo datos-modelo y luego el proceso de advertencia de la batería; finalmente, los ejemplos de simulación verifican que el método propuesto en este artículo es escasamente afectado por la precisión del modelo, los errores y la amplitud de la corriente de carga y descarga. Por primera vez, el método de estimación de estado no lineal (NSET) se aplica a la advertencia de las baterías de litio, utilizando el método de entrenamiento del modelo, es decir, el filtro de Kalman extendido, combinado con el método de entrenamiento de datos, es decir, NSET, es posible estimar con precisión el estado en tiempo real de la batería de iones de litio y realizar una advertencia a través de un cálculo sencillo, y tiene un valor de aplicación práctica.

Sistema de almacenamiento; modelado digital; tecnología de advertencia; filtro de Kalman extendido; estimación de estado no lineal