共查询到20条相似文献,搜索用时 36 毫秒
1.
《电网技术》2020,(5)
对新能源汽车退役的动力电池进行梯次利用,可有效地提高储能电池的运行周期。根据退役后动力电池健康状态(state of health,SOH)的差异性,提出一种基于电池健康度的微电网群梯次利用储能系统容量配置方法。首先,考虑充放电深度对储能电池寿命的影响,提出基于荷电状态(state of charge,SOC)的储能电池有效容量估算方法,为储能电池梯次利用相关研究提供理论依据。其次,为有效延长储能系统运行寿命,根据电池SOH设置储能系统的动态安全裕度,提高储能系统配置及调控的准确性。最后,根据梯次利用储能系统设定好的动态安全裕度,综合考虑微电网群的供需平衡、联络线损耗、储能的运行寿命及成本等,合理地制定系统选址定容方案。仿真结果表明广泛的动力电池梯次利用有效地降低了投资成本,通过SOH监测设定调控动态安全裕度,降低微电网群储能配置成本,延长了蓄电池使用寿命。 相似文献
2.
为提高电动汽车充电站储能系统稳定性、安全性和经济性,提出一种考虑动力电池梯次利用的充电站光储容量优化配置方法。首先,针对退役动力电池考虑了电池充放电深度和循环次数对使用寿命的影响,建立了退役动力电池容量衰减和寿命损耗模型,基于容量衰减和寿命损耗模型建立退役动力电池荷电状态(state of charge, SOC)与健康状态(state of health, SOH)耦合关系评价模型;其次,在SOC与SOH耦合关系评价模型的基础上,以充电站年净收益最优为目标函数建立充电站容量优化配置模型;最后,在满足一定能量交换策略的前提下,以某地区光伏储能电站为例对模型进行求解。通过算例分析得出:基于退役电池SOC与SOH耦合关系评价模型进行梯次利用的储能容量优化配置能使整个储能系统的功率峰值降低,且相较于无评价模型系统的功率更加平滑,有利于延长储能系统的寿命周期,提高了系统的稳定性和经济性。 相似文献
3.
退役动力电池的梯次利用是电动汽车行业可持续发展急需解决的问题。为确保梯次电池储能系统的经济性,在规划阶段需对储能系统进行容量配置,提出了基于雨流计数法和等效循环寿命法的梯次电池寿命评估方法。考虑容量保持率变化对储能系统寿命和经济性的影响,以储能系统实际运行寿命内净收益总和最大为目标,提出了梯次电池储能系统容量配置方法,并引入萤火虫算法进行优化求解。算例结果显示,考虑运行寿命内经济性最优的容量配置方法能够提高梯次电池储能系统的经济性,同时延长储能系统寿命。 相似文献
4.
将退役动力电池梯次利用于家庭智能用电系统的储能,可有效提升动力电池使用寿命,实现资源的高效利用。考虑到家用电动汽车的普及化,文章提出了一种家用电动汽车退役动力电池梯次利用于家庭储能的容量优化配置方案。从家庭常用负荷、家庭可调控负荷、梯次储能系统、电动汽车和家庭光伏等角度,建立了家庭能量系统模型;综合考虑梯次储能的投资成本,以用户用电投入最少为目标函数,以家庭能量系统中元件的运行条件为约束条件,构建了梯次储能容量优化模型;分析了基于改进粒子群算法和模糊控制算法的梯次储能容量优化步骤;结合算例,对所提模型和算法的可行性进行了验证。结果表明,与无储能的系统相比,梯次储能的优化配置可有效降低家庭日电费量,且效果显著。 相似文献
5.
《高电压技术》2015,(8)
针对退役动力电池在电网中的梯次应用问题,阐述了退役动力电池梯次利用的背景、研究进展、商业化运作水平,总结了国内外梯次利用项目及示范工程概况;分析了退役动力电池梯次利用的流程及其成本构成;基于退役电池二次循环测试数据,拟合了容量保持率与循环次数间的关系,提出了等效益折算的梯次利用电池储能系统成本竞争力评估方法,以3种典型应用场合为例进行了算例分析;在分析国内外储能系统直接补贴政策基础上,深入分析了补贴政策对退役动力电池储能系统成本竞争力的影响。结果表明:退役动力电池容量保持率0.6时,与常规电池储能系统相比,在削峰填谷、平抑分布式电源出力波动等场合具有成本竞争优势,而在备用电源领域,容量保持率接近0.8时具有成本竞争优势。 相似文献
6.
7.
针对退役动力电池梯次用于电力系统等领域存在初始参数不一致、筛选重组复杂等问题,提出一种基于退役动力电池模组静动态特性的阶梯式筛选方法。首先,构建退役动力电池模组端电压、荷电状态(state of charge,SOC)、健康状态(state of health,SOH)及循环次数等参数间的关联特性,以电池模组内阻、剩余容量作为表征参数,采用密度权重Canopy改进的K-medoids聚类方法对外部特性参数相近的电池模组进行初次筛选;其次,将电池模组SOH动态一致性特性曲线作为表征对象,对其进行再次筛选;最后,采用非参数Bootstrap概率方法解析阶梯式静动态筛选下退役动力SOH估计的置信区间,评估动力电池模组筛选精度。结果表明,该文所提方法可将电池模组的筛选精度至少提高6.2%,为退役动力电池大规模筛选及梯次利用奠定理论基础。 相似文献
8.
为提高退役动力电池的利用率,降低储能系统成本,将退役电池梯次利用于对电池使用工况逐步温和的电动汽车充电站场景及家庭储能系统场景。在多储能场景下分析场景更迭时梯次电池容量保持率的变化以及梯次电池供求关系的变化对储能系统净收益的影响,通过优化各梯次储能系统的配置容量,以多储能场景年净收益最大为目标函数,构建了退役电池在多储能场景下梯级利用的经济性评估模型,并采用遗传算法求解模型。算例表明,退役电池在多储能场景下的梯级利用相较于其在单一场景中的二次利用可更大限度地发挥退役电池的残余价值,提高储能系统的经济效益。 相似文献
9.
微电网储能系统容量配置不同会使系统使用寿命不同进而影响微电网投资成本。根据微电网实际工作状态,采用雨流计数法统计寿命估算所需的储能系统充放电深度,并建立储能寿命损耗模型对微电网储能系统进行寿命估算。以微电网综合运行成本,储能系统投资及运行维护成本之和最小为目标建立储能系统容量配置模型,并采用粒子群算法对模型进行求解,根据储能系统工作循环建立储能系统设备利用率指标用以评价容量配置结果。算例分析表明,所提方法能够优化容量配置结果,避免容量浪费,减小微电网投资成本,提高了微电网运行的经济性。 相似文献
10.
11.
在国家政策的引导和推动下,我国新能源汽车产业发展迅猛,退役动力电池的处理和应用提上日程.动力电池梯次利用不仅可以缓解大量动力电池退役所带来的电池回收压力和环境污染问题,还可以实现电池价值和资源的最大化利用,同时有效降低电动汽车整车成本和电力系统储能工程造价.本文首先总结了国内电动汽车市场环境及退役动力电池梯次应用成功案例,然后对退役动力电池的经济成本和不同应用场景进行阐述,分析退役动力电池的应用潜力和发展前景,最后评估其梯次储能利用的优势和应用经济性.研究表明,随着退役动力电池数量的爆发式增长,退役电池在电网储能、通信基站等场景中的应用具有巨大的潜力,可以实现优化资源配置、确保供电可靠、稳定电力系统、提高电网安全性的目的,且相较于直接资源回收,将退役电池梯次利用的经济成本优势更加显著.最后对退役动力电池梯次储能应用进程进行总结和展望,为退役电池产业化回收利用的发展提供参考. 相似文献
12.
为了保证梯次利用电池储能系统的安全可靠运行,提出了100 kW·h梯次利用储能电池系统的安全电池管理系统。首先,针对梯次利用的100 kW·h储能用动力电池的特性进行初步分析,包括储能系统中梯次利用电池的容量分布分析、不同容量电池在某特定工况下电池模组的SOC-OCV特性分析、系统充放电容量测试、电池容量不一致性分析等,明确了针对梯次利用电池管理的主要关键参数。其次,为了保证梯次利用电池储能系统的安全可靠运行,对梯次利用电池的特性进行了系统安全可靠性分析,采用了系统级的故障诊断方法和多级故障报警策略。最后,用开发的电池管理系统样机进行系统容量测试验证。试验结果表明,此电池管理系统满足梯次利用电池储能系统的应用需求。 相似文献
13.
14.
15.
16.
计及电池寿命和经济运行的微电网储能容量优化 总被引:2,自引:0,他引:2
《高电压技术》2015,(10)
针对微电网系统中储能容量优化配置问题,为保证规划储能容量对于系统未来运行具有更好的适应能力,在规划阶段详细考虑了含储能微电网的经济优化运行,并量化评估了运行中的储能寿命损耗,提出了一种同时计及系统经济运行和电池寿命的微电网储能容量双层优化模型,针对模型中运行变量与规划变量混合,且求解时微电网期望运行成本与储能容量呈现出难以解析的"黑箱"特性,提出了一种网格自适应直接搜索算法与改进粒子群算法相结合的两阶段模型迭代求解策略,通过多种场景的对比分析,结果表明:所提出的储能容量优化配置方案在保障系统运行经济性的同时,有效避免了储能的深度充放电,延长了储能使用寿命,具有更好的整体经济效益;两阶段求解方法也有效降低了模型的计算规模和求解难度,计算效率更高。仿真结果证明了模型和求解方法的有效性,可为微电网系统储能容量的配置提供一定的参考。 相似文献
17.
18.
19.
20.
针对退役动力电池的快速分选问题,提出了一种能够满足电网储能要求的基于长短期记忆网络(long short-term memory, LSTM)、核主成分分析(kernel principal component analysis, KPCA)和优化K-means聚类的退役动力电池快速分选方法。采用二阶RC模型和混合脉冲功率测试(hybrid pulse power characterization, HPPC)数据,利用带遗忘因子的最小二乘法(forgetful factor recursive least squares, FFRLS)获取电池参数;然后结合LSTM网络,估计电池健康状态(state of health, SOH)和最大可用容量;根据电池参数和梯次利用范围进行初分选,剔除不适用于电网储能的电池;最后依据KCPA处理的特征变量,采用改进的K-means聚类算法进行再分选。仿真结果表明,该方法准确度超过97%,具有较高应用价值。 相似文献